Pengembangan Navigasi Pergerakan Kursi Roda Elektrik Berbasis Klasifikasi Pola Jari Tangan Dengan Metode Convolutional Neural Netwrok (CNN) Dan Long Short-Term Memory (LSTM)

Abstract

Penderita disabilitas kaki mengalami kesulitan untuk berjalan dan berkatifitas sehari-hari, sehingga membutuhkan bantuan alat berupa kursi roda. Pengembangan kursi roda konvensional adalah kursi roda elektrik. Pada penelitian ini peneliti membuat kontrol navigasi pergerakan kursi roda dengan menanamkan sistem kecerdasan buatan sebagai pengambil keputusan. Kontrol navigasi kursi roda berdasarkan klasifikasi pola jari tangan sebagai perintah gerakan untuk maju, mundur, kanan, kiri dan berhenti. Peneliti menggunakan metode Deep Learning yaitu gabungan dari metode Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Dataset yang digunakan pada penelitian sebanyak 40.000 data frame yang dibagi menjadi data latih, data validasi, dan data test. Pada pengujian secara online dengan kondisi pencahayaan 50 mendapatkan akurasi sebesar 96.15% dan pada kondisi pencahayaan 150 mendapatkan akurasi 98.24%. Time respon dari sistem yang dibuat memiliki kemampuan 4.96 frame per second (fps). Intensitas cahaya mempengaruhi tingkat akurasi pada sistem yang dibuat.