Implementasi Computer Vision Untuk Pengendalian Lampu LED Secara Otomatis Berdasarkan Pengenalan Gestur

Sari

Abstrak: Perkembangan teknologi Computer Vision telah memberikan kontribusi signifikan dalam berbagai bidang, termasuk dalam sistem kendali perangkat elektronik berbasis gestur. Penelitian ini mengembangkan sistem pengendalian lampu LED secara otomatis menggunakan teknologi Computer Vision untuk mengenali gestur tangan pengguna. Sistem ini memanfaatkan MediaPipe Hands dan OpenCV untuk mendeteksi serta mengklasifikasikan jumlah jari yang diangkat sebagai input, yang kemudian diterjemahkan menjadi perintah untuk menyalakan atau mematikan LED melalui mikrokontroler. Pengujian dilakukan untuk mengevaluasi akurasi deteksi gestur serta responsivitas sistem dalam berbagai kondisi pencahayaan dan sudut pengambilan gambar. Hasil penelitian menunjukkan bahwa sistem ini mampu mengenali gestur tangan dengan tingkat akurasi yang tinggi dan merespons perintah pengguna secara real-time. Implementasi sistem ini menawarkan beberapa keunggulan utama, seperti interaksi tanpa sentuhan (touchless interaction), peningkatan aksesibilitas bagi penyandang disabilitas, serta efisiensi energi melalui pengendalian lampu yang lebih cerdas. Namun, beberapa tantangan yang dihadapi meliputi ketergantungan pada kondisi pencahayaan dan posisi tangan dalam jangkauan kamera. Secara keseluruhan, penelitian ini membuktikan bahwa penggunaan Computer Vision dalam sistem kendali berbasis gestur dapat menjadi solusi inovatif dalam smart home automation dan interaksi manusia-komputer yang lebih intuitif.

Kata kunci: Computer Vision, Hand Tracking, Pengendalian Lampu LED

Abstract: The advancement of Computer Vision technology has significantly contributed to various fields, including electronic device control systems based on gesture recognition. This study develops an automatic LED control system using Computer Vision technology to recognize user hand gestures. The system utilizes MediaPipe Hands and OpenCV to detect and classify the number of raised fingers as input, which is then translated into commands to turn the LEDs on or off via a microcontroller. Testing was conducted to evaluate the accuracy of gesture detection and the system’s responsiveness under various lighting conditions and camera angles. The results demonstrate that the system can recognize hand gestures with high accuracy and respond to user commands in real-time. The implementation of this system offers several key advantages, such as touchless interaction, improved accessibility for individuals with disabilities, and energy efficiency through smarter lighting control. However, some challenges include dependency on lighting conditions and the positioning of the hand within the camera’s field of view. Overall, this study proves that the application of Computer Vision in gesture-based control systems can be an innovative solution for smart home automation and more intuitive human-computer interactions.

Keywords: Computer Vision, Hand Tracking, LED Control System