Implementasi Algoritma K-Nearest Neighbors Dan Principal Component Analysis pada Aplikasi Android untuk Pendeteksi Hand Gesture Secara Real Time

Abstrak

Abstrak − Hasil survey Sosial Ekonomi Nasional (SUSENAS) ditahun 2018 mencatat adanya 26.438 jiwa dari populasi di Indonesia sebagai penyandang tunarungu. Hal ini merupakan sebuah tantangan besar pada komunikasi dan aksebilitas informasi. Kondisi ini mempengaruhi aspek pendidikan sosial dan juga kesejahteraan psikologis penyandang tunarungu. Upaya pemerintah menyediakan Sekolah Luar Biasa (SLB) sebagai forum pendidikan yang setara, namun komunikasi tetap menjadi kendala utama. Maka dari itu, pada penelitian ini memiliki tujuan untuk pengembangan sebuah aplikasi berbasis Android yang menggunakan fitur pengenalan gestur tangan untuk membantu komunikasi secara real-time dengan penyandang tunarungu. Proyek ini menggunakan metode Algoritma K-Nearest Neighbors (KNN) dan Principal Component Analysis (PCA), aplikasi ini mampu mendeteksi dan menginterpretasikan gestur tangan berdasarkan data training dari Sistem Isyarat Bahasa Indonesia (SIBI) dan diharapkan akan menjadi solusi inovatif untuk meningkatkan komunikasi an interaksi antara penyandan tunarungu dan masyarakat umum. Metode Algoritma K-Nearest Neighbors (KNN) dan Principal Component Analysis (PCA) yang digunakan dalam aplikasi ini menghasilkan akurasi sebesar 67,42% dan kepuasan pengguna sebesar 90,1%.Kata Kunci : Hand Gesture; KNN; PCA; Abstract − The results of the National Socio-Economic Survey (SUSENAS) in 2018 recorded 26,438 individuals in Indonesia as hearing-impaired. This poses a significant challenge to communication and information accessibility. This condition affects the educational, social, and psychological well-being aspects of the hearing-impaired. The government's effort to provide Special Schools (SLB) as an equal education forum, however, communication remains a major obstacle. Therefore, this research aims to develop an Android-based application that utilizes hand gesture recognition features to assist real-time communication with the hearing-impaired. Using the K-Nearest Neighbors (KNN) and Principal Component Analysis (PCA) methods, this application is capable of detecting and interpreting hand gestures based on training data from the Indonesian Sign Language System (SIBI), and is expected to be an innovative solution to improve communication and interaction between the hearing-impaired and the general public. The K-Nearest Neighbors (KNN) and Principal Component Analysis (PCA) methods used in this application result in an accuracy of 67,42% and user satisfaction of 90,1%. Keywords: Hand Gesture; KNN; PCA;

Identifier

• DOI: https://doi.org/10.32672/jnkti.v8i4.9410
• OpenAlex: https://openalex.org/W4415242397