<![CDATA[AbstrakTeknologi Kinect adalah teknologi yang dikembangkan untuk game. Kinect memungkinkan pemain game mengontrol permainan dengan menggunakan gerakan dan suara. Hal ini dikarenakan di dalam Kinect terdapat 3 hardware yang bekerja bersama-sama. Tiga hardware tersebut yaitu color VGA video camera, sensor kedalaman, dan multi array microphones. Karena itu, penelitian ini mencoba mengembangkan sensor Kinect untuk keperluan mendeteksi telapak tangan dan gesturnya untuk digunakan sebagai kontrol lampu. Hal ini dilakukan dengan menambahkan beberapa proses pengolahan citra. Pengenalan telapak tangan, menggunakan sensor VGA camera dan depth camera dalam Kinect. Ketika seorang pengguna menjulurkan tangannya kearah sensor, kemudian mengangkat jarinya maka program akan bereaksi. Jika 2 jari yang diangkat maka program akan mengaktifkan saklar padam. Sedangkan jika 5 jari yang diangkat, maka program akan mengaktifkan saklar hidup. Dalam penelitian ini ada 2 fitur yang digunakan dan dibandingkan hasilnya. Fitur yang digunakan adalah fitur Moment Invariant dan Length of Edge. Hasil lebih baik diberikan jika pengenalan dilakukan dengan menggunakan Length of Edge. Dari seluruh data uji yang dipakai, untuk pengenalan dengan menggunakan fitur Length of Edge, akurasi maksimal diperoleh sebesar 100%, sedangkan dengan menggunakan fitur Moment Invariant, akurasi maksimal diperoleh sebesar 80%.Kata kunci: Moment Invarian, Length of Edge, gesture telapak tanganAbstractKinect is a technology developed for game. Kinect allows players to control game play by using movement and sound. This is because Kinect has 3 hardware that work together. The three hardware are VGA video camera, depth sensor and multi-array microphones. Therefore, this study attempts to use Kinect sensor for detecting the palms gestures and use them as a light control. This is done by adding some image processing technique. The palms gesture detection is done by using the VGA camera and depth camera in Kinect Sensor. When a user sticking his hand out and raise his fingers, then program will gives response. If 2 fingers are raised, program will activate off switch, while if 5 fingers are raised, program will activate on switch. There are two features are used in this study, and the results are compared. The features are Moment Invariant and Length of Edge. Better results given by recognition using the Length of Edge. From all the test data used, recognition using Length of Edge give 100% accuracy, while recognition using Moment Invariant features, give 80% in acuracy.Keywords: Moment Invarian, Length of Edge, palm gesture]]>
