Fakultas Ilmu Komputer
Universitas Brawijaya 3321
Perancangan Perangkat Pengendali Navigasi AR Drone Quadcopter Berbasis Hand Gesture dengan Metode Complementary Filter
Syarif Hidayatullah1, Gembong Edhi Setyawan2, Sabriansyah Rizqika Akbar3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1[email protected], 2[email protected], 3[email protected]
Abstrak
Quadcopter merupakan jenis Unmanned Aerial Vehicle (UAV) yang banyak digunakan dalam berbagai bidang kehidupan. Pada saat menggunakan quadcopter terdapat suatu hal yang sangat penting untuk dikuasai, yaitu pengendalian navigasi. Pengendalian navigasi merupakan cara untuk mengatur arah pergerakkan quadcopter ketika terbang. Salah satu cara untuk melakukan pengendalian navigasi yaitu menggunakan remote control. Dalam menggunakan remote control dibutuhkan keahlian khusus bagi pengguna untuk mengatur arah pergerakkan quadcopter. Natural User Interface (NUI) merupakan suatu cara baru untuk berinteraksi dengan suatu sistem. Dengan menggunakan NUI interaksi manusia dengan sistem lebih mudah karena menggunakan input alami seperti pergerakkan tubuh manusia. Pada penelitian ini dibangun wearable device yang mampu mendeteksi hand gesture kemudian memberikan instruksi pergerakkan pada quadcopter. Perangkat tersebut diterapkan metode complementary filter dengan tujuan agar mengurangi noise saat mendeteksi transformasi sudut ketika pengguna melakukan hand gesture. Berdasarkan pengujian yang telah dilakukan diperoleh hasil berupa keberhasilan pada setiap pengujian antara ketepatan hand gesture dengan pergerakkan quadcopter dengan nilai akurasi sebesar 100%. Kemudian delay yang dihasilkan sistem ini pada saat pengguna melakukan hand gesture hingga quadcopter melakukan pergerakkan adalah sebesar 0,67 detik.
Kata kunci: Quadcopter, Natural User Interface, Hand Gesture, Wearable Device, Complementary filter.
Abstract
Quadcopter is a type of Unmanned Aerial Vehicle (UAV) which widely used in various fields of life.
Navigation control is a very important thing to know while using quadcopter. Navigation control is a way to set the direction of quadcopter movement when flying. Remote control can be used to control the direction of quadcopter. But, using the remote control is required specific ability for the user to set the direction of quadcopter movement. Natural User Interface (NUI) is a new way to interact with a system.
NUI made human easier to interact with the system. Because NUI using natural input such as the movement of the human body. In this research built a wearable device which can detect hand gesture and control the movement of quadcopter. The device applies complementary filter method to reduce noise when detecting angle transformation when user doing hand gesture. Based on the tests that had been done, this system got succes on each test of hand gesture. Delay in this system generates when the user doing hand gesture until the quadcopter move is 0.67 seconds.
Keywords: Quadcopter, Natural User Interface, Hand Gesture, Wearable Device, Complementary filter.
1. PENDAHULUAN
Quadcopter merupakan jenis Unmanned Aerial Vehicle (UAV) yang menggunakan empat buah rotor sebagai penggeraknya (Gaponov & Razinkova, 2012). Quadcopter memiliki keunggulan Vertical Take-Off and Landing (VTOL), artinya quadcopter dapat terbang dan mendarat secara vertikal.
Keunggulan tersebut menjadikan quadcopter tidak butuh landasan pacu yang panjang untuk terbang. Quadcopter banyak digunakan diberbagai bidang kehidupan, seperti dalam bidang jurnalisme digunakan untuk melakukan perekaman video dan foto dari udara, Search and Rescue (SAR) digunakan untuk mengamati kondisi dan melakukan pencarian korban di daerah yang terkena bencana. Kemudian dalam
bidang pendidikan quadcopter juga sering digunakan sebagai objek dalam melakukan penelitian, salah satunya mengenai pengendalian navigasi.
Pengendalian navigasi merupakan cara untuk mengatur arah pergerakan quadcopter.
Pengendalian navigasi termasuk suatu hal penting untuk dikuasai dalam menggunakan quadcopter. Pengendalian navigasi quadcopter dapat dilakukan menggunakan remote control.
Namun dibutuhkan keahlian khusus dalam menggunakan remote control untuk mengendalikan arah pergerakkan quadcopter.
Bagi para pengguna pemula dibutuhkan pembelajaran yang lebih lama terhadap penggunaan remote control dalam mengendalikan navigasi quadcopter (Hadi, et al., 2017).
Natural User Interface (NUI) merupakan antarmuka pengguna yang menggunakan kemampuan alami manusia untuk berinteraksi dengan sistem (Blake, 2013). Kemampuan alami tersebut digunakan sebagai input bagi sistem.
Penerapkan NUI dapat mengurangi proses pembelajaran bagi pengguna pemula dalam berinteraksi dengan sistem. Gesture termasuk suatu cara interaksi yang dapat diterapkan sebagai input NUI. Gesture merupakan bentuk komunikasi non verbal yang menggunakan aksi tubuh untuk mengkomunikasikan pesan-pesan tertentu. Gesture recognition atau cara mengenali gesture dapat dilakukan menggunakan perangkat seperti kinect, leap motion, dan nintendo wii. Selain menggunakan perangkat tersebut, gesture recogniton juga dapat dilakukan dengan memanfaatkan sensor inertial Measurement Unit (IMU).
NUI dapat diterapkan untuk pengendalian navigasi quadcopter. Pada penelitian sebelumnya, NUI diterapkan untuk mengendalikan navigasi AR Drone quadcopter menggunakan kinect dengan metode Flexible Action and Articulated Skeleton Toolkit (FAAST) (Sanna, et al., 2013). Selain menggunakan kinect, leap motion juga dapat digunakan untuk melakukan pengendalian navigasi quadcopter (Sarkar, et al., 2016).
Kemudian penelitian selanjutnya mengenai sistem kendali navigasi AR Drone Quadcopter dengan prinsip NUI membahas mengenai penerapan NUI menggunakan kinect dengan memanfaatkan skleton tracking untuk mengendalikan quadcopter (Hadi, et al., 2017).
Namun, sistem yang dihasilkan dari penelitian tersebut masih terbatas dari sisi mobilitas pada
saat menggunakan sistem.
Berdasarkan permasalahan yang telah penulis jelaskan, maka penulis berinisiatif untuk melakukan penelitian mengenai perancangan perangkat pengendali quadcopter menggunakan hand gesture dengan memanfaatkan IMU sensor.
Pada penelitian ini dibuat sebuah perangkat yang dapat mengenali hand gesture dan bersifat dapat digunakan oleh penggunanya (wearable).
Adanya penerapan metode complementary filter, diharapkan pengenalan hand gesture berdasarkan IMU sensor lebih akurat.
Kemudian, penggunaan perangkat ini diharapkan mengatasi kekurangan pengendalian navigasi quadcopter, yang minim dari sisi mobilitas.
2. PERGERAKKAN QUADCOPTER Pergerakan quadcopter dipengaruhi oleh keempat rotor yang dimiliki. Keempat rotor tersebut memiliki kecepatan yang bersifat independen, artinya kecepatan antara satu rotor berbeda dengan rotor yang lain. Ketika melakukan pergerakan, quadcopter menggunakan variasi kecepatan pada keempat rotornya. Pada keempat rotor tersebut, dua rotor berputar searah jarum jam (clockwise) dan dua rotor lagi berputar melawan arah jarum jam (counter clockwise). Quadcopter memiliki empat pergerakan yaitu gerak roll (gerakan manuver ke kiri atau ke kanan searah sumbu y), gerak pitch (gerakan manuver ke depan atau belakang belakang searah sumbu x), gerak gaz (gerakan manuver ke atas dan bawah searah sumbu z), serta gerak yaw (gerakan berputar ke kiri dan kanan yang berdasarkan sumbu z).
Gambar 1. Sistem koordinat quadcopter
3. COMPLEMENTARY FILTER
Complementary Filter adalah metode yang berfungsi untuk melakukan filter nilai sensor
IMU agar nilai tersebut memiliki noise yang kecil sehingga datanya lebih akurat.
Complementary filter merupakan gabungan dari dua jenis filter yaitu high pass filter dan low pass filter. Low pass filter bekerja melakukan filter pada ouput accelerometer yang memiliki noise dalam mendeteksi sudut. Kemudian high pass filter bekerja melakukan filter pada output gyroscope. Nilai raw gyroscope yang dihasilkan pada dasarnya memiliki pergeseran terus menerus sehingga dengan menggunakan high pass filter dapat menghilangkan pergeseran nilai. Gabungan dari kedua filter tersebut dapat mengatasi kedua masalah pada keluaran accelerometer dan gyroscope. Berikut diagram blok dari metode complementary filter.
Gambar 2. Diagram blok complementary filter
Pada gambar 2 dapat dilihat bahwa metode complementary filter terdiri dari dua jenis filter yaitu high pass dan low pass filter. Low Pass Filter merupakan jenis filter yang melewatkan frekuensi rendah. Sedangkan penggunaannya pada accelerometer berfungsi untuk melewatkan perubahan data dalam jangka waktu panjang sementara menyaring fluktuasi dalam jangka waktu pendek. High pass filter merupakan jenis filter yang memiliki cara kerja berkebalikan dengan Low pass filter. Filter ini melewatkan sinyal dengan durasi pendek (Short duration) yang mampu menghilangkan pergeseran nilai pada gyroscope. Dalam penggunaanya complementary filter menggunakan persamaan dibawah ini.
𝑎𝑛𝑔𝑙𝑒 = ((𝐾) × (𝑎𝑛𝑔𝑒𝑙 + (𝑔𝑦𝑟𝑜 × 𝑑𝑡))) +
((1 − 𝐾) × (𝜃𝑎𝑐𝑐)) (1)
4. PERANCANGAN DAN
IMPLEMENTASI
Pada gambar 3 dapat dilihat bahwa perancangan sistem dibagi menjadi empat bagian yaitu perancangan subsistem sensing, perancangan subsistem pemroses, perancangan subsistem indikator dan perancangan komunikasi.
Gambar 3. Skema perancangan sistem
Subsistem sensing merupakan bagian dari sistem yang mendeteksi input sistem. Pada gambar 4 mengenai perancangan subsistem sensing terdapat dua komponen sensor yaitu gesture sensor dan take off & landing triggers.
Gesture sensor digunakan untuk mendeteksi hand gesture menggunakan sensor MPU6050.
Take off & landing triggers digunakan untuk melakukan take off & landing pada AR Drone quadcopter dengan menggunakan dua buah push button yang berbeda. Dalam perancangan subsistem sensing ini digambarkan hubungan antara komponen input dengan perangkat pemroses raspberry pi. Berikut hubungan skematik antara perangkat pada subsistem sensing dengan pemroses.
Gambar 4. Skematik subsistem sensing
Perancangan subsistem pemroses difokuskan mengenai perancangan dari sisi perangkat lunak sistem. Pada perancangan ini terdiri dari perancangan complementary filter dan perancangan hand gesture. Metode complementary filter pada sistem digunakan untuk melakukan filter terhadap keluaran sensor MPU6050 dengan cara menggabungkan output accelerometer dan gyroscope. Dalam penerapaanya metode complementary filter menggunakan persamaan (1). Pada gambar 5 dapat dilihat bahwa proses untuk melakukan filter menggunakan metode complementary filter dilakukan secara terus menerus
menggunakan persamaan (1) yang diadaptasi menjadi kode program.
Gambar 5. Flowchart metode complementary filter
Perancangan hand gesture pada dasarnya memanfaatkan transformasi sudut dan perubahan percepatan tangan yang dideteksi oleh sensor MPU6050 ketika tangan digerakan.
Dalam mendeteksi transformasi sudut dibutuhkan nilai acuan sebagai pembanding.
Nilai acuan tersebut didapatkan dari nilai sudut yang timbul karena adanya perputaran dengan acuan sumbu x, dan y yaitu sudut roll dan pitch.
Serta perubahan nilai percepatan sumbu z ketika dilakukan gerakan translasi secara vertikal pada tangan. Pada table 1 dapat dilihat pendefinisian hand gesture dan hubungannya dengan output sistem yaitu pergerakan quadcopter.
Tabel 1. Perancangan dan definisi hand gesture dengan pergerakkan quadcopter Nama
gesture Keterangan Pergerakkan
quadcopter Gesture
hover
Tangan diam sejajar dengan lengan bawah
Hover
Gesture maju
Tangan dimiringkan ke bawah
Maju
Gesture mundur
Tangan dimiringkan ke atas
Mundur
Gesture manuver kanan
Tangan dimiringkan ke samping kanan
Ke kanan
Gesture manuver kiri
Tangan dimiringkan ke samping kiri
Ke kiri
Gesture naik
Tangan diangkat ke atas Naik
Gesture turun
Tangan diangkat ke bawah
Turun
Gesture hover
Tangan diam sejajar dengan lengan bawah
Hover
Gesture maju
Tangan dimiringkan ke bawah
Maju
Perancangan subsistem indikator merupakan perancangan mengenai komponen yang digunakan sebagai indikator pergerakan quadcopter. Komponen yang digunakan yaitu empat buah LED. Pada gambar 6 dapat dilihat hubungan skematik antar perangkat pada subsistem indikator dengan pemroses.
Gambar 6. Skematik subsistem indikator
Komunikasi dari raspberry pi dengan AR Drone quadcopter menggunakan jaringan wifi.
Metode komunikasi yang digunakan antara raspberry pi dengan AR Drone quadcopter ialah menggunakan AT Command. AT Command merupakan teks berbentuk string yang dikirimkan kepada AR Drone quaadcopter untuk melakukan pergerkan. AT command ini dikirim dalam bentuk paket UDP pada port 5556. Pada gambar 7 dapat dilihat gambaran mengenai perancangan AT Command antara wearable device dengan AR Done Quadcopter.
Gambar 7. Komunikasi wearable device dengan AR Drone quaadcopte
5. PENGUJIAN
5.1. Hasil Pengujian mendapatkan konstanta complementary filter
Pengujian ini dilakukan dengan melakukan percobaan sebanyak 5 kali terhadap konstanta berikut 0.98, 0.96, dan 0.94 pada sudut roll dan pitch dengn acuan sudut 20o. Nilai konstanta tersebut diujikan terhadap persaman
complementry filter sesuai dengan persamaan (1). Berikut hasil pengujian yang diperoleh.
Tabel 2. Hasil pengujian sudut roll dengan konstanta 0.98
No
Sudut acuan (A)
Sudut tanpa filter (B)
(A-B) Dengan filter (C) (A-C) 1 20 o 19.35 o 0.65
o
19.62 o 0.38
o
2 20 o 19.73 o 0.27
o
19.62 o 0.38
o
3 20 o 19.73 o 0.27
o
19.63 o 0.37
o
4 20 o 19.23 o 0.77
o
19.62 o 0.38
o
5 20 o 19.12 o 0.88
o
19.61 o 0.39
o
Rata-rata (A-B) 0.56
o
Rata- rata (A-
C)
0.38
o
Tabel 3. Hasil pengujian sudut pitch dengan konstanta 0.98
No
Sudut acuan (A)
Sudut tanpa filter (B)
(A- B)
Dengan filter (C)
(A- C) 1 20 o 19.02 o 0.98
o
19.11 o 0.89
o
2 20 o 19.07 o 0.93
o
19.11 o 0.89
o
3 20 o 19.97 o 0.03
o
19.11 o 0.89
o
4 20 o 19.79 o 0.21
o
19.11 o 0.89
o
5 20 o 19.07 o 0.93
o
19.11 o 0.89
o
Rata-rata (A-B) 0.61
o
Rata-rata (A-C)
0.89
o
Berdasarkan tabel 2 dan tabel 3 dapat dilihat bahwa rata-rata eror setelah menggunakan metode complementary filter yaitu 0.38o pada sudut roll dan 0.89o pada sudut pitch.
Tabel 4. Hasil pengujian sudut roll dengan konstanta 0.96
No
Sudut acuan (A)
Sudut tanpa filter (B)
(A- B)
Dengan filter (C)
(A- C) 1 20 o 19.66 o 0.34
o
20.17 o 0.17
o
2 20 o 19.95 o 0.05
o
20.16 o 0.16
o
3 20 o 20.09 o 0.09
o
20.16 o 0.16
o
4 20 o 20.14 o 0.14
o
20.16 o 0.16
o
5 20 o 20.25 o 0.25
o
20.15 o 0.15
o
Rata-rata (A-B) 0.17
o
Rata-rata (A-C)
0.16
o
Tabel 5. Hasil pengujian sudut roll dengan konstanta 0.96
N o
Sudu t acua
n (A)
Sudut tanpa filter (B)
(A-B) Dengan
filter (C) (A-C)
1 20 o 19.66 o 0.34
o
20.17 o 0.17 o
2 20 o 19.95 o 0.05
o
20.16 o 0.16 o
3 20 o 20.09 o 0.09
o
20.16 o 0.16 o
4 20 o 20.14 o 0.14
o
20.16 o 0.16 o
5 20 o 20.25 o 0.25
o
20.15 o 0.15 o
Rata-rata (A-B) 0.23o Rata-rata (A-C)
0.15 o
Berdasarkan tabel 4 dan tabel 5 dapat dilihat bahwa rata-rata eror setelah menggunakan metode complementary filter yaitu 0.16o pada sudut roll dan 0.15o pada sudut pitch.
Tabel 6. Hasil pengujian sudut roll dengan konstanta 0.94
N o
Sudut acuan (A)
Sudut tanpa filter
(B)
(A-B) Dengan
filter (C) (A-C)
1 20 o 19.4 o 0.6 o 19.09 o 0.91 o 2 20 o 19.01 o 0.99
o
19.09 o 0.91 o
3 20 o 18.87 o 1.13
o
19.08 o 0.92 o
4 20 o 19.12 o 0.88
o
19.08 o 0.92 o
5 20 o 19.23 o 0.77
o
19.09 o 0.91 o
Rata-rata (A-B) 0.87
o
Rata-rata (A-C)
0.91 o
Tabel 7. Hasil pengujian sudut roll dengan konstanta 0.94
No
Sudut acuan (A)
Sudut tanpa filter (B)
(A- B)
Dengan filter (C)
(A- C) 1 20 o 20.52 o 0.52 20.12 o 0.12
o o
2 20 o 20.1 o 0.1 o 20.12 o 0.12
o
3 20 o 20.03 o 0.03
o
20.11 o 0.11
o
4 20 o 20.95 o 0.95
o
20.11 o 0.11
o
5 20 o 20.01 o 0.21
o
20.1 o 0.1 o
Rata-rata (A-B) 0.36
o
Rata-rata (A-C)
0.11
o
Berdasarkan tabel 6 dan tabel 7 dapat dilihat bahwa rata-rata eror setelah menggunakan metode complementary filter yaitu 0.91o pada sudut roll dan 0.11o pada sudut pitch.
Berdasarkan hasil pengujian terhadap ketihga konstanta sebelumnya, penulis menggunakan konstanta 0.96 pada sistem dengan alasan, memilki eror paling kecil ketika mendeteksi sudut diantara ketiga konstanta yang diuji.
5.2. Hasil Pengujian mendeteksi Hand Gesture
Seluruh pengujian ini dilakukan sebanyak 10 kali. Setelah dilakukan pengujian didapat hasil berupa jumlah pengujian yang benar pada saat sistem mendeteksi gesture pengguna.
Jumlah pengujian yang benar tersebut kemudian dibandingkan dengan jumlah pengujian yang dilakukan untuk mendapatkan keberhasilan mendeteksi gesture setelah menerapkan metode complementary.
Pada pengujian ini gesture yang diuji yaitu gesture yang menggunakan transformasi sudut dalam pendeteksiannya. Untuk gesture yang diuji dan status keberhasilan pada pengujian ini dapat dilihat pada tabel 8.Berikut grafik ketika pengguna melakukan gesture hover.
Gambar 8. Grafik sudut roll gesture hover
Berdasarkan grafik pada gambar 8, adanya penerapan metode complementary filter menjadikan noise yang lebih kecil ketika
mendeteksi transformasi sudut. Untuk status keberhasilan mendeteksi gesture dengan menerapkan metode complementary filter dapat dilihat pada tabel 8. Pada tabel 8 dapat dilihat bahwa seluruh pengujian yang dilakukan mendapatkan keberhasilan semuanya sesuai dengan banyak pengujian.
Tabel 8. Hasil pengujian mendeteksi hand gesture Nama
gesture
Banyak pengujian
Pengujian benar
Status keberhasilan Gesture
maju
10 10 Berhasil
Gesture mundur
10 10 Berhasil
Gesture manuver ke kanan
10 10 Berhasil
Gesture manuver ke kiri
10 10 Berhasil
Gesture hover
10 10 Berhasil
5.3. Hasil Pengujian Ketepatan Pergerakkan Pengujian ini dilakukan untuk mengetahui tingkat akurasi hand gesture yang dilakukan oleh pengguna dan hubungannya dengan pergerakan quadcopter. Pada gambar 9 dapat dilihat pergerakkan quadcopter ketika pengguna melakukan gesture mundur.
Gambar 9. Pergerakkan mundur quadcopter
Berdasarkan tabel 9, sesuai dengan pengujian ketepatan gerakan diperoleh akurasi sebesar 100 % terhadap hubungan ketepatan gerakan antara hand gesture dan pergerakan quadcopter.
Tabel 9. Hasil pengujian ketepatan pergerakkan
Nama gesture
Banyak pengujia
n
Pengujia n benar
Perseta se
Gesture maju 10 10 100 %
Gesture mundur 10 10 100 %
Gesture manuver ke kanan
10 10 100 %
Gesture manuver ke kiri
10 10 100 %
Gesture naik 10 10 100 %
Gesture turun 10 10 100 %
Gesture hover 10 10 100 %
5.4. Hasil Pengujian Delay
Pengujian ini dilakukan untuk mengetahui seberapa besar delay yang diperoleh sistem ketika pengguna melakukan hand gesture hingga AR Drone quadcopter melakukan pergerakan.
Pengujian ini dilakukan 5 kali untuk setiap hand gesture.
Tabel 10. Hasil pengujian ketepatan pergerakkan
Nama gesture
Besar delay pengujian ke- (detik)
Rata- rata
1 2 3 4 5 (detik
) Gesture
maju
0.93 0.83 0.8 9
0.6 4
0.7 6
0.81
Gesture mundur
0.70 0.76 0.7 0
0.7 0
0.8 3
0.74
Gesture manuve r kanan
0.84 0.38 0.6 4
0.7 0
0.6 4
0.64
Gesture manuve r kiri
1.02 0.83 0.5 7
0.7 6
0.7 0
0.78
Gesture naik
0.60 0.48 0.4 4
0.3 7
0.3 8
0.45
Gesture turun
0.70 0.51 0.4 2
0.8 3
0.5 7
0.61
Gesture hover
0.93 0.83 0.8 9
0.6 4
0.7 6
0.81
Rata-rata seluruh delay (detik) 0.67
Berdasarkan tabel 10 hasil dari pengujian, perhitungan delay total didapat dari nilai rata- rata delay pada seluruh percobaan yang telah dilakukan. Rata-rata delay pergerakkan yang didapat adalah sebesar 0.67 detik
6. KESIMPULAN
Setelah dilakukan pengujian dan analisis terhadap hasil pengujian, maka dapat ditarik kesimpulan sesuai dengan rumusan masalah yang telah ditentukan sebelumnya.
Berdasarkan pengujian mendapatkan konstanta dan mendeteksi hand gesture setelah diterapkan metode complementary filter, dapat disimpulkan bahwa hasil keluaran transformasi sudut yang dijadikan acuan untuk mendeteksi hand gesture menjadi lebih smooth dengan noise yang berkurang, kemudian pengujian mendeteksi hand gesture yang dilakukan pada
pengujian tersebut berhasil disetiap hand gesture yang diujikan.
Berdasarkan pengujian ketepatan gerakan, didapat akurasi ketepatan pergerakan antara hand gesture dengan pergerakkan AR Drone quadcopter sebesar 100 %. Sehingga dapat disimpulkan bahwa wearable device memiliki akurasi yang tinggi ketika melakukan pengendalian navigasi AR Drone quadcopter.
Dari pengujian delay sistem, didapat delay sebesar 0.67 detik. Dari hasil tersebut maka dapat disimpulkaan bahwa sistem ini memiliki performa yang baik.
DAFTAR PUSTAKA
Blake, J., 2013. Natural User Interfaces in .NET.
New York: Manning Publications.
Gaponov, I. & Razinkova, A., 2012. Quadcopter Design and Implementation as a Multidisciplinary Engineering Course.
Hadi, S. W. S. G. E. & Maulana, R., 2017.
Sistem Kendali Navigasi Ar.Drone Quadcopter Dengan Prinsip Natural User Interface Menggunakan Microsoft Kinect.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (JPTIIK), Volume 2, pp. 380-386.
Nugroho, D. B., Setiawan, J. D. & Widodo, A.,
2012. PERANCANGAN DAN
PEMBUATAN PLATFORM
VALIDASIINERTIAL MEASUREMENT UNIT (IMU). .
Parrot, S., 2017. https://www.parrot.com.
[Online] Available at:
https://www.parrot.com/global/drones/parr ot-ardrone-20-elite-edition#parrot-ardrone- 20-elite-edition.
[Diakses 8 Oktober 2017].
Sanna, A., Lamberti, F., Paravati, G. & Manuri, F., 2013. A Kinect-based natural interface for quadrotor control. Elsevier, pp. 179- 186.
Saponas, T. S. et al., 2009. Enabling Always- Available Input with Muscle-Computer Interfaces, s.l.: Microsoft Corporation.
Sarkar, A., Patel, K. A., R.K, G. R. & Capoor, G.
K., 2016. Gesture Control of Drone Using a Motion Controller. International Conference on Industrial Informatics and Computer Systems.
