SISTEM PENGENALAN POSE SHALAT DENGAN SENSOR KINECT

MENGGUNAKAN METODE K-MEANS

Proposal Skripsi

Diajukan oleh :
Salma Silfiana
15-2013-065

PROGRAM STUDI INFORMATIKA

JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI NASIONAL
BANDUNG
MEI, 2017
 Proposal Tugas Akhir

SISTEM PENGENALAN POSE SHALAT DENGAN SENSOR KINECT

DENGAN MENGGUNAKAN METODE K-MEANS

Yang diajukan oleh

Salma Silfiana
15-2013-065

Calon Dosen Pembimbing Tugas Akhir,

Ir. Muhammad Ichwan, M.T.

NPP. 119920101

Disetujui oleh :

Ketua Jurusan, Ketua Program Studi,

Ir. Milda Gustiana H., M.Eng. Ir. Muhammad Ichwan, M.T.

NPP. 120070802 NPP. 119920101
1. Latar Belakang

Pose adalah posisi atau bentuk tubuh model dalam menghadapi kamera. Pose
juga mempunyai arti sebuah gaya atau sikap seseorang yang ditampilkan pada saat
dipotret. Pada bidang fotografi berpose adalah alat psikologis yang kuat dan
memainkan peran besar dalam menyampaikan pesan fotografer, karena bahasa
tubuh dan ekspresi dapat mengungkapkan banyak hal tentang karakter subjek. Pose
seharusnya tidak hanya menjadi pelengkap subjek, tapi harus menyampaikan pesan
yang kuat atas potret yang di buat (Anang Rivanii,2014).
Pada agama islam , shalat adalah suatu ibadah yang mempunyai hukum yang
wajib dikerjakan bagi seluruh umat islam. Shalat merupakan rukun Islam kedua
setelah syahadat. Islam didirikan atas lima sendi (tiang) salah satunya adalah shalat,
sehingga barang siapa mendirikan shalat ,maka ia mendirikan agama (Islam), dan
barang siapa meninggalkan shalat,maka ia meruntuhkan agama (Islam). shalat
adalah merupakan ibadah kepada Tuhan, berupa perkataan denga perbuatan yang
diawali dengan takbir dan diakhiri dengan salam menurut syarat dan rukun yang
telah ditentukan syara”. Juga shalat merupakan penyerahan diri (lahir dan bathin)
kepada Allah dalam rangka ibadah dan memohon ridho-Nya (Heru Saputra,2012).
Skeleton tracking adalah pengolahan citra kedalaman untuk mendirikan posisi
sendi kerangka bentuk manusia. NUI API menggunakan depth stream untuk
mendeteksi keberadaan manusia di depan sensor Kinect, Skeletal tracking atau
pelacakan rangka adalah teknik pelacakan manusia di depan kamera dengan
mengidentifikasi bagian-bagian dari tubuh manusia untuk mengenali orang atau
mengikuti tindakan mereka .skeletal tracking mengoptimalkan untuk mengenali
pengguna yang menghadap ke Kinect untuk menjadi suatu bentuk skeletal (AT
Wibowo,2013).
Sistem ini membuat sebuah posisi badan dengan memanfaatkan kemampuan
sensor Kinect yaitu Skeleton tracking. Skeleton tracking merupakan kemampuan
sensor Kinect dalam membaca 20 titik yang ada pada tubuh manusia. Metode K-
means digunakan untuk pengelompokan data referensi yang sudah dikumpulkan
untuk mendapat nilai tengah dari banyaknya data referensi yang digunakan untuk
dibandingkan dengan data uji.
2. Rumusan Masalah
Pada saat ini kebanyakan orang yang melakukan shalat terkadang mengalami
kesalahan-kesalahan dalam melakukan shalat, salah satunya adalah pose gerak pada
shalat. sehingga diperlukanya pembelajaran shalat secara praktek perlu dilakukan
agar pengguna bisa lebih mampu melihat, mengamati, memahami, membandingkan
dan memecahkan masalah apabila pose shalat yang telah dilakukan tidak sesuai.
Dari masalah tersebut maka perlu adanya sebuah sistem yang membantu untuk
pembelajaran shalat secara praktek dan interaktif (Lilik Budi S, 2014). Maka
terdapat rumusan masalah yang muncul yaitu :
1. Bagaimana merancang dan membangun suatu sistem yang dapat mengenali
berbagai macam pose shalat.
2. Bagaimana sistem dapat membaca skeleton tubuh dengan menggunakan
Skeleton Tracking?
3. Bagaimana mengimplementasikan metode K-Means sebagai metode untuk
melihat ketepatan posisi pada saat shalat ?

3. Tujuan
Penelitian bertujuan untuk menilai posisi user yang terdiri dari pose tubuh melalui
Skeleton tracking dengan menggunakan sensor Kinect dengan mengimplementasikan
Metode K-Means .

4. Ruang Lingkup
Berdasarkan latar belakang yang telah diuraikan sebelumnya, maka dibuatlah
ruang lingkup agar pada saat penelitian tugas akhir ini jelas ruang lingkupnya.
Adapun ruang lingkup yang dibuat adalah sebagai berikut :
1. Menggunakan kamera Kinect
2. Hanya melakukan posisi gerakan shalat (Takbiratul Ikhram ,ruku, Sujud
dan duduk sesudah sujud)
3. Dalam satu waktu digunakan oleh satu pengguna (single user).
 4. Posisi pengguna menyamping sensor Kinect.

5. Tinjauan Pustaka
Dewi Ambarsari, Muhammad Ichwan, Ir., M.T. , Irma Amelia Dewi,
S.Kom., M.T. (2016), melakukan penelitian Implementasi Fuzzy Logic Tsukamoto
Untuk Sistem pengenalan isyarat tangan conductor angklung. Sistem berhasil
mengetahui nilai sudut dari skeleton tangan yang terbentuk, Pengujian dilakukan
oleh 15 orang yang masing-masing orang melakukan 5 kali gerakan dalam satu
isyarat tangan yang sama. Misalnya jika dilakukan isyarat tangan nada do, maka
orang tersebut melakukannya 5 kali dan dilihat apakah hasil yang berhasil terdeteksi
lebih dominan, maka artinya adalah nada do berhasil terdeteksi. Kontribusi dari
penelitian ini adalah bahwa skeleton tracking dapat digunakan untuk membaca
skeleton badan yang digunakan untuk gerakan shalat.
Tri Wahyuddin (2015), melakukan penelitian. Aplikasi Media Pembelajaran
Semaphore Menggunakan Kinect . pada penelitian ini menjelaskan bahwa
Teknologi perangkat keras Kinect ini sudah dapat diterapkan dalam bidang
pramuka dalam hal media pembelajaran yang lebih interaktif yang memanfaatkan
gerak tubuh, khususnya dalam hal pembelajaran gerakan sandi Semaphore
meskipun Kinect versi ini yaitu V.1,5 tingkat sensifitasnya kurang dan kadang salah
menerjemahkan hurufnya. Aplikasi media pembelajaran Semaphore menggunakan
Kinect ini sudah dapat mengkonversi huruf dan menerjemahkan gerakan
Semaphore menggunakan teknologi perangkat Kinect walaupun terkendala pada
sensifitas Kinect tersebut. Kontribusi dari penelitian ini adalah membaca gerakan
dengan sensor kinect untuk pembelajaran pose shalat interaktif.
Hoky Ajicahyadi, Jusak , Anjik Sukmaaji (2014), melakukan penelitian
membuat aplikasi penilaian posisi karate menggunakan sensor Kinect. pada
penelitian ini menjelaskan bahwa 24 gerakan dipilih dengan mempertimbangkan
bentuk tubuh akhir dari gerakan yang dapat diinterpretasikan Kinect secara
sederhana. Posisi tubuh yang tidak memungkinkan untuk dideteksi menggunakan
sensor Kinect antara lain adalah posisi dimana dua atau lebih bagian tubuh saling
menyilang. Permasalahan ini dapat diatasi dengan penggunaan 2 sensor Kinect.
Hasil penggunaan dua buah sensor mampu meningkatkan keakurasian dari Skeleton
tracking sensor Kinect terutama pada bagian tubuh yang saling silang. Kontribusi
dari penelitian ini adalah bagaimana membaca skeleton tracking yang saling
menyilang terutama pada bagian tubuh yang saling menyilang.
Mifthahul Rahmi , Andrizal , Rahmi Eka Putri , Ratna Aisuwarya (2015),
melakukan penelitian dengan mengimplementasikan Skeletal Tracking dalam
sistem navigasi Mobile robot menggunakan sensor Kinect. Pada penelitian ini
menjelaskan bahwa implementasi Skeletal Tracking dalam sistem navigasi robot
dilakukan dengan mengakses titik sendi pada bagian tangan untuk meberikan pola
isyarat gerakan tangan yang terdeteksi oleh sensor Kinect. Dalam sistem ini ,
terdapat 4 arah navigasi yang dapa diberikan yaitu maju, mundur kiri dan kanan.
Jarak ideal antara sensor Kinect dengan user yaitu 138 cm – 300 cm . Kontribusi
dari penelitian ini adalah untuk mengakses titik sendi pada bagian badan untuk
melakukan pose shalat yang akan dideteksi oleh sensor Kinect.
Silvi agustina , Dhimas Yudho , Hadi Santoso , Nofiadi Marnasusanto, Arif
Tirtana,Fakis Khusnu (2012), melakukan penelitian Clustering kualitas beras
berdasarkan ciri fisik menggunakan metode K-means. Pada penelitian ini
menggunakan masukan berupa gambar beras yang berformat bmp yang akan
dilakukan proses binarisasi, yaitu proses mengkonversi citra grayscale ke dalam
bentuk citra biner. Metode K-Means digunakan untuk menentukan kualitas beras.
Perhitungan pada program Klasterisasi Kualitas Beras dengan Kmeans diawali dengan
menentukan jumlah cluster. Penelitian ini menggunakan 3 cluster untuk menentukan
kualitas beras, dengan keterangan bahwa cluster 1 adalah beras kualitas buruk, cluster 2
adalah beras kualitas sedang, dan cluster 3 adalah beras kualitas baik. Setelah menentukan
jumlah cluster, kemudian menentukan 3 pusat cluster awal, yaitu pusat cluster 1 (5,5 ; 2),
pusat cluster 2 (6,2 ; 2,45), dan pusat cluster 3 (7 ; 3,2). Kontribusi dari penelitian ini adalah
pada pengolahan citra digital dapat diklasifikasi dengan metode k-means untuk pencocokan
atau proses similitary untuk pencarian gambar yang sesuai.
Ade Bambang Kurnia, Jasman Perdede, S.Si., MT., Irma Amelia Dewi,
S.Kom., MT. (2016), melakukan penelitian Implementasi pendekatan K-Means
dalam menentukan ekspresi wajah terhadap suasana hati. Pada penelitian ini
menciptakan aplikasi android yang mampu mendeteksi ekspresi dengan di-trigger
oleh sebuah lagu.aplikasi ini dalam mendeteksi wajah adalah sebesar 84,73%.
Pendeteksian ekspresi dilakukan dengan membandingkan data masukan dengan
dataset JAFFE menggunakan clustering K-means. Kontribusi dari penelitian ini
adalah dengan menggunakan metode k-means dapat diimplementasikan pendeteksi
ekspresi pada wajah. Maka dengan itu metode k-means digunakan untuk
mendeteksi sudut yang terdapat pada skeleton tracking.
Citra Nurina Prabiantissa, Ariadi Retno Tri Hayati Ririd,Rosa Andrie
Asmara (2017) , melakukan penelitian tentang Sistem identifikasi batik alami dan
batik sintesis berdasarkan karakteristik warna citra dengan metode K-Means
clustering. Pada penelitian ini terdapat sebuah aplikasi yang dimana pada aplikasi
yang dibuat mempunyai dua proses yaitu proses Training dan proses Testing.
Dimana proses Training berfungsi untuk pengolahan gambar agar dapat
diidentifikasi . sedangkan proses Testing untuk mengidentifikasi batik alami dan
buatan dengan menggunakan metode K-Means Clustering. Dalam sistem
identifikasi ini terdapat 2 proses yaitu proses traning dan proses testing. Dimana
proses traning digunakan untuk menghitung dan melatih data citra batik yang sudah
disimpan. Proses testing digunakan untuk menguji data citra baru sesuai dengan
pusat cluster yang tidak berubah (tetap) pada proses training sebelumnya.
Kontribusi dari penelitian ini adalah pada metode k-means digunakan untuk proses
klasifikasi pada citra. Pada proses klasifikasi menggunakan 2 proses yaitu proses
training dan proses testing.
Irna Rizkitha, Youllia Indrawaty N., ST,. MT, M. Ichwan, Ir.,M.Kom. (2014),
yang berjudul “Implementasi Metode Pattern Matching pada Aplikasi Pendeteksian
Pola Isyarat Solfage (Tangga Nada Dasar) dengan Gestur Tangan”. Jurnal ini
menganalisa pendeteksian isyarat solfage (tangga nada dasar) menggunakan metode
pattern matching. Aplikasi dibuat menggunakan Kinect dan library dari openCV.
Tangga nada yang di deteksi adalah tangga. Kontribusi dari penelitian ini adalah pola
isyarat dengan menggunakan tangan dideteksi dengan menggunkan Kinect untuk
membaca skeleton tracking pada tangan. Maka dari penelitian tersebut dapat
menggunakan sensor Kinect untuk membaca skeleton tracking pada tubuh.
 Joko Nuryanto (2013), melakukan penelitian yang berjudul “ Aplikasi shalat
pada Smartphone berbasis Android ”. Pada pembuatan aplikasi ini mengembangkan
aplikasi yang sudah ada dan ditambahkan beberapa fitur seperti video dan suara.
Hasil dari aplikasi yang telah dibangun bisa diakses melalui berbagai perangkat
Android dan berbagai versi Android. Di aplikasi ini pengguna bisa melihat video ,
suara serta bacaan shalat yang telah tersedia.
Rina Adrianti, Siska Komala Sari,Wahyu Hidayat (2014), yang berjudul
“Media Pembelajaran cara mudah belajar shalat berbasis Augmented Reality untuk
siswa kelas tiga sekolah dasar (Studi Kasus SD AR-RAFI’) ” . Aplikasi yang dibuat
dapat memvisualisasikan materi pembelajaran shalat dengan menggunakan
teknologi Augmented Reality, dapat menampilkan gerakan-gerakan shalat dalam
bentuk animasi 3D dan dapat menampilkan bacaan shalat dan melafalkan doa-doa
shalat beserta artinya. Kontribusi dari penelitian ini adalah aplikasi bagaimana cara
mengetahui gerakan pada shalat.

Kontribusi penelitian terdahulu yang telah dilaksanakan terhadap penelitian

yang akan dilakukan seperti yang telah dijelaskan pada penjelasan sebelumnya
bahwa pembelajaran shalat dapat dilakukan secara interaktif dalam sebuah aplikasi
seperti pada penelitian (Rina Andrianti, Siska Komala Sari, Wahyu hidayat,
2014) melakukan penelitian media pembelajaran cara mudah belajar shalat berbasis
argument reality. Penelitian lainya adalah (Joko nuryanto, 2013) dengan
melakukan penelitian bagaimana sistem pembelajaran shalat dalam sebuah aplikasi
berbasis android. Oleh karena itu kontribusi yang akan diambil dari ke 2 peneliti
terdahulu adalah menggunakan sebuah aplikasi untuk melakukan pembelajaran
shalat. Pada penelitian lainya yang dilakukan oleh (Irna Riskitha, Youlia
Indrawaty N., ST,.MT 2014) melakukan penelitian Implementasi metode Pattern
Matching pada aplikasi pendeteksian pola syarat (tangga nada dasar) dengan
gesture tangan menggunakan sensor Kinect. Pada peneliatian (Hocky Adi
Chayayi, Anji Sukmaji, 2014) melakukan penelitian penilaian posisi karate
menggunakan sensor Kinect dan pada peneliatian (Tri wahyudi, 2015) melakukan
penelitian aplikasi media pembelajaran semaphore menggunakan sensor Kinect.
Pada penelian (Mifthahul Rahmi , Andrizal , Rahmi Eka Putri , Ratna
Aisuwarya, 2015) melakukan penelitian implementasi skeletal tracking dalam
sistem navigasi mobile robot menggunakan sensor Kinect. Penelitian selanjutnya
adalah (Dewi Ambarsari, 2016) melakukan penelitian sistem pengenalan isyarat
tangan conductor angklung menggunakan metode fuzzy logic tsukamoto. Dari 5
penelian sebelumnya menggunakan sensor kinet untuk membaca pergerakan, maka
dengan itu kontribusi pada penelitian yang akan dibuat adalah dapat menggunakan
sensor Kinect untuk membaca pergerakan shalat namun dengan menggunakan
metode yang berbeda. Metode yang digunakan adalah untuk mencari bagaimana
membedakan suatu pergerakan shalat. Cara untuk membedakan gerakan shalat
dapat menggunakan metode pengelompokan data, seperti pada penelitian (Silvi
agustina , Dhimas Yudho , Hadi Santoso , Nofiadi Marnasusanto, Arif
Tirtana,Fakis Khusnu, 2012) melakukan penelitian pengelompokan kualitas
beras berdasarkan ciri fisik menggunakan metode K-means. Penelitian lainya yang
dilakukan (Ade Bambang Kurnia, 2016) melakukan penelitian implementasi
pemdekatan K-means dalam menentukan ekpresi wajah terhadap suasana hati. Pada
penelitian lainya adalah (Citra Nurina Prabiantissa, Ariadi Retno Tri Hayati
Ririd,Rosa Andrie Asmara, 2017) melakukan penelitian sistem pendeteksian
batik alami dan batik sintetis berdasarkan karakteristik warna citra dengan metode
K-means. Maka dengan itu pada 3 penelitian tentang pengelompokan data
memberikan kontribusi, bahwa untuk membedakan pergerakan shalat dapat
menggunakan metode k-means clustering

Di ambil kesimpulan berdasarkan kontribusi dari berbagai referensi tinjauan

pustaka sebelumnya adalah sistem pembelajaran shalat dilakukan dalam aplikasi
pembelajaran shalat dan pembacaan pergerakan tubuh digunakan sensor kinect
menggunakan metode k-mean untuk melakukan pengelompokan perbedaan
pergerakan pada pose shalat. Maka dari kontribusi penelitian sebelumnya Salma
Silviana , Ir. Muhammad Ichwan, M.T. pada tahun 2017 akan melakukan
penelitian sistem pengenalan pose shalat dengan sensor Kinect dengan menggunkan
metode k-means.
 Implementasi Metode Pattern Matching "Implementasi Skeletal tracking
" Aplikasi penilaian posisi karate " Aplikasi media pembelajaran "Sistem pengenalan isyarat tangan
pada Aplikasi Pendeteksian Pola Isyarat dalam sistem navigasi mobile robot
menggunakan sensor kinect" semaphore menggunakan sensor conductor angklung menggunakan
Solfage (Tangga Nada Dasar) dengan menggunakan sensor kinect "
Gesture Tangan . kinect" metode fuzzy logic tsukamoto "
Hocky Adi Cahayi
Tri Wahyudi. Miftahul Rahmi,Andrizal, Rahmi Dewi Ambarsari
Irna Rizkitha, Youllia Indrawaty N., ST,. Anjik Sukmaji. Eka , Ratna Ai Suwarya.
MT, M. Ichwan, Ir.,M.Kom. 2015 2016
2014
2014 2015

" Clustering Kualitas beras " Sistem Identifikasi Batik alami dan Batik Sintesis
berdasarkan ciri fisik menggunakan "Implementasi pendekatan K- berdasarkan karakteristik warna citra dengan metode
metode K-Means " Means dalam menentukan ekspresi K-Means Clustering"
wajah terhadap suasana hati "
Citra Nurina Prabiantissa,
Silvi Agustina , Dhimas Yudo, Hadi
Santoso , Nofiandi Marnasusanto, Ade Bambang Kurnia Ariadi Retno Tri Hayati ririd,
Arif Tirtana, Fakis Khusnu. 2016 Rosa Andrie Asmara.
2012
2017

Media Pembelajaran cara mudah belajar

shalat berbasis Augmented Reality
Aplikasi Shalat Pada Smartphone " Sistem Pengenalan Pose sholat
untuk siswa kelas tiga sekolah dasar
Berbasis Android dengan sensor kinect menggunakan
(Studi Kasus SD AR-RAFI )
metode K-means"
Joko Nuryanto
Rina Adrianti, Siska Komala Sari
2013 Salma Silfiana
, Wahyu Hidayat.
2017
2014

Gambar 1. Pemetaan Tinjauan Pustaka

6. Landasan Teori
a. Microsoft Kinect
Kinect adalah perangkat input untuk mendeteksi gerakan yang diproduksi
oleh Microsoft untuk Video Game XBOX 360 dan PC dengan sistem operasi
Windows. Dengan menggunakan kamera yang mirip dengan webcam,
memungkinkan Kinect untuk menangkap gerakan pengguna yang akhirnya
pengguna tidak perlu menyentuh secara langsung controller game.
Kinect dibuat berdasarkan sistem software dari developer Rare yang
merupakan bagian dari Microsoft Game Studios. Sedangkan teknologi
kamera yang digunakan oleh Kinect dibuat dari developer Israel,
PrimeSense.
Sensor Kinect adalah batang horizontal yang terhubung dengan alas kecil
yang memiliki poros yang dapat berputar Perangkat ini memiliki kamera
RGB, sensor kedalaman dan mikrofon yang berjalan di perangkat software
khusus, yang menyediakan kemampuan untuk menangkap gerak secara 3D,
mengenali wajah dan mengenali suara. Sistem multi-mikrofon pada Sensor
Kinect memungkinkan Xbox 360 untuk mengurangi suara bising, sehingga
kegiatan seperti ngobrol secara hands-free dapat dilakukan lewat Xbox Live.

Gambar 2. Kinect Xbox 360

(https://www.codeproject.com/)
Sensor kedalaman (Depth Sensor) terdiri dari proyektor laser infrared
dikombinasikan dengan sensor CMOS monokromatik, yang merekam data
video 3D dalam kondisi pencahayaan apapun. Area pengenalan sensor
kedalaman dapat diatur, dan perangkat lunak Kinect secara otomatis mampu
mengkalibrasikan sensor berdasarkan permainan dan kondisi lingkungan
pemain, mengenali keberadaan furnitur maupun halangan lain. Kinect secara
simultan mampu mengenali hingga enam orang, termasuk dua pemain aktif
untuk dianalisis gerakannya pada 20 titik sendi tiap orang. Namun,
PrimeSense menyatakan bahwa jumlah orang yang dapat “dilihat” (tidak
diproses sebagai pemain) hanya dibatasi oleh berapa banyak yang dapat
masuk ke dalam jangkauan kamera (KangTanto,2012).
b. Microsoft Kinect SDK
Kinect for Windows SDK adalah toolkit pemograman untuk developer
aplikasi. Hal ini memungkinkan para akademik dan komunitas untuk
mengakses kemampuan yang ditawarkan oleh perangkat Microsoft Kinect
yang terhubung ke komputer dengan OS Windows 7. SDK ini dilengkapi
driver, API untuk raw sensor streams, Skeleton tracking, dokumentasi
instalasi dan resource lainnya. SDK ini juga menyediakan kemampuan-
kemampuan Kinect bagi para developer yang akan membuat aplikasi
dengan C++, C# maupun Visual Basic dengan menggunakan Microsoft
Visual Studio 2010. SDK ini mencakup beberapa fitur diantaranya:
1. Raw Sensor Streams
Akses ke raw data stream dari depth sensor, color camera sensor dan
empat microphone array memungkinkan developer untuk membangun
proyek mereka menggunakan low-level stream yang dihasilkan oleh
Kinect.
2. Skeleton tracking
Kemampuan untuk melacak gambar kerangka satu atau dua orang
yang bergerak dalam bidang Kinect sehingga mudah untuk membuat
aplikasi berbasis gerakan.
3. Kemampuan audio yang canggih
Kemampuan pemrosesan audio yang canggih termasuk acoustic
noise suppression dan echo cancellation, beam formation untuk
mengidentifikasi sumber suara dan terintegrasi dengan Windows Speech
Recognition API.
4. Contoh kode dan dokumentasi
SDK mencakup lebih dari 100 halaman dokumentasi teknis. Selain
file bantuan, dokumentasi termasuk panduan rinci untuk sampel yang
disediakan dengan SDK.
5. Instalasi mudah
Instalasi SDK berlangsung cepat, tidak memerlukan konfigurasi yang
rumit dan ukuran installer kurang dari 300MB.
c. Skeleton tracking pada Kinect
Salah satu kemampuan yang dimiliki Kinect adalah kemampuan
mendeteksi kerangka manusia. Kemampuan tersebut diperoleh dari hasil
penelitian yang dilakukan oleh Microsoft sehingga dapat menangkap bentuk
tubuh dan merepresentasikannya menjadi kerangka. Untuk detail proses
mendeteksi kerangka manusia dari gambar yang ditangkap, tidak
diungkapkan oleh Microsoft.

Gambar 3. proses pembentukan node

(https://www.packtpub.com/)

Skeleton tracking adalah sebuah fitur dari sensor Kinect yang

dikembangkan untuk mengolah depth data menjadi informasi yang berguna,
yaitu rangka manusia. Skeleton tracking menyediakan nilai koordinat X,Y,Z
dalam bidang kartesian tiga dimensi untuk setiap joint/sendi dari rangka
manusia yang terdeteksi.
 Proses pendeteksian skeleton mencakup proses analisis depth image
dengan menggunakan algoritma yang kompleks yang meliputi
transformasi matrik, machine learning dan hal lainnya yang berhubungan
untuk mengkalkulasi skeleton points. Skeleton data didapat dari skeleton
stream yang perlu diinisialisasi sehingga secara realtime menghasilkan
koleksi dari skeleton object. Tiap skeleton object memiliki data yang
mendeskripsikan lokasi dari skeleton dan skeleton joints. Setiap skeleton
joint memiliki identitas berupa nama (kepala, pundak/bahu, lengan, siku,
dan lain-lain) dan vektor 3 dimensi.

Gambar 4. Titik Sendi Hasil Skeleton tracking

(http://www.physio-pedia.com)

Gambar diatas adalah titik titik sendi yang bisa digunakan dalam Kinect
untuk dijadikan inputan dalam membuat aplikasi yang akan dibuat (W
Wanangsyah,2014).
d. Gerakan Shalat

Shalat berasal dari bahasa Arab As-Shalah. Secara etimologi, shalat

berarti doa, sedangkan menurut terminologinya, shalat adalah perkataan dan
perbuatan khusus yang dimulai dengan takbiratul ikrom dan diakhiri dengan
salam. Shalat merupakan rukun perbuatan yang paling penting diantara
rukun Islam yang lain sebab ia mempunyai pengaruh yang baik bagi kondisi
akhlaq manusia. Dalam satu rakaat shalat mempunyai beberapa gerakan yang
dapat dilihat derajatnya.
1. Takbiratul Ihram

Takbiratul Ihram berasal dari dua kata : Takbir (ucapan Allahu Akbar) dan
Ihram (pengharaman), ketika dua kalimat ini digabung maka bermakna :
Ucapan takbir yang memulai pengharaman dari melakukan hal-hal yg dilarang
dalam shalat. Seperti makan, minum, berbicara kepada selain Allah SWT dan
Rasul SAW dan hal-hal yang diajarkan Rasulullah SAW sebagai mubthilat (yg
membatalkan) shalat. Cara untuk melakukan takbiratul Ikhram yaitu berdiri
tegak, mengangkat kedua tangan sejajar telinga, lalu melipatnya di depan perut
atau dada bagian bawah. Posisi badan pada gerakan ini membentuk derajat 0o.

Gambar 5. Takbiratul Ikhram

(http://www.muhammadiyah.or.id)

Manfaat dari gerakan ini melancarkan aliran darah, getah bening (limfe)
dan kekuatan otot lengan. Posisi jantung di bawah otak memungkinkan darah
mengalir lancar ke seluruh tubuh. Saat mengangkat kedua tangan, otot bahu
meregang sehingga aliran darah kaya oksigen menjadi lancar. Kemudian
 kedua tangan didekapkan di depan perut atau dada bagian bawah. Sikap ini
menghindarkan dari berbagai gangguan persendian, khususnya pada tubuh
bagian atas.
2. Ruku

Ruku secara bahasa adalah menunduk. Secara Syar’an adalah menundukkan

badan hingga kedua telapak tangan meraih/bersandar pada kedua lututnya, dan
bahwa Rukunya Rasulullah SAW itu tepat dalam posisi 90 derajat, hingga andai
ditaruh sebuah gelas dipunggungnya niscaya tak tumpah, menunjukkan lurusnya
posisi punggung beliau dalam 90 derajat.

Gambar 6. Ruku
(https://3.bp.blogspot.com/)

Manfaat dari postur ini menjaga kesempurnaan posisi dan fungsi tulang
belakang (corpus vertebrae) sebagai penyangga tubuh dan pusat syaraf.
Posisi jantung sejajar dengan otak, maka aliran darah maksimal pada tubuh
bagian tengah. Tangan yang bertumpu di lutut berfungsi relaksasi bagi otot-
otot bahu hingga ke bawah. Selain itu, ruku adalah latihan kemih untuk
mencegah gangguan prostat.

3. I’tidal

Secara bahasa adalah tegak lurus. Secara Syar’an adalah tegak berdiri
kembali ke posisi semula sebelum rukunya. Cara melakukan i’tidal yaitu
 Bangun dari rukuk, tubuh kembali tegak setelah, mengangkat kedua tangan
setinggi telinga. Posisi badan pada gerakan ini membentuk derajat 0o.

Gambar 7. I’tidal
(http://1.bp.blogspot.com/)

Manfaat dari gerakan I’tidal adalah variasi postur setelah ruku dan
sebelum sujud. Gerak berdiri bungkuk berdiri sujud merupakan latihan
pencernaan yang baik. Organ organ pencernaan di dalam perut mengalami
pemijatan dan pelonggaran secara bergantian. Efeknya, pencernaan menjadi
lebih lancar.
4. Sujud

Secara bahasa adalah merendahkan diri serendah rendahnya. Secara

syar’an adalah meletakkan 7 anggota sujudnya pada bumi tempat ia
melakukan shalat, yaitu kedua telapak tangan, kedua lutut, kedua kaki, dan
dahinya, dengan mengangkat belakang tubuhnya lebih tinggi dari posisi
dahinya, melambangkan kerendahan yg serendah rendahnya atas dahi. Cara
melakukan sujud yaitu Menungging dengan meletakkan kedua tangan, lutut,
ujung kaki, dan dahi pada lantai. Posisi badan pada gerakan ini membentuk
derajat 135o
 Gambar 8. Sujud
(https://3.bp.blogspot.com)

Manfaat dari gerakan sujud ini yaitu aliran getah bening dipompa ke
bagian leher dan ketiak. Posisi jantung di atas otak menyebabkan darah kaya
oksigen bisa mengalir maksimal ke otak. Aliran ini berpengaruh pada daya
pikir seseorang. Karena itu, lakukan sujud dengan tuma’ninah, jangan
tergesa gesa agar darah mencukupi kapasitasnya di otak. Postur ini juga
menghindarkan gangguan wasir.

5. Duduk diantara dua sujud

Duduk ada dua macam, yaitu iftirosy (tahiyyat awal) dan tawarruk
(tahiyyat akhir). Perbedaan terletak pada posisi telapak kaki. Posisi badan
pada gerakan ini membentuk derajat 0o
 Gambar 9. Duduk Diantara 2 sujud
(http://rukun-islam.com)

Manfaat pada gerakan ini yaitu padasaat iftirosy, posisi badan bertumpu
pada pangkal paha yang terhubung dengan syaraf nervus Ischiadius. Posisi
ini menghindarkan nyeri pada pangkal paha yang sering menyebabkan
penderitanya tak mampu berjalan. Duduk tawarruk sangat baik bagi pria
sebab tumit menekan aliran kandung kemih (urethra), kelenjar kelamin pria
(prostata) dan saluran vas deferens. Jika dilakukan. dengan benar, postur irfi
mencegah impotensi. Variasi posisi telapak kaki pada iffirosy dan tawarruk
menyebabkan seluruh otot tungkai turut meregang dan kemudian relaks
kembali.Gerak dan tekanan harmonis inilah yang menjaga. kelenturan dan
kekuatan organ-organ gerak (Eida Riesky,2010) .

6. K-means Clustering

Klustering merupakan pengklasifikasian atau pengelompokan suatu objek-

objek. Nilai tengah atau nilai centroid diperlukan untuk menentukan jarak
antara objek yang akan diklasifikasikan dengan dataset. Metode K-Means ini
memiliki kelebihan yaitu dapat melakukan dan menghitung jarak kemiripan
dengan cepat. Pendekatan K-Means menggunakan nilai yang acak untuk
menentukan nilai kluster pada awalnya.Pendekatan K-Means menggunakan
pendekatan Euclidian Distance untuk persamaan 1.

𝐷(𝑖, 𝑗) = √(𝑥𝑖1 − 𝑥𝑗1 )2 + (𝑥𝑖2 − 𝑥𝑗2 )2 + ⋯ + (𝑥𝑖𝑛 − 𝑥𝑗𝑛 )2

Persamaan 1
Nilai x adalah nilai setiap data yang akan dibandingkan dan diklasifikasikan.
Data i, merupakan nilai dari kluster utama yang sudah ditentukan, dan nilai j
adalah nilai dari keseluruhan data yang dimiliki termasuk data masukan
nantinya. Persamaan 1 digunakan terus menerus hingga keseluruhan data terlah
dihitung satu sama lain dengan data kluster.
Hasil dari Eucledian Distance terhadap masing-masing kluster akan
bandingkan dan akan dipilih pada data dengan nilai yang paling minimun. Pada
akhirnya data kluster diperbarui dari data D yang memiliki nilai minimum
menggunakan persamaan 2.
(𝑥𝑖1 + 𝑥𝑖2 + ⋯ + 𝑥𝑖𝑛 ) (𝑦𝑖1 + 𝑦𝑖2 + ⋯ + 𝑦𝑖𝑛 )
𝑀𝑒𝑎𝑛 = ,
𝑛 𝑛
Persamaan 2
Jika tidak terjadi perubahan pada nilai kluster maka lakukan kembali
persamaan 1 hingga beberapa iterasi (Saban Muliadinata,2012).
Jika dituliskan dengan psedocode, algoritma dari K-means adalah sebagai
berikut:
1. k: Jumlah kluster
2. D: dataset

Step 1: Menentukan nilai K sebagai nilai centroid sejumlah n.

Step 2: Lakukan untuk setiap objek yang ada
2.1 Hitung jarak antara data objek dan mean dari kluster
menggunakan persamaan 2
2.2 Bandingkan keseluruhan data dan ambil data yang
paling kecil

Step 3: Perbaharui nilai mean pada masing-masing kluster

menggunakan persamaan 3.
Step 4: Kembali ke step 2 hingga tidak ada perubahan pada
nilai kluster.
Lakukan iterasi sebanyak 2 atau 3 kali agar hasil memiliki
keakuratan yang lebih tinggi.

Flowchart algoritma K-Means secara garis besar dan sesuai dengan

penjelasan sebelumnya akan digambarkan pada Gambar 10.
 Start

Number Grouping based on

cluster of K minimum distance

1
N No object to
move?
Centroid
Y

Distance objects to End

centroid

Gambar 10. Flowchart Algoritma K-Means

7. Metode penelitian
Metodologi yang digunakan dalam memecahkan permasalahan- permasalahan
dalam Tugas Akhir ini terdiri dari beberapa tahap, yaitu :
1. Studi Literatur.
a. Mengumpulkan bahan-bahan referensi yang akan menunjang proses
penelitian, seperti jurnal, artikel, paper tentang klustering , metode K-Means
dan sensor Kinect.
b. Mendalami materi serta mempelajari perancangan sistem dan aplikasi
menggunakan sensor Kinect dengan menerapkan mengimplementasikan
metode K-Means di dalamnya.
2. Analisa dan Perancangan Sistem.
Tahap ini akan dirancang sebuah sistem pose shalat menggunakan sensor
Kinect dengan mengimplementasikan metode K-Means Klustering. Melakukan
analisis dan perancangan terhadap perangkat lunak yang akan dibangun,
menganalisis metode yang akan digunakan untuk menyelesaikan permasalahan,
termasuk menentukan bahasa pemrograman yang digunakan, arsitektur,
fungsionalitas, dan antarmuka sistem.
3. Implementasi.
 Tahap ini hasil analisa dan desain dari sebuah sistem pose shalat menggunakan
sensor Kinect dengan Metode K-Means Klustering akan diimplementasikan sesuai
dengan perancangan sistem. Perangkat lunak dibangun sesuai dengan requirement
yang sudah ditentukan melalui analisis dan perancangan perangkat lunak. Bahasa
pemrograman yang digunakan yaitu Visual Basic.
4. Testing dan Analisis.
Tahap ini dilakuan testing terhadap hasil dari sistem pose shalat menggunakan
sensor Kinect dengan mengimplementasikan metode K-Means.
5. Penyusunan Laporan.
Tahap ini akan dilakukan penyusunan laporan Tugas Akhir dengan
mengikuti kaidah penulisan yang berlaku berdsarkan hasil penelitian.
Sebagai pendukung keberhasilan penelitian, digunakan pemodelan
pengembangan piranti lunak berbasis prototipe, seperti yang terlihat pada gambar
1. Model penelitian ini dipilih karena mempunyai struktur yang sesuai dengan
pembangunan sistem yang akan dibangun. Proses pemodelan ini bersifat berulang
dengan perencanaan dimana terdapat umpan balik yang memungkinkan terjadinya
perbaikan sistem sampai sistem tersebut sesuai dengan rencana awal.

Gambar 11. Model Prototipe

[sumber: rifkanisa19.files.wordpress.com]
 Aktivitas dalam sesuai dengan model prototipe adalah sebagai berikut :
1. Mengidentifikasi Kebutuhan: menentukan tujuan penelitian dan kebutuhan
yang diketahui yang dikaitkan dengan kebutuhan calon pengguna. Gambaran
bagian-bagian yang akan dibutuhkan dalam perancangan deteksi karakter
seseorang dari bentuk wajah manusia secara garis besar.
2. Disan Cepat : pembuatan desain global untuk membentuk sistem berdasarakan
tinjauan pustaka yang digunakan, ini perupakan proses Reengineering
(Rekayasa ulang proses bisnis) sebagai proses pemeblajaran sistem.
3. Membangun Prototipe : membuat perancangan sementara yang dilakukan
dengan mewakili semua aspek perangkat keras dan lunak yang dibutuhkan dan
menjadi dasar pembuatan deteksi karakter seseorang dari bentuk wajah
manusia. Pada tahap ini dilakukan hingga tahap impementasi dan pengujian
sistem
4. Evaluasi Pelanggan: mengevaluasi prototipe dan memperhalus analis
kebutuhan calon pemakai. Tujuannya apakah perancangan sudah sesuai dengan
tujuan awal
5. Penyempurnaan prototipe : jika belum sesuai dengan tujuan awal maka
proses diperbaiki dan mengulang langkah dari 2, 3, 4 dan 5. Diulang sampai
diperoleh hasil yang mendekati atau dinyatakan selesai.
6. Produksi : Tahap akhir setelah seluruh sistem dilakukan adalah tahap produksi
sebenarnya yang nyata dan siap diimplemantasikan dilapangan. Pada penelitian
ini tahap produksi tidak dilakukan dikarenakan dibutuhkan patner kerja dalam
hal ini penyandang dana, mengingat penelitian dilakukan merupakan penelitian
tugas akhir bukan berupa penelitian hibah bersaing atau penelitian yang didanai
pihak sponsor. Hasil akhir penelitian berupa sistem yang siap diproduksi.
7. Perancangan Sistem
a. Blok Diagram Sistem
Adapun sistem yang akan dibangun dapat dilihat pada Gambar merupakan
gambaran besar cara kerja sistem pose shalat dengan sensor Kinect
menggunakan metode k-means.
 Gambar 12. Gambaran Sistem

Berikut penjelasan dari blok diagram sistem, pertama pengguna melakukan

salah satu pose shalat seperti pada gambar 12 yang berada pada posisi ruku yang
arahnya menyamping dari sensor Kinect. Pada tahapan selanjutnya sensor
Kinect akan membaca skeleton tubuh sesuai dengan pose yang dilakukan oleh
pengguna disaat posisi menyamping dari sensor Kinect. Setelah sensor
membaca skeleton yang ada pada tubuh maka sistem akan melakukan Skeleton
tracking dan akan menampilkan gambar garis-garis berupa skeleton tubuh pada
komputer. Apabila pengguna melakukan gerakan menetap selama beberapa
detik maka sensor akan merekamnya dan akan mengambilan gambar pose
shalat yang sedang dilakukan. Selanjutnya sistem akan melakukan perhitungan
sudut pose shalat dari gambar yang telah diambil pada proses sebelumnya .
setelah itu akan dilakukan proses clustering data dan nilai dari clustering data
akan dicocokan dengan data sudut pose shalat yang ada pada database. Hasil
dari proses tersebut yakni sistem akan menampilkan nilai akurasi pose shalat
yang telah dilakukan.

9. Jadwal Penelitian
Penelitian ini mempunyai jadwal agar dapat dilihat dan dikontrol untuk
perkembangan penelitian tersebut. Berikut Jadwal Penelitiannya :
 Gambar 13. Jadwal Penelitian

Jadwal penelitian tugas akhir

NO Kegiatan
bulan ke 1 bulan ke 2 bulan ke 3 bulan ke 4 bulan ke 5
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Studi
1 Literatur
Penyusunan
2 Proposal
Membuat
perancangan
3 sistem
Membuat
4 sistem
Pengujian
5 sistem
Penyusunan
laporan
6 skripsi

DAFTAR PUSTAKA

Ajicahyadi Hocky. 2014. “Rancang Bangun Aplikasi Penilaian Posisi

Karate Menggunakan Teknologi Sensor Kinect”. Sekolah Tinggi Manajemen
Informatika dan Teknik Komputer. Surabaya.
 Ambarsari Dewi. 2016. “ Sistem pengenalan isyarat tangan conductor
angklung menggunakan metode fuzzy logic tsukamoto”. Institut Teknologi
Nasional. Bandung.

AuraSukma (2009), Makna dan arti gerakan Sholat (Online),

(https://aurasukma.wordpress.com/2009/06/04/makna-dan-arti-gerakan-sholat/,
diakses pada tanggal 31- Maret -2017 )

Bambang Ade (2016). “implementasi pendekatan k-means dalam

menentukan ekspresi wajah terhadap suasana hati.”. Institut Teknologi Nasional.
Bandung.

Citra Nurina Prabiantissa,Ariadi Retno Tri Hayati ririd,Rosa Andrie Asmara

(2017) " Sistem Identifikasi Batik alami dan Batik Sintesis berdasarkan
karakteristik warna citra dengan metode K-Means Clustering". Politeknik Negeri
Malang.
Kangtanto (2012), Cara kerja Kinect (Online)
(http://kangtanto.com/technology/cara-kerja-kinect , diakses pada tanggal 31-
Maret -2017)

Miftahul Rahmi,Andrizal, Rahmi Eka , Ratna Ai Suwarya (2015)

."Implementasi Skeletal tracking dalam sistem navigasi mobile robot menggunakan
sensor kinect ". Universitas andalas .

Rina Adrianti, Siska Komala Sari,Wahyu Hidayat (2014). “Media

Pembelajaran cara mudah belajar shalat berbasis Augmented Reality untuk siswa
kelas tiga sekolah dasar (Studi Kasus SD AR-RAFI’)”. Universitas Telkom

Silvi Agustina , Dhimas Yudo, Hadi Santoso , Nofiandi Marnasusanto, Arif

Tirtana, Fakis Khusnu. (2012) " Clustering Kualitas beras berdasarkan ciri fisik
menggunakan metode K-Means ". Universitas Brawijaya Malang.

Wahyudi Tri . 2015. “Aplikasi Media Pembelajaran Semaphore

Menggunakan Kinect.” UIN Alauddin Makassar.