Oke Baik baik Bismillahirrahmanirrahim asalamualaikum warahmatullahi wabarakatuh Selamat malam eh rekan-rekan semuanya oke Ini kemungkinan noise-nya kedengaran ya sebentar saya edit dulu oke tes tes baik eh Selamat datang di pertemuan kedua ya jadi Malam ini kita akan melanjutkan sebetulnya tapi dengan proyek yang berbeda kita akan melanjutkan materi dari pertemuan kemarin Cuman projectnya beda aja ya tapi sebetulnya secara teori ini melanjutkan gitu ya Nah kalau kemarin tu kita bikin handl ya kita coba Bikin hand Mak kita kemarin mendapatkan nilai apa tuh namanya nilai titik-titik ya nilai titik-titik dari setiap titik-titik yang ada di tangan gitu ya Landmark tangannya kita dapatkan data x yz-nya ya kemudian kita juga kembarin hitung sudut dan sampai berhasil menentukan apakah tangannya lagi di tekuk atau lagi diacungkan gitu ya terus juga sampai kita bikin pakai IPS ya kemarin masih pakai if belum pakai machine learning kemarin kita coba pakai if e yang sederhana gitu ya untuk menentukan apakah tangannya lagi apa gestur 1 2 3 dan 4 gitu ya dan sebagainya Nah sekarang kita akan coba lanjut ya jadi dari Landmark kita lanjutkan ke gest reconnection ya jadi proeknya simpel aja untuk sekarang jadiup on off sebahampu rumah gitu ya Pak MT dan nanti sebetulnya Eh kalau misalkan ada yang mau pakai simulator juga WWI ya misalkan pakai simulator WWI Itu bisa Ya karena projectnya enggak enggak serumit Itulah kalau untuk yang sekarang gitu ya dari sisi e tetap sebetulnya buat yang baru tetap rumit ya buat yang baru mungkin tetap ada kebingungan Eh tapi buat teman-teman yang apa ya istilahnya yang udah biasa gitu ya ya yang harus disiapkan e lebih simpel dibandingkan dengan yang kemarin kalau kemarin kan kalau mau implementasi harus ada robot angklungnya ya harus ada angklungnya ada mesinnya dan lain sebagainya kalau sekarang cukup sebetulnya espb aja sama relay ya cukup ISB dan relay itu udah udah bisa sebetulnya teman-teman Oke ini materi kemarin Nah ini materi sekarang ya on off sebuah lampu rumah ya menggunakan mqtt Oke ini mungkin kita skip ya Karena kemarin kita udah kenalan kita akan mulai dulu dari cara kerjanya ya Nah kalau Kemarin kan kita pakai serial langsung ya darion Tuh langsung ke Arduino Nah kalau kita kalau sekarang kita enggak ya jadi sekarang tuh kita bikin Project hand gest ya Apa bedanya handest Ya kalau hand tracking itu kemarin kita cuman tahu titik-titik ini aja dan menggunakan model yang udah jadi juga ya titik-titik dan memang apa namanya yang handnya memang tetap akan menggunakan model yang yaupun yangudah jadiknya tap tapi nanti kita akan coba Bikin ya klasifikasi untuk mengetahui e gestur kita itu sedang apa gitu ya seperti itu nah terus kemudian nanti setiap hasil dari klasifikasi yang ditampilkan oleh program Python ini yang dijalankan di komputer gitu ya nanti akan dikirimkan ya Melu mtt ke MT broker dan otomatis kalau misalkan dari alat ini yangtis diaannya misalkan perintahnya on gitu ya ya Langsung di sini on gitu ya off ya langsung off gitu ya dan sebagainya nah ini tuh memungkinkan karena kita ke broker dulu ya karena kita ke broker dulu dan kita menggunakan Broker yang publ yang sudah online itu memungkinkan untuk jarak jauh gitu ya memungkinkan untuk apa ya mengendalikan jarak jauh sebetulnya nanti kalau teman-teman mau nyoba nanti bisa gitu ya memungkinkan untuk pengiriman secara jarak jauh Karena kita ke broker dulu gitu ya jadi si ini connect ke Wii Wii connect ke internet internet connect ke mqt broker gitu ya Yang ini juga sama kan Ya nah itu saling dan ininya bisa bolak-balik ya dari sini ke sini bisa dari sini ke sini juga bisa sebetulnya bisa e bolak-balik seperti itu Oke kalau ada yang bingung boleh ditanyakan saja silakan ya Nah untuk alat yang dibutuhkan juga simpel ya teman-teman cukup nyiapin node MCU yang amika kalau enggak ada yang amika yang lolin juga enggak apa-apa gitu ya atau juga bisa nyiapin wimos gitu ya Nah ini sebagai alternatif aja saya merekomendasikan untuk menggunakan ESP expansion Seal ya di mana Di Di ESP expansion Seal itu udah ada relay-nya gitu ya jadi eh walaupun sebenarnya teman-teman bisa juga beli relay yang yang satu channel aja ya satu channel yang ada di pasaran gitu ya Nah yang kayak gini juga bisa ya relay satu channel yang ada di pasaran seperti ini juga pada dasarnya dia bisa gitu nah jadi tinggal dihubungkan ke relay ini gitu ya tinggal dionekkan ke PIN D5 berarti ya kalau nanti sebetnya Terserah rekan-rekan mau dionekin ke mana Tapi kalau mau ngikutin rangkaian di sini ya berarti ke D5 gitu ya nanti dihubungkannya untuk relaynya gitu relay yang S channel kalau mau pakai yang USP eh expansion Seal e yang ada relay-nya ya Nah ini ada produk yang bukan dari kelas robot juga enggak apa-apa ya sebetulnya sama aja kalau yang dari kelas robot nah ini bentuknya seperti ini Jadi sebetulnya cuman untuk mempermudah rangkaian aja ya terus ada relaynya udah gitu Jadi kalau teman-teman ee rekan-rekan mau pakai relay yang biasa juga ya enggak apa-apa gitu ya relay satu channel misalkan rangkaiannya seperti ini ya n NC Nah kayak gini juga ggak apa-apa simpel ini kok rangkaian kita Engak enggak aneh-aneh rangkaiannya sesederhana ini rangkaian kita itu untuk malam ini ya untuk projeknya sesederhana ini Jadi teman-teman silakan kalau ada siapin Kalau ggak ada pun relay pun ya kan bisa nyobain pakai lampu LED kecil dulu kan Ya enggak apa-apa ya misalkan saya gak ada rel ya saya adanya cuman non MCU ya gak apa-apa nanti bisa pakai lampu kecil yang ada di sini nih bisa juga kan sama aja kan sebetulnya gitu ya kayak gitu Oke kita lanjutkan dulu materinya nah tapi kalau mau ngikutin praktikum saya gitu ya berarti teman-teman harus nyiapin relay ya kemudian ada ster ster tu colokan colokan listrik ya mungkin di sini saya harus nunjukin ya bentar saya coba sambil buka kamera nah ini ee apa namanya usb-nya ya kemudian ini relay-nya kemudian teman-teman harus nyiapin juga stcker stcker tuh colokan kayak gini kalau mau praktikum ya ada kabelnya juga ini saya sudah pasang dan ada lampu lampu ada fittingnya juga ya fitting tu yang ini nih yang warna hitam dudukan lampu ya Ada juga yang kan beda-beda bentuknya ya fitting fitting gitu ya ini di toko listrik ada ya cuman ya ini kan tegangan tingginya agak hati-hati aja pasangnya ya ini kan sebetulnya secara sederhana kan ya kalau misalkan si Lampu ini kita colokin ya si stckernya saya colokin ke listrik ya si lampunya kan sebetulnya nyala kan tuh lampunya nyala kan kalau misalkan saya lepas ya lampunya mati gitu Nah nanti itu sebetulnya yang kabel ini kan ada kabel tuh di sini ya Nah kabel salah satu kabelnya ini nanti akan saya potong Ya akan saya potong gitu ya kan jadi dua tuh ya nanti cabangnya itu dipasang ke sini nih dicabang ke relay yang ini nih ke ke com sama ke normal Open Ya normal Open sama ke com ke sini sama ke sini gitu aja rangkaiannya cuman agak harus hati-hati gitu ya jangan e ada kemungkinan keum ya kayak gitu oke mungkin perlu obeng juga ya obeng buat nanti muter-muter raynya ya buat masukin kabelnya gunting buat gunting si ininya sama tentunya ya sambungan kabel gitu Nah kayak gini nih kurang lebih kalau misalkan rekan-rekan pakai yang ini gitu ya pakai rangkaian yang ini kalau enggak pun Tadi saya sudah nunjukin ada beberapa rangkaian yang direkomendasikan gitu ya tinggal pakai esb sama relay aja gitu nanti tinggal dihubungkan ini lampunya ini colokannya kan nah salah satu kabelnya Ini dipotong gitu ya Dipotong pakai gunting nah dipasang ke normal Open dan dipasang ke com gitu ya seperti itu mungkin kalau misalkan ada ee ada saudara atau ada teman ya Yang yang lebih paham tentang kelistrikan Nah bisa Bisa minta bantu ke mereka aja ya khusus buat teman-teman yang baru gitu ya Yang mungkin bahkan di arus lemah pun masih kurang gitu ya jadi ini kita kan mainnya di alus tinggi nih ini 220 Volt ya kalau ada yang kesentuh nih lumayan itu trumnya Ya lumayan juga gitu ya seperti itu oke Ini yang kemarin ya media F kita menggunakan media F Jadi sebetulnya di media selain yang kita gunakan kan hand Landmark sama hand gest ya nah ya selain hand lmark sama hand gest itu ada yang lainnya ya di media F itu ada objek deteksi ya object detection ada image clification ada segmentasi dan lain sebagainya Bahkan dia juga punya untuk audio itu dia bisa klasifikasi audio gitu ya bisa generatif ai juga ya bikin apa E lmm itu bisa gitu ya tag klasifikasi dan lain sebagainya Nah untuk k ini kemarin kita sudah belajar ya jadi kita bisa Eh tahu koordinat dari titik-titik jari kita ya menggunakan model yang sudah disediakan oleh media 5 itu termasuk ke dalam Deep learning k mas Nah Oke ini mungkin untuk pertanyaan Deep learning itu kita lihat di sini ya Nah kita lihat di model ininya kalau kita lihat di modelnya dia tuh menggunakan CNN ya CNN ini harusnya ya harusnya termasuk ke dalam salah satu De learning Kenapa karena dia itu kan pengembangan dari e jst ya pengembangan dari neural network yang mana Udah terlalu gitu ya pengembangannya makanya disebutnya Deep learning J sebnya Deep learning itu nanya tergant algorit yang dipakai learning itu kan kayak kayak apa ya kayak istilah seperti machine learning kan machine learning kan algoritman kan gakakarningorit ada ada muaya convolional ini juga masuk ke dalam Deep learning gitu ya Ada juga yang lain gitu ya masuk ini masuk harusnya e sepengetahuan saya masuk ke dalam Deep learning Pak maaf izin Minta link buat filennya file apa ya file file ini file ini ada di dalam slide Ya slidennya udah saya share ke grup silakan di ini aja media Feline apa bisa untuk tracking tracking apa tuh yang mau diraacking apa ya apa yang mau diraacking objek kalau objek bisa dia punya misalkan mau tracking OB ada nih tapi ggak kita bahas hari ini ya kita fokusnya di Landmark sama di gest boleh nanti bisa nyoba yang objek deteksi ya yang OB detection bisa tracking ini bisa ng si objeknya atau juga bisa Pak estimasi kalau buat manusia gitu ya kalau khusus buat manusia itu ada namanya e estimasi pose ya Nah itu bisa digunakan gitu Ada juga yang P detectionnya dia punya ya yang detection dia punya kalau khusus untuk wajah gitu ya tapi kalau objeknya kita gak tahu ya Nah bisa menggunakan yang object detection aja nanti bisa kucing bisa anjing bisa bisa Apun gitu ya terserah sama kayak yolo ya sama kayak yolo Nah bisa gunakan ini obek deteksi seperti itu mungkin e Nantilah lain waktu ya kalau ada ini kita coba bahas tapi hari ini kita fokus nya ke sesuai dengan judul ya handlineemk sama hand gesture Kalau handlm kemarin udah e Sekarang kita coba bahas yang gesturnya Oke kita lanjutkan dulu nah kemudian untuk yang hand gesturnya ya jadi hand gestor ini sebetulnya dia ini eh model ya hand gest klasifikasi jadi kita bisa mengklasifikasikan Kalau kemarin kan kita pusingnya bikin If Ya kemarin tu kita nentuin ininya dulu kan bikin if if kalau in nya Eh apa kalau misalkan apa tuh kemarin tuh lumayan banyak kan ifnya yang kita bikin kan if kalau misalkan sudutnya berapa gitu ya nanti gimana gitu kan loglogiknya kemarin kita pakai ya sebetulnya si hand iniudah machine learning G yaudahine learning ini tapi kemarin kita masih pakai logic if untuk menentukan apa tuh namanya gesturnya ya Nah kalau sekarang kita menggunak machar juga untuk menent gesturnya jadi gestifikas mod handl gitu ya seperti itu jadi dari data-data yang ditampilkan dari handlk itu bisa ditraining lagi datanya ya bisa ditraining lagi menghasilkan satu model lagi gitu ya kayak gitu nah ini ada ada cardnya nih kalau mau lihat ini untuk yang eh klasifikasinya ya dia menggunakan to step neural Network pipel ya di sini sebetulnya ada juga yang untuk yang embeding nya itu ini ya connected neural Network untuk yang klasifikasinya juga Sama ya connected neural Network eh modelnya klasifikasi kalau yang ininya menggunakan regresi ya gitu nah ini juga F1 scor-nya bagus ya Nah ini model yang sudah jadinya ya kalau nanti kita akan coba Bikin Gimana caranya nih kalau misalkan kita bikin model sendiri gitu ya gitu Oke kita lanjutkan dulu nah sebelum lanjut karena kita sekarang ada bahasan machine learning jadi e cukupir ya kalau kita ada bahas dulu Maine learning itu apa gitu ya khusus bagi teman-teman yang belum memahamin gitu ya Maine learning ini apa karena kalau Kemarin kan kita pakai-pakai aja ya kemarin menggunakan model yang sudah jadi gitu ya tinggal runrun begitu saja kalau sekarang kita akan melakukan nyari dataset gitu ya kemudian melakukan proses training model menjalankan model kan ya dan lain sebagainya jadi e rekan-rekan harus tahu dulu machine learning ini apa Nah sebelum lanjut ke machine learning yang perlu rekan-rekan tahu adalah bahwa di kecerdasan buatan itu kita mengenal namanya empat teknik dasar ya empat teknik dasar yang ada di kecerdasan buatan nah Jadi sebetulnya machine learning itu termasuk ke dalam salah satu kecerdasan buatan ya atau teknik kecerdasan buatan tapi bukan satu satunya gitu ya Jadi selain machine learning gitu ya Ada beberapa teknik lain ya ada contohnya searching ya di searching itu ada teknik blind search heuristic search ya probabilistic search gitu ya kemudian ada teknik resasening ya teknik reasoning itu ada rule base case base paji nah paji masuk ke dalam reasoning gitu ya kemudian ada teknik planning jadi ada goalsck planning dan lain sebagainya nah machine learning itu berada di sini gitu ya dia berada di teknik learning Nah ada di salah satunya itu eh modelnya itu ada supervise gitu ya kalau kita kategorikan lagi ada supervise ada unsupvise kemudian ada reinforcement ya Jadi sebetulnya machine learning itu Ai tapi bukan satu-satunya ya dia salah satu bagian dari kecerdasan buatan tapi kalau kita bicara kecerdasan buatan Enggak cuman machine learning gitu ya di sini ada beberapa teknik lagi yang lain Nah kita fokus ke machine learning-nya machine learning-nya itu kategorinya seperti ini ya machine learning ini sekali lagi ini istilah ya istilah jadi kalau kita lihat istilah machine learning ini ada kategorinya kategorinya ada supervis ada unsupervvised dan ada reinforcement gitu ya Nah nanti saya akan Jelaskan apa bedanya ya Yang dua ini aja fokusnya Kalau yang rment ini beda lagi sebetulnya kemudian di dalamnya ada untuk klasifikasi itu ada beberapa algoritma yang bisa digunakan Nah di sini ada nebase gitu ya Ada Edition 3 ada superpector machine dan lain sebagainya ini saya pun enggak semuanya Dicoba ya saya mungkin di sini yang pernah saya coba E KNN yang ini kemudian supp Vector decision 3 na base ya dan masih banyak hal yang belum saya coba juga di sini ya gitu nah kita coba kategorikan dua dulu ya yang supervise dan yang unv ini biar rekan-rekan lebih cepat untuk memahami machine learning ini ya Nah kita lihat dari yang supervise dulu Nah untuk proses supervise gitu ya jadi nanti kita tu ada step pertama itu namanya proses e mengumpulkan data sebetulnya ya proses pertama itu nanti rekan-rekan harusumpulin data karena kita itu kan sama kayak kita mau ngajarin anak ya ngajarin anak sesuatu Nah kita harus kasih dia bahan untuk belajar gitu ya kayak misalkan kita mau ngajarin ee nama buah-buahan gitu ya nah kita kan harus siapin buah-buahannya ya Sambil ditunjukin ini buahnya ini namanya gitu ya Nah di supervise itu seperti itu supervise itu adalah proses eh machine learning yang diawasin gitu ya yang dikasih tahu label dikasih tahu labelnya gitu ya jadi teman-teman misalkan nih kita mau ngasih tahu si mesin mau ngajarin bentuk Apple tuh Seperti apa gitu ya Nah berarti harus disiapin dulu foto-foto Apple ya disiapin dulu foto-foto Apple sebanyak banyaknya gitu ya siapin dulu aja itu yang kita sebut dengan namanya dataset ya kita nyebutnya dataset jadi kita siapin dataset foto-foto Apple sebanyak-banyaknya gitu ya Yang nanti akan kita training ke mesinnya gitu ya ketika proses training itu kita jugaasih tahu ini gitu ya kitabel ya ngasih labeling ini tu apal seperti itu sehingga nanti ketika sudahah beres nih ya proses trainingnya udah beres Sudah diolasi modelnya sudah jadi ya Nah hasil dari training dari dataset yang sudah kita ajarkan gitu ya proses training itu nanti menghasilkan sebuah model Nah model itu yang akan diuji gitu ya yang akan dites Nah nanti diuji misalkan kita contoh ini ini Apple bukan nanti kalau sih Kalau benar sih mesinnya ngasih tahu ini Apple gitu ya ini eh Apple bukan nanti Apple kalau misalkan yang bukan Appel Nah nanti dia dikategorikan bukan apel gitu ya itu baru yang satu kelas ya cuman dia ngasih tahu ini Apple atau bukan Apple Nah nanti kalau nambahin kelas misalkan dia Nain kelas eh wortle gitu ya jadi dia juga tahu nanti wtle sama di Tahapan pertama untuk di superm itu kita harus ngasih tahu dulu ini Apple gambarnya kayak gini sebanyak-banyak Mungkin gitu ya ini wortel gambarnya seperti ini nanti menghasilkan model modelnya yang akan kita uji coba seperti itu ya nah di unsuppise itu sedikit berbeda ya kalau kita lihat di di beberapa algoritmanya unupp itu dia nanti kita kasih data aja ya nanti algoritman itu akan mengelompokkan sendiri gitu ya tanpa diawas dan tanpa dikasih label ya Jadi nanti ketika ketika step selanjutnya gitu ya nanti dia akan mengelompokkan gambar-gambar yang mirip gitu ya jadi dan iniisaak terbung kekurangan atau jug nya atau kelompoknya itu bisa jadi sangat tidak terbatas gitu ya bisa jadi nanti si ini nih kalau ini kan mungkin simpel aja Apple yang seperti ini sama Apple yang seperti ini bisa Jadi sebetulnya kalau udah dicoba Apple yang bentuknya beda itu dibedain gitu ya sama dia kalau kita menggunakan unsupvise ya karena di unsupvise itu si programnya menjalankan sendiri aja mengkelompokkan sendiri enggak kita awasin enggak kita kasih label Terserah dia mau dikelompokkan seperti apa yang penting yang mirip-mirip itu dikelompokkan gitu ya seperti itu oke nah sekarang pertanyaannya adalah berarti kalau begitu machine learning butuh data yang banyak ya untuk diraining ke mesinnya nah sebetulnya kita bisa lihat ya Eh ini ada salah satu jurnal yang kemarin menjadi literasi saya ya jadi salah satu J namanya kontrol l kecepatan kipas melalui deteksi gestur jari tangan ini kenapa saya ambil ya karena ini mirip-mirip dengan proek yang mau kita buat nah dia menggunakan mediab Dan Dia juga melakukan pengujian menggunakan paster rccn ya Nah ini salah satu algoritma diplning juga nih ya paster rccn ini tahun 2023 ya Ini nama nama yang menelitinya ya Muhammad Ali Fahrudin dan teman-temannya Nah dari Hasil pengujian menggunakan plaster rccn itu akurasinya ya akurasi klasifikasinya itu rata-rata pada jarak 10 cm itu 10 cm hanya 36% pada jarak 50 cm cuman 30, gitu ya 100 cm cuman 18 sekian 175 cm cuman 14 sekian nah tapi data set yang dia gunakan itu sebanyak 4800 gambar jadi yang ditraining atau yang diajarkan ke mesinnya itu sebanyak 4.800 cuman menghasilkan yang seperti ini ya Nah ini dia nyobain gitu ya seperti itu Nah jadi pertanyaannya Apakah benar mesin learning itu butuh data yang banyak Nah coba saya jawab ya Nah sebetulnya tidak selalu Butuh banyak data tergantung metode apa yang kita pakai tergantung proyek apa yang kita bikin ya Tergantung metode yang apa yang kita pakai Tergantung proek apa yang mau kita bikin gitu ya Nah karena kita kan bikinnya tuh hand gestter ya ini penelitian saya kemarin itu saya melakukan pengujian e rata-rata akurasinya 10 cent itu dapat 71 50 C 75 100 C 69 175 dapat 67 datasnya cuman 462 jauh banget kan ya tadi datasetnya 4000 nah ini saya cuma 462 atau mungkin sekitar 150an per kelasnya yanya Cum ya on tapghasilkan yangbih akuras letinggi akurasinya lebih tinggi dengan dat yang lebih kec jadi seali lagi tidakalu butuh banyak data tergantak dapat 0,8 nanti kita akan coba training juga ya hari ini ya dan modelnya juga kecil ya Modelnya cuman 8 ee 8 kilo 8 MB ya 8 MB tuh datanya jauh banget ya nah nah kemarin saya tuh menggunakan kalau ini menggunakan fter rccn ya Nah kalau saya itu menggunakan media Fap model maker gitu ya jadi media P model marker ini eh dia menggunakan namanya transfer learning Ya apa nih yang membedakan antara transfer learning dengan yang learning biasa ya Jadi kalau yang menggunakan transfer learning itu apa ya sebetulnya memang penyesuaian model pembelajaran yang untuk kebutuhan yang spesifik ya Jadi sebetulnya kekurangannya dia enggak bisa kita mau apa aja enggak bisa gitu ya dia itu harus khusus yang memang tersedia aja ya kayak contoh yang ini untuk hand gest memang ada gitu ya beda dengan pakai training yang lain gitu ya kalau training yang lain mungkin bisa se ke mana aja mungkin bisa masuk gitu ya nah hal ini enggak jadi caranya itu dia dengan memanfaatkan atau melatih ulang dengan data yang tersedia jadi di sini tuh Input datanya enggak perlu banyak ya kayak tadi kan saya cuman 150 150-an per kelas ya tapi kita memasukin existing model di sini jadi ada model yang sudah ada gitu di situ Sehingga nantinya eh data yang dimasukkan itu engak perlu banyak-banyak istilnya gitu Itu yang dimaksud dengan transfer learning gitu ya kalau yang biasa itu biasanya dia datanya udah memang data mentah gitu ya kalau ini enggak kita memanfaatkan model yang sudah ada ya dari model yang sudah ada ini kita cukup memasukkan input data yang sedikit aja gitu ya ini yang disebut dengan transfer learning kalau algoritma yang dipakai ya sebetulnya ngikutin cardnya aja ya ya tadi kan ada CNN ya berarti pakai CNN gitu gitu tapi dalam proses trainingnya itu kita memanfaatkan transfer learning jadi kita enggak enggak bikin model dari nol gitu ya tapi kita memanfaatkan model yang sudah ada ya kemudian tinggal diinput data cukup sedikit aja gitu kemarin saya uji coba di 150 dapat data segini ya nanti mungkin teman-teman kalau ada penelitian Coba aja gambarnya lebih banyak gitu Ya siapa tahu bisa dapat e akurasi yang lebih gede gitu ya seperti itu transfer learning iniraining ulang model yang sudah ada dengan data yang baru betul kurang lebih bisa disebut seperti itu Ming ulang nah tapi bukan berarti jadi kayak contoh ya objek deteksi kan biasanya udah OB detection kan biasanya mungkin ada manusia ada orang ada ini ya tapi mungkin misalkan kita butuh e apa tuh namanya kita butuh model model lain misalkan yang tidak ada di bawaan ya misalkan kita butuh deteksi Arduino gak ada tu ardino nah kan kita sebetulnya Gak perlu bikin dari awal ya cukup dengan memanfaatkan mod yang sebelumnya sudah ada untuk menginput klasifikasi yang baru kan seperti itu kurang lebih kayak gitu tapi mungkin untuk memastikan bisa dibaca-baca lagi jurnalnya gitu sepemahaman saya seperti itu oke kemudian ada pertanyaan kalau searching searching reasoning planning juga menggunakan training enggak kalau kalau searching itu kan beda jenis ya Yang yang menggunakan yang ada istilah training itu kan di machine learning Ya cuma machine learning yang punya istilah training dataset itu machine learning Jadi kalau searching resoning planning itu beda lagi kan beda lagi e apa namanya jenis jenis aiya itu bukan machine learning tapi itu ai searching reasoning planning itu kan Ai ya ini mungkin saya jelasin ulang eh dia itu Ai tapi bukan mesin Gu Jadi gak ada istilah training gak ada istilah dat di sini karena beda algoritma ini harus dipelajar lagi nanti saya mungkin baru tahu cuman Puji doang yaja yang saya tahu diing gitu jadi beda teknikah istilahnya learning ini learningning itu ya C di M learning ini yang ada istilah training istilah dat gitu ya kalau di gak ada ya Diak ada isahtilah se itu Kak Diak ya beda lagi istilahnya gitu ya beda lagi caranya algoritmanya juga beda gitu seperti itu Nah kita fokusnya di sinih di learning di mach learning jadi ada istilah dataset ada istilah training ada istilah model ituanya di machine learning ya atau di tenik learning seperti itu oke yang ini semoga udah paham ya untuk yang Med moder ini ya kalau misalih belum silakan coba ditanak Intinya kita memanfaatkan model yang sudah ada untuk kita masukin data baru ya atau kita training data baru gitu ya seperti itu Nah ini dataaset yang saya pakai nanti teman-teman bisa download juga ya kalau mau bikin sendiri silakan atau nyari sendiri silakan kalau mau gunakan yang saya pakai silakan ya jadi saya ada datet total 462 dat ya di mana di dalamnya ada dataset on dataset off dan dataset non ya Jadi ada EMP dataset di sini ya software-nya ini kita nambahin Google colab aja ya tapi ini gak perlu diinstal Google colab-nya ini cukup di apa tuh cukup dijalankan di browser aja ya engak perlu diinstal untuk Google colab nah kita akan langsung melakukan training model Tapi sebelum melakukan training model silakan di-download dulu dataset ya link datasetnya sudahudah saya kirimkan ke grup ya silakan di-download dulu dibuka e Google drive-nya ya kemudian silakan di-download nanti Sehabis itu silakan diekstrak gitu ya ini Tunggu dulu silakan di-download dulu sebelum nanti kita melanjutkan ini udah praktikum ya kita melakukan training training model habis ini menggunakan Google colab Biar apa Biar kita dapat GPU gratis ya Jadi teman-teman kalau ada yang pakai komputer yang biasa enggak apa-apa enggak masalah karena kita pakai Google colab untuk training-nya aja ya untuk menjalankan nanti kita pakai pakai yang kemarin lagi sama gitu ya Nah ini nih di dalam sini ada folder dataset silakan dicek dulu datasetnya di dalam folder dataset ada tiga kelas ya kelas on clelas off clelass non Nah nanti kalau misalkan Saya pengin misalkan teman-teman Pengin apa ya pengin yang lain gimana ya silakan di dimasukin aja ke sini kelasnya misalkan pengin ada kelas ada 10 kelasnya ya bebas silakan dimasukin aja ke sini e saran dari saya ya minimal 150 lah kalau mau ngikutin saya aja gitu ya 150 kalau misalkan mau bagus gitu ya seperti itu per kelasnya ya Nah ini kan di dalamnya ada tuh ada banyak kelas ya tuh saya tambahin e beberapa kelas punya saya ya gitu nah kelebihan dari transfer learning gitu ya karena kita kan menggunakan model Hand Hand handlmark ya Jadi sebetulnya yang yang diukur itu adalah si titik-titiknya yang di trining itu adalah titik-titiknya apa tuh Yang menjadi kelebihan dia kalau yang diukur titik-titiknya ini udah enggak teman-teman ah enggak perlu memikirkan lagi background-nya warna putih warna hitam terserah gitu ya datasetnya mau warna apapun itu udah udah enggak Jadi urusan ya karena yang di trining bukan gambarnya Tapi titik-titik koordinat itunya loh ya koordinat titik-titiknya itu yang ditraining si titik-titik yang kemarin sudah kita coba gitu ya yang nah yang kemarin kan kita jadi setiap gambar ini nanti akan menghasilkan titik-titik kan titik-titik ada akurasi ada nomornya kemarin sudah teman-teman sudah ketahu ya ada titik ada nomornya Nah itulah yang diraining jadi sekarang ah enggak ada urusan tuh kalau teman-teman pakai model yang lain itu biasanya ada urusan ketika Oh ini kalau misalkan warnanya ee gelap terang dan lain sebagainya Itu kan biasanya bermasalah ya Nah kalau pakai transfer learning karena kita menggunakan training dari data koordinat titik-titik yang ada di sini itu udah udah enggak masalah dengan warna warna tangan dia seperti apa gitu ya udah enggak ada masalah jadi ini salah satu step yang sebetulnya transfer learning itu perlu banget gitu di machine learning kalau kalau teman-teman ngajarin ke ininya ngajarin kayak tangan ininya yang pertama tentu berat ya berat banget pasti yang kedua itu kalau misalkan tangannya ada yang hitam misalkan kita training yang putih yang hitam mungkin akan bermasalah bisa jadi seperti itu karena yang dilatih itu si gambarnya Tapi di transfer learning yang dilatih itu adalah titik-titik datanya karena kita udah enggak perlu ng deteksi si tangannya karena kita udah ada kan di model Sebelumnya kan di handmark ya di handmark kita udah tahu mana yang tangan mana titik-titiknya Di titik-titiknya juga di situ sudah ada datanya kan nah data itulah yang kita training gitu semoga masuk ya transfering itu seperti itu oke nah Ini di dataset ada di off juga ada ya kemudian kalau untuk non Itu khusus untuk dataset yang enggak gitu ya bukan yang keduanya ya Jadi kalau nanti si usernya melakukan gestur yang bukan dari kedua on off itu nanti akan anggap akan dianggap dia on gitu ya seperti itu kayak gitu sekali lagi ini dataasetnya silakan kalau misalkan teman-teman kelasnya nanti setelah ini ya mau dikembangkan lebih lanjut mau Ditambahin lagi kelasnya silakan gitu ya nanti disesuaikan aja minimal saran saya adalah 150 ya untuk tiap kelasnya Oke kita akan langsung melakukan ini aja ini linknya sudah saya share nah sebentar Nah ini mungkin seperti ini ya kalau teman-teman baru buka nanti akan muncul seperti ini silakan linknya dibuka dulu aja Google Cab nanti akan muncul seperti ini Ini tinggal klik aja nih ya klik Google colaboratory mau di-download dulu silakan bisa ya atau kalau mau langsung aja klik Google collaboratory Google colab gitu ya Nah nanti akan masuk ke sini oke Nah di sini mungkin kita akan agak pelan-pelan ya walaupun sebetulnya eh rekan-rekan tinggal tinggal klik-klik aja ya kalau di Google colab Oke ini eh apa ya metodenya ini ngambil dari media F langsung ya dari medianya langsung di sini ada lisensinya juga teman-teman bisa lihat lisensinya di apaac ya lisensi 2 Nah kita mulai dari sini dulu ya Nah untuk menjalankan kita mungkin perlu connect dulu di sini klik aja connect Kita juga bisa mililiih kalau rekan-rekan mau pilih GPU silakan gitu ya kalau mau pakai CPU juga sebetulnya cepat-cepat aja tunggu sampai connect ya Jadi kita menggunakan Cloud ya Jadi kalau untuk seperti ini tuh udah enggak ada urusan lagi e komputer rekan-rekan itu mau Kuat atau enggak ya biasanya masalah di training itu adalah kalau komputernya enggak kuat Gitu ya speknya enggak bagus itu trainingnya lama gitu ya Tapi kalau pakai Google colab Ya udah kita kan pakai Res cloudnya ya jadi aman Oke pertama kita instal dulu mediaf ya Nah nginstal dulu media Fap model maker jadi Fungsinya untuk apa ini fungsinya media Fap model maker ini adalah untuk untuk media Maker ya kita untuk ngetrainingnya gitu ya untuk m-raining datanya Nah nanti seperti ini munculnya Ya udah ditunggu dulu aja ini proses nge-download-nya ya ada upgradep dulu baru download mediaf model makernya kita tunggu sampai selesai nih Ini masih loading berarti belum selesai Silakan dicoba dulu dan pastikan sebelumnya di ini dulu ya di si datasnya diupload diownload dulu karena nanti kita masuk mau masukin ke Google colab datasetnya Silakan diownload dulu nah ini berhasil ya tuh udah ceklis Berarti udah berhasil kita lanjutkan menginstal tensor flow ya Kenapa kita menggunakan tensor Flow Karena pada dasarnya media F itu menggunakan tensor Flow ya untuk proses Eh apa tuh ya untuk proses training dan lain sebagainya dia menggunakan tensor Flow jadi kita perlu nambahin di sini tnya nah kemudian berikutnya kita akan mengimport Google colab import file transf flow dan lain sebagainya kita jalankan dulu aja mau nanya dulu bolehakak ya silakan e tadi yang di atas itu ada tanda seru artinya tidak ya misalkan di Google colab kita pakai tanda seru itu artinya kita menjalankan perintah Terminal menjalankan perintah di terminal gitu ya kayak pip install ini kan bukan kode Python ya ini kan bukan kode Python kalau kode Python itu tinggal jalankan langsung aja tapi kalau perintah di terminal itu menggunakan tanda seruh gitu Jadi ngasih tahu ke Google colab kalau kita lagi menjalankan perintah ke terminalnya seperti itu Oke I kalau misalkan di terminal al kita kan tinggal langsung-langsung aja ya karena kan di terminal kan kalau kita kalau ini untuk membedakan kayaknya dia dipisahin jadi untuk perintah-perintah pakainya eh tanda stru gitu ya perintah Terminal gitu oke udah selanjutnya kita akan ngambil dataset nah sebelum menjalankan yang ini upload dulu ya Nah upload dulu ke sini nih karena datanya belum ada kita upload dulu nih foldernya coba di ini aja masukkan ke sini ya Nah masukkan terus kita klik oke nah tunggu aja ini lagi proses upload nih ditunggu lumayan agak lama biasanya tergantung koneksi Internetnya ya Nah ini lagi proses upload dulu nanti datasetnya ya harus diitunggu dulu ya karena kalau enggak nih misalkan ya karena belum ada datasetnya belum ada nanti pas di sini Mungkin error gitu ya ini kita coba Bikin kode baru aja ya buat ngecek ini kan pakai CD ya nah pakai CD eh LS buat ngecek folder tuu pakai LS kan tuh baru ada sampel data aja ya belum ada dataset jadi dataset yang kita bikin itu kita masukkan ke sini datasetnya nah dia nunggu dulu biasanya agak lama proses uploadnya ya Soalnya ini 15 MB sih ya tapi ya Ya udah tunggu aja silakan sambil nunggu barangkali ada yang mau bertanya boleh barangkali ada yang masih bingung kalau Arduino ide error gini benarnya gimana CMD pat compon exet CMD ex file not inpad eh coba diverify dulu diverify nah diverify dulu untuk mengetahui errornya ada di coding ataukah di boardnya ya kalau misalkan ada di ee coding atau di arduinonya bahkan gitu ya ya Nanti berarti harus ada yang di Oh itu perif juga error kalau coding apa tuh namanya coding coding biasa juga error enggak coding be minimum atau Blink error enggak Kalau coding Blink aja error berarti ya ada masalah di software-nya itu tapi kalau misalkan pertanyaan saya bukan gitu kalau coding coding running Piece up the root user and Broken permission and conflicting behavor with the system package system ya ini kayaknya error di ininya ya itu error di mana P itu oh itu oh di pythonnya Pak itu di python-nya Oh tinggal dirag aja ya nah dibuka aja ininya untuk dikolab nah dibuka foldernya kemudian tinggal dirag boleh dirag dimasukkan ke sini nih tapi ini gak gak ini ini ya Bentar deh saya coba upload aja atau bisa Klik upload juga bisa Klik Kanan klik upload tapi kayaknya duluak gak bisa ya kayak gitu tuh Bentar deh saya coba dulu terus upload foldernya bisa gak ya Oh enggak bisa berarti harus gini nih Ya udah kita coba manual dulu aja enggak apa-apa ya klik manual new folder dataset gitu ya Nah manual aja dulu kemudian kita masukin e folder baru di dalam folder dataset e on Nah kita di dalam on ini baru kita upload ya kayaknya harus manual deh enggak bisa katanya kayaknya Nah gini ya baru kita Open Nah ya harus manual ya saya lupa caranya kalau nanti kayaknya kalau zip itu bisa ya tapi harus dikstrak dulu Kalau jeip mungkin bisa ini kalau di LS sekarang udah ada foldernya tu ada dataset kalau D LS sekarang ada dataset ini lagi upload ininya ya ini baru di on ya tuh baru di on saya sudah upload kita bikin folder baru lagi untuk di off nah gitu aja paling gampang gitu aja off baru sekarang di masuk ke folder off ya diklik aja sampai segitiganya ke bawah baru kita upload masukin ke off nah Open nah udah tunggu sampai uploadnya beres jadi dibikin folder manual ya di sininya nih di dalam googleabnya dibikin manual bikin folder untuk datasetnya baru bikin folder untuk kelasnya K On k off dan k kelas non ya satu lagi kelas non atau bisa juga kel background tuh ada ya Ah satu lagi bikin lagi kita ke dataset bikin lagi new folder non ya folder non nah diklik dulu ke bawahlik foldernya klik ke bawah ya klik sampai tiganya ke bawah baru kita upload Eh iya nah terus kita upload yang non yang ininya nah Open udah gitu Mas dataset tidak tidak harus Jason ya karena saya mau enggak dataaset Kalau Jason itu mungkin dataaset yang teks ya kalau ini kan gambar ya jadi harus gambar yang dimasukinnya kalau bentuknya gambar berarti harus gambar kalau di Google Drive bisa ya Bisa harusnya cuman saya lupa ininya saya lupa apa perintahnya ya jadi saya ngambil yang paling gampang aja saya lupa ngutak-atiknya kalau bisa silakan mungkin ke sini ya Nah mungkin ke sini kayaknya nih cuman lupa ngutangatiknya saya enggak kelihatan di samping maksudnya oh yang ini enggak kelihatan ya Yang ini Nah gini tuh jadi dibikin foldernya satu-satu ya Klik Kanan new folder dataset dulu gitu ya kemudian di dalam dataset bikin folder baru gitu ya Klik Kanan new folder nah bikin Non off kemudian masuk ke dalam folder di buka Nah di Segitiga kayak gini nih nah baru klik upload gitu dan masukkan semua gambarnya dioven kayak gitu Tuh Ini cara gampang ya kalau mau pakai Google Drive Harusnya bisa cuman saya lupa ee harus ke mana dulu gitu langkah-langkahnya kayak gimana saya lupa kalau bisa silakan gitu ya kalau saya mungkin ngambil cara simpel yang menurut saya gampang dibikin folder manual aja ya ke sini ya tuh ke sini Klik Kanan bikin folder dulu dataset gitu ya kasih nama dataset kemudian di dalam dataset bikin folder baru ya kasih nama ee non ya kemudian misalkan non di gitu ya di segitiganya ke bawahin dulu kemudian upload gitu seperti itu bisa ya kalau sudah D LS Ya sudah ada ya datasetnya tuh ya Nah tinggal diklik aja nih yang bagian berikutnya ya ini dataset kita jalankan udah ya dataset betul ya namanya dataset sama kemudian kita jalankan nah cek dulu nih oh ada IPB CH point ini apa ini ini harus kita hapus nih Apa ini IPB chpint soalnya nanti ini masuk ke ininya ya bentarbentar APB cek Ma Ini adanya di mana itu tapi enggak masuk ya bentar saya refes dulu deh mungkin di sini ya tapi enggak ke ini [Musik] entar ini enggak harusnya enggak enggak ini nih entar entar saya harus perbaikin dulu ya Ada APB checkpoint kena nanti ini nanti masuk ke label ya dia tuh ya E [Musik] sebentar dia masuk ke label nah ini udah oke nih silakan di-update codingnya ke yang ini kalau seandainya teman-teman muncul Oh itu sudah saya kirim ke chat ya muncul ini nih yang ini ya tinggal ditambahin coding Ini aja ini kita bikin pengecualian gitu ya Jadi sekarang yang ipmb apanya itu hilang ya jadi cuman ada on off dan non aja sudah tepat sudahud kalau sudah kita lanjutkan ke sini ya aman ya kemudian di sini ada beberapa ini ya ini ada load dataset ini sebetarnya untuk ngecek gambarnya aja ya untuk ngecek gambarnya aja tapi di sini udah training sebetnya nih tapi enggak muncul ya pltes-nya ya Nah terus kita load dataaset Jan dulu aja Nah nanti kita nge-esplit data ya Jadi sebelum diraining itu displit dulu datanya eh Del untuk trend data R datanya Nanti berarti 0,2 ya untuk melakukan pengujian nanti terus ada validasi juga nanti gitu ya agak lama di sini ya tunggu aja karena ini Kalau enggak salah ini lagi pros sambil proses download model sebelumnya juga kan Ya k kita menggunakan transferarning itu ya betul ya downloadu Model seb karena kita menggunakan apa namanya eh apa tu transfering ya menggunakan model sebelumnya jadi barusan agak lama ah kalau sudah kita bisa training data nah kok ini enggak lama pakai transfer l cepat kalau misalkan pakai yang biasa biasanya teman-teman harus harus nunggu gitu sehari 2 hari ya harus lama banget Kin enggak cepat tuh udah selesai secepat itu transfer learning dan ini epoknya 174 Ya udah kita bisa lihat akurasinya Nah kita lihat akurasinya akurasinya 0,8 bagus los-nya 0,14 bagus juga ya kalau mau expport modelnya nih selanjutnya kita harus expsort ya export harus expport ini kasih nama aja gestur recognizer eh on off ya on off gitu ya Nah gitu aja kasih nama kita tinggal download W ada error bentar kenapa eror bentar saya coba export dulu Oh iya karena namanya enggak boleh ganti ya Ya udah saya ini dulu nah gitu saya downloadas ya gestur recognizeras diownload dulu nanti ini ada proses training lain ya kalau rekan-rekan Tapi ini diganti apa ya Drop Out rate-nya Drop Out rate sama learning rate-nya diganti kalau mau jadi nanti bisa bikin kayak dua model gitulah ya di CL saya epx 166 tadi yang ditambah bagian apa mas Nah bagian ini bagian ini diganti bukan ditambah ya diganti saya udah kirimkan ke chat codingnya takutnya ada muncul tulisan ini nih di sini ya di dataset takutnya muncul tulisan ini Nah tinggal di sini nih kalau kalau tulisannya e 1 2 3 4 Ya udah ggak apa-apa tapi kalau muncul ya muncul satu lagi yang ini nah nah bisa ditambahin atau Dias saja di ini dielete kemudian diganti yang baru gitu ya dielete diganti yang baru tuh yang saya kirimkan ke chat gitu aja biar gampang aman nih harusnya ini karena ini tinggal klik-klik aja di kolam tu enak enak banget pokoknya untuk training enaklah di kolam nah ini harusnya Udah ada Ya udah ke downownload juga ya Oh udah tuh udah ke downownload juga nah ini punya hasil training saya nih saya kasih nama dulu ya prename saya kasih nama gest recognizer on off on off versi sat gitu ya on off Pi 1 Nah karena kita mau bikin lagi pi pi2 ya kita coba Bikin lagi versi yang keduanya nah yang versi yang kedua bedanya format H5 sama tas tuh apa H5 tuh keras ya format keras kalau tas itu Format Media F dh5 itu format keras dia nama nama Apa nama nama library-nya eh atau nama frameworknya keras kan dia atau ya keras kan dia nama premoknya keras kan H5 tuh keras ya keras enggak sih coba Saya cek dulu D H5 file model Frame apa oh transor ya oh tor flow ya transerow juga dari keras kan sebetulnya cuman Saya tahunya keras tensor flow kan dari keras juga kan dari keras coba cari itu implementasi dari keras sebetul tab kas misalkan tensor po kan media itu dia tensor tu pengembangan dari ya keras pengembangan dari keras tensor tuh kemudian media Fap tu pengembangan dari tensorfow nah tapi media itu punya format format file baru gitu namanya doas gitu karena di media juga dia pakai tensorfow kan tu pakai tensorow dia tapi kalau misalkan teman-teman pakai trainingnya pakai tensorfow bawaan gitu ya pakai model biasa ya Sama aja kalau ini kan kita pakai transfer learning Ya media F tu menggunakan transfer learning jadi kita enggak enggak selama itu ininya dan saya coba jalankan lagi training berikutnya Kalau yang ini kita ngedit dikit ya Learning rate-nya Kita ubah jadi 0,03 kemudian drop dropnya diubah menjadi 0,2 tring lagi enggak lama ya harusnya bagus nih teman-teman barangkali ada penelitian gitu ya mau bikin jurnal atau apa pakai transfer rarning itu masih masih jarang yang pakai biasanya yolo ya yolo lagi yolo lagi Ya Nah kita coba jalankan akurasinya bagus 0,9 nih yang sekarang bagus ya 0,9 bagus banget loh ini Mau Mau 100% Tapi harusnya enggak mungkin 100% ya udah coba download dulu kemarin terakhir saya training enggak dapat segini loh sekarang udah udah bagus mungkin di model makernya bisa chat Mas yang parameter yang diubah training kedua eh enggak enggak diubah eh maksudnya enggak perlu diichat tinggal ke bawah aja Scroll ke bawah ada tuh Scroll ke bawah nih yang ini diroll aja ke bawah ada kok di situ tinggal disroll ke bawah tinggal dijalankan disroll saja ke bawah Wah ya Diran silakan example tuh contoh contoh training data Ya silakan dijalankan semuanya nanti hasilnya kalau berhasil dapat file dotas ya dapat file dotas nah ini saya sudah dapat dua tuh yang ini saya kasih nama B2 ya versi 2 nah udah dapat dua saya dua model nanti rekan-rekan silakan modelnya diganti namanya atau terserah enggak diganti juga ggak apa-apa ya Yang penting nanti harus dibedakan yang penting ingat ya harus diganti nanti nama modelnya harus diganti nanti udah untuk proses training udah sampai sini ada yang masih ada kendala gak silakan sama ini kekurangan Google colab itu sebetulnya kalau kalau apa ya kalau dijalankan lagi ini hilang ya datanya Tuh hilang ya makanya kalau lagi di-upload di-upload aja gitu eh maksudnya kalau dapat data di-download aja di-download gitu ya kalau bisa di-download ya karena kayak model tadi kan di-download aja gitu ya karena nanti eh hilang gitu Ya kalau karena kita kan pakai versi yang gratis kalau pakai yang berbayar mungkin enggak hilang kalau pakai yang gratis tuh hilang gitu W ada banyak banget ya Ada lognya juga nah yang kita ambil yang tasnya yang tasnya aja Siap Mas sudah dapat du file mantap sip learning rate itu diganti berapa mas eh [Musik] 0,03 saya enggak ganti sih ngikutin yang ini aja 0,03 sama 0,2 jadi enggak saya ganti saya ngikutin ke bawah aja Ini kan sehabis training yang dari sini ini habis training yang dari sini itu di bawahnya itu ada lagi codingnya nah yang ini nih tinggal di jalankan aja learning rate-nya 0,03 drop rateenya 0,2 lumayan ya tadi tuh tadi kita pakai yang bawaan ya kalau pakai yang bawaan itu akurasi trainingnya 0,8 kalau diganti learning rateennya Lumayan tuh dapatnya jadi 0,9 0,9 mantap 0,95 Wah lebih gede dari saya berarti ya enak sih transfer itu enak ini bisa di nanti habis ini kita bisa nyobain yang lain ya kayak objek deteksi atau dan sebagainya ada banyak media F tuh pengembangannya banyak banget oke kalauudah dapat datanya silakownad yaownload duluah Pak iniamp daptin kalau mau dibiarkan silakan mau diganti namanya silakan bebas mas Bisa dijelaskan untuk learning rate l dan epok ya learning rate itu apa ya sebetarnya ini kan sebetulnya dasarnya dari dari statistik ya machine learning itu itu sebetulnya dari dari dari statistik kalau kita lihat dari learning ini ada penjelasannya di sini jadi learning rate itu adalah the learning rate to use for gradient Des training defaultnya 0,01 jadi kayak apa ya apa ya saya nyebutnya kita bisa nentuin si apa tuh k ini machine learning Ya machine learning itu mesinnya belajar nah dia mau seberapa capek belajarnya mungkin mungkin gitu ya tapi coba terjemahin aja nih the learningnya nih kalau bingung terjemahin aja ee ubah dulu ke bahasa Indonesia Nah kecepatan pembelajaran yang digunakan untuk pelatihan ya menurunkan gradiennya jadi memang benar seberapa cepat dia mau belajarnya gitu nah terus kenapa kita perlu atur jadi Biasanya kalau belajarnya itu terlalu cepat gitu ya mungkin hasil modelnya juga juga enggak sebagus itu gitu ya tapi kalau belajarnya terlalu lama juga ya lama ya ya lama kan berarti kan gitu nah kalau epok epok itu iterasi ya iterasi Jadi gini kita kan kalau misalkan baca kalauning rate itu seberapa cepat kita belajar ya kalau manusia ya kita pakai analogi manusia aja learning itu seberapa cepat kita belajar ep itu seberapa banyak kita mengulang pelajaran Gitu ya kalau ada yang salah atau kurang tepat boleh dikoreksi ya barangkali ada yang lebih machine learning learning l itu seberapa cepat kita belajar ep itu seberapa banyak kita mengulang pelajaran ya Semakin banyak kita ngulang pelajaran tentunya akan semakin bagus gitu ya ya misalkan kita menghafal gitu ya kan diulang-ulang makin makin jago kita kan belajar ep ituep untuk seberapa banyak iterasi kan ya iterasi oper dari dataset ya seberapa banyak si mesin ini belajar dari dataset ngulangnya seberapa kali gitu ya Nah defaultnya itu kan 10 ya Jadi kalau kita minimal 10 kali pengulangan atau 10 kali belajar dari dataset gitu kalau l Lost itu data biasanya itu l itu ngikut ini ya ngikut Akurasi ya akurasinya berapa kalauosnya biasanya ngikutin gitu ya jadi l ini kayak data ini ya pokoknya n kalau Los itu jelek berarti bagus kalau lnya itu jelek akurasi itu kan harus besar ya kalau akurasinya besar akurasi ini 0,9 ini besar ya karena akurasi itu paling gede sat dia setnya dari 0 sampai 1 jadi satu itu Dan harusnya enggak mungkin ya kalau kalau machine learning untuk saat ini dapat satu tu enggak bisa harusnya biasanya ya 0,8 0,9 gitu ya untuk dapat satu tuh harusnya enggak kalau misalkan dapat sat ya berarti ada pertanyaan nih mungkin ada yang salah nih dari modelnya kalau misalkan dapat satu biasanya ada ada masalah di modelnya data setnya kurang banyak gitu atau dan sebagainya gitu kalau l l itu berarti kayak apa ya pokoknya l itu kalau misalkan kecil bagus ni 0,1 kan Kecil ya Berarti bagus nanti kalau modelnya dijalankan gitu ya diun itu dia e kemungkinan errornya atau Kemungkinan dia salah prediksi itu kecil Kalau nya kecil gitu ya misalkan kita Kita kan lagi training e gestur ya Nah Kemungkinan dia salah menebak gestur kalau losnya kecil dia kemungkinan kecil gitu ya kalau misalkan losnya banyak ya Berarti ada masalah tuh di datasetnya gitu nanti harus dicoba lagi dicoba lagi gitu ya seperti itu kayak gitu ya mangch learning tu bagusnya kalau mau diperdalam dari statistik dulu ya silakan dipelajar dulu dari statistik karena banyak banget istilah-istilah statistik yang dipakai di machine learning gitu ya statistik sama matematika gitu sudahudah yang model udah ya Saya kira yang model sudah semua Nah kita akan coba Lanjutkan ke proyek selanjutnya nah tapi kita akan coba apa tuh namanya modif ya modif coding yang sebelumnya nah Sebelumnya kan teman-teman udah bikin lmark ya projectnya sudahudah saya share juga di grup handlemark ini silakan diobble aja dicopy gitu ya foldernya kemudian diganti ya namanya ya foldernya dible kemudian diganti eh dicopy kemudian diganti jadi hand gestur Ya silakan si foldel Hand lmark yang sudah kita bikin di kemarin di apa tuh namanya di dicopy kemudian diganti yang copyannya diganti jadi handgesture nah jadi kita kita enggak bikin dari nol Ya karena handgesture itu pengembangan dari handline mark gitu ya pengembangan lanjutan dari hand Landmark jadi kita enggak bikin dari nol ya biar biar nyambung ya materi yang kemarin sama yang sekarang biar nyambung silakan PS cod-nya dibuka dulu ya barangkali ada yang kelewat eh bahan pembelajaran kemarin yang sudah saya share di grup yang handlemk foldernya silakan di copy dulu diouble gitu diduplikat ya dicopy Klik Kanan copy diduplikasi kemudian duplikasinya diganti namanya menjadi hand gesture ya kasih nama hand gest kemudian silakan Open di PS code ya file Open folder di PS code ini kita biar misahin aja folder kemarin sama folder yang sekarang gitu ya biar gak bingung juga nantinya nah udah hand gest kita open nah ini masih file-pile kemarin ya masih ingat ya harusnya ya ini kemarin ada deteksi gambar deteksi video gitu ya kemarin yang terakhir tuh yang ini kan yang m dan lain sebagainya tuh ada di sini gitu ya Nah kita kalau mau bikin file baru boleh ya kita bikin file baru aja atau kalau mau ngedit yang main.p juga ggak apa-apa ya karena kita e apa namanya kita mau lanjutin aja gitu ya ya kalau misalkan mau yang ini dielete diedit juga bisa coba saya ubah-ubah dulu ya yang enggak perlu kita masukin enggak perlu kita masukin kayak contoh yang time time perlu ggak sih time takutnya masih perlu ya paling yang ini kita delete serial yang ini serial kita enggak perlu karena sekarang kita pakai mqtt yang video kita biarkan yang ini Kayaknya masih kita pakai ya Yang ini kita ggak perlu ya kita engak perlu bikin logic if lagi karena sudah menggunakan machine learning ini hitung sudut kita udah enggak perlu juga oke nanti file ini saya akan kirimkan juga hasil editannya ya Bentar ya ditunggu dulu terus [Musik] yang yang ini juga harusnya enggak perlu sih Nah ini logic I tuh ini Kemarin kan sebelum kita pakai machine learning kemarin kita bikin If Ya bikin if seperti ini banyak banget tuh panjang banget ya dan enggak bagus juga ya enggak hasilnya enggak terlalu apa ya Enggak enggak sebagus itulah ya Nah kita delete udah ini juga kita enggak perlu yang ini juga sebenarnya kita enggak perlu ya Nah gitu Nah mungkin untuk yang ini Ini Kepanjangan ya sebbenarnya kita enggak butuh yang ini kita cukup yang mana mana Bukan deteksi gambar Ya tapi ini udah diganti ya ada tuh yang yang simpel tuh ada kemarin ah yang ini nah pakai yang ini aja yang simpel nah udah gini aja dulu tuh jadi coding-coding yang kemarin kita udah enggak pakai lagi ya karena sekarang kita pakai hand gestour udah enggak pakai ifipan lagi ya udah enggak pakai Ifan lagi tapi ini kita coba dulu ya takutnya ada masalah nih silakan kalau butuh file ini saya kirimkan ke chat ya saya kirimkan juga file-nya hand gestur main.p nah silakan Jadi kita mulai dari sini ya kita mulai dari sini Oke coba saya Run dulu Kita lihat Oh Kan ada yang error ya for statement online 13 sebentar Oh ini Nah harusnya gitu indentasinya masalah di indentasi no mod cp2 cp2 ada Entar Oh ininya nih python-nya belum saya ubah Bentar ya Ah gitu nah udah masih ada error bentar Oh enggak udah udah tunggu dulu ya karena ini saya pakai webcam eksternal jadi agak lama dia agak lama bukanya nah udah oh ada eror bentar name gambar is not ya coba dicari gambar ini bukan gambar ya sekarang diganti jadi frame nah gitu oke Ran lagi itu ya susahnya Python tuh itu identasinya dia masih ada error bentar gambar mana lagi nih ctrol F gambar enggak enggak ada sih sudahudah aman ya udah enggak ada coba jalankan lagi Oh udah ya oke ah ah aman ya nah kemarin sampai sini sebetulnya cuman Kemarin kan kita pakai coding if ya untuk ininya Nah sekarang kita akan coba nambahin beberapa coding yang ada di sini pertama nah ini silakan disesuaikan dulu ya import-importnya Ya impimport-importnya silakan disesuaikan dulu Nah tinggal copy aja ganti yang sebelumnya kita nambahin sebetarnya kita nambahin media P tas ya media P tas ini nanti untuk menjalankan si apa ya si modelnya ya si model yang udah kita pakai gitu dijalankan import pyon termasuk juga kita masih pakai Nah di sini kita nambahin inisialisasi variabel untuk gest name dan gest gest itu nanti hasil dari klasifikasinya ya gest klasifikasinya score eh kasif hasil akurasinya berapa persen gitu ya sip kita lanjutkan nah terus selanjutnya adalah inisialisasi modelnya ini kayaknya ada ada yang kelewat ya running mode kayaknya ada yang Kwat ini running mode nah ini lanjutkan ke bawah aja di sini ya ini running mode kayaknya nah gitu coba dijalankan dulu aja kalau ada error Berarti ada masalah maaf ini running mode ya salah nah gitu harusnya kalau enggak ada error berarti bisa lanjut gitu ya Ini tuh apa tadi inisialisasi model gesturnya ya Nah gitu nah model gestur ini kita harus Masukin dulu ke dalam sini ya jadi hasil dari yang tadi kita ya yang hasil dari yang tadi kita training kita copy dulu modelnya ke dalam folder projectnya ya ke dalam folder hand gesture hand gestur mana hand gesture sudahah banget niinya ya hand gestur atau bisa paste ke sini juga sama aja sih langsung ke piscod juga bisa Tuh bisa juga nah ini namanya disesuaikan ya Punya saya itu namanya hand gesture on off versi 1 F2 aja copy F2 kita coba yang versi sat dulu ya F2 kayaknya nanti juga enggak akan begitu kelihatan kemudian ganti nah ini rekan-rekan namanya silakan sesuaikan dengan nama modelnya Ya terserah tuh nama modelnya apa Oke bas option model partnya kita nambahin untuk gest recogner mitas gest recogner ya terus ada gest recogner option ada gest reconnection Res untuk lihat hasilnya dan ada pion ring modya ini penjelasannya ada di sini ya Bagi yang pengin tahu kemudian kita lanjut bikin fungsi untuk mendapatkan callback ya dari dari dari hand gestur-nya jadi nanti kalau kita ada data gitu ya nanti akan kelihatan kalau dapat ya kalau dapat tangan dapat sama apa tuh namanya nah gitu nanti kelihatan di sini ya kita ngambil single hand gesture category name-nya skornya kita simpan di gesture name ya dan gesture score yang sudah kita inisialisasi di atas ya ini fungsi aja kita bikin satu fungsi untuk mendapatkan hasil gitu ya dari klasifikasi gest recognition-nya gitu mungkin ada pertanyaan ini saya dapat coding dari mana Dari dokumentasi resmi ya dari dokumentasi resmi media f-nya Jadi sebetulnya untuk coding enggak perlu hafal ya karena nanti kalau kalau pakai premok ya kita kan belajar dari dokumentasi nah yang ini untuk inisialisasi gesturnya Nah kasih gini aja ya biar enggak bingung nah apa tuh yang perlu diinisialisasi ini kayak ngedit-ngedit ya kayak kita kan mau menggunakan versi live stream Nah ini gitu yang digunakan nanti beda-beda lagi Oh ya saya lupa kita belum pengujian ini ya belum melakukan pengujian di Google colab nah kalau mau ngetes silakan nih ada teman-teman codingnya di sini yang satunya lagi caranya gimana caranya ya sama kayak tadi jalankan dulu yang satunya mungkin saya close dulu ya saya live jalankan dulu media vibe-nya Nah nanti paling rekan-rekan butuh ngambil foto sama e ngatur tasnya ya tas modelnya nah ini yang ini ggak perlu ya Yang ini kita bisa skip karena kita bisa upload tas sendiri aja upload misalkan ya saya mau pakai tas yang yang ini ya versi du a l Open oke nah yang ini gak perlu yang ini diskip Ini tuh kalau rekan-rekan pakai model bawaan ya sedangkan kita menggunakan model yang sudah kita bikin kan jadi yang ini diskip jangan dijalankan ini kalau mau download model yang bawaan punya dia gitu ya Ada eror ya Coba jalankan lagi oke terus di bagian sini ada yang perlu diedit kayaknya nih yang modelnya saya lupa edit yang mana ya ada yang perlu di ini bagian yang tasnya ya coba dicari aja bagian tasnya itu yang harus diedit Oh di sini ya Nah ini yang perlu diedit yang di atas kita jalankan biasa aja nah udah ini kita running biasa saja jalankan sekali lagi yang ini kita skip karena kita ngupload model punya kita ya ini kalau mau nyobain di sini gitu ya ini Paling nyobain gambar aja sih import ini import e contoh gambarnya ya di sini terusah iniu ada yang eror gak ada yang eror Oh bentar Oh ini Maaf fil-nya belum diupload nah sebelum lanjut ke sini upload dulu filennya ya file gambar yang mau dicobanya ini saya Kayaknya udah nyiapin Ya udah saya download kalau engak salah ggak tahu di mana Bentar Ah ini Open kita Upload lagi nah sebelum lanjut gambar yang ini kita ini dulu ya kita ganti dulu gitu ya gambarnya bentar ada gambar satu gambar du ya Nah Silakan rekan-rekan cari aja gambarnya atau bisa foto sendiri ya Bisa foto sendiri gambarnya ganti jadi nama gambarnya gambar s dan gambar du nah punya rekan-rekan nama gambarnya apa gitu ya itu yang dimasukkan ke sini nah saya ulangi run terus kita coba masih ada error ya bentar image SP name Kalau enggak salah ini buat upload ya tapi bentar deh gambar satu Oh kayaknya salah pad-nya ya coba gini deh klik copy pad Nah baru masukin ke sini klik copy pad Nah baru masukin ke sini takutnya itu salahnya coba dijalankan lagi jalankan lagi Oh iya itu yang salah ya jadi di copy pad ya klik copy pad Nah baru masukin ke sini ahah tuudah kebuka ya gambarnya nah kebuka gambarnya sekarang yang ini kita ganti ya ganti sama nama model kita nah diganti sudah coba diun nanti muncul tuh nah udah berhasil ini on 0,6 akurasinya ini off 0,81 akurasinya tapi secara ini Baguslah ya udah udah dia udah bisa membedakan mana yang eh deteksi on dan deteksi off udah bisa dia udah kayak gitu kalau mau nyoba di sini buat ngetes aja ini pakai gambar gitu ya kita lanjutkan ya kita lanjutkan Yang ini tadi itu udah sampai mana ya sudah sampai ini ya Nah yang ini ini di di di sini nambahin time Stamp aja nah nambahin time Stamp nanti saya jelasin untuk apa di sini juga ada keterangannya nah terus yang ini tuh ini ada di dalam ada di dalam sini nih Nah ada di dalam sini entar Kita takutnya adaod codingcoding yang kita ulang ang ya kita coba ini dulu ee yang ini udah kan Ini enggak perlu yang Resort ini keetap ya dari NP array dari primaryay hasil oke udah sip terus kita lanjutkan nah yang ini tuh ada di dalam ada di mana Yo ini tuh ada di dalam sini nah nah di sini nah gitu tapi ini kelebihan ya kok ada pagarnya ya Nah di sini udah sih ini udah coba dulu ya diun dulu ya coba diun dulu takutnya ada error Oh video is not defined entar conttrol F video yang mana nih yang video Oh yang ini ya namanya apa cap ya harusnya video kok oh ini salah ganti jadi video nah gitu app-nya gede enggak sih kecil kan udah coba dialan dulu agak panjang ya pengaturannya enggak panjang enggak apa-apa ya meemang enggak panjang sih lumayan nah normal ya H harusnya normal tapi belum muncul nih hasilnya untuk melihat hasil entar kayaknya kita kan bisa langsung Panggil ininya aja tapi kita coba dulu takutnya enggak bisa kita bisa langsung panggil si ininya aja kita coba aja printnya print eh gestur name ya koma gestur name gest name itu yang kita bikin di atas nah ini nah gitu gini aja dulu ya kita coba lihat Muncul enggak Ger name-nya nah muncul ya gest name-nya non on mantap oh mantap Nah kelebihan machine learning tuh dia mau posisi gimanaap pun tetap bisa tuh posisi gini bisa gini Bisa enggak ya bisa gini juga cuman gininya enggak bisa kayaknya enggak ada model kayak gini ya sebelumnya gambar kayak giniinya harusambahin dulu gini juga bisa nah gini bisa tuh udah udah jalan kalau udah sampai sini udah jalan nih fil-nya saya kirimkan dulu ya ke ke chat silakan Wah panjang a Mas fil-nya bisa dijadikan satu di dve bisa ya tapi nanti ya setelah ee kegiatannya beres nanti saya masukin gitu ya satu-satu seperti sebelumnya silakan Udah nih coding saya bikin baru aja ya ini hand gesture ya ya and gesture do nah gitu Ya silakan kalau mau pakai video mau nyobain pakai video Coba ya Ee Input datanya di mana tadi Nah di sini coba pakai video bisa m eh video mper tuh on ya tuh ya Si Bapaknya lagi lambai-lambai tulisannya on ya sama ya on kalau mau gambar harus diubah lagi nanti diselesuaikan gitu oke Ada pertanyaan enggak sampai sini sebelum kita lanjut ke mqtt Aman ya harusnya ya harusnya aman tadi yang handlemosin pertannya Ya silakan silakan e kalau di CNN itu yang saya tahu itu kan pakai ini warna RGB kan nanti diganti red Green blue kan gitu ya Mas di CNN betul betul nah kalau yang di media pip ini itu yang dilihat itu dari apanya contoh kalau tangannya itu putih banget kalau tangannya Gelap banget itu yang di ee deteksi itu yang apanya kira-kira Mas Oke Pak baik Jadi sebetulnya kalau di kalau kita menggunakan hand gesture karena ini kan ee modelnya beda ya Jadi gimana ya jelasinnya seperti yang sudah saya jelasin ee ini mungkin ee Harus sambil lihat yang kemarin ya Bentar ya yang kemarin itu ada enggak sih yang deteksi Landmark tuh tapi yang nampilin ini ya Yang nampilin yang ini bukan ya Nah ini nih jadi yang dideteksi itu bukan ketika proses training itu ataupun ketika proses training dan proses pengujian itu bukan gambarnya Mas bukan gambarnya yang dilihat gitu ya atau yang dideteksi oleh modelnya Nah apa yang dideteksi oleh modelnya nih Kita coba jalankan Nah ini nih si data-data ini yangin jadi satu tik itu dia miliki data x YZ masing-masing titik itu memiliki data xyz jadi kan kita udah pakai model hand l ya Di mana model hand remark itu dia udah bisa mendeteksi titik-titik ini nih titik-titik si eh apa jari orang gitu ya sudah bisa gitu akurasinya udah bagus juga nah yang di training itu data ininya makanya tadi di proses trainingnya cepat kan ya karena kita tidak melakukan training gambar kalauelakukan training gambar tuh lamanya minta ampun ya lamanya lama gitu ya belum juga nanti kalau misalkan e pencahayaannya berbeda gitu itu kan juga pengaruh ya kalau ini dataasetnya enggak enggak masalah ada cahaya yang berbeda yang penting kedeteksi aja si si gambar gambar tangannya kedeteksi aja gitu ya nah yang dierining itu nilai nilai ini jadi sebelum diraining gitu ya si gambarnya itu di ini dulu di diubah dulu dikonversi dapatkan nilai ini nih Nah nilai inilah yang akan di yang ditraining ke si media F itu gitu jadi makanya ini disebutnya kita nyebutnya transfer learning Ya jadi tidak menggunakan model sebelumnya gitu ya menggunakan model handk handlinemark ya atau model yang bisa deteksi titik-titik ini sehingga ini akan lebih apa ya akan lebih enak gitu ya akan lebih enak dan kita juga engak sesusah ya misalkan gini aja ya perbandingannya dari yang pakai pas rccn itu manaa nama tadi n gestur pas rccn Nah yang pakai gambar itu ya yang yang gambar doang ya dia klasifikasi gambar itu dia butuh 4.800 gambar tapi akurasinya juga enggak begitu bagus tuh sedangkan pengujian saya gambarnya dikit tapi dapat gitu ya akurasinya bagus karena dia menggunakan e model sebelumnya gitu yang di trining itu adalah titik-titik handline marknya itu si titik-titik ini kan ini setiap titik punya data ya x y z ya Nah itu yang dijadikan di trainingnya gitu ya seperti itu Oh berarti dari titiknya itu mas ya betul dari titiknya ini karena kan sudah dapat titiknya gitu baik Mas Terima kasih Mas Yap sama-sama siap jalan mas fil-nya aman ya Oke siap bisa dilanjutkan nih Git pelan-pelan aja sambil ini saya juga sebetulnya machine learning enggak full ya Ee saya pahamnya di implementasi aja gitu ya Masti sambil belajar statistik dan matematikanya ya karena rumit banget ini kan kalau dirumusin eh rumit banget kita gampang kayak gini karena kita implementasi langsung library ya tapi memang di industri juga pakainya library sih enggak enggak ada yang bikin dari nol ya mau bikin apapun biasanya pakai framewor Oke kita lanjutkan ke mqtt sekarang Nah ini nih untuk mqtt-nya tapi sebelum lanjut silakan eh instal dulu pip instal paho mqtti silakan di ini ya di terminalnya silakan diinstal dulu apa namanya paho mqtt Ya silakan diinstal dulu harusnya enggak lama ya diinstal dulu paho mktt ini untuk library untuk si mqtt-nya silakan diinstal dulu library paho paho mqtt paho mqtt ya ya kalau sudah e kita bikin file baru aja kita tulis apa ya Tes Ya tes mqtt barangkali tes tes mktt.p ya Nah gitu aja sekarang codingnya ada di sini dicopy aja satu-satu sambil saya jelaskan ya Nah yang pertama di sini kita mau import paho mttli ya ini daribr mttnya kita akan import random Ini fungsinya adalah untukli ID ya jadili Id ini biasanya kita bikin random jadi apa ya biar R ya karena kalau sama nanti kemungkinan akan di sama brokernya gitu ya kalau misalkan sama itu makudnya ada ID dengan nama yang S ID yang pertamaali atau yang kedua itu tidak akan diizinkan gitu ya seperti itu bmkt kayak gitu biasanya terus time nanti untuk waktu pengirimannya aja diatur brokernya kita menggunakan broker publ brokerimqx.io portnya di 1883 nah topiknya ini bisa disesuaikan ya ini saya kasih tes topik kasih angka random aja gini ya Nah sementara Kita samain dulu ya Kita samain dulu topiknya jadi mqttu itu ee e kirim dan terima pesannya melalui topik ya Jadi nanti yang mau nerima topiknya harus sama gitu ya yang ngirim juga topiknya harus sama gitu dia ngirim dan terima datanya pakai pakai topik terus selanjutnya adalah fungsi ketika terhubung ke broker nah ini dibikin ya fungsinya nanti akan muncul dan ini saya set kos-nya Nol aja Ya kos itu kualitas pengiriman e datanya kos tuh yang paling cepat ya terus fungsi ketika menerima pesan Nah nanti kalau menerima pesan ada di sini ya muncul nanti Res message message-nya kelihatan topiknya juga kelihatan pesannya dari mana topiknya dari mana gitu ya gitu dan ini sekalian kita nge-subscribe ya ng-subscribe ke topik yang ini berarti ya samain aja dulu ya nanti biar biar kelihatan gitu ya berikutnya sebentar kita copy lagi nah berikutnya di sini kita eh apa namanya inisialisasi mktt-nya ya klien MKT kita conekin kemudian CLI conect ke broker dan ke portnya 60 ini client sessionnya ya untuk can sessionnya e clean session itu e per 60 detik dia akan membuat si mqtt-nya bersih gitu ya istilahnya gitu Jadi gak numpuk kemudian CLI Loop Star nah dijalankan loopnya kemudian di sini kita bikin fungsi publish kita ngirimkan publish kos-nya 0 publish Mage m-nya kita kirimkan gitu ya ini ngirim for in range 5 berarti ngirim eh i-nya nanti titik 5 kali ya Kirim kirim kirim angkanya nanti 5 1 2 3 4 5 1 2 3 4 5 gitu ya Dikirimkan kemudian dipublikasikan datanya terus kita lanjutkan yang terakhir adalah Nah kita nunggu eh 10 detik kemudian baru E stop gitu ya sudah kita coba jalankan untuk melihat Nah kalau berhasil nanti di sini akan muncul tuh connected ya nanti akan ngirim dan akan diterima di tempat yang sama ya sebanyak lima kali 1 2 3 Ah ini kenapa sampai empat ya karena walaupun nulisnya lima kali tapi kan perhitungannya dari 0 ya Jadi ini udah 5 nih 0 5 udah sudahah selesai Setelah 5 Ya udah selesai dia gitu jadi nunggu 10 detik baru dia selesai gitu Kayaknya enggak perlu deh 1 detik juga langsung bisa ini Coba lagi ya oh ya dipublish diterima ya langsung tapi ya ini ya langsung diterima jadi ini ngirim ke ke diri sendiri ya Nah kalau misalkan mau ngecek gimana nih kalau mau ngecek misalkan ini ngirim dari sini mau dikirim ke yang lain gitu ya e salah satunya kalau saya biasanya pakai imkx ya imqx client Nah ini nih e bentar mana mkx kalian nah ini ini saya kirimkan ke Chat Zoom linknya Nah untuk ngecek aja ngecek sebentar eh saya mungkin delete dulu koneksinya ya kita bikin baru kasih nama aja karena kan brokernya sama ya kasih nama aja habis itu udah kekin namanya bebas Nah di sini saya akan coba subscribe ya subscribe ke topik yang ini nah kalau mau bolak-balik berarti kita bedain topik yang ini ya bedain topik yang subcribe ya Yang ini mungkin misalkan ini eh apa ya lampu ya atau apa ya ini mungkin kirim yang ini terima gitu ya Nah berarti yang kirim di sini itu yang diterima di sini gitu G Kenapa eror ya [Musik] Bentar kikin dulu Coba diulangi ada error ni sudah coba confirm sip udah kita coba jalankan Ran Nah harusnya datanya masuk ya tuh berhasil datanya masuk tuh coba diclear dulu ini kok gede banget ini ya diest dulu deh tampilannya jelek entar coba Kin lagi masuk ya Tuh masuk ni Run lagi aja Run lagi aja nanti datanya masuk lagi tuh masuk ya Tuh masuk masuk ya Nah kalau mau nyobain dari sini ke sana berarti pakai topik yang ini nih pakai topik yang ini Eh iya Betulnya ini tapi harus P lagi running ya nah pakai topik terima ini kita ngirim angka 1 2 3 1 ya Coba saya jalankan kita kirim harus cepat nih Klik nah dapat tu ya 1 2 3 1 tuh masuk udah udah bisa bolak-balik kalau mau bolak-balik oke Ada pertanyaan menarik maksudnya R itu apa jadi R ini kayak ya kalau ini fsinya untuk Jadi kalau misalkan kita publish menggunakannya kita aktifkan Pak jadi nanti ketika gini ya m itu real datanya Jadi sebetulnya Kay ginier kan kemudian broker ngirimin ke klien Nah kalau misalkan retainnya engak kita aktifkan gitu ya misalkan retainnya kita bikin false gitu ya si klien ngirim data ke broker kebetulan nih si brokernya lagi si klien yang nerimanya lagi mati si klien yang nerimanya lagi mati ya kebetulan Ya udah kalau rainnya dimatiin si klien ketika si klien nyala gak akan nerima apa-apa tapi kalau misalkan rnya diaktifkan ketika klien ini ngirim data ke broker kebetulan ketika si klien ini ngirim si klien yang ini mati gitu ya Nah gak apa-apa nanti ketika si klien ini nyala dia si broker akan mengirimkan data terakhir yang dikirimkan oleh klien ini itu maksudnya R enak nih kayak contoh misalkan nih e kita nyalain lampu ya E dari website gitu ya atau dari dari aplikasi inilah ya misalkan bisa aja kan e alat kita lagi kondisi gak nyala gitu ya lagi mati lampu misalkan tapi dari aplikasi udah kita nyalain nih Nah gak apa-apa nanti ketika Si ketika Si alatnya nyala lagi kita gak perlu tekan on lagi dari aplikasinya karena si broker akan mengirimkan data terakhir yang dikirimkan oleh kli publishernya gitu ya akan nerima data yang terakhir kalau kita mengaktifkan Rain seperti ituanggih kok canggih bangeten Oke bu Sil tonton sebentar Nah Soalnya kalau dijelasin di sini enggak akan cukup waktunya ya kalau mau sebentar Nah ini nih silakan ini saya coba Kirimkan ke chat ya fil tes mqtt.p bisa di-share boleh ya sebentar nih saya kirimkan Nah itu e buat Mas Hildan saya kirimkan link youtube-nya itu tuh eh pembahasan tentang keamanan infint termasuk di dalamnya ada authentication eh cukup Cup lengkap sih cukup lengkap bahasannya nah ini menjal dunia keamanan dalam penggunaan protokol mtt jadi adatication adaor juga ini 2 jam tuh jadi kalau dijelasin dari sini mungkin gak akan cukup ya kecuali nanti kita ada pertemuan lagi cuman masalahnya ini kan pertemuan terakhir ya nanti ada tahapannya di Cup lengkap implementasi keodingnyaupun implasi ke ininya ada semuanya di situ Siap sama-sama ada di ini ya di YouTube apisa udah sempat kayaknya sebelumnya sempat nih ngadain 2 jam kita ada ada sama bisnit Kalau enggak salah ya dan Kalau enggak salah mulai nginstal dari broker private fungsi clean session untuk nge-clean Mas sesuai namanya clean session Jadi kalau ada session yang numpuk dia diclean broken mqt broker klien yang gratis Bukan trail ada enggak mas eh itu imqx imkx Gratis kan imkx Gratis kok yang publiknya gratis nih gratis Bukan trial kok ini gratis terbuka kan dia publ ini ada error dari Mas siapa ya Nom modul name paho Oh ya diinstal dulu mas mas Abdul Muhi ya diinstal dulu menggunakan perintah pip instal paho mqtt silakan diinstal dulu mqtt-nya VIP instal paho/ mqtt Oke udah ya dari dua arahnya udah bisa sudah Mas tapi masih error [Musik] H bentar kenapa masih error ya E atau coba pakai yang pakai yang ini deh pakai yang error ya Coba P pleas Mas takutnya belum keinstal eh di terminal coba pip l pastiin memang pahonya terinstal ya p nah pastikan si pahonya Emang keinstal nah ini ada kan tuh ya paho 161 terus kemudian habis itu jalankan Python tes mqtt.p nah gitu dicek dulu ya pakai pist baru jalanin Python test mkt.b udah enggak atau masih masih error kalau masih error barangkali kalau mau share screen boleh biar saya bantu di situ tertulis ee mas Masnya pakai Python 312 Ya itu benar enggak ya pakai Python 312 Takutnya salah pilih versi bisa ke sini dulu nih Nah ke sini dulu takutnya yang diinstal di di versi berapa gitu ya yang dijalankan di versi berapa Git bisa aja kan di PS code Soalnya kalau nginstal banyak ada banyak tuh saya Python 312 38 3 sekian takutnya nginstal pahonya di versi berapa yang di Running versi berapa gitu Silakan di ini dulu dicoba dulu kalau masih error kabari ya ya ini saya mau lanjutin oke Sekarang kita akan gabungkan coding ini dengan coding hand gesture yang tadi ya yang tadi ada di main.p ya harusnya Ti main main. pnya hilang ya m Iya main. pnya hilang Oh diganti jadi hand gest ya ini diduplikat dulu paho client error unsupported callback version 2.0 [Musik] oheh kayaknya Masnya nginstal paho yang baru ya Coba dicek di pipl dulu aja mas pipl harusnya pahonya versi 161 kalau mau bisa pip instal paho MQ titik Sama sama 1.6.1 nah gitu takutnya itu nginstal versi yang baru gitu ya takutnya dicek aja pip pleas kodingnya jalan di versi yang lama soal cek aja pip pleas nih pleas harusnya 161 versinya Nah kalau versi du silakan tuh perintahnya udah saya kasih ya perintah untuk downgrade downgrade-nya itu sudah saya kasih di chat silakan dijalankan Mas pip instal paho mqtt sama sama 1.6.1 enter enggak bisa diubah dulu mas tapi gak jalan gak itu error enggak Kalau error berarti silakan dirade dulu Mas dirade dulu silakan pakai perintah pip instal 161 Kalau gak jalan ya kalau jalan ya gak apa-apa takutnya gak jalan kalau enggak jalan silakan mas h Ya silakan dirade perintahnya udah saya kirimkan ke chat ya inst STP mqtd sama sama 1.6.1 takutnya error kalau muncul error berarti memang versinya bermasalah Oke saya copy dulu yang gestur ini saya sudah tidak error ketika sudah Oke berarti memang coding yang saya berikan itu memang versi yang lama ya ya gak apa-apa ya mohon maaf ya kayaknya kalau yang versi du itu harus disesuaikan lagi sama dokumentasinya masih kok masih lancar kok ya masih aman kok referensi soalnya masih banyak referensi di Google tuh masih banyak yang versi satu ya Ini saya bikin main.p sekarang main.p entar successful installed warning your Oh warning itu engak apa-apa mas kalau warning itu warning pipnya itu minta diupgrade ya gak apa-apa Biarin aja yang penting jalan ya kodingnya yang penting codingnya enggak error kalau itu error warning enggak apa-apa bisa diabaikan kalau mau di-upgrade boleh kalau diabaikan juga enggak apa-apa kok Oke saya mau masukin coding mqtt ini ke dalam sini ya ini time tuh kita nanti lihat lagi ya time Kayaknya masih enggak perlu deh terus oke saya mungkin akan bagi coding yang pertama ini adalah coding mqtt ya kemudian yang ini biar enggak bingung ya karena ini bakal panjang codingnya MKT nah gitu nah gitu sip Nah ini semuanya mqtt semuanya ini sampai sini nih Nah gini kita masukkan ke dalam sini yang on message itu perlu enggak perlu ya tapi ya udah kita biarkan dulu aja nah gitu terus selanjutnya paling kita perlu yang stop ya client stop sama client disconnect berarti bisa disimpan setelah Nah di sini berarti sip setelah di windows-nya ditutup Terus yang publish publish ini tadi udah k copy belum ya belum ya publish itu publish tuh harus dikasih parameter dulu tapi ya publish Itu harus dikasih parameter dulu bentar nah pesan yang mau dikirim apa gitu itu harus dimasukin dulu topik topiknya kan udah ya Pesan yang mau dikirim apa Di sini harus dikasih parameter parameter aja pesan gitu ya Terus tinggal ke sini udah gitu aja bisa gak ya gitu ya tapi ini ngirimnya 5 ini aja nih ngambil yang ini aja nih Nah yang ini kita Cut nah udah mau diliip dulu ini boleh ya ini ada nah segini nah nah gini aja biar simpel ya kemudian yang message ini dimasukin ke dalam sini sip topiknya udah m ya harusnya aman ini ya Mage message Udah paling ini kalau enggak terlalu cepat satu satu cukup sih Iya satu cukup ya tapi nanti mungkin agak delay-day gitu ya ya udah enggak apa-apa sudah berikutnya oke udah nah paling kita perlu ngatur dulu ini nih karena gestour nameame ini tuh Ee kalau kalau dikirimkan nanti dia akan ngirim-ngirimngirim terus gitu ya dia akan ngirim-ngirim terus jadi kita perlu bikin if untuk untuk apa ya membatasi ya membatasi pengirimannya aja sih ya untuk membatasi pengirimannya bikin plag aja gampang dua dua biji pakai plag bisa B plag ya plag PL on sama dengan F gitu ya kemudian play off sama dengan false sudahud jadi supaya pengiriman ke device-nya nanti enggak enggak cepat gitu ya enggak Kirim kirim kirim kirim gitu ya tapi cukup satu kali aja oke nah Ini di sini Tinggal bikin logic if gestur name sama dengan on nah on ini harus sama dengan dengan kelasnya ya kelasnya kecil berarti on-nya juga harus kecil gitu Nah di sini kita baru bikin tambahin n ya ini enggak perlu ini sih sebetulnya kita tambahin n n PL on sama dengan fse nah sebelum lanjut di pl on-nya diformat dulu ya PL on sama dengan true nah sekalian kita ngreset yang PL off sama dengan false udah di sini kita tinggal masukin coding yang subscribe tadi Eh publish Maaf publish tadi ada di mana codingnya Nah ini publish message ya topiknya udah ke topik itu ya terus di [Musik] bagian bagian sini publish message masukin ee satu satu aja ya biar nanti masuknya satu on satu gitu udah terus bikin if lagi untuk Yang tapi ini tuh kadang kosong ya Dia itu kalau kosong kita bisa bentar gest off Ini ganti jadi Flag off sama dengan fse FL off nya false Black off-nya true kita kirimkan nilainya nol sip ya off oke ya salah yaak sama satu lagi di kalau plag-nya non kan ada ada gestur non ya Nah kalau gestur non kita e matiin semuanya aja dan enggak perlu ngirim apa-apa sih kita matiin semuanya tapi gak perlu ngirim apa-apa reset ya reset semuanya kadang itu juga kita dapat PL kosong ya entah dari mana tuh kadang aja nih ada bug dikit lah ya dari programnya itu suka ngirim PL kosong nah gitu ya bukan kos gestur kosong N udah diret aja atau ini bisa juga bis gini or ya or t name kosong nah gitu aja biar enggak ini sip harusnya udah ya udah harusnya coba dijalankan dulu Kita lihat Nah sambil kita cek di mqtt kliin connect ya ini coba saya clear dulu datanya clear sip Coba enggak masuk tapi ya Oh Bapak ini Yang ini Entar ininya ya apa inputnya ya saya ganti dulu inputnya jadi satu aja nah gitu ya Coba dijalankan Nah masuk tuh satu ya datanya masuk kok satu karena retain ya dia baru connect tapi dia dapat terima data karena dapat dari retain terakhir datanya Apa itu kanan masuk Oke tunggu Ya tunggu sebentar inih masih Nah baru jalan nah k kirim ya cuman ada delay ada delay delay itu sebenarnya bisa pakai trade ya kalau untuk mengatasi delay nanti bisa pakai trade Oke sementara gitu dulu kita akan coba dulu lanjut ke bagian Berikutnya ini yang ini kita close dulu aja ya nah ini untuk yang Arduino saya enggak masukin ke slide ya karena di link github ini sudah ada rekan-rekan tinggal download aja library-nya termasuk sudah ada contoh codingnya dokumentasinya lengkaplah dokumentasinya lengkap di sini tuh kayak misalkan mau qos ngatur qos Mau ngatur Rain ada ya lengkap di sini gitu Oke kita copy aja yang ini ni coding yang ini kita copy kita masokkan ke Arduino ide silakan sebelumnya Jangan lupa untuk di ee itu dulu ya di di apa tuh namanya ditambahkan dulu si librarynya library kemudian ke menu download dicari Tadi apa Arduino mqtt ya namanya Arduino mqtt uino Arduino mqtt mana mana mana mana mqt Nah ini nih Open Nah kalau misalkan berhasil nanti muncul berhasil ya gitu punya saya eror karenaudah ada ya udah pernah saya tambahin jadi di sini keterangannya library-nya udah udah ada gitu ya sip kita akan Coba ubah dulu ya di sini saya menggunakan ESP 8266 board-nya eh jadi codingnya harus diubah yang ini enggak dipakai kemudian yang ini diganti ya Yang ini diganti jadi is 8266 Wipi jangan lupa board-nya juga diganti dulu ya board-nya diganti saya pakai node MCU versi 1.0 node MCU 1.0 nah udah sip kemudian alat kita mau connect ke yang mana gitu ya Nah ini dimasukin aja di sini saya ada wifi Cosan Ya silakan dimasukkan teman-teman punya router atau punya hotspot alatnya dikonekkan ke situ gitu Ya silakan masukin ee apa tuh namanya nama Wifi dan password-nya ini kita enggak perlu timer ya Yang ini enggak perlu karena kita tidak akan melakukan publish nah ini aja nih yang perlu kita atur Kita masukin topik paling di sini ya string topik subscribe gu ya Nah topik subscribe-nya kita copy ke sini terus kita samakan dengan yang ada di coding Python ya di coding Python tuh publish betul ya di coding Python tuh publish ngirim kalau misalkan di alatnya kan berarti nerima ya Nah gitu Sip nanti koding ini saya share juga ya Nah ini saya simpan dulu oke yang ini kita ganti jadi brokerqx.io ya netnya udah biarkan udah benar yang ini kita enggak perlu sip cukup kayak gini apagi yang kelewat ya k id nih k id ini kita bikin agak unik aja ya nah kalau pakai authentication ini diganti ya nantinya Sip sudah kita coba upload saya Saya kekkan dulu usb-nya USB arduinonya ya Oke sebentar ya Oke kita pilih portnya ya kita report-nya nanti kalau waktunya cukup saya sekalian di simulator juga ya barangkali teman-teman ee mau nyobain di simulator gitu tapi kalau di simulator enggak bisa pakai library mqtt.h ya harus pakai pubs client pakai yang ini Entah kenapa lemot banget ya sudah sudah kita upload ya Nah ini saya coba download saya simpan dulu deh projectnya bentar ya Di mana ya ya di dokumen aja ya di handline nih program Arduino hestur ya terima data gitu aja ya nah sudah kita coba upload ni saya kopas dulu barangkali ada yang mau nyoba barangkali ada yang punya no nah udah saya kirimkan ke chat ya ya nunggunya lumayan lama ya compile-nya kalau Python Tuh kan Python tuh enggak di-compile jadi cepat dia langsung jalan kalau ardrino ya dicompile dia belum lagi kan dia masuk ke alat ya jadi lumayan lama dia ya nah lagi upload Nanti sambil kita lihat hasilnya kalau baca Arduino pakai streaml PMT bisa bisa di arduma kayaknya Saya sudah pernah bahas ya Bisa kok diardek Coba dicek aja pernah bahas tuh streaml pakai mqtt nah ini checking Wipi checking Wipi checking wip-nya ini ya Nah udah udah connect nah ini dari ya dari dia mengirimkan data terakhir satu tuh ya kita coba jalankan si coding python-nya sip kita coba Kirimkan Nah masuk ya satu ya tu masuk nol masuk satu masuk nol Ya tuh masuk ya sip cuman agak delay-day gitu ya Oke sebentar sekarang kita tinggal masukin ininya aja Ini kan kita mau ke relay ya kita bikin ee PIN relay ya PIN relay saya nyambungnya ke PIN D5 ya Nah rekan-rekan mungkin bisa disesuaikan aja di sini saya bikin PIN PIN mode PIN relay sebagai output ya kemudian relay punya saya itu nyala low ya jadi dari awal harus dimatiin dulu digital right PIN relay sama dengan hi sip terus terus apagi ah terakhir tinggal di sini aja digital right PIN relay sama Nah karena pad kita itu kan udah 10 10 ya Nah tinggal masukin ke sini tinggal tulis to INT udah selesai sip Jadi dia akan menyala kan untuk nyalain relay itu bisa pakai ini ya bisa pakai 10 jaditingal masukin ke sini tapi mungkin kalau kalau relay itu di bagian sini harus diubah ya relay itu kan nyala pakai nol kebalik ya mati pakai satu dia jadi di sini kita balikin 0 1 gitu udah saya mungkin sambil ini ya Sambil masang-masang ke relay-nya nih bentar belum belum saya pasang masang-masang ininya ya masang lampunya kameranya mungkin bisa sambil saya tunjukin ya biar rekan-rekan barang Kis mau sambil nyimak kelihatan enggak ya lumain ya saya mau masang ke relay-nya nih masang lampunya ya ini lampunya kita nanti akan potong salah satunya dan potong ini mungkin saya potong yang warna hitam ya Enggak ada enggak ada bedanya sih AC itu enggak ada bedanya tegangannya bolak-balik ya jadi enggak apa-apa yang mana aja enggak ada positif negatifnya bentar Nah sudah ini sudah saya potong Jadi dua ya bentar agak susah nih misah ini nah dipotong jadi dua kayak gini ya tuh kan Nah dua ini kita kupas yang satunya biarkan jangan dipotong ya jadi cuman salah satu kabelnya aja kita potong kemudian kita kupas He ini videonya mungkin di teman-teman agak nglag ya mohon maaf ya karena jaringan internetnya Agak belum diganti nih masih pakai yang bawaan di rumah Soalnya pindahan bentar Oke sekarang kita pasang ke sini nih salah satu kita pasang ke ke normal Open gitu ya kita pasang ke normal Open ya yang ini nih kurang gede euy nah ini normal Open kemudian salah satunya kita pasang ke com ya gitu ya Nah entar saya coba nyari dulu jumper ya buat jumper relaynya nah ini e lampunya coba saya colokin dulu ya Lampunya Saya colok in dulu sebentar saya colokin dulu ke mana colokannya Oh ini colokin dulu ke AC ya ke PLN hati-hati ya ini 220 Volt nah lampunya kita coba ee kameranya berarti kan enggak bisa double ya Coba deh Bisa enggak ya Setahu saya kam merasnya itu enggak bisa double di coba aja bisa ya Oh iya enggak bisa ya udah yang di kamera diclose dulu Nah baru buka lagi nanti saya tunjukin lampunya aja saya tunjukin lampun Oke sebentar Nah ini lampunya coba nyala ya nyala agak lama mungkin di kalau ada delay mati oke agak delay nah nyala mati nyala ya mati gitu gitu aja sih silakan barangkali ada pertanyaan sambil saya coba file-file-nya Saya siapin dulu ya silakan barangkali ada pertanyaan dulu atau ada yang masih bingung boleh sambil saya masuk-masukin file ke ini ya ke ke drive- ni ya ada pertanyaan enggak atau aman Mohon maaf ini di luar topik Oh ya Bentar tuh ada pertanyaan saya pakai esp32 Mas library wip-nya sama dengan ESP 8 sama-sama yang bedanya cuman gini aja saya jelasin sudah bedanya ini aja Mas bedanya Gampang kok Nah ini aja nih kalau ISP 8266 itu ada ISP 8266-nya kalau misalkan ISP 32 dihilangkan ISP 8266 jadi gitu itu aja bedanya di situ aja Mas ESP 32 sama node MCU atau is86 beda di situ aja kalau ESP 8266 ditambahin ESP 8266 kalau ESP 32 Wipi aja gitu gitu kayak gitu mohon maaf di luar topik kira-kira Mengapa orang yang sudah Advance dalam embeded system memakai platomioid timbang Arduino ide eh enggak Advance juga sih ya soalnya teman-teman yang saya tahu pakainya Arduino ide kok bahkan Arduino ide versi 1 kayak Mas Dani Ardianto ya kalau ada yang tahu Mas Dani Ardianto tuh yang punya Raja sel eh beliau pakainya pakainya eh Ino ide terus juga Kang Husni Kang Husni barangkali ada yang tahu Kang Husni ya beliau kerja di PT sergi Project yang dibikin udah bukan main-main Ya udah ngerjain ke implementasi langsung ke kapal ya dan lain sebagainya pakya ardino ide versi 1 saya juga kalau untuk ngajarin pakai ver S Saya kadang pakai platform pakai itu sebetulnya karena pakai PS code ya Jadi kalau di PS code tuh enaknya ngingnya lebih enak Saya pun kalau ngerjain proyek yang memang proyeknya Kompleks ya pakainya plo dengan PS code alasannya adalah karena buat kami yang biasa nging di apa ya buat biasa nging di PS code itu enak pakai PS code gitu ya tapi gakak gak selalu ya kadang kalau yang proeknya simpel di ardid aja kalau yang Kom baru Dio untuk misalkan ngerjain jangka panjang gitu ya jangka panjang tuh ngerjain untuk 1 tahun proyeknya ya PL pakya gitu ya apalagi di pl kan nantinya bisa integrasi ke git ya ke git ke PS code Ya intinya bukan diionya tapi di PS codnya Di kode editornya saya kalau misalkan di di apa PS kan canggih ya Ada bahkan bisaing Pak kan bisaing pakaiilh gampang banget ngingnya ya Enak pakai PL tu enaknya di di situnya sebetulnya termasuk juga si librarynya itu terpisah dia jadi satu library itu satu ini balik lagi kalau proeknya Kompleks biasanya pakainya PL Mio kalau misalkan yang ini tapi gak selalu yang Advance pakai PL Mio ada juga k orang-orang yang mungkin sudah ngulik di apa ya di El lama biasanya masih tetap Pak o ide biasanya yang suka pakai propomio itu kan karena suka PS cod-nya ya Ps cod-nya enak cuman masalahnya PS code itu kalau udah banyak fitur e udah banyak fitur gitu ya dia lemot aja sih kalau komputernya oke ya Ya sudah enggak masalah tapi kalau komputernya apa tuh kentang ya masalah masih jadi pilihan terbaik ya coba aja cari di conttrol alt ya kontrol aldel e cek aja di device manager berat berat banget BS cod-nya itu berat banget dulu Sebenarnya masih bisa pakai atom cuman atom Sekarang udah di ini ya tuh berat banget 460 megb RAM yang kepakainya gede dia gede banget sama kayak e Google Chrome ya Google Chrome juga sama gede Makan memori ya kalau Arduino ide mana ardino ide enggak kelihatan Java sih Nah ini 200 288 setengahnya kan setengahnya memorinya setengahnya gitu sama kayak Arduino versi 2 itu juga berat berat banget dia balik lagi tergantung kebutuhan tergantung spek laptop yang dipunya gitu ya enggak semuanya yang Advance pakai PL kok biasanya yang yang udah terbiasa pakai PS code enak di PS code banyak fitur di pscod gitu ya ya Enak pakai plom miio lobotika termasuk untuk projek-projek Kompleks ya Oh oke sebentar rata-rata mungkin biasanya anak Informatika sih kalau yang di elektro enak-enak enak di software yang biasa dia pakai aja ya Bentar [Musik] ya bentar dve-nya bukan yang ini ya sebentar saya kirimkan dulu ke link drive-nya Ya coding-codingnya sambil nanti habis ini saya mau nunjukin terakhir nih ya sebelum kita tutup mau nunjukin satu lagi e bentar Hand handline handl handl Hand Oh oke dokumen engestor Tadi kan udah ada dataaset ya dataset sudah dimasukin ke sana mungkin saya sekarang juga masukin satu drive aja ya biar gampang ya download-nya nah saya masukin semuanya aja termasuk program arduinoya mana tadi tuh program Arduino tuh Oh ini Eng programar Oke tunggu sebentar ya program Arduino Oh ini Oke program innya saya masukkan juga yang gestur tuh program python-nya ya mroid kayaknya enggak perlu deh saya deh oke oke sama ada satu lagi yang mau saya masukin ya ini engestur penelitian hasil Kembangan ya ni saya bikin folder yang berbeda ya Ini tuh yang ya hand gesture dulu ya gestour handestour Nah ini dia nih saya masukin juga barangkali ada yang mau apa ya nyobain ya ataupun C saya share lagi Ya Nah ada ee saya nambahin lagi di foldernya oh guulang dulu ya Jadi ini hasil penelitian saya kemarin ya Ee silakan kalau mau di coba enggak apa-apa nah ini programnya lebih kompleks ya dia lebih kompleks dibandingkan yang teman-teman EE tadi cobain gitu ya proyeknya sudah saya kembangin silakan mau dikembangin lagi boleh lebih kompleks sih aplikasinya dibandingkan dengan yang tadi gitu Oh iya close du ada yang enggak perlu ee ada yang ada yang ini nih bentarbentar media vap-nya enggak perlu dimasukin sih Ya bentarbentar salah-salah ini ada virtual environment-nya ya ini enggak perlu dimasukin delete koding bermasalah juga k harusnya enggak dimasukin tapi Siapa tahu butuh ya Bentar ya ada yang enggak perlu dimasukin ini dulu pakai virtual environment tapi sebetulnya codingnya sama ya bisa dijalankan di yang itu try again yang program inya udah ya cuma saya masukin ke sini deh cara move ke ini gimana move [Musik] to oheh gest ke sini sudah oke nah udah di sini yang ini saya delete dulu apa ya kebuka ya Oke sebentar ya Oh heror compiling nih Sebentar ya sebelum ditutup ya bagus gak nih ini hasil pengembangan bagus ininya hasilnya ohoke dokumen tadi itu ada di telegram ya eh di download telegram Oke medianya udah hilang ya nah udah nih udah bisa saya masukin nah saya upload nih Kita coba lihat dulu bandingkan dengan yang kita bikin hari ini ya bedanya eh oke Oh masih error udah kita coba upload Lang nah ini ini apa ini nah ini yang main ya Kita coba jalankan agak panjang sih codingnya memang ini ada 200 ya 200 baris ya lebih panjang kodingnya nah ini Hasilnya kayak gini jadi dia punya Splash Screen dulu ya Splash Screen itu lagi nunggu dia muncul kayak gini gitu ya spash screen kalau eror atau apa nanti nanti muncul di situ nah kalau berhasil kayak gini ya Bentar upload-nya masih gagal nah ini tuh dia ada tambahan data ya ada lihat FS dari ininya kemudian ada ee kondisinya ya Nah kalau yang ini tuh klasifikasi jadi klasifikasi ini tuh klasifikasi on off Kalau yang ini itu status dari ee dari nya dari alatnya nah ini kenapa pas saya on kenapa statusnya belum on karena si Alatnya belum connect ya syaratnya belum connect bentar ada error ya Ada error bikin oh ini ya Pas benar ya namanya S ID pas sebentar saya coba dulu Oh ininya di Badul ini dulu pakai USP 32 bikinnya nah mohon ditunggu agak lama nah ini tuh Coba lagi ya kalau enggak bisa mungkin nanti pakai string atau apa ya kenapa bisa error ya Sis ID pass bisa pakai char Bintang sih kalau masih error Nah jadi kalau yang proyek yang ini yang sudahudah saya kembangin itu dia nunggu Feedback ya nunggu feedback dari alatnya ee udah nyala atau belum gitu jadi alat itu ngirimin juga ke sini Jadi dua arah sebetulnya jadi alat nerima perintah ketika udah nyalain dia akan apa ya akan ngirim status ke Python kalau kalau misalkan si alatnya udah nyala gitu ya kayak gitu nah tapi ini status terakhir Nih pasti ee ini ya status terakhir pasti nyala harusnya Oh PIN relay-nya Salah Ini bentar PIN relay-nya harusnya ada lima kita ulangi ya mohon maaf nih ini soalnya coding ESP 3D ESP 32 dulunya nih saya ganti sama ganti pin ya Mas yang pakai ESP 32 eh Masnya yang pakai ESP 32 ganti pin kalau di ESP 32 pin-nya 5 aja kalau DD Gin itu adanya di node MCU ya kalau di node MCU pakainya D D5 gitu ya kayak gitu kalau SP 32 ya PIN 5 aja enggak usah pakai D gitu jpo-nya langsung nah kita lihat masih connecting to WIP ya namanya udah benar sih H sudahudah conect kita coba sambil dilihat serial monitornya dilihat ininya ya Sambil ini lampunya ya Lampunya kita coba hm enggak masuk ya kalau enggak masuk sebentar kemungkinan di topiknya ya Oh iya ininya nih Itu pakai broker broker lainnya kita coba jalanin lagi beda broker ya n nah ini saya pakai Splash Screen ya Jadi kalau lagi nunggu dia ada tampilan gitu ya Splash Screen ya kalau not responding nah bar ya coba nah nyala nah ini tuh kalau enggak salah udah ada trading ya jadi pengiriman tuh enggak ngeganggu pergerakan ya tuh Nah di sini juga ada ee waktu ya 0,95 itu berapa lama dia mulai dari deteksi tangan sampai ke dia datanya diterima lagi gitu tuh ada 63% ini adalah ee akurasi dari klasifikasinya ya udah lumayan ini udah bagus kayak gitu Silakan di apa ya diamankan Ya codingnya udah saya kirimkan ke ini ya semuanya Ya sudahah saya kirimkan ya tinggal nanti mungkin terakhir rekaman ya rekan-rekan yang belum keren Mas itu training epnya sampai berapa lama sama kok modelnya pakai model yang sama kok di segituan Enggak Enggak diubah-ubah yang bikin cepat programnya sih bukan bukan modelnya modelnya sama aja yang bikin cepat itu dia punya ini nih pakai pakai trading ya harusnya ya tapi di sini enggak kelihatan tradingnya pakai trading apa enggak ya Oh enggak dia tuh engak pakai pakai slip ya lupa enggak pakai trading tapi enggak pakai slip dia gitu Kayaknya yang tadi juga bisa sih dipercepat Ya slipnya dimatiin aja enggak pakai slip enggak ada timer dia kalau yang tadi tuh kemungkinan karena slip ya gitu k udah di sini semua ya entar ininya coba saya update dulu ya yang main dopinnya rokernya beda soalnyaace sip oke Ada pertanyaan silakan rekan-rekan sebelum kita tutup untuk pertemuan ee terakhir ya untuk pertemuan terakhir di pelatihan ini barangkali mau ada pertanyaan dulu dipersilakan nih Nanti kalau mau butuh slide-nya linknya udah saya kirimkan ya ini barangkali butuh pdf-nya saya coba share ke sini Oh library ya library mktt-nya ya belum ya Eh nah ini kita rename dulu Nah mas sat Pino Sat hari Ang kem apa juga dikirim udah udah dikirim juga ada di itu ada di apa di grup ya semua file jadikan satu GR drive aja Udah ya per Project ya Eh Project yang hand gestour ini ada semuanya proyek yang handline yang kemarin ada juga gitu ya jadi biar enggak bingung ada yang untuk untuk proyek yang angklung ada yang untuk proyek yang Lampu ini ya jadi dipisahin drive-nya udah nanti saya ee kalau d-nya yang tadi ya yang tadi saya kirim ada satu lagi nanti saya simpan di ini aja ya biar gampang ya disimpan di satu pertemuan satu pertemuan gitu ya nanti saya coba susunlah biar enak yang arduinonya yang angklung y Iya angklung belum Ya nanti Ya nanti kabari aja di ini di grup Nanti saya kirimkan belum saya kumpulin si file-file-nya yang program ardeno yang robot angklungnya ya Yang yang lengkapnya belum memang belum Nanti saya segera Segera saya update ke drive-nya ya nanti dikabari di grup Oke paling itu ee rekan-rekan semuanya Terima kasih yang sudah mengikutin dari awal sampai akhir ya kegiatan ini nih Mohon maaf saya ada kendala jaringan juga di sini Kalau mungkin videonya kurang begitu lancar gitu ya ya atau suaranya agak kurang pas lah gitu ya Oke untuk grupnya tidak akan di hapus atau tidak akan dibubarkan jadi nanti kalau rekan-rekan baru bisa praktik di Kapan hari gitu ya enggak apa-apa Tinggal dilihat lagi aja rekamannya diownload lagi file sour cod-nya kalau ada kendala silakan boleh di eh diskusi di grup wa-nya ya seperti itu oke sekian terima kasih asalamualaikum warahmatullahi wabarakatuh selamat malam semuanya Waalaikumsalam warahmatullah wabarakatuh Terima kasih Mas Terima kasih juga