Perancangan Aplikasi Pengenalan Tata Surya dengan Augmented Reality Marker Based
PDF

Keywords

Augmented Reality
Marker Based
Tata Surya
Android
FAST (Features from Accelerated Segment Test) Corner Detection (FCD)

How to Cite

Felisa, J., Stefani, K., Sukhoco, A. Y., Lanvino, F., & Glorian, L. (2024). Perancangan Aplikasi Pengenalan Tata Surya dengan Augmented Reality Marker Based. Media Informatika, 22(3), 171–190. https://doi.org/10.37595/mediainfo.v22i3.211

Abstract

Proses belajar mengajar dapat dimaksimalkan dengan menyediakan media pembelajaran yang memadai. Berkembangnya teknologi pada zaman sekarang ini dapat membantu menyediakan media pembelajaran. Salah satunya dengan memanfaatkan teknologi Augmented Reality. Augmented Reality adalah teknologi yang dapat memberikan kesan virtual di dunia nyata yang dapat divisualisasikan dalam bentuk objek 3D, contohnya seperti tata surya.

Perancangan aplikasi Augmented Reality ini menggunakan metode marker based. Marker based merupakan salah satu metode dari Augmented Reality yang membutuhkan penanda (marker) untuk dapat menampilkan objek 3D. Algoritma yang digunakan adalah FAST (Features from Accelerated Segment Test) Corner Detection (FCD) dimana cara kerjanya adalah dengan mendeteksi ujung sudut gambar dari marker untuk mengenali gambar tersebut kemudian objek 3D akan ditampilkan sesuai dengan yang telah di input dalam aplikasi. Metodologi yang digunakan dalam penelitian ini adalah metodologi berorientasi objek dengan membuat beberapa diagram UML (Undified Modelling Language) untuk menguraikan cara kerja dalam aplikasi ini, yaitu dengan menggunakan Use Case Diagram, Class Diagram, dan Activity Diagram.  Hasil dari penelitian ini adalah aplikasi tersebut dapat digunakan pada perangkat Android, dan jarak scan marker bergantung pada spesifikasi kamera perangkat yang digunakan.

https://doi.org/10.37595/mediainfo.v22i3.211
PDF
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Copyright (c) 2024 Jenisa Felisa, Kezia Stefani, Andre Yonathan Sukhoco, Ferdinand Lanvino, Laurent Glorian