Gerakan tubuh adalah salah satu cara komunikasi dalam kehidupan sehari-hari. Menurut para ahli, 70% komunikasi manusia dilakukan dengan gesture atau gerakan. Dengan perkembangan teknologi saat ini, gerakan tidak hanya digunakan untuk komunikasi secara non-verbal, namun sudah dikembangkan menjadi berbagai jenis teknologi baru seperti Game berbasis Virtual Reality dan media pembelajaran. pengenalan gerakan bertujuan untuk sistem kendali elektronika dengan menggunakan sensor depth kinect dan skeleton tracking yang terdapat pada mesin Unity3D. Proses tersebut dimulai dengan pendeteksian skeleton dari user melalui kinect. Selanjutnya diolah oleh mesin Unity3D kemudian diklasifikasi menggunakan Hidden Markov Model. Setelah proses klasifikasi berhasil, selanjutnya hasil gerakan diintegrasikan dengan mikrokontroler arduino dan relay untuk proses indikasi output berupa mati dan hidup perangkat elektronika/ lampu. Dari percobaan yang dilakukan, metode HMM sangat membantu proses identifikasi gerakan dengan akurasi sebesar 95.31%, sedangkan pengaruh kinect terhadap intensitas cahaya sebesar 83.79 %, dan pengaruh kondisi penghalang mendapat akurasi sebesar 97.22% terakhir adalah kondisi fisik user sebesar 98%.

Body movement is one way of communication in everyday life. According to experts, 70% of human communication is done with a gesture or movement. With the development of today's technology, the movement is not only used for non-verbal communication, but has been developed into different types of new technologies such as Virtual Reality and Game-based learning media. In this research, Gesture Recognition aimed at using the electronic control system of sensor depth and kinect skeleton tracking the Unity3D engine. The process begins with the detection of skeleton from the user by the kinect. Next, it will be processed by Unity3D engine then classified using Hidden Markov models. When the process is successful, the subsequent classification of gesture results will be integrated with arduino and microcontroller relay output indication for the process which showed by turn off or turn on of electronics / lights. From experiments conducted, methods of HMM very helpful to identify process of gesture with the accuracy of 95.31%, while the influence of kinect against a light intensity of 83.79%, and influence the condition of barrier got the accuracy of 97.22% last is the physical condition of the user of 98%