Image Recognition Alfabet Bahasa Isyarat Indonesia (Bisindo) Menggunakan Metode Convolutional Neural Network
Abstract
Penelitian ini menerapkan teknologi Machine Learning tepatnya dengan menggunakan
algoritme Convolutional Neural Network dalam pengenalan dan klasifikasi alfabet Bahasa
Isyarat Indonesia (BISINDO). Tiap negara memiliki bahasa isyaratnya masing-masing dan di
Indonesia sendiri terdapat dua jenis bahasa isyarat yaitu BISINDO dan SIBI. Alasan memilih
BISINDO sebagai objek penelitian ini karena lebih sering digunakan oleh penyandang
tunawicara dan tunarungu dalam berkomunikasi sehari-hari. Diperkuat dengan fakta bahwa
penyandang tunawicara dan tunarungu sangat mengandalkan bahasa isyarat untuk
berkomunikasi, tetapi tidak banyak orang normal yang mampu menguasai bahasa isyarat, maka
penelitian ini mengarah kepada meningkatkan aksesibilitas penyandang tunawicara dan
tunarungu dalam berkomunikasi dengan bantuan teknologi yang sudah mumpuni saat ini, yaitu
dengan menggunakan aplikasi smartphone untuk mengenali bahasa isyarat supaya pengenalan
bahasa isyarat bisa dilakukan di manapun. Kecepatan dan keringanan komputasi juga menjadi
pertimbangan penting dalam penelitian ini dengan maksud untuk mendapatkan hasil yang
cukup baik dengan waktu komputasi secepat mungkin. Berdasarkan hasil penelitian yang
dilakukan, dengan 100 epoch pelatihan model diselesaikan dengan menghasilkan akurasi
training sebesar 98.94% dan akurasi validation sebesar 99.38%. Model juga mampu
memberikan hasil yang cukup baik pada perangkat smartphone berbasis Android dengan
akurasi kumulatif tertingginya mencapai 88.46% dan waktu pendeteksian citra selama 24
millisecond sekaligus membuktikan bahwa model yang dilatih cukup ringan untuk melakukan
klasifikasi pada perangkat smartphone secara realtime. Ditambah lagi model juga sudah
mampu untuk mengklasifikasikan data video.
Collections
- Informatics Engineering [2177]