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.