Tino Israldi and Elin Haerani, - and Suwanto Sanjaya, - and Fadhilah Syafria, - (2022) Klasifikasi American Sign Language Menggunakan Convolutional Neural Network. Building of Informatics, Technology and Science (BITS), 4 (3). pp. 1376-1385. ISSN 2685-3310

Preview

Text Jurnal Nas Terakreditasi (v).pdf Download (749kB) | Preview

Abstract

Komunikasi menjadi sebuah kebutuhan dari semua kalangan ataupun individu dikarenakan tiap manusia harus berkomunikasi dengan sekitar. Komunikasi mampu membuat kita mendapatkan banyak informasi kemudian bisa menjadi acuan dalam beradaptasi. Bahasa verbal yang digunakan dengan cara berbicara dengan mengeluar suara merupakan cara komunikasi individu, tetapi tidak semua individu bisa melakukan komunikasi dengan hal itu, terlebih ada beberapa individu yang memiliki kekurangan ketika mendengar. Karena kekurangan itu maka ada cara lain yang dapat digunakan yaitu melalui bahasa isyarat. Bahasa Isyarat yaitu bahasa yang biasanya dipergunakan oleh beberapa orang dengan keterbatasan dalam hal mendengar ataupun berbicara dan bahasa isyarat juga mempunyai standar, standar bahasa isyarat yang lumayan terkenal yaitu standar American Sign Language (ASL). Berbeda dengan bahasa yang umum digunakan, bahasa isyarat juga kerap kali kurang diketahui oleh kebanyakan orang dikarenakan minat kebanyakan orang dengan bahasa isyarat masih kurang banyak sehingga kebanyakan orang tak mampu memahami bahasa mereka. Bahasa isyarat memiliki jenis yang banyak, contohnya yaitu bahasa isyarat ASL dengan jari yang merangkaikan angka dan huruf. Dalam mengatasi permasalahan tersebut, jadi solusinya adalah dengan membuat suatu sistem yang dapat mengenali bahasa isyarat, sistem yang dikembangkan merupakan sistem yang memanfaatkan teknologi machine learning. Penelitian ini akan mengusulkan pendekatan klasifikasi ASL melalui proses preprocessing data dan model convolutional neural network. Model yang diusulkan dapat mengklasifikasikan gambar postur tangan ASL untuk dapat diterjemahkan menjadi alfabet. Hasil penelitian ini adalah nilai akurasi sebesar 99,8% yang didapatkan dari penggabungan proses preprocessing data dan model convolutional neural network.

Actions (login required)

View Item