PENGENALAN ALFABET SISTEM ISYARAT BAHASA INDONESIA (SIBI) MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

• INDRA JIWANA THIRA
• 14002257

---

ABSTRAK

Tuli berada di urutan keempat dalam daftar penyandang disabilitas di indonesia sebesar 7,03%. Penyandang tuli berkomunikasi menggunakan bahasa isyarat baik saat berkomunikasi dengan sesama penyandang tuli maupun dengan orang normal. Permasalahan yang muncul adalah sedikit orang normal yang menguasai bahasa isyarat, khusunya sistem isyarat bahasa indonesia sehingga menjadi kendala saat harus berkomunikasi dengan penyandang tuli. Penelitian ini bertujuan untuk melakukan klasifikasi alfabet pada SIBI kecuali huruf J dan Z dengan total 24 kelas. Klasifikasi dilakukan dengan membandingkan tiga arsitektur CNN yaitu MobileNetV2, MobileNetV3Small dan MObileNetv3Large untuk mendapatkan model yang paling baik. Hasil penelitian menunjukan arsitektur MObileNetV3Small menghasilkan model paling baik pada batchsize 32 dan jumlah epoch 30 dengan akurasi pada pengujian data testing sebesar 98,81%
Kata Kunci : Bahasa Isyarat, CNN, Klasifikasi, MobileNetV2, MobilenetV3, SIBI

KATA KUNCI

Image processing,Convolutional Neural Network,Klasifikasi

---

DAFTAR PUSTAKA

A.Harpini "Infodatin tunarungu" 2019
T.Handhika "Gesture recognition for indonesian sign language(BISINDO)" 2018
A.R Syulistyo "SIBI Translation using convolutional neural network" 2020
R.Ridwang "Pengelana Bahsa Isyarat Indonesia menggunakan leap motion controller dan algoritma data mining naive bayes" 2017
C.V Angkoso "Pengenalan Abjadi Sistem Isyarat Bahasa Indonesia berbasis kamera depth" 2018
H. Singh "Practical Machine learning and image processing" 2019
C.C Aggarwal " Neural Networks and deep learning" 2018
S. Avalos " Convolutional neural networks architecture a tutorial" 2019