DETEKSI HURUF VOKAL BAHASA ISYARAT INDONESIA (BISINDO) MENGGUNAKAN CNN ARSITEKTUR MOBILENETV2
Keywords:
Sistem Deteksi, Bahasa Isyarat, Machine Learning, Deep Learning, CNNAbstract
Penelitian ini bertujuan untuk mendeteksi huruf vokal pada Bahasa Isyarat Indonesia (BISINDO) dengan memanfaatkan metode Convolutional Neural Network (CNN) menggunakan arsitektur MobileNetV2 dan EfficientNet sebagai ekstraktor fitur. Penelitian difokuskan pada lima huruf vokal, yaitu A, I, U, E, dan O, karena jumlah kelas yang lebih sedikit dinilai dapat membantu model dalam mempelajari pola dengan lebih baik. Data yang digunakan berupa gambar tangan yang diperoleh dari berbagai sumber, kemudian diproses melalui augmentasi untuk menambah variasi data. Selanjutnya, data dibagi secara stratified menjadi data pelatihan, validasi, dan pengujian dalam dua skenario pembagian. Model dibangun menggunakan lapisan Dense dengan fungsi aktivasi ReLU dan Softmax. Penelitian ini juga melakukan perbandingan performa antara arsitektur MobileNetV2 dan EfficientNet berdasarkan nilai accuracy, loss, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa MobileNetV2 memiliki performa yang lebih baik dibandingkan EfficientNet dalam mengenali huruf vokal BISINDO dengan tingkat akurasi yang lebih tinggi. Penelitian ini diharapkan dapat menjadi dasar pengembangan teknologi pendeteksi bahasa isyarat yang mendukung komunikasi antara penyandang tunarungu dan masyarakat umum.
References
F. T. and S. M. , "Teknologi Sebagai Kegiatan Manusia Dalam Era Modern Kehidupan Masyarakat," Jurnal Teknologi dan Sistem Informasi , pp. 66-67, 2024.
A. Ahmad, "PERKEMBANGAN TEKNOLOGI KOMUNIKASI DAN INFORMASI: AKAR REVOLUSI DAN BERBAGAI STANDARNYA," Perkembangan Teknologi Komunikasi Dan Informasi , vol. 13, pp. 137-149, 2012.
I. G. A. S. R. Y. W. and S. K. J. , "Peran Komunikasi Efektif dalam Kehidupan Sehari-hari," Jurnal Ilmu Komunikasi, vol. 4, pp. 1508-1517, 2025.
E. N. Inah, "PERANAN KOMUNIKASI DALAM PENDIDIKAN," Jurnal Al-Ta’dib , vol. 6, pp. 176 - 188, 2013.
D. A. S. V. D. T. and H. , "Bahasa Isyarat Indonesia," Jurnal Medical Profession, vol. 4, no. Vol. 4 No. 1 (2022): Februari 2022, pp. 8-14, 2022.
J. Murray, "70 million deaf people. 200+ sign languages.," 2018.
N. M. and H. , "IMPLEMENTASI BISINDO DALAM BERKOMUNIKASI PADA SESAMA ANAK TUNARUNGU," Jurnal UNM, pp. 1-10, 2022.
R. A. Mursita, "RESPON TUNARUNGU TERHADAP PENGGUNAAN SISTEM BAHASA ISYARAT INDONESA (SIBI) DAN BAHASA ISYARAT INDONESIA (BISINDO) DALAM KOMUNIKASI," Jurnal Of Disability Studies, vol. 2, no. Vol. 2 No. 2 (2015), pp. 221-232, 2015.
O. D. N. D. E. and M. H. T. , "SISTEM ISYARAT BAHASAINDONESIA(SIBI) METODECONVOLUTIONALNEURAL NETWORKSEQUENTIAL SECARA REAL TIME," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 9, pp. 819-828, 2022.
F. F. M. and N. R. , "Klasifikasi Citra Buah Menggunakan Convolutional Neural Network," Journal of Informatics and Computer Science, vol. Volume 01 Nomor 02, pp. 104-108, 2019.
P. A. N. I. F. and R. A. , "IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ( CNN ) PADA EKSPRESI MANUSIA," JURNAL ALGOR, vol. VOL.2NO.1, no. Vol. 2 No. 1 (2020): Data And System, pp. 12-21, 2020.
I. W. S. E. A. Y. W. and R. S. , "Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) pada Caltech 101," JURNAL TEKNIK ITS, Vols. Vol. 5, No. 1, no. 2337-3539, pp. 65-69, 2016.
A. R. P. . M. P. and S. R. , "Application of Deep Learning for Object Detection," Procedia Computer Science, vol. 132, pp. 1706-1717, 2018.
M. S. A. H. M. Z. A. Z. and L.-C. C. , "MobileNetV2: Inverted Residuals and Linear Bottlenecks," Arxiv Computer Vision and Pattern Recognition, pp. 1-14, 2018.
A. A. and A. V. H. , "Review of deep learning: Convolutional Neural NetworkAlgorithm.," Babylonian Journal of Machine Learning, no. 3006–5429, pp. 19-25, 2023.
