IMPLEMENTASI DEEP LEARNING DALAM PENGENALAN SISTEM ISYARAT BAHASA INDONESIA (SIBI) MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Sari

Abstrak –Bahasa isyarat merupakan teknik komunikasi non verbal yang dilakukan oleh penyandang tunarungu atau tunawicara. Saat ini, penggunaan bahasa isyarat masih terbatas akibat kurangnya pengetahuan dan edukasi mengenai Sistem Isyarat Bahasa Indonesia (SIBI). Keterbatasan inilah yang masih menjadi sebuah masalah bagi penyandang tunarungu atau tunawicara dalam berkomunikasi. Untuk mengatasi masalah ini, pada penelitian ini dibuat suatu sistem yang dapat mempermudah proses pengenalan alfabet Sistem Bahasa Isyarat Indonesia (SIBI) menggunakan metode Convolutional Neural Network (CNN). Pada penelitian menggunakan alfabet SIBI, yang terdiri dari 24 kelas dengan pengecualian huruf J dan Z. Metode Convolutional Neural Network (CNN) diterapkan untuk pembelajaran fitur citra dan klasifikasi isyarat tangan. Pengujian dilakukan pada jarak tangan ke kamera yang bervariasi antara 25 hingga 150 cm. Hasil penelitian menunjukkan bahwa dengan menggunakan metode CNN, akurasi dan sensitivitas yang diperoleh adalah 95% pada jarak 25 cm, 98,33% pada jarak 50 cm, 85,83% pada jarak 100 cm, dan 83,33% pada jarak 150 cm.