UNRAMUNRAM
Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )Komunikasi antara penyandang tunarungu dan masyarakat umum di Indonesia masih terbatas akibat rendahnya pemahaman terhadap Sistem Bahasa Isyarat Indonesia (SIBI) yang secara resmi diakui oleh pemerintah. Penelitian ini bertujuan untuk mengevaluasi performa tiga model deteksi objek berbasis deep learning MobileNetV2-SSD, MobileNetV2-RetinaNet, dan YOLOv11 dalam mendeteksi bahasa isyarat SIBI, serta merekomendasikan model terbaik untuk implementasi di perangkat Android. Sistem dirancang dengan fokus pada efisiensi agar dapat digunakan secara optimal di perangkat mobile. Hasil evaluasi menunjukkan bahwa MobileNetV2-SSD memberikan performa terbaik dengan mean Average Precision (mAP) sebesar 99,7% dan kecepatan 9 frame per second (FPS). YOLOv11 memperoleh mAP sebesar 89,8% dan 5 FPS, meskipun mengalami fluktuasi pada validation loss. Sementara itu, MobileNetV2-RetinaNet awalnya mencatat mAP sebesar 38,8%, namun meningkat hingga 87,69% pada rasio dataset 70:15:15. Meskipun akurasinya membaik, model ini tetap kurang ideal karena kecepatan inferensi hanya mencapai 2 FPS. Penelitian ini diharapkan dapat menjadi kontribusi awal dalam pengembangan teknologi penerjemah bahasa isyarat yang inklusif dan efisien, guna meningkatkan aksesibilitas komunikasi bagi penyandang tunarungu di Indonesia.
Hasil evaluasi terhadap tiga model deteksi objek yang dilatih dapat disimpulkan MobileNetV2-SSD menunjukkan performa terbaik dengan mAP sebesar 99,70%, kecepatan 9 FPS, dan ukuran model yang ringan.YOLOv11 berada di posisi kedua dengan mAP 89,80% dan kecepatan 5 FPS, meskipun menunjukkan sedikit overfitting selama pelatihan.Sementara itu, MobileNetV2-RetinaNet pada awalnya menunjukkan hasil rendah (mAP 38,8%), namun mengalami peningkatan signifikan hingga 87,69% pada rasio dataset terbaik (70.Meskipun akurasinya meningkat, kecepatan inferensinya tetap rendah (2 FPS) akibat kompleksitas model yang tinggi.Berdasarkan hasil keseluruhan, MobileNetV2-SSD merupakan model yang paling sesuai untuk implementasi sistem penerjemahan bahasa isyarat SIBI di perangkat Android secara real-time.Kombinasi antara akurasi tinggi, kecepatan deteksi stabil, dan efisiensi model menjadikannya ideal untuk perangkat dengan keterbatasan sumber daya.YOLOv11 masih berpotensi dikembangkan lebih lanjut, terutama dengan optimalisasi untuk mengurangi overfitting.Sementara itu, MobileNetV2-RetinaNet kurang direkomendasikan untuk skenario real-time karena keterbatasannya dalam efisiensi meskipun akurasi dapat ditingkatkan dengan rasio data pelatihan tertentu.
Berdasarkan hasil penelitian, disarankan untuk melakukan eksplorasi lebih mendalam terhadap pengaruh rasio pembagian dataset terhadap performa model. Penelitian lanjutan dapat diarahkan untuk mengembangkan sistem yang mampu mengenali gestur kontinu atau dinamis, yang lebih representatif terhadap penggunaan bahasa isyarat dalam situasi nyata. Selain itu, perlu ditingkatkan penerapan teknik regularisasi, augmentasi data, dan jumlah data untuk mengatasi overfitting pada beberapa model. Dengan demikian, sistem deteksi bahasa isyarat SIBI dapat ditingkatkan kualitasnya dan menjadi lebih akurat serta efisien dalam penerjemahan bahasa isyarat secara real-time.
| File size | 486.46 KB |
| Pages | 9 |
| DMCA | Report |
Related /
INSURIPONOROGOINSURIPONOROGO Penguasaan bahasa pada anak merupakan proses yang panjang, dimulai dari belum mampu berbahasa hingga fasih. Proses ini diawali dengan pengenalan bahasaPenguasaan bahasa pada anak merupakan proses yang panjang, dimulai dari belum mampu berbahasa hingga fasih. Proses ini diawali dengan pengenalan bahasa
UNRAMUNRAM Kondisi ini menjadikan permasalahan misinformasi bersifat multibahasa. Penelitian ini mengembangkan sistem deteksi berita palsu dua bahasa (Indonesia danKondisi ini menjadikan permasalahan misinformasi bersifat multibahasa. Penelitian ini mengembangkan sistem deteksi berita palsu dua bahasa (Indonesia dan
UNRAMUNRAM Hasil uji fungsionalitas (Blackbox Testing) menunjukkan bahwa 16 fitur aplikasi berfungsi dengan baik. Hasil validasi ahli media dan ahli materi masing-masingHasil uji fungsionalitas (Blackbox Testing) menunjukkan bahwa 16 fitur aplikasi berfungsi dengan baik. Hasil validasi ahli media dan ahli materi masing-masing
UNRAMUNRAM Peluang penggunaan AI di bidang kesehatan dapat diwujudkan melalui pengembangan mesin diagnosis pneumonia. Tantangan seperti gejala awal yang tidak spesifik,Peluang penggunaan AI di bidang kesehatan dapat diwujudkan melalui pengembangan mesin diagnosis pneumonia. Tantangan seperti gejala awal yang tidak spesifik,
UNJAYAUNJAYA Anemia pada anak usia 0–59 bulan merupakan masalah kesehatan yang serius dengan dampak jangka panjang terhadap pertumbuhan dan perkembangan. PenelitianAnemia pada anak usia 0–59 bulan merupakan masalah kesehatan yang serius dengan dampak jangka panjang terhadap pertumbuhan dan perkembangan. Penelitian
UNRAMUNRAM Proses transliterasi menerapkan 1704 aturan berbasis aturan untuk mengakomodasi seluruh kaidah penulisan. Pengujian dilakukan pada tiga sumber data: papanProses transliterasi menerapkan 1704 aturan berbasis aturan untuk mengakomodasi seluruh kaidah penulisan. Pengujian dilakukan pada tiga sumber data: papan
UNRAMUNRAM Di ruang tunggu apotek rumah sakit, sering terjadi antrean yang panjang. Hal ini tidak efisien karena memakan banyak waktu atau mengganggu aktivitas lainnyaDi ruang tunggu apotek rumah sakit, sering terjadi antrean yang panjang. Hal ini tidak efisien karena memakan banyak waktu atau mengganggu aktivitas lainnya
UNRAMUNRAM Penelitian ini menghasilkan model deteksi SMS spam berbahasa Indonesia yang cukup baik dengan akurasi 97% menggunakan metode TF-IDF dan SGD Classifier.Penelitian ini menghasilkan model deteksi SMS spam berbahasa Indonesia yang cukup baik dengan akurasi 97% menggunakan metode TF-IDF dan SGD Classifier.
Useful /
UNJAYAUNJAYA CNN mampu mencapai akurasi yang lebih tinggi, yaitu 98.17%, dengan kemampuan yang lebih baik dalam menangkap fitur visual kompleks pada gambar.meskipunCNN mampu mencapai akurasi yang lebih tinggi, yaitu 98.17%, dengan kemampuan yang lebih baik dalam menangkap fitur visual kompleks pada gambar.meskipun
UNJAYAUNJAYA CNN juga lebih efisien dalam waktu pelatihan. Keunggulan CNN terletak pada kemampuannya mengekstraksi fitur spasial melalui lapisan konvolusi, sedangkanCNN juga lebih efisien dalam waktu pelatihan. Keunggulan CNN terletak pada kemampuannya mengekstraksi fitur spasial melalui lapisan konvolusi, sedangkan
STKIP JBSTKIP JB Program Kemitraan Masyarakat ini bertujuan memberikan pelatihan kepada guru tentang ecopreneurship education melalui pembuatan media pembelajaran denganProgram Kemitraan Masyarakat ini bertujuan memberikan pelatihan kepada guru tentang ecopreneurship education melalui pembuatan media pembelajaran dengan
UMNUUMNU Limbah merupakan salah satu permasalahan yang belum terpecahkan. Limbah yang berasal dari hewan ternak menjadi salah satu permasalahan yang dihadapi olehLimbah merupakan salah satu permasalahan yang belum terpecahkan. Limbah yang berasal dari hewan ternak menjadi salah satu permasalahan yang dihadapi oleh