Publisher

USNIUSNI

Journal JURNAL SATYA INFORMATIKAJURNAL SATYA INFORMATIKA Abstract

Bahasa isyarat merupakan salah satu bentuk komunikasi visual yang digunakan oleh penyandang tunarungu dan tunawicara. Namun, masih banyak masyarakat umum yang belum memahami bahasa isyarat, sehingga menghambat komunikasi antara penyandang disabilitas dengan lingkungan sekitarnya. Penelitian ini bertujuan untuk mengembangkan sebuah sistem penerjemah huruf alfabet Bahasa Isyarat Indonesia (BISINDO) secara real-time berbasis aplikasi Android. Sistem ini memanfaatkan model Convolutional Neural Network (CNN) menggunakan arsitektur MobileNetV2 yang telah dilatih untuk mengenali 26 kelas huruf alfabet berdasarkan citra tangan berukuran 128x128 piksel dalam format RGB. Dataset dikumpulkan dan diproses melalui tahap augmentasi dan pembagian menjadi data pelatihan, validasi, pengujian, dan evaluasi. Model dilatih dengan metode transfer learning dan fine-tuning, serta dikonversi ke format TensorFlow Lite (.tflite) untuk implementasi di perangkat Android. Hasil evaluasi menunjukkan bahwa model memiliki akurasi rata-rata sebesar 93% pada data evaluasi. Pengujian aplikasi Android juga menunjukkan kinerja real-time yang baik dalam mengenali isyarat tangan. Dengan adanya aplikasi ini, diharapkan dapat membantu menjembatani komunikasi antara penyandang disabilitas dengan masyarakat umum melalui teknologi yang praktis dan mudah diakses.

Conclusion

Hasil penelitian menunjukkan bahwa penerapan CNN dengan arsitektur MobileNetV2 efektif untuk pengenalan huruf alfabet Bahasa Isyarat Indonesia secara real-time pada perangkat Android.Model yang dikembangkan mencapai performa akurasi tinggi dengan efisiensi komputasi yang baik setelah dikonversi ke TensorFlow Lite.Integrasi model ke dalam aplikasi Android membuktikan bahwa sistem yang diusulkan berpotensi menjadi solusi praktis dan aplikatif dalam menjembatani komunikasi antara penyandang tunarungu dan masyarakat umum.

Future Research

Penelitian ini telah berhasil membuktikan efektivitas Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 dalam pengenalan huruf Bahasa Isyarat Indonesia (BISINDO) secara real-time pada perangkat Android, membuka jalan bagi teknologi komunikasi inklusif. Untuk lebih menyempurnakan dan memperluas manfaatnya, beberapa arah penelitian lanjutan dapat dipertimbangkan. Pertama, mengingat tantangan misklasifikasi pada huruf dengan bentuk tangan yang mirip (seperti I, J, dan Y), penelitian selanjutnya dapat fokus pada pengembangan teknik pengumpulan data dan augmentasi yang lebih canggih. Ini bisa mencakup eksplorasi dataset yang lebih luas dengan variasi kondisi lingkungan terkontrol, atau pemrosesan citra yang lebih mutakhir untuk menonjolkan fitur pembeda halus, sehingga meminimalkan kesalahan pengenalan tersebut. Kedua, karena sistem saat ini hanya mengenali 26 huruf alfabet, perluasan cakupan pengenalan ke angka, kata-kata dasar, atau frasa umum dalam BISINDO akan sangat meningkatkan fungsionalitas aplikasi. Studi dapat meneliti bagaimana arsitektur model dapat diadaptasi atau diperluas untuk memproses bahasa isyarat yang lebih kaya tanpa mengurangi efisiensi pada perangkat bergerak. Terakhir, untuk memastikan kinerja optimal di dunia nyata, penelitian dapat meningkatkan ketahanan model terhadap kondisi lingkungan yang tidak ideal, seperti variasi pencahayaan ekstrem atau latar belakang yang ramai. Investigasi metode kalibrasi kamera adaptif, filter berbasis AI untuk membersihkan citra, atau pengembangan model yang secara inheren lebih robust terhadap noise visual, akan menjadikan aplikasi lebih handal saat dihadapkan pada lingkungan penggunaan sehari-hari yang dinamis.

References

1. Robusta coffee leaf diseases detection based on MobileNetV2 model | Aufar | International Journal of... ijece.iaescore.com/index.php/IJECE/article/view/26234Robusta coffee leaf diseases detection based on MobileNetV2 model Aufar International Journal of ijece iaescore index php IJECE article view 26234
2. PENGEMBANGAN APLIKASI PENGENALAN BAHASA ISYARAT ABJAD SIBI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK... ejournal.itn.ac.id/index.php/jati/article/view/4507PENGEMBANGAN APLIKASI PENGENALAN BAHASA ISYARAT ABJAD SIBI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ejournal itn ac index php jati article view 4507

Metadata

File size	373.21 KB
Pages	7
DMCA	Report