MENGANALISIS DEEP LEARNING CNN UNTUK MENINGKATKAN AKSESIBILITAS INTERPRETASI BAHASA ISYARAT

Alwansyah, Muhammad Daffa (2024) MENGANALISIS DEEP LEARNING CNN UNTUK MENINGKATKAN AKSESIBILITAS INTERPRETASI BAHASA ISYARAT. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (5MB)
	Text BAB1.pdf Download (293kB)
	Text BAB2.pdf Download (412kB)
	Text BAB3.pdf Download (404kB)
	Text BAB4.pdf Download (1MB)
	Text BAB5.pdf Download (268kB)
	Text LAMPIRAN.pdf Download (341kB)

Abstract

Komunikasi adalah kebutuhan dasar manusia untuk berinteraksi dengan lingkungannya. Bahasa verbal merupakan cara komunikasi yang paling umum, tetapi tidak semua orang dapat berkomunikasi dengan cara ini, terutama penyandang tunarungu. Bahasa isyarat adalah bahasa visual yang digunakan oleh penyandang tunarungu dan tuli untuk berkomunikasi. Bahasa isyarat memiliki banyak jenis, salah satunya adalah bahasa isyarat Amerika (ASL). ASL merupakan bahasa yang kompleks dan membutuhkan waktu untuk dipelajari. Oleh karena itu, diperlukan suatu sistem yang dapat membantu orang-orang untuk memahami bahasa isyarat. Sistem ini dapat memanfaatkan teknologi machine learning untuk mengenali gerakan tangan dalam bahasa isyarat. Pengenalan gerakan tangan dalam interaksi manusia-komputer dan merupakan bidang penelitian aktif dalam bidang computer vision dan machine learning. Ini adalah bidang dengan banyak aplikasi yang berbeda-beda, memberikan pengguna cara yang lebih sederhana dan alami untuk berkomunikasi dengan antarmuka robot/sistem, tanpa perlu perangkat tambahan. Oleh karena itu, tujuan utama penelitian pengenalan gerakan dalam Human-Computer Interaction (HCI) adalah untuk menciptakan sistem yang dapat mengidentifikasi gerakan manusia spesifik dan menggunakannya untuk menyampaikan informasi atau mengendalikan perangkat. Untuk itu, antarmuka berbasis pengenalan gerakan tangan memerlukan deteksi tangan yang cepat dan sangat handal, dan pengenalan gerakan dalam waktu nyata. Penelitian ini mengusulkan pendekatan klasifikasi ASL melalui proses preprocessing data dan model convolutional neural network. Model yang diusulkan dapat mengklasifikasikan gambar postur tangan ASL untuk diterjemahkan menjadi alfabet. Langkah-langkah pada penelitian ini adalah dimulai dari Menyiapkan Environment dan Mengimpor Library, Memuat Dataset, Preprocessing dan Memvisualisasikan Data, Augmentasi Data, Pelatihan Model, Analisis Pelatihan Model, Visualisasi Hasil Penelitian, Pengujian dan Validasi Model, dan terakhir adalah Pengujian secara Real-time. Hasil penelitian ini menunjukkan bahwa model tersebut dapat mencapai akurasi sebesar 99,8%. Penelitian ini juga

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > H Social Sciences (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	22 May 2024 04:23
Last Modified:	22 May 2024 04:23
URI:	http://repository.unas.ac.id/id/eprint/11019

Actions (login required)

View Item