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:	Users 30 not found.
Date Deposited:	22 May 2024 04:23
Last Modified:	22 May 2024 04:23
URI:	https://repository.unas.ac.id/id/eprint/11019

Actions (login required)

View Item