Maulana, Rifki Ryan (2025) PENERAPAN CONVOLUTIONAL NEURAL NETWORK PADA PENGENALAN BAHASA ISYARAT INDONESIA SECARA REAL-TIME. Undergraduate thesis, Universitas Satya Negara Indonesia.

	Text Cover Skripsi Digital - Rifki Ryan Maulana.pdf Download (437kB)
	Text BAB I Skripsi Digital - Rifki Ryan Maulana.pdf Download (160kB)

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.

Actions (login required)

View Item