PENGENALAN BAHASA ISYARAT TANGAN UNTUK PENYANDANG DISABILITAS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Safira Amalianda (2023), PENGENALAN BAHASA ISYARAT TANGAN UNTUK PENYANDANG DISABILITAS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK . Skripsi, Universitas Samudra.

ABSTRAK

Teknologi Human Computer Interaction menjadi persyaratan penting untuk diimplementasikan pada sistem. Salah satu implementasi HCI adalah pengenalan isyarat tangan. penelitian tentang pengenalan isyarat tangan telah dilakukan di berbagai bidang seperti realitas virtual, kendali jarak jauh, pengenalan bahasa isyarat dan banyak lagi. Penelitian yang berkaitan dengan klasifikasi bahasa isyarat tangan telah mengalami banyak kemajuan dalam memproses gambar. Klasifikasi Bahasa isyarat tangan dapat dilakukan dengan banyak metode, diantaranya Convolutional Neural Network. CNN dirancang khusus untuk pengenalan dan klasifikasi gambar. CNN memiliki beberapa lapisan (layer) yang mengekstrak informasi dari gambar dan menentukan klasifikasi dari gambar berupa skor klasifikasi. Berdasarkan permasalahan tersebut, peneliti membuat sebuah sistem pengenalan alfabet dengan input awal berupa video yang akan menghasilkan output berupa hasil klasifikasi dengan skor klasifikasi tertinggi menggunakan metode Convolutional Neural Network. Implementasi metode convolutional neural network ini telah berhasil mendeteksi huruf berdasarkan input tangan yang diberikan sesuai dengan data yang telah dilatih. Hasil training data menunjukkan bahwa model yang dirancang dapat menghasilkan nilai akurasi sebesar 99,61% dan nilai loss sebesar 7,46%. Model yang telah dilatih tersebut diuji terhadap 26 file video menghasilkan deteksi dengan tingkat keberhasilan pendeteksian sebesar 69,23%.

File ::(login required)