Klasifikasi Gambar Bahasa Isyarat Indonesia (Bisindo) Pada Komunitas Tuli Menggunakan Machine Learning
Keywords:
BISINDO, Convolutional Neural Network (CNN), Machine LearningAbstract
Bahasa isyarat merupakan sebuah cara komunikasi khusus yang digunakan para penyandang disabilitas khususnya penyandang Tuli. Pada sebuah sistem pengembangan komunikasi di masa kini bahasa utama yang digunakan komunitas Tuli di Indonesia adalah Bahasa Isyarat Indonesia (BISINDO). Tujuan penelitian ini yaitu mengimplementasikan metode klasifikasi gambar BISINDO menggunakan metode machine learning, mengetahui akurasi penerapan gambar BISINDO dengan menggunakan machine learning. Jenis penelitian ini adalah penelitian kualitatif, klasifikasi gambar Bahasa Isyarat Indonesia (BISINDO) menggunakan teknik machine learning. Metode ini digunakan untuk menggunakan model Convolutional Neural Networks (CNN) yang tersedia pada dataset gambar dapat meningkatkan akurasi. Hasil pada penelitian yang dilakukan penulis menunjukkan bahwa metode CNN memiliki akurasi 98,07% dan metode machine learning memiliki akurasi 100%. Kesimpulan menunjukkan implementasi metode Convolutional Neural Network (CNN) dengan menggunakan arsitektur SSD MobileNet dan machine learning dalam melakukan deteksi objek pada simbol abjad Bahasa Isyarat Indonesia (BISINDO) berjalan dengan baik dan menghasilkan keberhasilan pendeteksian simbol abjad BISINDO dengan peningkatan akurasi yang baik.
Downloads
References
Adeyanju, I. A., Bello, O. O., & Adegboye, M. A. (2021) Komunikasi dan Bahasa Isyarat bagi Komunitas Tuli di Indonesia.pdf.”. Machine learning methods for sign language recognition: A critical review and analysis. Intelligent Systems with Applications, 12, 200056.
Al Rivan, M. E., & Hartoyo, S. (2022). Klasifikasi Isyarat Bahasa Indonesia Menggunakan Metode Convolutional Neural Network. Jurnal Teknik Informatika dan Sistem Informasi, 8(2), 364-373.10.28932/jutisi.v8i2.4863.
Amri, I. (2024). Implementasi Algoritma Convolutional Neural Network Untuk Menerjemahkan Bahasa.
Arisandi, L., & Satya, B. (2022). Sistem klarifikasi bahasa isyarat indonesia (Bisindo) dengan menggunakan algoritma convolutional neural network. Jurnal Sistem Cerdas, 5(3),135–146. https://doi.org/10.37396/jsc.v5i3.262.
E J Honesty Praiselin, Dr. G Manikandan, Vilma Veronica, & Ms. S. Hemalatha. (2024). Sign language detection and recognition using media pipe and deep learning algorithm. International Journal of Scientific Research in Science and Technology, 11(2), 123–130. https://doi.org/10.32628/IJSRST52411223
Fadillah, R. Z. (2020). Model Penerjemah Bahasa Isyarat Indonesia (Bisindo) Menggunakan Convolutional Neural Network Model Penerjemah Bahasa Isyarat Indonesia (Bisindo) Menggunakan Convolutional Neural Network. Fakultas Sains Dan Ilmu Komputer, Program Studi Ilmu Komputer, Universitas Pertamina.
Fitriani, A. S. (2019). Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur. JTAM (Jurnal Teori dan Aplikasi Matematika), 3(2), 98-104.
Fortune Business Insights, “Machine Learning Market Size, Share, Growth | Trends [2030]”.
Hamdani, I. M., & Bustamin, S. (2023). Pengoptimalan Komunikasi Bahasa Isyarat Abjad dengan Augmented Reality. Jurnal PROCESSOR, 18(2).
Hasan, I. K., Resmawan, R., & Ibrahim, J. (2022). Perbandingan K-Nearest Neighbor dan Random Forest dengan Seleksi Fitur Information Gain untuk Klasifikasi Lama Studi Mahasiswa. Indonesian Journal of Applied Statistics, 5(1), 58-66.
I. Kami, “KENAL DEKAT DENGAN BAHASA ISYARAT DAN TEMAN TULI”. ISYARAT. Kohesi: Jurnal Sains dan Teknologi, 2(9), 70-87.
Miah, A. S. M., Hasan, M. A. M., Tomioka, Y., & Shin, J. (2024). Hand gesture recognition for multi-culture sign language using graph and general deep learning network. IEEE Open Journal of the Computer Society.Aggarwal, D., Ahirwar, S., Srivastava, S., Verma, S., & Goel, Y. (2023, March). Sign Language Prediction using Machine Learning Techniques: A Review. In 2023 Second International Conference on Electronics and Renewable Systems (ICEARS) (pp. 1296-1300). IEEE.
Muarif, J. A., Jihad, F. A., Alfadli, M. I., & Setiabudi, D. I. (2022). Hubungan perkembangan teknologi AI terhadap pembelajaran mahasiswa. Seroja: Jurnal Pendidikan, 1(2), 117-127.
Nugroho, A., Setiawan, R., & Harris, A. (2023). Deteksi Bahasa Isyarat Bisindo Menggunakan Metode Machine Learning. Jurnal PROCESSOR, 18(2).
Nugroho, A., Setiawan, R., & Harris, A. (2023). Deteksi Bahasa Isyarat Bisindo Menggunakan Metode Machine Learning. Jurnal PROCESSOR, 18(2).
Santoso, A. K. (2022). ANALISIS SENTIMEN TWITTER BAHASA INDONESIA MENGGUNAKAN PENDEKATAN MACHINE LEARNING. Jurnal Informatika Kaputama (JIK), 6(2), 129-136.
Santoso, H., & Rochadiani, T. H. (2022). Pelatihan Machine Learning Menggunakan Bahasa Pemrograman Python Bagi Karyawan PT. Yokogawa Indonesia. Jurnal ABDINUS: Jurnal Pengabdian Nusantara, 6(2), 349-356.
Susanty, M., Fadillah, R. Z., & Irawan, A. (2021). Model penerjemah Bahasa isyarat Indonesia (BISINDO) menggunakan pendekatan transfer learning.
Susanty, M., Fadillah, R. Z., & Irawan, A. (2021). Model penerjemah Bahasa isyarat Indonesia (BISINDO) menggunakan pendekatan transfer learning.
Syah, A. R. (2022). APLIKASI PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE K-NN (K-NEARST NEIGHBOUR). Jurnal Teknologi Pintar, 2(4).
Via, Y. V., Saputra, W. S., Fachrurrozi, M. I., Puspaningrum, E. Y., Anggraeny, F. T., & Nudin, S. R. (2023). Object Localization and Detecting Alphabet in Sign Language BISINDO Using Convolution Neural Network.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
