PERANCANGAN APLIKASI DETEKSI BAHASA ISYARAT SECARA REAL-TIME DENGAN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DAN TENSORFLOW

Abstract

ahasa isyarat merupakan bahasa utama yang digunakan oleh pengidap disabilitas. Banyak dari kita sebagai kaum awam belum memahami tentang bahasa isyarat. Pada hakikatnya, bahasa isyarat yang dipakai di setiap negara berdeda – beda. Seperti contohnya di Indonesia ada BISINDO dan SIBI. BISINDO adalah bahasa isyarat yang muncul secara alami dalam budaya Indonesia dan digunakan dalam kehidupan sehari – hari sedangkan SIBI adalah bahasa isyarat resmi yang diakui oleh pemerintah Indonesia dan digunakan dalam pengajaran di Sekolah Luar Biasa (SLB). SIBI juga merupakan turunan dari American Sign Language (ASL) Jadi dengan kata lain apabila kita belajar SIBI maka secara otomatis akan belajar ASL. Di Indonesia pemahaman tentang bahasa isyarat masih sangat kurang, sehingga terkadang sulit untuk para penyandang disabilitas khusunya yang mengalami tunarungu dan tunawicara. Oleh karena itu, dibutuhkan sebuah sistem yang dapat membantu meningkatkan pemamahan dan minat untuk belajar bahasa isyarat. Sistem ini diimplementasikan dengan menggunakan algoritma Convolutional Neural Network (CNN). Tahapan yang ada pada sistem ini meliputi tahapan pre processing, dan tahap klasifikasi. Dalam tahap klasifikasi, dibagi menjadi beberapa proses yaitu proses training dan testing. Proses training atau pembelajaran sistem menggunakan metode transfer learning. Kemudian berlanjut pada proses testing atau pengujian. Sistem ini dapat mengklasifikasi dengan nilai akurasi sebesar 77 % dan nilai kesalahan sebesar 23 %.