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 %.