PENGEMBANGAN MODEL DETEKSI ABJAD JARI BAHASA ISYARAT SIBI MENGGUNAKAN EKSTRAKSI FITUR MEDIAPIPE HANDS DAN RANDOM FOREST CLASSIFIER

Alfarez, Rifky (2024) PENGEMBANGAN MODEL DETEKSI ABJAD JARI BAHASA ISYARAT SIBI MENGGUNAKAN EKSTRAKSI FITUR MEDIAPIPE HANDS DAN RANDOM FOREST CLASSIFIER. Sarjana thesis, Universitas Siliwangi.

[img] Text
1 COVER.pdf
Download (515kB)
[img] Text
2 LEMBAR PENGESAHAN.pdf
Download (706kB)
[img] Text
3 LEMBAR PENGUJI.pdf
Download (666kB)
[img] Text
4 PERNYATAAN.pdf
Download (675kB)
[img] Text
5 ABSTRAK.pdf
Download (605kB)
[img] Text
6 MOTTO.pdf
Download (501kB)
[img] Text
7 KATA PENGANTAR.pdf
Download (598kB)
[img] Text
8 DAFTAR ISI.pdf
Download (613kB)
[img] Text
9 BAB I.pdf
Download (579kB)
[img] Text
10 BAB II.pdf
Download (999kB)
[img] Text
11 BAB III.pdf
Download (584kB)
[img] Text
12 BAB IV.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text
13 BAB V.pdf
Restricted to Repository staff only
Download (568kB)
[img] Text
14 DAFTAR PUSTAKA.pdf
Download (579kB)
[img] Text
15 LAMPIRAN.pdf
Download (1MB)

Abstract

Bahasa isyarat merupakan alat utama untuk berkomunikasi bagi individu tunarungu, namun bahasa isyarat tidak umum di kalangan masyarakat dan hal ini menjadi masalah ketika individu tunarungu berkomunikasi dengan masyarakat di sekitarnya yang tidak memahami bahasa isyarat. Penelitian sebelumnya telah mengembangkan model klasifikasi abjad jari bahasa isyarat SIBI sebagai salah satu solusi untuk mengatasi masalah tersebut tetapi hasilnya masih belum optimal karena kemiripan pada beberapa huruf. Penelitian ini bertujuan untuk berkontribusi menyelesaikan masalah tersebut dengan mengimplementasikan mediapape hands dan random forest untuk meningkatkan performa dari model. Penerapan mediapipe hands sebagai metode ekstraksi fitur terdiri dari 3 tahapan yaitu deteksi telapak tangan, pelacakan titik landmark, dan ekstraksi landmark. Selanjutnya titik-titik landmark tersebut akan dilatih menggunakan algoritma random forest dengan rasio 80:20 dan menghasilkan rata-rata akurasi sebesar 95%, presisi 96%, recall 95%, dan f1-score 95% dengan waktu komputasi selama 0,44 detik. Hasil ini menunjukkan peningkatan dari penelitian sebelumnya. Dengan peningkatan performa dari segi akurasi maupun waktu komputasi, model dapat lebih baik mengenali gesture abjad jari bahasa isyarat SIBI serta waktu pengenalan menjadi lebih cepat, sehingga dapat mengurangi potensi kesalahan prediksi ataupun kesalahan deteksi saat model diterapkan pada situasi atau aplikasi di dunia nyata, seperti komunikasi ataupun pembelajaran menggunakan bahasa isyarat SIBI. Kata Kunci: Bahasa Isyarat, Mediapipe Hands, Model, Random Forest.

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Lelis Masridah
Date Deposited: 13 Sep 2024 08:41
Last Modified: 13 Sep 2024 08:41
URI: http://repositori.unsil.ac.id/id/eprint/14364

Actions (login required)

View Item View Item