PENERAPAN CONVOLUTIONAL NEURAL NETWORKS DENGAN HAND KEYPOINT UNTUK PENINGKATAN AKURASI DALAM PENGENALAN BAHASA ISYARAT AMERIKA

Ridwan, Muhamad Asep (2021) PENERAPAN CONVOLUTIONAL NEURAL NETWORKS DENGAN HAND KEYPOINT UNTUK PENINGKATAN AKURASI DALAM PENGENALAN BAHASA ISYARAT AMERIKA. Sarjana thesis, Universitas Siliwangi.

[img] Text
1.cover.pdf
Download (12kB)
[img] Text
6.Abstrak.pdf
Download (46kB)
[img] Text
2.Lembar_pengesahan_TA.pdf
Download (45kB)
[img] Text
8.daftar_isi.pdf
Download (67kB)
[img] Text
BAB_1.pdf
Download (193kB)
[img] Text
BAB_2.pdf
Download (424kB)
[img] Text
BAB_3.pdf
Download (239kB)
[img] Text
BAB_4.pdf
Restricted to Repository staff only
Download (566kB)
[img] Text
BAB_5.pdf
Restricted to Repository staff only
Download (48kB)
[img] Text
Daftar_pustaka.pdf
Download (125kB)

Abstract

ABSTRAK Bahasa isyarat merupakan metode yang digunakan komunitas tuna rungu dalam berkomunikasi. Sejalan dengan kemajuan bidang deep learning, para peneliti sudah banyak menginterpretasikan neural network terhadap pengenalan bahasa isyarat dalam beberapa tahun terakhir. Banyak model dan perangkat keras canggih telah dikembangkan untuk membantu mendapatkan akurasi tinggi pada pengenalan bahasa isyarat, namun pada umumnya permasalahan akurasi masih menjadi perhatian para peneliti sampai saat ini, bahkan permasalahan akurasi terkait pengenalan bahasa isyarat Amerika atau American sign language(ASL) masih membutuhkan penelitian lebih lanjut untuk diselesaikan. Dalam paper ini akan membahas tentang metode untuk meningkatkan akurasi pengenalan ASL menggunakan Convolutional Neural Network (CNN) dengan hand keypoint. pre�trained Keypoint detector dimanfaatkan untuk menghasilkan hand keypoint pada dataset massey sebagai input klasifikasi pada model CNN. Hasilnya menunjukkan bahwa akurasi dari metode yang diusulkan lebih baik dari penelitian sebelumnya, dengan memperoleh akurasi sebesar 99.1% dalam mengenali 26 tanda alfabet ASL statis. Kata Kunci:Convoltional Neural Network, Hand keypoint, American Sign Language, Massey dataset.

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Dedi Natawijaya .
Date Deposited: 07 Mar 2022 03:04
Last Modified: 07 Mar 2022 03:04
URI: http://repositori.unsil.ac.id/id/eprint/4977

Actions (login required)

View Item View Item