Search engine for discovering works of Art, research articles, and books related to Art and Culture
Javascript must be enabled to continue!
PENGENALAN SISTEM ISYARAT BAHASA INDONESIA (SIBI) MENGGUNAKAN GRADIENT-CONVOLUTIONAL NEURAL NETWORK
View through CrossRef
Penelitian ini bertujuan untuk melakukan pengenalan alfabet pada Sistem Isyarat Bahasa Indonesia (SIBI). Penelitian ini memiliki dua kontribusi utama, Pertama dilakukan pengumpulan dataset alfabet SIBI. Kedua, pengenalan alfabet SIBI menggunakan algoritma Convolutional Neural Network (CNN). Pada penelitian ini, citra masukan berupa alfabet bahasa isyarat pada lapisan input diberikan filter gradient agar bentuk objek menjadi lebih jelas. Hasil penelitian menunjukkan bahwa pemberian filter pada lapisan input dapat meningkatkan akurasi pengenalan yaitu sekitar 85%. Citra masukan yang tidak difilter hanya memperoleh akurasi sebesar 25%. Akurasi terbaik yang diperoleh yaitu 98% dengan meningkatkan jumlah iterasi. Metode yang diusulkan juga diuji menggunakan tiga benchmark dataset. Hasil pengujian menunjukkan bahwa metode yang diusulkan dapat meningkatkan akurasi pengenalan pada benchmark dataset yang memiliki background yang kompleks.Kata Kunci: Convolutional Neural Network; Gradient; Sistem Isyarat Bahasa Indonesia
Universitas Islam Negeri Alauddin Makassar
Title: PENGENALAN SISTEM ISYARAT BAHASA INDONESIA (SIBI) MENGGUNAKAN GRADIENT-CONVOLUTIONAL NEURAL NETWORK
Description:
Penelitian ini bertujuan untuk melakukan pengenalan alfabet pada Sistem Isyarat Bahasa Indonesia (SIBI).
Penelitian ini memiliki dua kontribusi utama, Pertama dilakukan pengumpulan dataset alfabet SIBI.
Kedua, pengenalan alfabet SIBI menggunakan algoritma Convolutional Neural Network (CNN).
Pada penelitian ini, citra masukan berupa alfabet bahasa isyarat pada lapisan input diberikan filter gradient agar bentuk objek menjadi lebih jelas.
Hasil penelitian menunjukkan bahwa pemberian filter pada lapisan input dapat meningkatkan akurasi pengenalan yaitu sekitar 85%.
Citra masukan yang tidak difilter hanya memperoleh akurasi sebesar 25%.
Akurasi terbaik yang diperoleh yaitu 98% dengan meningkatkan jumlah iterasi.
Metode yang diusulkan juga diuji menggunakan tiga benchmark dataset.
Hasil pengujian menunjukkan bahwa metode yang diusulkan dapat meningkatkan akurasi pengenalan pada benchmark dataset yang memiliki background yang kompleks.
Kata Kunci: Convolutional Neural Network; Gradient; Sistem Isyarat Bahasa Indonesia .
Related Results
Identifikasi Alfabet Bahasa Isyarat Indonesia dengan Menggunakan Convolutional LSTM
Identifikasi Alfabet Bahasa Isyarat Indonesia dengan Menggunakan Convolutional LSTM
Bagi orang dengan gangguan pendengaran, bahasa isyarat Indonesia sangat penting dikarenakan mereka dapat berkomunikasi dengan menggunakan isyarat tangan yang menunjukkan arti terte...
ILUSTRASI TENTANG PEMBELAJARAN BAHASA ISYARAT DASAR DALAM BENTUK ANIMASI
ILUSTRASI TENTANG PEMBELAJARAN BAHASA ISYARAT DASAR DALAM BENTUK ANIMASI
Bahasa isyarat luas dikenal sebagai sebuah bahasa yang lekat pada komunitas berkebutuhan khusus, sehingga tidak banyak yang mengetahui bahwa bahasa isyarat itu boleh untuk dipelaja...
PEMETAAN LANSKAP LINGUISTIK DI UNIVERSITAS AIRLANGGA SURABAYA
PEMETAAN LANSKAP LINGUISTIK DI UNIVERSITAS AIRLANGGA SURABAYA
Lanskap Linguistik ( LL) merujuk pada objek penggunaan bahasa di ruang publik. Menurut Landry and Bourhis (1997) yang termasuk dalam LL adalah bahasa di ruang-ruang publik seperti ...
KAJIAN LANSKAP LINGUISTIK PAPAN PENANDA TEBET ECOPARK
KAJIAN LANSKAP LINGUISTIK PAPAN PENANDA TEBET ECOPARK
Tebet Ecopark adalah taman yang diresmikan oleh Gubernur DKI Jakarta pada tahun 2022 dan dikelola oleh Suku Dinas Lingkungan Hidup Pemerintah Provinsi DKI Jakarta. Dari kedudukan b...
Model Deep Learning untuk Penerjemah Bahasa Isyarat SIBI dengan Arsitektur Transfer Learning
Model Deep Learning untuk Penerjemah Bahasa Isyarat SIBI dengan Arsitektur Transfer Learning
Orang-Orang dengan disabilitas tuna wicara serta tunarungu memiliki kesulitan ketika berkomunikasi dengan orang non disabilitas dikarenakan mereka menggunakan bahasa isyarat yang j...
Deteksi Bahasa Isyarat Bisindo Menggunakan Metode Machine Learning
Deteksi Bahasa Isyarat Bisindo Menggunakan Metode Machine Learning
Penelitian ini bertujuan untuk merancang aplikasi yang menggunakan metode machine learning untuk mendeteksi gerakan dan pola tangan dalam Bahasa Isyarat Indonesia (BISINDO). Komuni...
Pemancar dan Penerima FM
Pemancar dan Penerima FM
Pada tulisan ini dirancang dan direalisasikan piranti pemancar dan penerima FM. Pada piranti pemancar dan penerima FM, isyarat pembawa bekerja pada frekwensi 88–108 MHz dengan isya...
Penggunaan Bahasa Sunda Pada Pembelajaran Bahasa Inggris
Penggunaan Bahasa Sunda Pada Pembelajaran Bahasa Inggris
ABSTRAK Bahasa Sunda merupakan bahasa pertama masyarakat Jawa Barat dan tidak sedikit orang yang menggunakan bahasa sunda diberbagai aspek kehidupan, salah satunya dalam pendidikan...