PENGENALAN SISTEM ISYARAT BAHASA INDONESIA (SIBI) MENGGUNAKAN GRADIENT-CONVOLUTIONAL NEURAL NETWORK

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