PENGEMBANGAN SISTEM PENGENALAN BAHASA ISYARAT MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY DENGAN OUTPUT REALTIME TRANSLATION

PRAYOGA, LANANG SHAKTI (2025) PENGEMBANGAN SISTEM PENGENALAN BAHASA ISYARAT MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY DENGAN OUTPUT REALTIME TRANSLATION. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602100062_fullpdf.pdf Download (2MB)
	Text Teknik Informatika_32602100062_pernyataan_publikasi.pdf Restricted to Registered users only Download (129kB)

Abstract

Komunikasi merupakan hak setiap manusia di seluruh dunia akan tetapi yang sangat disayangkan adalah masih banyak masyarakat non disabilitas yang belum memahami apa itu bahasa isyarat dan urgensinya bagi para penyandang disabilitas tuna rungu. Penelitian ini bertujuan untuk mengembangkan model deteksi BISINDO dengan bantuan mediapipe holistic dan menggunakan deep learning dengan algoritma Long Short-Term Memory (LSTM). Pada penelitian ini peneliti melakukan lima skenario berbeda untuk melihat performa model pada saat training dan deployment. Berdasarkan percobaan diperoleh hasil bahwa untuk skenario pertama mendapat skor training 99% dan skor deployment 100%, sedangkan untuk skenario kedua mendapat skor training 99% dan deployment 77.5%, untuk skenario ketiga mendapat skor training 99% dan deployment 42.5%, lalu untuk skenario keempat mendapat skor training 99% dan deployment 35.83% dan untuk skenario kelima mendapat skor training 99% dan deployment 17.5%. Berdasarkan hasil skor saat training dan deployment dapat disimpulkan bahwa skor evaluasi training tidak menentukan performa model pada saat deployment, pada tahap deployment performa prediksi model banyak dipengaruhi oleh variasi kelas yang harus diprediksi oleh model. Penelitian ini diharapkan dapat membantu masyarakat dalam memahami BISINDO serta berkontribusi terhadap pengembangan sistem penerjemahan bahasa isyarat berbasis kecerdasan buatan. Kata kunci : Bahasa Isyarat Indonesia, Deep Learning, Long Short Term Memory, Mediapipe holistic

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 1 UNISSULA
Date Deposited:	12 Jun 2025 01:49
URI:	http://repository.unissula.ac.id/id/eprint/40064

Actions (login required)

View Item