Penerjemah Bahasa Isyarat Menggunakan Tensorflow
DOI:
https://doi.org/10.29407/inotek.v6i2.2576Abstract
Bahasa Isyarat adalah bahasa yang digunakan oleh orang berkebutuhan khusus atau tuna rungu dan tuna wicara untuk berkomunikasi dengan cara manual, bahasa gerakan tubuh dan gerakan bibir daripada menggunakan bunyi dan suara untuk berkomunikasi. Pada penelitian ini mengimplementasikan Deep Learning dengan menggunakan metode Convolutional Neural Network (CNN) serta menggunakan Library Tensorflow dan Machine Learning MediaPipe untuk mendeteksi gerakan tangan dan menenerjemahkannya. penelitian ini dibuat bertujuan untuk membuat sistem sederhana yang dapat menerjemahkan bahasa isyarat dengan memanfaatkan library TensorFlow secara realtime menggunakan webcam, sistem mendeteksi jari-jari tangan yang kemudian diterjemahkan dalam bentuk abjad, untuk mengetahui tingkat akurasi menggunakan metode CNN (Convolutional Neural Network). Penerjemah bahasa isyarat menggunakan TensorFlow ini dapat menerjemahkan bahasa isyarat SIBI memanfaatkan Library TensorFlow secara realtime, sistem mampu mentracking pola jari jari tangan dengan sangat baik dalam kondisi yang berbeda. Dengan metode CNN (Convolutional Neural Network) sistem mampu memprediksi gerakan dengan sangat baik.
Keywords:
Bahasa Isyarat, CNN, MediaPipe, Penerjemah, TensorFlow##plugins.themes.default.displayStats.downloads##
References
Yunanda, Anton Breva., Mandita, Fridy, dan Armin, Aidil Primasetya. 2018. Pengenalan Bahasa Isyarat Indonesia (BISINDO) Untuk Karakter Huruf Dengan Menggunakan Microsoft Kinect. Fountain of Informatics Journal.; 3(2):41-45. Accessed July 21,2022.https://ejournal.unida.gontor.ac.id/index.php/FIJ/article/view/2469/pdf_17
Hardjana, Agus M.. 2003. Komunikasi Intrapersonal & Komunikasi Interpersonal. Kanisius, Yogyakarta.
Anam, Choirul. 1989. Psikologi Anak Luar Biasa,Yogyakarta.SGPLB Negeri.
Peduli Kasih ABK. 2018. Mengenal Bahasa Isyarat. Yayasan Peduli Kasih ABK. Published November 9, 2018. Accessed July 21, 2022. https://www.ypedulikasihabk.org/2018/11/09/mengenal-bahasa-isyarat/
Hakim., Lukman., Samino., dkk. 2008. Kamus Sistem Isyarat Bahasa Indonesia. Edisi Kelima. DIREKTORAT PEMBINAAN SEKOLAH LUAR BIASA, Jakarta.
GERKATIN, D. 2010. Berkenalan dengan BISINDO. DPD GERKATIN Jakarta, WQA.
Taufiq, Imam. 2018. Deep Learning for Detection Vehicle Number Signs Using Convolutional Neural Network Algoritm Using Python and Tensorflow. Sumber : http://eprints.akakom.ac.id/7164
Dharmadi R. 2018. Mengenal Convolutional Layer Dan Pooling Layer - Nodeflux - Medium. Medium. Published April 4, 2018. Accessed July 21, 2022. https://medium.com/nodeflux/mengenal-convolutional-layer-dan-pooling-layer-3c6f5c393ab2
Prijono, Benny. 2018. Convolutional Neural Networks (CNN) Introduction. 7 Maret. Diakses Maret 29, 2018. https://indoml.com/2018/03/07/student-notes-convolutional-neural-networks-cnn-introduction/.
Fermansah, Deni. 2019. Penggunaan Metode Traditional Transformations Data Augmentation Untuk Peningkatan Hasil Akurasi Pada Model Algoritma Convolutional Neural Network (Cnn) Di Klasifikasi Gambar. Jurusan Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Siliwang.
Syulistyo*, A. R., Hormansyah, D. S., & Saputra, P. Y. 2022. SIBI (Sistem Isyarat Bahasa Indonesia) translation using Convolutional Neural Network (CNN). IOP Conference Series : Materials Science and Engineering.
Downloads
Published
Issue
Section
License
Copyright (c) 2022 Erik Sihabudin; Ratih Kumalasari Niswatin, Lilia Sinta Wahyuniar

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License