Analisis dan Implementasi Algoritma Klasifikasi Random Forest Dalam Pengenalan Bahasa Isyarat Indonesia (BISINDO)

Authors

  • Muhammad Rafii Amiarrahman Teknik Informatika, Universitas Gunadarma Indonesia
  • Tri Handhika Pusat Studi Komputasi Matematika, Universitas Gunadarma Indonesia

DOI:

https://doi.org/10.29407/inotek.v2i1.461

Abstract

Bahasa Isyarat Indonesia (BISINDO) adalah salah satu bahasa isyarat yang digunakan sebagai sistem komunikasi praktis dan efektif bagi penderita tuli di Indonesia. Namun demikian, tidak semua orang dengan kemampuan mendengar dapat memahami BISINDO. Untuk menjembatani komunikasi penderita tuli dengan orang-orang yang memiliki kemampuan mendengar diperlukan suatu teknologi yang dapat menerjemahkan gerakan isyarat pada BISINDO menjadi Bahasa Indonesia yang dipahami oleh orang dengan kemampuan mendengar. Pada makalah ini dilakukan analisis dan implementasi algoritma klasifikasi Random Forest untuk mengenali BISINDO dengan bantuan rekaman gerakan isyarat yang diperoleh dari sensor Kinect. Data rekaman tersebut kemudian diolah dengan menggunakan skeleton tracking untuk menghasilkan titik koordinat yang diperlukan. Adapun algoritma klasifikasi Random Forest menghasilkan rata-rata akurasi sebesar 96% dalam mengenali beberapa kata dalam BISINDO.

Keywords:

BISINDO, Gesture Recognition, Kinect, Random Forest, Skeletal Tracking

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

Kumar, H. 2014. Gesture Recognition Using Hidden Markov Models Augmented with Active Difference Signatures. Tesis. New York: Rochester Institute of Technology.

Catuhe, D. 2012. Programming with Kinect for Windows Software Development Kit. Washington: Microsoft Press.

Jana, A. 2012. Kinect for Windows SDK Programming Guide. Birmingham: Packt Publishing Ltd.

Jean, J. St. 2013. Kinect Hacks. California: O’Reilly Media, Inc.

Webb, J., & Ashley, J. 2012. Beginning Kinect Programming with the Microsoft Kinect SDK. New York: Paul Manning.

Adiwijaya, Prima. A. K, dan Amalia, F. 2011. Analisis dan Implementasi Random Forest dan Classification and Regression Tree (CART) untuk Klasifikasi pada Misuse Intrusion Detection System. Bandung: Universitas Telkom.

Loh, W. Y. 2008. Classification and Regression Tree Method. Madison: University of Wisconsin. Eds. 315-323.

R. Cucchiara, C. Grana, M. Piccardi, and A. Prati. 2003. Detecting Moving Objects, Ghosts and Shadows in Video Streams, IEEE Trans. on Patt. Anal. And Machine Intell, vol. 25, no. 10, Oct. 2003, pp. 1337-1342.

Yasin, H., Bjorn, K., & Andreas, W. 2014. Motion Tracking, Retrieval and 3D Reconstruction from Video. Bonn: University of Bonn.

Rakun. E, Adriani. M, Wiprayoga. I.W, dkk. 2013. Combining Depth Image and Skeleton Data from Kinect for Recognizing Words in the Sign System for Indonesian Language (SIBI [Sistem Isyarat Bahasa Indonesia]). ICACSIS. Jakarta: Universitas Indonesia.

Breiman, L. 2001. Random Forest. California: University of California, Berkeley.

Downloads

Published

2020-12-18

Issue

Vol. 2 No. 1 (2018): PROSIDING SEMNAS INOTEK Ke-II Tahun 2018

Section

Articles

License

Copyright (c) 2020 Muhammad Rafii Amiarrahman, Tri Handhika

Creative Commons License

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:

  1. Copyright on any article is retained by the author(s).
  2. 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.
  3. 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.
  4. 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.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Analisis dan Implementasi Algoritma Klasifikasi Random Forest Dalam Pengenalan Bahasa Isyarat Indonesia (BISINDO). (2020). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2(1), 083-088. https://doi.org/10.29407/inotek.v2i1.461