Keywords
CNN
LeNet
Machine Learning
How to Cite
Abstract
Bahasa isyarat adalah metode komunikasi dengan menggunakan gerakan tangan yang biasanya dilakukan oleh tuna rungu. Di Indonesia sendiri mempunyai 2 jenis bahasa isyarat yaitu BISINDO dan SIBI (Sistem Isyarat Bahasa Indonesia). Perbedaannya dalam isyarat dasar BISINDO menggunakan dua tangan sedangkan SIBI hanya satu tangan. Dalam paper ini akan membahas pengenalan isyarat angka SIBI dengan menggunakan metode Convolutional Neural Network (CNN). Arsitektur CNN yang digunakan adalah arsitektur LeNet. Arsitektur CNN diproses dalam 3 tahap, 25 epoch, 50 epoch dan 100 epoch. Berdasarkan percobaan yang dilakukan nilai akurasi yang didapat terus meningkat dalam tiap tahapnya, mulai 67.66%, 89.44% sampai nilai akurasi tertinggi dalam proses training sebesar 96.44%. Begitupun dalam proses prediksi data juga mengalami kenaikan dalam tiap tahapnya, mulai 79.23%, 90.45% sampai didapatkan nilai akurasi tertinggi dalam prediksi data 98.89%. Dari total 90 data testingset, hanya sekali keasalahan dalam prediksi data.
References
Sulfayanti, Dewiani, and Armin Lawi, “A real time alphabets sign language recognition system using hands tracking,” 2016 Int. Conf. Comput. Intell. Cybern., pp. 69–72, 2016.
C. M. Jin, Z. Omar, and M. H. Jaward, “A mobile application of American sign language translation via gambar processing algorithms,” 2016 IEEE Reg. 10 Symp., pp. 104–109, 2016.
T. Dharamsi, R. Jawahar, K. Mahesh, and G. Srinivasa, “Stringing Subtitles in Sign Language,” 2016 IEEE Eighth Int. Conf. Technol. Educ., pp. 228–231, 2016.
I. Kautsar, R. I. Borman, and A. Sulistyawati, “Aplikasi pembelajaran bahasa isyarat bagi penyandang tuna rungu berbasis android dengan metode bisindo,” Semin. Nas. Teknol. Inf. dan Multimed. 2015, vol. 3, no. 2003, pp. 6–8, 2015.
Menteri Pendidikan dan Kebudayaan Republik Indonesia "Pembakuan Sistem Isyarat Bahasa Indonesia Bagi Kaum Tuna Rungu" No 0161/U/1994, 1994.
A. Cordiner, “Illumination invariant face detection,” MComSc thesis, Univ. Wollongong, p. 175, 2009.
S. Yang and Q. Zhu, “Video-based Chinese sign language recognition using convolutional neural network,” 2017 9th IEEE Int. Conf. Commun. Softw. Networks, ICCSN 2017, vol. 2017– January, pp. 929–934, 2017.
D. Chai and K. N. Ngan, “Locating facial region of a head-and-shoulders color gambar,” Proc. - 3rd IEEE Int. Conf. Autom. Face Gesture Recognition, FG 1998, pp. 124–129, 1998.
Y. Xie, H. Jin, and E. C. C. Tsang, “Improving the lenet with batch normalization and online hard example mining for digits recognition,” Int. Conf. Wavelet Anal. Pattern Recognit., vol. 1, pp. 149–153, 2017.
G. Antonellis, A. G. Gavras, M. Panagiotou, B. L. Kutter, G. Guerrini, A. C. Sander, and P. J. Fox, “Shake Table Test of Large-Scale Bridge Columns Supported on Rocking Shallow Foundations,” J. Geotech. Geoenvironmental Eng., vol. 12, p. 04015009, 2015.
Mattew D. Zeiller " Adadelta : An AdaptiveLearning Rate Mehod” Cornell University, 2012.
CNN Indonesia, "Masih Ada 40,5 Juta Orang Indonesia Berjuang Lawan Ketulian", 2017. avaible : https://www.cnnindonesia.com/gaya- hidup/20170323180138-255-202335/masih-ada- 405-juta-orang-indonesia-berjuang-lawan-ketulian, diakses 25 Agustus 2018.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2020 Mochamad Bagus Setiyo Bakti, Yuliana Melita Pranoto