Kurniawan Pratama, Bagus (2024) IMPLEMENTASI ALGORITMA YOU ONLY LOOK ONCE (YOLO) UNTUK MENDETEKSI BAHASA ISYARAT SIBI. Other thesis, UNIVERSITAS SERANG RAYA.
![[thumbnail of ABSTRAK.pdf]](https://repository.unisbablitar.ac.id/style/images/fileicons/text.png)
ABSTRAK.pdf
Download (2MB)
![[thumbnail of BAB 1.pdf]](https://repository.unisbablitar.ac.id/style/images/fileicons/text.png)
BAB 1.pdf
Download (170kB)
![[thumbnail of BAB 2.pdf]](https://repository.unisbablitar.ac.id/style/images/fileicons/text.png)
BAB 2.pdf
Restricted to Registered users only
Download (924kB)
![[thumbnail of BAB 3.pdf]](https://repository.unisbablitar.ac.id/style/images/fileicons/text.png)
BAB 3.pdf
Restricted to Registered users only
Download (349kB)
![[thumbnail of BAB 4.pdf]](https://repository.unisbablitar.ac.id/style/images/fileicons/text.png)
BAB 4.pdf
Restricted to Registered users only
Download (2MB)
![[thumbnail of BAB 5.pdf]](https://repository.unisbablitar.ac.id/style/images/fileicons/text.png)
BAB 5.pdf
Restricted to Registered users only
Download (123kB)
![[thumbnail of LAMPIRAN.pdf]](https://repository.unisbablitar.ac.id/style/images/fileicons/text.png)
LAMPIRAN.pdf
Restricted to Registered users only
Download (684kB)
Abstract
Sistem Bahasa Isyarat Indonesia (SIBI) merupakan penerjemah bahasa isyarat menjadi suatu teks atau ucapan. Penelitian ini bertujuan menjembatani komunikasi antara masyarakat awam dengan penyandang tuna wicara melalui pengenalan bahasa isyarat SIBI menggunakan algoritma YOLO. Penelitian ini menggunakan 24 alfabet yang dibagi menjadi 4 kelompok, di mana masing-masing alfabet mempunyai 20 data gambar yang dibagi menjadi 70% data train, 25% data valid, dan 5% data test. Data train kemudian ditambah dengan data augmentasi dari Roboflow yang kemudian di lakukan proses pelatihan menggunakan jumlah batch 16 dan epochs sebanyak 100. Hasil penelitian menunjukkan bahwa algoritma YOLO dapat mendeteksi gesture alfabet bahasa isyarat SIBI dengan pengujian confusion matrix mendapatkan performa yang cukup baik, ditunjukkan oleh hasil F1 Score: Kelompok 1 sebesar 90.90%, Kelompok 2 sebesar 97.1%, Kelompok 3 sebesar 90.90%, dan Kelompok 4 sebesar 83.8%. Faktor lain seperti ukuran tangan, kondisi pencahayaan, dan variasi posisi data juga mempengaruhi akurasi deteksi. Keterbatasan dalam penelitian ini adalah alfabet J dan Z tidak dimasukkan karena kedua alfabet tersebut tidak hanya menggunakan pola bentuk, tetapi juga pola gesture gerak.
Item Type: | Thesis (Other) |
---|---|
Subjects: | FAKULTAS TEKNOLOGI INFORMASI > Teknik Informatika |
Divisions: | FAKULTAS TEKNOLOGI INFORMASI > Teknik Informatika > Skripsi Teknik Informatika |
Depositing User: | Bagus Kurniawan Pratama |
Date Deposited: | 07 Aug 2024 07:58 |
Last Modified: | 07 Aug 2024 07:58 |
URI: | https://repository.unisbablitar.ac.id/id/eprint/207 |