PENGEMBANGAN MODEL KLASIFIKASI BAHASA ISYARAT ANGKA MENGGUNAKAN MODEL LANDMARK TANGAN DAN ALGORITMA MLP DENGAN FITUR JARAK EUCLIDEAN

Sugiantari, Kadek Feny (2025) PENGEMBANGAN MODEL KLASIFIKASI BAHASA ISYARAT ANGKA MENGGUNAKAN MODEL LANDMARK TANGAN DAN ALGORITMA MLP DENGAN FITUR JARAK EUCLIDEAN. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2115101024-COVER.pdf
Download (793kB)
[img] Text (ABSTRAK)
2115101024-ABSTRAK.pdf
Download (482kB)
[img] Text (BAB 1 PENDAHULUAN)
2115101024-BAB 1 PENDAHULUAN.pdf
Download (250kB)
[img] Text (BAB 2 KAJIAN TEORI)
2115101024-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (465kB) | Request a copy
[img] Text (BAB 3 METODE PENELITIAN)
2115101024-BAB 3 METODE PENELITIAN.pdf
Restricted to Repository staff only
Download (501kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2115101024-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2115101024-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (208kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2115101024-DAFTAR PUSTAKA.pdf
Download (202kB)
[img] Text (LAMPIRAN)
2115101024-LAMPIRAN.pdf
Download (253kB)

Abstract

Perkembangan teknologi Computer Vision dalam Kecerdasan Buatan (AI) mendorong inovasi terknologi yang inklusif, salah satunya dalam komunikasi alami bagi penyandang disabilitas, seperti tunarungu dan tunawicara. Penelitian ini berfokus pada pengembangan model klasifikasi bahasa isyarat angka SIBI, khususnya angka 0-9 yang menggunakan jarak Euclidean antar landmark tangan sebagai fitur, dengan melibatkan proses ekstraksi landmark tangan menggunakan Mediapipe serta pelatihan model klasifikasi dengan algoritma Multi Layer Perceptron (MLP). Metodologi yang digunakan mencakup pengumpulan data meliputi data sekunder yang bersumber dari Kaggle dan data primer yang dibuat langsung oleh peneliti. Proses ekstraksi landmark tangan menggunakan model hand landmark mediapipe yang mampu mendeteksi dan melacak 21 titik landmark. Proses ekstraksi fitur jarak Euclidean dilakukan untuk mengukur jarak antar landmark tangan yang dipilih. Pelatihan model menggunakan dataset yang telah disiapkan, diikuti dengan evaluasi untuk mengukur kinerja model. Terakhir implementasi model secara real-time untuk memastikan responsivitas dan akurasi model dalam pengenalan bahasa isyarat. Hasil penelitian menunjukkan model berhasil mengklasifikasikan angka 0-9 dengan akurasi 87.17%. Selain itu, penerapan threshold memastikan semua input data terklasifikasi dengan tingkat kepercayaan tinggi, yang penting untuk aplikasi praktis dalam kehidupan sehari-hari. Penelitian ini kedepannya dapat menunjang proses pembelajaran bahasa isyarat SIBI bagi penyandang disabilitas, serta memberikan kontribusi pada pengembangan teknologi yang lebih inklusif. Sehingga, interaksi antara penyandang disabilitas dan masyarakat umum dapat meningkat dan menciptakan lingkungan yang ramah serta mendukung bagi semua individu.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi, MLP, Hand Landmark, Bahasa Isyarat, Jarak Euclidean
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1)
Depositing User: Kadek Feny Sugiantari
Date Deposited: 30 Jan 2025 04:04
Last Modified: 30 Jan 2025 04:04
URI: http://repo.undiksha.ac.id/id/eprint/22936

Actions (login required)

View Item View Item