Nayottama, Putu Nanditha (2026) DEVELOPMENT OF INTERACTIVE BASIC ARITHMETIC SIGN LANGUAGE MODEL WITH IMPLEMENTATION OF YOLO KEYPOINT DETECTION. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2215051059-COVER.pdf Download (673kB) |
|
Text (ABSTRAK)
2215051059-ABSTRAK.pdf Download (283kB) |
|
Text (BAB 1 PENDAHULUAN)
2215051059-BAB 1 PENDAHULUAN.pdf Download (415kB) |
|
Text (BAB 2 KAJIAN TEORI)
2215051059-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (990kB) | Request a copy |
|
Text (BAB3 METODOLOGI PENELITIAN)
2215051059-BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2215051059-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2215051059-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (396kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2215051059-DAFTAR PUSTAKA.pdf Download (441kB) |
|
Text (LAMPIRAN)
2215051059-LAMPIRAN.pdf Download (369kB) |
Abstract
Penelitian ini bertujuan untuk mengembangkan sistem pembelajaran matematika dasar interaktif bagi siswa tunarungu dengan mengintegrasikan YOLO Keypoint Detection ke dalam purwarupa tangan robot. Tantangan utama dalam pendidikan inklusif bagi siswa tunarungu adalah keterbatasan media ajar visual yang mampu merespons secara real-time dan mandiri. Metode penelitian yang digunakan adalah Research and Development (R&D) yang mencakup tahap analisis, pengembangan model, dan pengujian sistem. Dataset yang digunakan mencakup 16 kelas gestur, yaitu angka (0-9), operator aritmatika (+, -, ×, ÷), simbol inisiasi, dan simbol tidak terdefinisi. Implementasi model dilakukan pada perangkat edge computing Raspberry Pi 4B dengan membandingkan dua varian resolusi input. Hasil pengujian menunjukkan bahwa model dengan resolusi 128 piksel mencapai tingkat akurasi mean Average Precision (mAP) sebesar 66,53% dengan throughput 39,08 FPS, sedangkan model dengan resolusi 352 piksel mencapai tingkat akurasi 81,01% dengan throughput sebesar 6,33 FPS. Meskipun model 352 piksel memberikan akurasi klasifikasi yang lebih tinggi, model 128 piksel menawarkan responsivitas yang lebih baik untuk skenario interaksi langsung. Temuan menunjukkan bahwa pendekatan keypoint detection mampu mengisolasi fitur gestur dengan presisi yang cukup baik untuk kebutuhan edukasi dasar. Kesimpulan penelitian ini menegaskan bahwa pemilihan resolusi input pada YOLOv11-Pose harus disesuaikan dengan kebutuhan keseimbangan antara kecepatan komputasi dan ketepatan deteksi gestur. Saran untuk penelitian selanjutnya adalah optimasi arsitektur model untuk meningkatkan akurasi pada resolusi rendah serta pengembangan desain mekanis tangan robot yang mencakup pergerakan pergelangan tangan agar representasi gestur menjadi lebih natural dan akurat.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | YOLO Keypoint Detection, Tangan Robot, Pendidikan Matematika, Tunarungu, Edge Computing |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1) |
| Depositing User: | PUTU NANDITHA NAYOTTAMA |
| Date Deposited: | 15 Jul 2026 06:32 |
| Last Modified: | 15 Jul 2026 06:32 |
| URI: | http://repo.undiksha.ac.id/id/eprint/30945 |
Actions (login required)
 |
View Item |