Skripsi/Tugas Akhir

Rancang Bangun Aplikasi Pendeteksi Arti Bahasa Isyarat dengan Tensorflow Object Detection dan SSD Mobile Net V2

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Komunikasi merupakan hal yang tidak bisa dilepaskan dari manusia sebagai makhluk sosial, namun ada beberapa kondisi dimana manusia tidak dapat melakulan komunikasi dengan baik salah satunya pada penderita tungarungu, salah satu solusi bagi penderita tungarungu untuk berkomunikasi ialah menggunakan bahasa isyarat yang merupakan bahasa yang berbasis visual tetapi tidak semua orang memahami bahasa isyarat dan menjadi masalah baru dalam komunikasi. Sebuah solusi muncul dengan perkembangan teknologi. Deep learning yang merupakan salah satu bagian dari Artificial Inteligence bisa menjadi solusi, dengan menggunakan Tensorflow dan SSD MobilenetV2 dengan Metode CNN yang cocok dengna masalah ini di karenakan bahasa isyarat merupakan bahasa visual diharapkan aplikasi ini mampu mendeteksi bahasa isyarat dengan ketepatan dan akurasi yang tinggi, dari hasil yang didapatkan menggunakan dataset berupa gambar sebanyak 489 foto yang dibagi menjadi data Train sebanyak 391 foto dan data Test 98 foto, model mampu mengenali bahasa isyarat sampai 50% ketepatan dengan durasi deteksi sekitar 3-4 detik.
Kata Kunci: Tensorflow, Isyarat, Deteksi SSD, CNN, Neural, Network, Artificial Inteligence, Mobilnet

ABSTRACT
Communication is something that cannot be separated from humans as social beings, but there are several conditions where humans cannot communicate properly, one of which is in deaf people. One solution for deaf people to communicate is to use sign language which is a visual-based language but not everyone understands sign language and it becomes a new problem in communication. A solution emerged with the development of technology. Deep learning which is a part of Artificial Intelligence can be a solution, by using Tensorflow and SSD MobilenetV2 with the CNN method which fits this problem because sign language is a visual language. It is hoped that this application will be able to detect sign language with high precision and accuracy, from the results obtained using a dataset in the form of 489 images which are divided into 391 photos of Train data and 98 photos of Test data, the model is able to recognize sign language up to 50% accuracy with a detection duration of around 3-4 seconds.
Keywords: Tensorflow, Sign Language, Detection SSD, CNN, Neural, Network, Artificial Inteligence, Mobilnet

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 23-47 RUS r - 0532TI

Penerbit

Makassar : Universitas DIPA., 2022

Deskripsi Fisik

xiii + 69 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 23-47

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Cetakan 21 November 2022

Subjek

Skripsi/Tugas Akhir
Artificial Intelligence
Convolutional Neural Network
Aplikasi Bahasa Isyarat

Lampiran File