Skripsi/Tugas Akhir

Perancangan Aplikasi Artificial Intelligence Penerjemah Bahasa Isyarat Indonesia Menggunakan Model 3D CNN

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Revolusi industri memicu transformasi digital di mana integrasi antara manusia dan teknologi canggih menjadi fokus utama. Teknologi seperti Machine Learning, Artificial Intelligence, IoT berkembang pesat, menjanjikan digitalisasi yang lebih maju. Penelitian ini bertujuan untuk mengembangkan aplikasi penerjemah bahasa isyarat Indonesia yang menerapkan model 3D Convolutional Neural Network untuk mengenali pola visual gerakan tangan dalam bahasa isyarat. Penelitian terdahulu telah menunjukkan keberhasilan 3D CNN dalam klasifikasi di berbagai bidang, yang mendukung potensi aplikasi ini dalam meningkatkan komunikasi bagi individu tunarungu atau tunawicara. Koleksi dataset yang komprehensif dengan 3500 gambar dalam dua kategori utama bahasa isyarat, BISINDO dan SIBI, menjadi dasar pelatihan model. Meskipun menunjukkan peningkatan kinerja yang signifikan dalam pelatihan yaitu sebesar 6.25%, model ini masih menunjukkan keterbatasan dalam menginterpretasikan gerakan dua tangan secara bersamaan. Penelitian ini menyimpulkan bahwa penerapan model klasifikasi 3D CNN dapat secara efektif meningkatkan aksesibilitas dan pembelajaran bahasa isyarat, dengan rekomendasi untuk pengembangan lebih lanjut terutama dalam dokumentasi dan integrasi platform Android.
Kata Kunci: Artificial Intelligence, Bahasa Isyarat, Hand Gesture, 3D Convolutional Neural Network, Mediapipe, Tensorflow

ABSTRACT
The industrial revolution triggered a digital transformation where integration between humans and advanced technology became the main focus. Technologies such as Machine Learning, Artificial Intelligence, IoT are developing rapidly, promising more advanced digitalization. This research aims to develop an Indonesian sign language translator application that applies a 3D Convolutional Neural Network model to recognize visual patterns of hand movements in sign language. Previous research has demonstrated the success of 3D CNN in classification in a variety of fields, supporting the potential of this application in improving communication for deaf or speech-impaired individuals. A comprehensive dataset collection with 3500 images in two main sign language categories, BISINDO and SIBI, became the basis for training the model. Even though it shows a significant performance increase in training, namely 6.25%, this model still shows limitations in interpreting two hand movements simultaneously. This research concludes that the application of the 3D CNN classification model can effectively improve sign language accessibility and learning, with recommendations for further development, especially in documentation and integration of the Android platform.
Keywords: Artificial Intelligence, Sign Language, Hand Gesture, 3D Convolutional Neural Network, Mediapipe, Tensorflow

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-49 RAH p - 0377SI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xii + 87 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-49

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 23 Februari 2024

Subjek

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

Lampiran File