Ilham, Muhammad (2022) Analisis akurasi penggunaan algoritma jaringan syaraf tiruan dalam klasifikasi pada sistem penerjemah bahasa isyarat Indonesia (sibi) menggunakan sensor kinect xbox one / Muhammad Ilham. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Komunikasi adalah proses pertukaran informasi antara objek satu dengan yang lainnya. Manusia berkomunikasi antara manusia satu dengan manusia lainnya dalam bentuk bahasa. Namun dalam kehidupan bermasyarakat tidak semua manusia bisa berkomunikasi secara verbal dengan baik seperti halnya penyandang tunarungu. Mereka cenderung berkomunikasi dengan orang lain menggunakan bahasa isyarat. Di Indonesia terdapat 2 jenis sistem bahasa isyarat yaitu BISINDO dan SIBI. SIBI secara baku dan resmi digunakan pada kurikulum pendidikan di SLB sesuai Peraturan Menteri Pendidikan nomor 0161/U/1994. Dalam penerapannya banyak dijumpai kendala ketika penyandang tuna rungu atau tuna wicara berkomunikasi dengan orang normal pada umumnya. Hal tersebut terjadi karena minimnya pemahaman mengenai bahasa isyarat pada orang yang tidak memiliki kebutuhan khusus. Dari kendala tersebut dapat diatasi dengan adanya sistem penerjemah bahasa isyarat. Dengan adanya bantuan sistem tersebut maka akan lebih memudahkan komunikasi antara para penyandang tuna rungu atau tuna wicara dengan orang normal pada umumnya. Pengembangan sistem ini memanfaatkan metode pengolahan citra menggunakan bantuan tools hand keypoint serta menggunakan bantuan kamera Kinect 2.0 sebagai alat bantu pengambilan citra. Sistem penerjemah ini dibangun menggunakan bahasa pemrograman Python dan memanfaatkan algoritma Neural Network Backpropagation sebagai algoritma klasifikasinya. Perancangan dan pembuatan sistem ini dilakukan menggunakan metode waterfall. Struktur dari Neural Network Backpropagation di dalamnya menerapkan 42 unit pada input layer 40 unit pada hidden layer serta 24 unit pada output layer. Proses pelatihan dan pengujian meggunakan perbandingan data sebesar 80 20 persen serta menggunakan kombinasi parameter learning rate dan momentum yang keduanya memiliki nilai dari 0 1 sampai 1 (naik 0 1 setiap kenaikannya) dan epoch 100 sampai 700 (naik 100 setiap kenaikannya). Hasil akurasi terbaik yang didapatkan adalah sebesar 86 2% untuk pengujian metode Backpropagation dan 86.08% untuk pengujian sistem terhadap 5 subjek.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 03 Aug 2022 04:29 |
| Last Modified: | 09 Sep 2022 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/264976 |
Actions (login required)
 |
View Item |