Suardi, Citra Suardi (2021) Pengenalan pola bahasa isyarat menggunakan ensemble convolutional neural network / Citra Suardi. Masters thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Setiap manusia berhak melakukan interaksi komunikasi pada manusia lainnya. Namun tidak semua manusia mampu melakukan komunikasi secara lisan karena mengalami hambatan dalam fungsi pendengaran atau dengan kata lain penyandang tunarungu. Untuk menciptakan komunikasi yang berkualitas diperlukan media komunikasi yang dipahami antar kedua pihak. Penyandang tunarungu menjadikan bahasa isyarat sebagai media komunikasi sehingga agar komunikasi antara penyandang tunarungu dengan masyarakat dapat berkualitas maka masyarakat harus memahami bahasa isyarat. Menurut federasi tunarungu dunia terdapat 300 jenis bahasa isyarat Sistem Isyarat Bahasa Indonesia (SIBI) termasuk di dalamnya. Penelitian ini bertujuan untuk membangun media bantu Sign Language Recognition (SLR) untuk pengenalan pola karakter SIBI bagi masyarakat berbasis Biomedic and Intelligent Assistive Technology sebagai bentuk implementasi teknologi berbasis humaniora (Orange Technology). Metode yang tepat dapat memberikan tingkat akurasi yang tinggi dalam pengenalan pola karakter SIBI. Metode Ensemble merupakan metode pencari solusi prediksi terbaik dibandingkan metode yang lain karena metode ensemble menggunakan beberapa algoritma / metode untuk pencapaian solusi prediksi yang lebih baik. Metode Convolutional Neural Network (CNN) merupakan primary trend untuk pemecahan masalah pengenalan visual sehingga pada penelitian ini menggabungkan beberapa metode CNN. Dengan metode Ensemble Convolutional Neural Network (E-CNN) untuk alat deteksi dan pengklasifikasi citra dapat melakukan pengenalan pola karakter SIBI dapat memberikan kinerja deteksi yang lebih optimal dari segi akurasi. Data citra karakter SIBI berjumlah 15600 data yang berasal dari 12 responden pengambilan data dilakukan menggunakan kamera Kinect XBOX 360 Sensor. Dari penelitian ini telah dilakukan beberapa kali ujicoba pendeteksian citra karakter SIBI dan ditemukan hasil bahwa ketepatan deteksi E-CNN rata-rata lebih unggul 28 57% dibandingkan menggunakan CNN tunggal.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S2 Teknik Elektro |
| Depositing User: | library UM |
| Date Deposited: | 14 Oct 2021 04:29 |
| Last Modified: | 09 Sep 2021 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/162060 |
Actions (login required)
 |
View Item |