SISTEM DETEKSI SIMBOL PADA SIBI (SISTEM ISYARAT BAHASA INDONESIA) MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Abstract

Penyandang tunarungu ialah mereka yang mengalami gangguan dalam pendengarannya, sehingga untuk berkomunikasi mereka menggunakan bahasa isyarat. Di Indonesia, terdapat 2 bahasa isyarat yang digunakan, yaitu BISINDO (Bahasa Isyarat Indonesia) yaitu bahasa isyarat yang lahir dari golongan tunarungu itu sendiri, lalu SIBI (Sistem Isyarat Bahasa Indonesia) yang diresmikan pemerintah pada tahun 1994. Namun masih banyak yang kurang memahami bahasa isyarat ini, sehingga menyulitkan orang biasa untuk berkomunikasi dengan penyandang tunarungu. Dari permasalahan tersebut maka dirancanglah sebuah sistem untuk mendeteksi simbol pada SIBI (Sistem Isyarat Bahasa Indonesia) menggunakan Convolutional Neural Network. Convolutional Neural Network itu sendiri adalah pengembangan dari Machine Learning. ada 2 tahap utama pada Convolutional Neural Network, yaitu Feature Extraction dan Classification. Pada penelitian ini, Dataset simbol isyarat yang digunakan yaitu 6 simbol, 3 kata ganti orang (Saya, Kamu, Dia) dan 3 kata ganti perasaan (Maaf, Cinta, Sedih). Total dari Dataset yang digunakan yaitu 540 citra sebagai data Training, 60 citra sebagai data validasi dan 60 citra sebagai Data Testing. 6 simbol inilah yang akan di Training menggunakan Convolutional Neural Network agar bisa diklasifikasikan. Hasil Training yang dilakukan menghasilkan akurasi sebesar 91% sedangkan validasi yang dilakukan memiliki akurasi sebesar 90%. Pada hasil prediksi mendapatkan akurasi pada simbol “Cinta” di angka 80%, simbol “Saya” dan “Dia” pada angka 70%, simbol “Kamu” sebesar 90%, simbol “Sedih” sebesar 100% dan simbol “Maaf” di angka 0%.