Agustin, Risda Rosdiana (2023) Deteksi Gerakan BISINDO (Bahasa Isyarat Indonesia) Menggunakan Long Short-Term Memory (LSTM) Dengan Mediapipe Holistics. Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (Cover)
19081010156_cover.pdf Download (778kB) | Preview |
|
|
Text (Bab 1)
19081010156_BAB 1.pdf Download (94kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Bab 2)
19081010156_BAB 2.pdf Restricted to Registered users only until 23 November 2025. Download (485kB) |
|
|
Text (Bab 3)
19081010156_BAB 3.pdf Restricted to Registered users only until 23 November 2025. Download (993kB) |
|
|
Text (Bab 4)
19081010156_BAB 4.pdf Restricted to Registered users only until 23 November 2025. Download (1MB) |
|
|
Text (Bab 5)
19081010156_BAB 5.pdf Download (69kB) | Preview |
|
|
Text
19081010156_Daftar_pustaka.pdf Download (160kB) | Preview |
Abstract
Dalam kehidupan sehari-hari, penyandang tunarungu dan tunawicara menggunakan bahasa isyarat untuk berkomunikasi. Bahasa isyarat adalah bahasa yang tidak menggunakan bunyi ucapan manusia atau tulisan. Bahasa isyarat menggunakan gerakan tubuh untuk menunjukkan maknanya. Penelitian ini mengembangkan deteksi gerakan Bahasa Isyarat Indonesia (BISINDO) menjadi teks dan menggabungkan suara (Text-to Speech) sebagai respons suara. Dalam upaya untuk mempermudah media pembelajaran penyandang seperti Sekolah Luar Biasa dalam mempelajari kosa kata jadi kalimat dan berkomunikasi kepada masyarakat. Penelitian ini menggunakan Long Short-Term Memory dan Mediapipe. Untuk membuktikan bahwa Long Short-Term Memory (LSTM) dan Mediapipe Holistics dapat meningkatkan performa dan akurasi, terdapat perbandingan dua jenis dataset yang digunakan. Dataset pertama berisi gambar dengan landmark tubuh yang dibuat oleh model Mediapipe Holistics, dan dataset kedua berisi gambar asli tanpa landmark. Proses pelatihan dan pengujian dilakukan dengan berbagai parameter, seperti batch size dan epoch. Hasilnya menunjukkan bahwa model dengan dataset yang berisi landmark memiliki akurasi tertinggi sekitar 96,67%, sedangkan model tanpa landmark memiliki akurasi sekitar 89,33%. Model dengan dataset yang berisi landmark juga memiliki skor recall, presisi, dan F1 yang baik. Penelitian ini mampu dengan mendeteksi berbagai gerakan BISINDO, seperti "saya", "kamu", "ayah", "ibu", dan gerakan lainnya yang terdapat dalam dataset. Selain itu, program ini dapat menghasilkan suara berdasarkan gerakan yang terdeteksi.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > T Technology (General) | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Risda Rosdiana Agustin | ||||||||||||
| Date Deposited: | 23 Nov 2023 08:12 | ||||||||||||
| Last Modified: | 23 Nov 2023 08:12 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/18802 |
Actions (login required)
 |
View Item |