Fachrurrozi, Mohammad Idham (2021) IMPLEMENTASI OBJECT LOCALIZATION DENGAN METODE CNN UNTUK DETEKSI INDONESIAN SIGN LANGUAGE BISINDO. Undergraduate thesis, UPN "VETERAN' JAWA TIMUR.
|
Text (COVER)
Cover.pdf Download (6MB) | Preview |
|
|
Text (BAB 1)
1.pdf Download (90kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB 2)
2.pdf Restricted to Registered users only until 17 November 2023. Download (1MB) |
|
|
Text (BAB 3)
3.pdf Restricted to Registered users only until 17 November 2023. Download (807kB) |
|
|
Text (BAB 4)
4.pdf Restricted to Registered users only until 17 November 2023. Download (1MB) |
|
|
Text (BAB 5)
5.pdf Download (11kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
Dapus.pdf Download (212kB) | Preview |
Abstract
Interaksi Sosial merupakan sebuah kegiatan manusia dalam berhubungan dengan manusia lainnya, kegiatan ini terjadi saat manusia melakukan kontak sosial dan komunikasi. Dalam keberlangsungannya bahasa merupakan simbol yang paling bermakna (significant symbol), melalui simbol tersebut manusia dapat melakukan interaksi satu sama lain. Jenis dalam melakukan komunikasi melalui media yang bisa digunakan salah satunya menggunakan media komunikasi bahasa isyarat tangan. Terkadang masyarakat dengar belum paham akan Bahasa isyarat yang disampaikan oleh masyarakat tuna rungu oleh karena itu diperlukan sebuah sistem pengenalan guna membantu keberlangsungan kedua masyarakat tersebut. Metode yang digunakan dalam melakukan pengembangan sistem pengenalan tersebut adalah Convolutional Neural Network yang merupakan salah satu jenis algoritma Jaringan Syaraf Tiruan dalam melakukan klasifikasi sedangkan untuk deteksi pada citra menggunakan Regional-CNN yang merupakan pengembangan CNN. Data masukan yang akan digunakan merupakan dataset dari ISLBISINDO1 yang berupa citra. Dataset ISLBISINDO01 mempunyai data sebanyak 2080 citra abjad Bahasa isyarat yang mempunyai 26 kelas. Karena terbatasnya data maka pada penelitian ini dilakukan augmentasi pada dataset tersebut untuk menambah variasi data. Sistem yang telah berhasil diimplementasikan pada penelitian ini mendapatkan hasil akurasi tertinggi dari beberapa uji coba sebesar 97% sehingga dapat ditarik kesimpulan bahwa banyak epoch saat melakukan pelatihan berpengaruh sangat besar dalam peningkatan performa akurasi. Selisih akurasi setiap uji coba yakni epoch 50 sebesar 97%, epoch 30 sebesar 83%, dan epoch 15 sebesar 72%. Untuk memudahkan beberapa proses pengujian maka model yang telah dilatih nantinya akan ditaruh pada Website yang berbasis Flask Python. Kata Kunci : Klasifikasi, Lokalisasi, Convolutional Neural Network, Sign Language, BISINDO, Deteksi Bahasa Isyarat Indonesia
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.882 Internet | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Lisa Nadya Irawan | ||||||||||||
| Date Deposited: | 17 Nov 2021 02:47 | ||||||||||||
| Last Modified: | 17 Nov 2021 02:47 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/3249 |
Actions (login required)
 |
View Item |