<![CDATA[Penelitian ini mengusulkan dan mengimplementasikan sistem pengenalan Bahasa Isyarat Indonesia (BISINDO) secara real-time menggunakan metode K-Nearest Neighbors (K-NN) Classifier dengan menggunakan bahasa pemrograman Python. Bahasa Isyarat Indonesia adalah bentuk komunikasi visual yang penting bagi komunitas tuna rungu dan tuna netra di Indonesia. Sistem ini bertujuan untuk memberikan solusi interaktif dan responsif dalam mengenali dan mengklasifikasikan gestur tangan Bahasa Isyarat Indonesia. Penelitian ini melibatkan pengumpulan dataset Bahasa Isyarat Indonesia melalui perekaman gestur tangan menggunakan webcam. Landmark tangan diekstraksi menggunakan MediaPipe, dan data yang dihasilkan diolah dan dipre-proses untuk melatih model K-Nearest Neighbors. Pembagian dataset dilakukan secara proporsional antara data latih 80% dan data uji 20%. Program diimplementasikan menggunakan Python dengan memanfaatkan pustaka MediaPipe dan scikit-learn. Pengujian dilakukan untuk mengevaluasi kinerja model pada dataset uji, serta respon sistem dalam kondisi real-time. Hasil pengujian mencakup akurasi pengenalan Bahasa Isyarat Indonesia dan kecepatan respon sistem terhadap gestur tangan. Penelitian ini menyoroti kemampuan sistem dalam mendukung pengenalan gestur tangan Bahasa Isyarat Indonesia secara real-time.]]>
