Article Per Year (5 Year)
p-Index From 2020 - 2025
2.189
P-Index
This Author published in this journals
All Journal STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Yustisia Merdeka : Jurnal Ilmiah Hukum Jurnal PkM (Pengabdian kepada Masyarakat) Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jagaddhita: Jurnal Kebangsaan dan Wawasan Nusantara Nanggroe: Journal Of Scholarly Service Nanggroe: Journal of Scholarly Service Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) J-CEKI
Amaliasyifa Agustina
Universitas Indraprasta PGRI
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)

 1 
MODEL PENERJEMAH BAHASA ISYARAT INDONESIA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Pramono, Ichwanul Muslim; Niswati, Za’imatun; Agustina, Amaliasyifa
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 8, No 01 (2024): SEMNAS RISTEK 2024
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v8i01.7124

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menerapkan sistem penerjemah bahasa isyarat Indonesia berbasis komputer menggunakan Python Hand Gesture Recognition dengan metode Convolutional Neural Network (CNN) pada video real-time. Sistem ini diharapkan dapat mengenali gerakan tangan secara akurat dan meningkatkan aksesibilitas komunikasi bagi penyandang disabilitas tunawicara. Pengujian sistem penerjemah bahasa isyarat menunjukkan hasil yang positif dengan rata-rata hasil deteksi 70,2%. Sistem berhasil mengenali dan memahami gerakan tangan dalam video real-time dengan tingkat akurasi yang cukup. Dari hasil penelitian ini dapat disimpulkan bahwa penerapan Python Hand Gesture Recognition dengan metode Convolutional Neural Network (CNN) pada video real-time efektif dalam mengenali dan menerjemahkan bahasa isyarat Indonesia. 
Co-Authors Agung Ferdinan Sandy Andy Hermawan Aslamiyah, Suwaebatul Jayanti, Nila Rusiardi Niswati, Za’imatun Pramono, Ichwanul Muslim Sandy, Agung Ferdinan Siti Anisah Suwaebatul Aslamiyah Zulviter, Deygo