<![CDATA[Bahasa Isyarat Indonesia (BISINDO) adalah bahasa komunikasi yang digunakan oleh individu dengan gangguan pendengaran untuk berinteraksi satu sama lain dan dengan masyarakat umum. Namun, aksesibilitas informasi bagi komunitas BISINDO masih terbatas, terutama dalam hal pemahaman dan penerjemahan bahasa isyarat secara otomatis. Kurangnya alat bantu yang efektif menghambat interaksi mereka dengan masyarakat yang lebih luas, sehingga memperdalam kesenjangan komunikasi. Dalam upaya meningkatkan aksesibilitas informasi bagi komunitas BISINDO, penelitian ini mengimplementasikan model transfer learning EfficientNet untuk pendeteksian Bahasa Isyarat Indonesia pada perangkat Android. Data pelatihan yang digunakan adalah dataset gambar Bahasa Isyarat Indonesia (BISINDO) yang berisi gestur-gestur alfabet dari A sampai Z. Kumpulan data yang digunakan untuk model ini memiliki total sekitar 10400 gambar dengan 26 kelas yang berbeda. Penelitian ini menggunakan rasio data latih dan data uji 80-20, yaitu 80% kumpulan data citra digunakan untuk proses pelatihan dan 20% digunakan untuk proses pengujian. Model menggunakan pre-trained ImageNet, lalu dilakukan proses transfer learning menggunakan dataset BISINDO yang sudah disiapkan. Proses pelatihan model dilakukan dengan variasi jumlah epoch, yaitu 20, 30, dan 40, dengan evaluasi performa menggunakan metrik akurasi, precision, recall, dan F1 score. Hasil analisis menunjukkan bahwa model pada Epoch 20 mencapai akurasi tertinggi, yaitu 99.24%, dengan keseimbangan yang optimal antara kinerja dan efisiensi waktu pelatihan. Model berhasil diimplementasikan pada aplikasi android dengan kinerja yang sangat baik, membuktikan potensinya sebagai alat bantu yang efisien dan dapat diakses untuk komunitas tunarungu.]]>
