IMPLEMENTASI ALGORITMA KLASIFIKASI GERAKAN TANGAN POPULER MENGGUNAKAN CUSTOM MODEL CONVOLUTIONAL NEURAL NETWORK (CNN)

Rizmawan, Dilan
Latifa, Ulinnuha

Jurnal Teknik Elektro
Vol 14 No 2 (2024): Jurnal Teknik Elektro

Pada penelitian ini, diimplementasikan Convolutional Neural Network (CNN) dengan model kustom untuk mengklasifikasikan Gerakan tangan populer. Dataset dibuat sendiri dengan contoh gerakan tangan yang diambil. Pengujian dilakukan dengan 361 epoch dan batch size 256. Hasil menunjukkan peningkatan konsisten dalam performa model, meskipun akurasi validasi tidak mencapai lebih dari 0.94. Evaluasi model mencapai akurasi 94% dengan nilai loss yang rendah. Laporan klasifikasi menunjukkan kekurangan pada beberapa kelas seperti tumbs down, peace, stop be strong shake sign, bang-bang, dan rock. Namun, kelas seperti tumbs up dan ok memiliki performa terbaik dengan nilai rata-rata 1.00. Dalam penelitian ini, juga menggunakan metode Transfer Learning untuk memperbaiki performa model CNN.