<![CDATA[Individu Muslim dengan gangguan pendengaran sering menghadapi tantangan dalam mempelajari Al-Qur'an, terutama karena kurangnya sistem pendukung untuk pembelajaran bahasa isyarat Arab. Bahasa isyarat memainkan peran penting dalam memfasilitasi komunikasi yang efektif bagi mereka yang mengalami kesulitan pendengaran. Untuk mengatasi masalah ini, penelitian ini bertujuan untuk mengembangkan sistem pengenalan Bahasa Isyarat Arab (ArSL) dengan menggunakan Convolutional Neural Network (CNN) dan pendekatan Transfer Learning menggunakan model pre-trained EfficientNetB1. Sistem ini dirancang untuk mengidentifikasi gerakan bahasa isyarat Arab dari dataset yang terdiri dari 28 huruf Hijaiyah, dengan masing-masing huruf memiliki 100 citra. Pengujian dilakukan pada model dengan empat skenario berbeda untuk menemukan konfigurasi yang paling optimal. Hasil penelitian menunjukkan bahwa dengan membekukan 30% lapisan awal model selama fine-tuning menghasilkan akurasi 98.95% pada data train dan 99.52% pada data validation. Pada data pengujian, model mencapai performa terbaik dengan accuracy, precision, recall, dan f1-score masing-masing sebesar 100%.]]>
Copyrights © 2025
