<![CDATA[Manusia berinteraksi satu sama lain melalui komunikasi dalam bentuk bahasa. Komunikasi dapat terjadi baik secara verbal maupun non verbal. Komunikasi verbal adalah komunikasi yang menggunakan suara, sedangkan komunikasi non verbal adalah komunikasi yang menggunakan simbol-simbol. Dalam kehidupan sehari-hari, manusia berkomunikasi secara verbal tetapi tidak semua manusia dapat berkomunikasi secara verbal. Para penderita tuna rungu dan tuna wicara menggunakan bahasa isyarat dalam berkomunikasi.Para penderita tuna rungu dan tuna wicara mengalami kesulitan dalam berkomunikasi dengan orang normal karena perbedaan metode komunikasi. Bagi para tuna rungu dan tuna wicara, bahasa isyarat tersebut adalah umum bagi mereka tetapi asing bagi orang normal. Hal ini dapat mengganggu keharmonisan sosial antara penderita tuna rungu dan tuna wicara dengan orang normal. Untuk itu dibutuhkan perantara alternatif yang dapat menjadi penerjemah antara para penderita tuna rungu dan tuna wicara dengan orang normal.Dilatarbelakangi oleh permasalahan di atas, maka dilakukan penelitian untuk mengembangkan sebuah aplikasi yang dapat mengenali bahasa isyarat pada latar belakang komplek menggunakan kinect dan jaringan syaraf tiruan serta analisa manfaat dan penerimaan terhadap implementasi di SLB Karya Mulia 1. Proses pengenalan bahasa isyarat ini terdiri dari tiga tahap yaitu tahap masukan, tahap proses dan tahap keluaran. Tahap masukan adalah tahap pengambilan bahasa isyarat yang disajikan oleh pemberi bahasa isyarat menggunakan Kinect Sensor untuk mendapatkan kumpulan depth image dan kumpulan skeleton image. Tahap proses adalah tahap inti dari sistem pengenalan bahasa isyarat. Pada tahap ini, dilakukan pengolahan citra digital untuk mendapatkan fitur-fitur yang akan digunakan sebagai data masukan pada proses klasifikasi (classification) untuk mengenali bahasa isyarat tersebut. Tahap keluaran adalah tahap dimana sistem memberikan hasil bahasa isyarat yang dikenali pada tahap sebelumnya dan menampilkannya dalam bentuk tulisan, gambar atau suara. Pengembangan aplikasi ini menggunakan bahasa C# dan EmguCV untuk pemrosesan citra digital.Berdasarkan hasil uji coba, jaringan syaraf tiruan tersebut dapat mengenali bahasa isyarat dengan tingkat akurasi sebesar 85%. Sebagian besar bahasa isyarat dapat dikenali dengan baik tetapi ada beberapa bahasa isyarat yang belum dapat dikenali dengan maksimal dikarenakan kemiripan bentuk tangan pada bahasa isyarat tersebut. Berdasarkan hasil implementasi pada SLB Karya Mulia 1, aplikasi ini memiliki potensi manfaat yang dapat membantu siswa, orang tua dan guru dalam proses belajar mengajar namun perlu digabungkan dengan modul pembelajaran serta mempertimbangkan penggunaan sensor selain Kinect dikarenakan tingkat kompleksitas untuk installasi perangkat keras dan mobilitas perangkat.]]>
Copyrights © 2021
