<![CDATA[Bahasa Isyarat Indonesia (BISINDO) merupakan bentuk komunikasi visual yang digunakan oleh komunitas tuli dan tunarungu di Indonesia. Minimnya pemahaman masyarakat umum terhadap BISINDO sering kali menjadi hambatan dalam proses komunikasi, sehingga dibutuhkan teknologi yang mampu menerjemahkan isyarat tangan secara otomatis. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan huruf BISINDO berbasis citra digital menggunakan algoritma Convolutional Neural Network dan pendekatan transfer learning dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari gambar huruf A–Z BISINDO yang diperoleh melalui proses augmentasi citra. Data kemudian diproses menjadi ukuran 224x224 piksel agar sesuai dengan input model. Model dilatih menggunakan fungsi aktivasi ReLU, fungsi loss Categorical Crossentropy, dan optimizer Adam. Hasil pelatihan menunjukkan bahwa model mampu mengenali huruf BISINDO dengan akurasi validasi sebesar 95% dan akurasi pengujian sebesar 93,33%. Hasil ini membuktikan bahwa penggunaan transfer learning dengan MobileNetV2 efektif dalam membangun sistem pengenalan huruf BISINDO secara cepat dan akurat. Sistem ini diharapkan dapat menjadi solusi awal dalam menjembatani komunikasi antara pengguna BISINDO dan masyarakat umum secara lebih efisien.]]>
Copyrights © 2025
