<![CDATA[Tujuan dari penelitian ini adalah untuk memasukkan algoritma Convolutional Neural Network (CNN) ke dalam sistem pengenalan bahasa isyarat statis Indonesia Bahasa Isyarat (BISINDO). Latar belakang penelitian adalah pentingnya pengembangan teknologi yang membantu penyandang tunarungu berkomunikasi dengan masyarakat umum. Metode ini menggunakan arsitektur CNN khusus yang terdiri dari lapisan konvolusi, pooling, dan seluruhnya terhubung. Dataset yang digunakan terdiri dari 1.500 gambar 26 huruf alfabet BISINDO, yang telah diperluas untuk meningkatkan variasi dan ketahanan model melalui proses augmentasi data. Hasil dari eksperimen menunjukkan bahwa model yang diusulkan dapat beroperasi dengan sangat baik. Akurasi deteksi model sebesar 98,5% pada data pengujian. Hasil evaluasi tambahan menunjukkan bahwa model memiliki nilai akurasi sebesar 97,8%, nilai recall sebesar 98,2%, dan nilai F1-Score sebesar 98,0%. Hasil ini menunjukkan bahwa CNN tidak hanya akurat tetapi juga handal dalam mengklasifikasikan bentuk tangan yang kompleks dalam BISINDO. Oleh karena itu, sangat mungkin untuk CNN digunakan dalam sistem translator real-time.]]>
Copyrights © 2026
