<![CDATA[Ketidakmampuan berbicara merupakan kecacatan yang menghambat kemampuan seseorang untuk berkomunikasi menggunakan ucapan dan pendengaran. Individu yang terkena kondisi ini sering kali beralih ke bentuk komunikasi alternatif, seperti bahasa isyarat. Meskipun bahasa isyarat semakin umum digunakan pada masa kini, tetap ada tantangan bagi mereka yang tidak mengerti bahasa isyarat untuk berkomunikasi secara efektif dengan pengguna bahasa isyarat. Kemajuan terbaru dalam pembelajaran mendalam dan visi komputer telah menunjukkan kemajuan yang menjanjikan dalam bidang pengenalan gerakan dan isyarat melalui teknik berbasis teknologi-teknologi tersebut. Pengenalan bahasa isyarat memiliki beragam aplikasi, mulai dari meningkatkan komunikasi dengan komunitas tuna-rungu hingga mendukung pengembangan antarmuka pengguna yang inovatif. Dalam penelitian ini, dilakukan pendekatan pengenalan bahasa isyarat ASL menggunakan Jaringan Saraf Konvolusional (CNN) dengan arsitektur yang disesuaikan secara khusus. Metode ini memungkinkan model untuk secara efektif mempelajari fitur-fitur penting dari gambar tangan dan mengklasifikasikannya ke dalam kategori yang sesuai dengan tanda-tanda isyarat ASL. Melalui pendekatan ini, diharapkan dapat memberikan kontribusi dalam meningkatkan kemampuan teknologi untuk mendukung komunikasi dan interaksi bagi komunitas tuna-rungu. Berdasarkan uji coba penelitian menggunakan model pre-train VGG16 dan Xception, didapatkan hasil akurasi tertinggi oleh model VGG16 dengan persentase 98,9%.]]>
Copyrights © 2025
