<![CDATA[Kurangnya penggunaan bahasa isyarat dalam berkomunikasi mengakibatkan minimnya pengetahuan masyarakat terkait metode komunikasi menggunakan bahasa isyarat. Model algoritma YOLOv5 banyak digunakan untuk deteksi objek dan mampu menghasilkan tingkat akurasi yang tinggi. Oleh karena itu, penelitian ini dilakukan untuk mendeteksi dan mengenali objek alfabet dari American Sign Language (ASL) menggunakan YOLOv5. Tujuan penelitian ini adalah untuk mengetahui hasil deteksi dan menganalisis performa model YOLOv5, serta mengevaluasi hasilnya menggunakan Confusion Matrix. Tahapan penelitian yang dilakukan meliputi pengumpulan dataset dan anotasi objek menggunakan Roboflow. Untuk mengetahui performa model YOLOv5, dilakukan perbandingan antara pelatihan dengan 200 epoch dan 300 epoch. Hasil pengujian model YOLOv5 pada kedua epoch tersebut menunjukkan bahwa dari 26 kelas huruf alfabet, nilai Mean Average Precision (mAP) dengan confidence threshold rata-rata mencapai 0,950 pada mAP@0.5. Nilai precision pada 200 dan 300 epoch masing-masing sebesar 1 dan 0,7428. Nilai recall pada 200 dan 300 epoch masing-masing sebesar 0,7878 dan 0,7027. Pada epoch 200 dan 300 diperoleh nilai akurasi tertinggi sebesar 0,96, sedangkan nilai akurasi terendah terdapat pada epoch 200 dengan nilai 0,85.]]>
Copyrights © 2026
