<![CDATA[Bahasa Isyarat Indonesia (BISINDO) adalah alat utama yang digunakan oleh orang-orang yang tidak bisa mendengar dalam berkomunikasi sehari-hari. Namun, banyak orang yang tidak memahami BISINDO, sehingga menyulitkan mereka untuk berinteraksi dengan orang lain. Karena itu, penelitian ini mencoba membuat sistem otomatis yang dapat menerjemahkan atau mengenali bahasa isyarat. Penelitian ini fokus pada pengembangan model yang dapat mengklasifikasikan gambar tangan BISINDO menggunakan metode pembelajaran mesin, yaitu Support Vector Machine (SVM) dan Random Forest. Dataset yang digunakan terdiri dari gambar tangan yang menunjukkan berbagai huruf dan angka dalam BISINDO. Gambar-gambar tersebut diproses menggunakan Histogram of Oriented Gradients (HOG) untuk menghasilkan fitur yang mampu merepresentasikan bentuk tangan secara akurat meskipun terjadi perubahan cahaya, ukuran, atau arah gambar. Pada tahap klasifikasi, SVM digunakan dengan kernel radial basis function (RBF) yang bisa menangani data yang tidak bersifat linear, sedangkan Random Forest menggunakan sejumlah pohon sebagai classifier ensemble untuk meningkatkan kemampuan model dalam pengenalan secara umum. Kedua metode ini dibandingkan untuk menentukan metode mana yang paling efektif dalam mengenali BISINDO. Hipotesis penelitian menyatakan bahwa Random Forest cenderung memberikan hasil yang lebih akurat jika data yang digunakan bersih dan terstruktur dengan baik, sedangkan SVM lebih stabil ketika menghadapi variasi dalam gambar tangan yang kompleks]]>
Copyrights © 2025
