<![CDATA[Komunikasi merupakan hak dasar manusia, namun penyandang disabilitas rungu sering menghadapi hambatan dalam berinteraksi dengan masyarakat umum yang minim pemahaman bahasa isyarat. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja algoritma YOLOv11 dalam mendeteksi kata pada Bahasa Isyarat Indonesia (BISINDO) dan Sistem Isyarat Bahasa Indonesia (SIBI) secara real-time. Metode yang digunakan meliputi pengumpulan dataset sebanyak 1.745 citra yang mencakup 12 kelas kata, preprocessing menggunakan Roboflow untuk anotasi dan augmentasi, serta pelatihan model menggunakan Google Colab. Hasil penelitian menunjukkan bahwa model YOLOv11 mampu mendeteksi bahasa isyarat dengan sangat baik, mencapai nilai mean Average Precision (mAP@50) sebesar 98%, Precision 96.8%, dan Recall 96.4% pada tahap validasi. Implementasi sistem dilakukan berbasis web menggunakan framework Flask, memungkinkan deteksi interaktif melalui kamera. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan model YOLOv11 efektif dalam mendukung penerjemahan bahasa isyarat secara real-time. Implikasi dari penelitian ini adalah meningkatnya aksesibilitas komunikasi bagi penyandang disabilitas rungu, khususnya dalam interaksi sehari-hari dengan masyarakat umum, serta membuka peluang pengembangan sistem penerjemah bahasa isyarat yang lebih luas, adaptif, dan terintegrasi pada berbagai platform digital.]]>
Copyrights © 2026
