<![CDATA[Sistem Isyarat Bahasa Indonesia atau lebih dikenal dengan SIBI merupakan Bahasa resmi yang digunakan penyandang tuli dalam berkomunikasi. Namun, permasalahan muncul karena sebagian besar orang tidak memahami bahasa isyarat. Untuk itu diperlukan perantara alternatif yang dapat menjadi penerjemah antara penyandang tuli dengan masyarakat biasa. Penelitian ini bertujuan untuk mengklasifikasikan SIBI menggunakan metode Convolution Neural Network dengan MobileNetV2. Data memiliki total 24 kelas, dengan pengecualian huruf J dan Z. Permasalahan lain muncul ketika memiliki data yang sedikit, yaitu 220 gambar setiap kelas. Karena itu diperlukan data augmentasi sehingga dataset menjadi lebih banyak. Pada penelitian ini akan menerapkan rotasi, shear, dan flip pada setiap gambar sehingga membuat gambar baru. Hasil penelitian ini menunjukan dengan penambahan data, model menjadi lebih optimal. Untuk pengujian akan menggunakan data test, yang menghasilkan akurasi sebesar 98,54 melalui penggunaan batchsize sebesar 32 dan menjalankan proses training sebanyak 25 epoch.]]>
Copyrights © 2024
