<![CDATA[Keterbatasan pemahaman masyarakat umum terhadap bahasa isyarat kerap menjadi kendala komunikasi bagi penyandang tunarungu dan tunawicara di Indonesia. Sebagai solusi dari permasalahan tersebut, penelitian ini merancang sebuah sistem pengenalan bahasa isyarat otomatis berbasis web. Sistem ini memanfaatkan algoritma Convolutional Neural Network (CNN) untuk mendeteksi sekaligus mengklasifikasikan gestur tangan secara real-time, yang kemudian diterjemahkan menjadi output suara berbahasa Indonesia. Proses deteksi dilakukan dengan memetakan 21 titik (landmark) pada tangan. Selanjutnya, sistem mengklasifikasikan delapan gestur dasar menggunakan pendekatan berbasis aturan (rule-based) yang mengacu pada pola biner status jari. Pengembangan perangkat lunak ini menggunakan metode Waterfall, sedangkan evaluasi kelayakannya dilakukan melalui pengujian Black-box dengan 15 skenario uji. Berdasarkan hasil pengujian, sistem terbukti mampu mengenali kedelapan gestur tersebut dengan akurat dan sangat responsif, mencatat latensi rata-rata di bawah 100 milidetik per frame. Keunggulan lainnya, aplikasi ini dapat diakses dengan lancar langsung melalui browser tanpa mengharuskan pengguna melakukan instalasi perangkat lunak tambahan.]]>
Copyrights © 2026
