<![CDATA[Bahasa Isyarat Indonesia (BISINDO) merupakan media komunikasi bagi penyandang tunarungu dan tunawicara, namun keterbatasan pemahaman bahasa isyarat oleh masyarakat umum masih menjadi kendala dalam komunikasi. Salah satu tantangan dalam pengembangan sistem penerjemah BISINDO berbasis Internet of Things (IoT) adalah menyeimbangkan akurasi deteksi dan latensi agar sistem dapat bekerja secara real-time pada perangkat dengan sumber daya terbatas. Penelitian ini mengembangkan sistem penerjemah gestur BISINDO menggunakan ESP32-CAM dan metode deteksi objek YOLO dengan keluaran berupa teks dan suara. Penelitian membandingkan lima model, yaitu YOLOv8m, YOLOv9m, YOLOv10m, YOLO11m, dan YOLO26m, menggunakan dataset gabungan primer dan sekunder sebanyak 7.169 citra yang terdiri atas alfabet dan 30 kata dasar BISINDO. Evaluasi model dilakukan menggunakan precision, recall, mAP50, mAP50–95, F1-score, dan latensi pada lingkungan pengujian NVIDIA GeForce GTX 1050. Hasil pengujian menunjukkan bahwa YOLOv8m memberikan keseimbangan performa terbaik dengan nilai mAP50–95 sebesar 81,3% dan latensi sebesar 53,91 ms/image. Pada implementasi sistem, diperoleh accuracy sebesar 96,8%, precision 97,8%, recall 96,8%, dan F1-score 96,6%, dengan latensi komunikasi sebesar 47–52 ms. Hasil tersebut menunjukkan bahwa model YOLOv8m mampu memberikan performa deteksi yang akurat dengan latensi yang responsif untuk mendukung penerjemahan gestur BISINDO secara real-time menggunakan ESP32-CAM.]]>
Copyrights © 2026
