Bahasa Isyarat Indonesia (BISINDO) merupakan sarana komunikasi utama bagi penyandang tunarungu sehingga diperlukan sistem klasifikasi citra yang mampu mengenali gestur secara akurat. Penelitian ini bertujuan meningkatkan performa klasifikasi BISINDO menggunakan arsitektur Vision Transformer (ViT) yang dikombinasikan dengan teknik Contrast Limited Adaptive Histogram Equalization (CLAHE) dan augmentasi data MixUp. Metode penelitian menggunakan pendekatan kuantitatif eksperimental melalui tahapan akuisisi data, preprocessing citra (ukuran 224×224 piksel, Gaussian Blur, dan CLAHE), penerapan MixUp pada data latih, serta pelatihan dan evaluasi model menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Dataset terdiri atas 900 citra dari 10 kelas dengan pembagian 50% data latih, 40% data validasi, dan 10% data uji. Hasil penelitian menunjukkan akurasi 99% dengan nilai rata-rata precision, recall, dan F1-score sebesar 0,99. Temuan ini menunjukkan bahwa integrasi CLAHE dan MixUp efektif meningkatkan kualitas fitur dan kemampuan generalisasi model dalam klasifikasi BISINDO. Kata Kunci: BISINDO, Vision Transformer, CLAHE, MixUp
Copyrights © 2026