PENGENALAN ABJAD SISTEM ISYARAT BAHASA INDONESIA (SIBI) SECARA REAL TIME DENGAN METODE FASTER R-CNN ARSITEKTUR BACKBONE RESNET

Satrianto, Muh Hamka (2023) PENGENALAN ABJAD SISTEM ISYARAT BAHASA INDONESIA (SIBI) SECARA REAL TIME DENGAN METODE FASTER R-CNN ARSITEKTUR BACKBONE RESNET. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (51kB)
	Text COVER.pdf Download (103kB)
	Text DAFTAR ISI.pdf Download (53kB)
	Text DAFTAR PUSTAKA.pdf Download (108kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (2MB)
	Text SKRIPSI FULL_MUH HAMKA SATRIANTO.pdf Restricted to Repository staff only Download (7MB)

Abstract

Masyarakat tunarungu memiliki keterbatasan dalam berkomunikasi dikarenakan
mayoritas anak-anak tunarungu lahir dari orang tua yang bisa mendengar sehingga
penggunaan Bahasa Isyarat tidak ditularkan secara vertikal dari pengasuh ke anak. Selaras
dengan UU RI No.19 tahun 2011 pasal 24 mengenai hak-hak penyandang disabilitas, perlu
adanya sarana komunikasi yang efektif untuk menjawab permasalahan tersebut. Sistem
pengenalan Sistem Isyarat Bahasa Indonesia (SIBI) secara real time dinilai efektif untuk
memfasilitasi dalam pengenalan bahasa isyarat, sampai saat ini belum ada penelitian dengan
dataset abjad SIBI dengan akurasi dan kecepatan yang tinggi karena keterbatasan dari
metode yang digunakan. Dengan menggunakan Faster R-CNN arsitektur backbone ResNet
dapat menghasilkan akurasi dan kecepatan yang cukup tinggi.
Metode Faster R-CNN arsitektur backbone ResNet dapat dioptimalkan dengan
penambahan layer pada backbone. Berdasarkan penelitian serupa menggunakan metode
Faster R-CNN backbone ResNet-18, dimana memungkinkan untuk ditingkatkan akurasinya
dengan menambahkan jumlah layer menjadi backbone ResNet-50 untuk mendeteksi abjad
SIBI. Penelitian ini dilakukan dengan 2 model dengan backbone ResNet-18 dan backbone
ResNet-50 yang telah dirancang, dimana pengujian model yang digunakan berupa akurasi
dan frame rate, serta pengujian sistem berupa akurasi terhadap jarak, frame rate dan
pengujian fungsional dari sistem.
Berdasarkan hasil pengujian didapatkan akurasi model 0.9, akurasi sistem 0.91 pada
jarak 25 cm dan akurasi sistem 0.67 pada jarak 35 cm untuk model Faster R-CNN ResNet�50, sedangkan pada Faster R-CNN ResNet-18 didapatkan akurasi model 0.85, akurasi
sistem 0.86 pada jarak 25 cm dan akurasi sistem 0.6 pada jarak 35. Semakin dalam layer
menyebabkan frame rate semakin rendah dan dibuktikan dengan didapatkannya 0.89 FPS
pada pengujian model dan 0.5 pada pengujian sistem dari Faster R-CNN ResNet-18,
sedangkan pada Faster R-CNN ResNet-50 didapatkan frame rate 0.72 FPS pada pengujian
model dan 0.47 FPS pada pengujian sistem.
Kata Kunci : Sistem Isyarat Bahasa Indonesia (SIBI), Deteksi Objek, Faster R-CNN,
Backbone ResNet

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	04 May 2023 05:07
Last Modified:	04 May 2023 05:07
URI:	http://eprints.upnyk.ac.id/id/eprint/34999

Actions (login required)

View Item