Perhitungan Operasi Aritmatika Menggunakan Long Short Term Memory (LSTM) Berbasis Bahasa Isyarat SIBI

BSA, Abu Bakar (2023) Perhitungan Operasi Aritmatika Menggunakan Long Short Term Memory (LSTM) Berbasis Bahasa Isyarat SIBI. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211940000005-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (70MB) | Request a copy

Abstract

Tunarungu atau tuli merupakan keadaan seseorang yang mengalami gangguan pendengaran. Dalam berkomunikasi para penyandang tunarungu menggunakan bahasa isyarat. Salah satu bahasa isyarat yang ada di Indonesia adalah Sistem Isyarat Bahasa Indonesia (SIBI). Keterbatasan untuk berkomunikasi tentu juga membuat terbatasnya media belajar terutama bagi anakanak tunarungu. Salah satu ilmu yang harus dipahami oleh anak-anak adalah dasar dari teori bilangan yaitu aritmatika sehingga pada penelitian ini akan bahas pemanfaatan teknologi deep learning untuk melakukan operasi aritmatika menggunakan SIBI. Arsitektur yang akan digunakan adalah Long Short Term Memory (LSTM) karena dapat digunakan untuk melakukan pengenalan gestur atau gerakan. Hasil pengujian pada penelitian ini menghasilkan akurasi sebesar 98%.
====================================================================================================================================
Deaf or hearing-impaired individuals experience hearing loss. In communicating, they use sign language. One of the sign languages in Indonesia is Indonesian Sign Language (SIBI). The limitations in communication also result in limited learning resources, especially for deaf children. One of the fundamental subjects that children need to understand is the basics of number theory, namely arithmetic. Therefore, this research discusses the utilization of deep learning technology for performing arithmetic operations using SIBI. The architecture used is Long Short Term Memory (LSTM) as it can be used for gesture or motion recognition. The testing results of this research achieved an accuracy of 98%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Tunarungu, SIBI, Aritmatika, LSTM, Deaf, Arithmetic
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) R Medicine > R Medicine (General) > R858 Deep Learning T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Abu Bakar BSA
Date Deposited:	03 Aug 2023 02:52
Last Modified:	03 Aug 2023 02:52
URI:	http://repository.its.ac.id/id/eprint/100966

Actions (login required)

View Item