Pengembangan aplikasi sign language-to-speech menggunakan pendekatan machine learning pada bisindo

Fauzi, Muhammad Zulfikar (2022) Pengembangan aplikasi sign language-to-speech menggunakan pendekatan machine learning pada bisindo. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311840000012-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Tuna rungu adalah seseorang yang mengalami gangguan dalam pendengarannya, gangguan ini dapat dialami baik dari lahir ataupun setelah mengalami peristiwa tertentu. Penyandang tuli memiliki cara tersendiri untuk berkomunikasi dengan orang lain yakni melalui bahasa isyarat. BISINDO adalah salah satu bahasa isyarat yang ada di Indonesia. Bahasa isyarat ini muncul secara alami di dalam budaya Indonesia dan cenderung lebih sering dipakai dikarenakan dianggap lebih mudah bagi masyarakat Indonesia dibandingkan bahasa isyarat ASL maupun SIBI. Tidak semua orang dapat mengartikan bahasa isyarat sehingga penyandang tuli terkadang mengalami kesulitan saat hendak berkomunikasi. Maka dari itu diperlukan suatu media yang dapat menjembatani komunikasi. Dengan menggunakan aplikasi yang dapat menerjemahkan dari bahasa isyarat dan dapat mengeluarkan suara, komunikasi antara penyandang tuli dan orang normal akan lebih mudah dilakukan. Oleh karena itu pada penelitian ini dibangun sebuah aplikasi sign language-to-speech untuk menerjemahkan bahasa isyarat BISINDO ke dalam bentuk suara dengan pendekatan machine learning. Output berupa suara ini akan mempermudah bagi pengguna untuk berkomunikasi dengan lawan bicara dan akan mempermudah lawan bicara untuk memahami bahasa isyarat dan akan meningkatkan kualitas komunikasi. Dengan menggunakan dataset penelitian ini menghasilkan akurasi model sebesar 98% dengan menggunakan metode Support Vector Machine. Tetapi tingkat akurasi menurun drastis mencapai 78% dalam uji coba yang dilakukan langsung pada pengguna. Hasil implementasi Sign Language-to-Speech berhasil mengeluarkan audio tanpa menggunakan koneksi internet.
====================================================================================================================================
A deaf person is someone who has a hearing loss, this disorder can be experienced either from birth or after experiencing certain events. Deaf people have their own way of communicating with other people, namely through sign language. BISINDO is one of the sign languages in the world. This sign language appears naturally in Indonesian culture and tends to be used more often because it is considered easier for Indonesian people than other sign languages. Not everyone can interpret sign language, so deaf people sometimes have difficulty communicating. Therefore we need a media that can bridge communication. By using an application that can translate from sign language and can produce sounds, communication between deaf people and normal people will be easier to do. Therefore, in this study, a sign language-to-speech application was built to translate BISINDO sign language into voice using a machine learning approach. The output in the form of sound will make it easier for users to communicate with the other person and will make it easier for the other person to understand sign language and will improve the quality of communication. By using this research dataset, the model accuracy is 98% using the Support Vector Machine method. But the accuracy rate dropped dramatically to 78% in tests conducted directly on users. The results of the implementation of Sign Language-to-Speech successfully output audio without using an internet connection.

Item Type:	Thesis (Other)
Additional Information:	RSTI 006.269 Fau p-1 2022
Uncontrolled Keywords:	Penyandang Tuli, BISINDO, Machine Learning, Speech, Deaf, BISINDO, Machine Learning, Speech
Subjects:	Q Science > QA Mathematics > QA76.6 Computer programming.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	22 Apr 2026 06:18
Last Modified:	22 Apr 2026 06:19
URI:	http://repository.its.ac.id/id/eprint/132862

Actions (login required)

View Item