Ekstraksi Fitur Dinamis pada Gerakan Tangan Menggunakan Kinect 2.0 untuk Mengenali Bahasa Isyarat Indonesia

Nugyasa, Yahya Eka (2017) Ekstraksi Fitur Dinamis pada Gerakan Tangan Menggunakan Kinect 2.0 untuk Mengenali Bahasa Isyarat Indonesia. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5113100134-Undergraduate_Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Bahasa isyarat merupakan media bagi penderita tuna rungu dan tuna wicara untuk berkomunikasi dengan sekitar. Mengacu pada Sistem Isyarat Bahasa Indonesia (SIBI), bahasa isyarat diklasifikasikan dalam dua kategori, yaitu bahasa isyarat statis dan dinamis. Pada tugas akhir sebelumnya, penggunaan teknologi terkini guna mendukung pembelajaran pemakaian bahasa isyarat Indonesia sudah dilakukan dengan menggunakan perangkat Kinect 1.0, namun hanya sebatas bahasa isyarat dengan gerakan statis saja. Tugas Akhir ini menggunakan perangkat Kinect 2.0 dalam mendeteksi gerakan dan fitur dinamis untuk menentukan bahasa isyarat apa yang dimaksud oleh pengguna berdasarkan gerakan tangan yang dilakukan. Hasil pengujian dalam Tugas Akhir ini menunjukkan bahwa metode Decision Tree yang digunakan sebagai classifier gerakan isyarat dinamis mempunyai akurasi yang baik yaitu sekitar 82,9 persen. Hasil tersebut masih dapat ditingkatkan dengan menambahkan data training maupun menggunakan/membuat classifier lain dalam mengklasifikasikan bahasa isyarat dinamis. ================================================================= Sign language is s tool for deaf and speech impaired person to communicate with people around. Referring to the Indonesian sign language system (SIBI), sign language is classified into two categories, namely static and dynamic sign language. In the previous final project, the use of the latest technology to learning of Indonesian sign language has been done using Kinect 1.0 device, but only limited to sign language with a static movement only. This final project uses Kinect 2.0 devices in motion detection and the dynamic features to determine what sign language the user is referring based on the hand movements performed. The test results of this final project show that the Decision Tree method used as classifier have a good accuracy which is about 82,9 percent. These results can be improved by adding training data or using/creating another classifier in classifying dynamic sign language.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 006.269 Nug e
Uncontrolled Keywords: Kinect 2, Fitur Dinamis, Bahasa Isyarat, SIBI, Dynamic Features, Sign Language
Subjects: P Language and Literature > PL Languages and literatures of Eastern Asia, Africa, Oceania
Q Science > QA Mathematics
Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Information Technology > Informatics Engineering > (S1) Undergraduate Theses
Depositing User: Yahya Eka Nugyasa
Date Deposited: 06 Nov 2017 03:12
Last Modified: 05 Mar 2019 04:47
URI: http://repository.its.ac.id/id/eprint/42827

Actions (login required)

View Item View Item