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

Benedict, Ignatius (2018) Integrasi Ekstraksi Fitur Statis dan Dinamis pada Gerakan Tangan Menggunakan Kinect 2.0 untuk Mengenali Bahasa Isyarat Indonesia. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5113100044-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Bahasa isyarat adalah sarana untuk berkomunikasi bagi orang yang menyandang tunarungu. Tidak semua orang dapat menguasai keahlian untuk memahami bahasa isyarat. Pada Tugas Akhir sebelumnya, telah dikembangkan teknologi untuk mendukung pembelajaran bahasa isyarat Indonesia statis menggunakan Kinect 1.0 dan bahasa isyarat Indonesia dinamis menggunakan Kinect 2.0. Tugas Akhir ini bertujuan untuk membantu orang memahami bahasa isyarat statis dan dinamis dengan cara mengintegrasikan kedua kelompok bahasa isyarat dengan menggunakan teknologi Kinect 2.0. Hasil pengujian dalam Tugas Akhir ini menunjukkan bahwa metode Decision Tree yang digunakan sebagai classifier gerakan bahasa isyarat mempunyai akurasi yang baik yaitu sekitar 83.67 persen. Hasil tersebut masih dapat ditingkatkan dengan menambahkan data training maupun menggunakan/membuat classifier lain untuk mengklasifikasikan bahasa isyarat ================ Sign language is a way to communicate for deaf people. Not everyone have the skill to understand sign language. In the previous final project, the use of the technology to learning of static Indonesian sign language using Kinect 1.0 and dynamic Indonesian sign language using Kinect 2.0. This final project goal is to help people understand both static and dynamic sign language by integrating two types of sign language using Kinect 2.0 technology. The test results of this final project show that the Decision Tree method used as classifier have a good accuracy which is about 83.67 percent. These results can be improved by adding training data or using/creating another classifier to classify sign language.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Bahasa Isyarat; Kinect 2; Fitur Statis; Fitur Dinamis; Penganalan Bahasa Isyarat; Sistem Isyarat Bahasa Indonesia; Sign Language; Kinect2; Static Features; Dynamic Features; Sign Language Recognition; Indonesian Sign Language
Subjects: Q Science > QA Mathematics > QA76 Computer software
Q Science > QA Mathematics > QA76.758 Software engineering
Divisions: Faculty of Information Technology > Informatics Engineering > (S1) Undergraduate Theses
Depositing User: Ignatius Benedict
Date Deposited: 12 Apr 2018 03:35
Last Modified: 12 Apr 2018 03:35
URI: http://repository.its.ac.id/id/eprint/50801

Actions (login required)

View Item View Item