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.

[thumbnail of 5113100044-Undergraduate_Theses.pdf]
Preview
Text
5113100044-Undergraduate_Theses.pdf - Accepted Version

Download (4MB) | Preview

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)
Additional Information: RSIf 006.269 Ben i
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 and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis
Depositing User: Ignatius Benedict
Date Deposited: 12 Apr 2018 03:35
Last Modified: 23 Sep 2020 03:52
URI: http://repository.its.ac.id/id/eprint/50801

Actions (login required)

View Item View Item