Pengenalan Bahasa Isyarat Indonesia dengan Algoritma Convolutional Neural Network (CNN) menggunakan Kinect 2.0

Abdurrahman, Muhammad Fahmi (2019) Pengenalan Bahasa Isyarat Indonesia dengan Algoritma Convolutional Neural Network (CNN) menggunakan Kinect 2.0. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 05111440000028-Undergraduate_Thesis.pdf]
Preview
Text
05111440000028-Undergraduate_Thesis.pdf

Download (2MB) | Preview

Abstract

Bahasa isyarat memungkinkan tuna rungu dan tuna wicara untuk saling berkomunikasi. Namun, tidak semua masyarakat memahami bahasa isyarat yang saat ini dipakai. Dengan perkembangan teknologi, penerjemahan bahasa isyarat dapat dilakukan secara real-time, yang memudahkan komunitas tuna rungu dan tuna wicara berkomunikasi dengan masyarakat umum.
Pada penelitian sebelumnya, penggunaan teknologi terkini guna mendukung pembelajaran pemakaian bahasa isyarat Indonesia sudah dilakukan, namun hanya sebatas bahasa isyarat dengan gerakan statis saja. Pada Tugas Akhir ini, penulis mengusulkan sebuah metode yang mampu mengenali secara real-time bahasa isyarat Indonesia dari 20 kata dan menerjemahkannya ke dalam gambar dan teks menggunakan Kinect 2.0. dan Algoritma Convolutional Neural Network (CNN) untuk mengenali gerakan tangan.
Hasil pengujian dalam Tugas Akhir ini menunjukkan bahwa algoritma CNN yang digunakan untuk mendeteksi gerakan isyarat dengan akurasi mencapai 78%. Hasil tersebut dapat ditingkatkan dengan menambahkan data training maupun menggunakan atau menggabungkan metode dan perangkat lain dalam mengenali bahasa isyarat.
================================================================================================
Sign languages allows hearing and speech-impaired to interact with each other. However, not all people understand sign language that is currently used. With development in technology, sign language translation can be done in real time, make hearing and speech-imparired community interact with most common people much easier.
In previous research, the usage of latest technology to support learning Indonesian sign language usage has been done, but it is limited to static sign language only. In this final project, writer suggest a method to recognize Indonesian sign language in real-time and translate it to image and text using Kinect 2.0 and Convolutional Neural Network (CNN) Algorithm for recognizing the hand gesture.
This final project’s test result shows that CNN algorithm which used in the sign language detection achieves an accuracy up to 78%. The result can be impoved by increasing the data training size and using or combining several methods or devices in recognizing sign language.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 006.42 Abd p-1 2019
Uncontrolled Keywords: Bahasa Isyarat Indonesia, Convolutional Neural Network, Kinect 2.0
Subjects: Q Science > QA Mathematics > QA336 Artificial Intelligence
Q Science > QA Mathematics > QA402.5 Genetic algorithms. Interior-point methods.
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: Muhammad Fahmi Abdurrahman
Date Deposited: 12 May 2022 07:46
Last Modified: 12 May 2022 07:46
URI: http://repository.its.ac.id/id/eprint/61176

Actions (login required)

View Item View Item