Update Artikelilmiah: 45156

SARAH NUR AZIZAH

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Bahasa adalah alat komunikasi yang esensial bagi manusia untuk menyampaikan pesan, ide, dan emosi. Selain bahasa lisan dan tulis yang umum digunakan, terdapat bahasa isyarat terutama Bahasa Isyarat Indonesia (BISINDO) yang digunakan oleh penyandang disabilitas sensorik seperti tuli dan bisu sebagai alat komunikasi utama di Indonesia sebagai alat komunikasi sehari-hari.  Keterbatasan pengetahuan umum tentang BISINDO pada masyarakat umum menciptakan batas komunikasi antara kelompok dengar dan tuli. Penelitian ini bertujuan untuk mengurangi batas komunikasi tersebut dengan menggunakan model deteksi BISINDO yang dibuat dengan algoritma YOLOv8. Algoritma YOLOv8 dipilih karena kelebihannya dalam mendeteksi objek secara real-time dengan akurasi tinggi dan efisiensi komputasi yang baik. Pada penelitian ini model dilatih dengan 50 kelas objek BISINDO, memiliki jumlah data yang digunakan 6006 dengan pembagian rasio untuk data train dan data validation 8:2, serta model dilatih sebanyak 100 epoch. Hasil penelitian menunjukan bahwa model memiliki kinerja yang baik dengan nilai precision sebesar 0.997, recall sebesar 0.994, dan mAP50 sebesar 0.992 serta mAP50-95 0.91 mengindikasikan tingkat ketepatan yang tinggi. Ditambah hasil F1-score sebesar 0.95 menandakan keseimbangan yang baik antara precision dan recall. Selain itu, pengimplementasian model pada aplikasi website teruji sukses dan mampu mendeteksi gerakan BISINDO dengan baik.

Abtrak (Bhs. Inggris)

Language is an essential tool for humans to convey messages, ideas, and emotions. In addition to the commonly used spoken and written languages, there is sign language, which is used by individuals with sensory disabilities such as the deaf and mute as their primary means of communication. In Indonesia, the deaf and mute community commonly uses Indonesian Sign Language (BISINDO) for daily communication. The general lack of knowledge about BISINDO among the wider public creates a communication barrier between the hearing and the deaf communities. This study aims to reduce this communication barrier by using a BISINDO detection model developed with the YOLOv8 algorithm. The YOLOv8 algorithm was chosen for its advantages in real-time object detection with high accuracy and computational efficiency. In this study, the model was trained with 50 BISINDO object classes, using a dataset of 6006 samples, with an 8:2 ratio for training and validation data, and trained over 100 epochs. The results indicate that the model performs well, with a precision of 0.997, recall of 0.994, mAP50 of 0.992, and mAP50-95 of 0.82, indicating high accuracy. Additionally, the F1-score of 0.95 demonstrates a good balance between precision and recall. Furthermore, the implementation of the model on a website application has been successfully tested and is capable of accurately detecting BISINDO gestures.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman