Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI) dengan Metode Convolutional Neural Network pada Perangkat Lunak berbasis Android

Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI) dengan Metode Convolutional Neural Network pada Perangkat Lunak berbasis Android

Penulis

  • Sherryl Sugiono Sindarto Fakultas Ilmu Komputer, Universitas Brawijaya
  • Dian Eka Ratnawati Fakultas Ilmu Komputer, Universitas Brawijaya
  • Issa Arwani Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

bahasa isyarat, deteksi objek, convolutional neural network, tensorflow lite

Abstrak

Sistem Isyarat Bahasa Indonesia (SIBI) yang dibakukan merupakan salah satu media yang membantu komunikasi sesama kaum tunarungu dan tunawicara di dalam masyarakat yang lebih luas. Terhitung 211.889 penduduk Indonesia merupakan penyandang disabilitas yang terdiri dari 6.5% (13.802) adalah tunarungu dan 2.6% (5.580) adalah tunawicara. Banyak orang awam belum mengerti bahasa isyarat yang menjadi batasan untuk berkomunikasi dengan kaum tunarungu dan tunawicara. Penelitian ini mengembangkan aplikasi IBIS dengan sistem penerjemah bahasa isyarat secara langsung. Sistem penerjemah bahasa isyarat secara langsung dikembangkan menggunakan metode convolutional neural network dengan Tensorflow Lite Model Maker sebagai media pengembangannya. Peneliti menggunakan metode convolutional neural network karena hasil akurasi yang relatif tinggi untuk model deteksi objek. Model diintegrasikan ke aplikasi berbasis Android yang dikembangan dengan framework Flutter. Pengembangan aplikasi IBIS dimulai dari perancangan sistem dan antarmuka menggunakan metode perancangan waterfall. Selanjutnya dilakukan implementasi sistem sesuai dengan kebutuhan yang didefinisikan. Integrasi model menggunakan plugin tflite_flutter dan tflite_flutter_helper. Setelah itu dilakukan pengujian terhadap aplikasi IBIS dan model deteksi objek. Pengujian aplikasi terdiri dari pengujian validasi dan pengujian usability. Pengujian validasi menggunakan metode blackbox dengan hasil pengujian menunjukkan fungsionalitas sistem sesuai dengan kebutuhan yang didefinisikan. Pengujian usability dengan metode System Usability Scale (SUS) mencapai nilai 86 dan masuk dalam kategori acceptable. Pengujian model deteksi objek dilakukan dengan membandingkan kelas sebenarnya dengan kelas yang dideteksi. Pengujian akurasi mencapai 88% untuk 15 kelas.

Unduhan

Diterbitkan

14 Mar 2022

Cara Mengutip

Sindarto, S. S., Ratnawati, D. E., & Arwani, I. (2022). Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI) dengan Metode Convolutional Neural Network pada Perangkat Lunak berbasis Android. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(5), 2129–2138. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10990

Terbitan

Bagian

Artikel
Loading...