Implementasi Algoritma MobileNetV2 Berbasis CNN untuk Sistem Pengenalan Bahasa Isyarat SIBI
Abstract
Perkembangan teknologi kecerdasan buatan membuka peluang baru dalam meningkatkan aksesibilitas bagi penyandang tunarungu, salah satunya melalui sistem pengenalan bahasa isyarat. Penelitian ini mengembangkan sistem pengenalan alfabet bahasa isyarat Indonesia (SIBI) menggunakan algoritma MobileNetV2 berbasis Convolutional Neural Network (CNN). Model dilatih menggunakan dataset citra alfabet SIBI dari Kaggle yang diproses melalui tahapan preprocessing dan augmentasi data untuk meningkatkan generalisasi. Sistem ini dirancang untuk mengenali gestur alfabet SIBI secara real-time dan mengklasifikasikannya dengan akurasi tinggi. Hasil pengujian menunjukkan performa yang memuaskan, dengan akurasi dan metrik evaluasi yang tinggi. Tantangan dalam pengembangan ini terdapat pada klasifikasi huruf yang memiliki kemiripan visual, sehingga pengembangan lebih lanjut direkomendasikan dengan penambahan variasi data latih dan penerapan teknik augmentasi untuk meningkatkan akurasi model dalam mengenali huruf serupa. Sistem ini diharapkan dapat menjadi dasar pengembangan sistem komunikasi yang lebih inklusif untuk penyandang tunarungu.References
[1] A. Ambarak and A. Falani, “PENGEMBANGAN APLIKASI BAHASA ISYARAT INDONESIA BERBASIS REALTIME VIDEO MENGGUNAKAN MODEL MACHINE LEARNING,” JIKA (Jurnal Informatika), vol. 7, p. 89, Feb. 2023, doi: 10.31000/jika.v7i1.7277.
[2] S. Hidayat, Y. V. Via, and E. P. Mandyartha, “Penerapan Model Hybrid Convolutional Neural Network dan Long Short-Term Memory untuk Pengenalan Real-Time Sistem Isyarat Bahasa Indonesia (SIBI),” mib, vol. 8, no. 3, p. 1586, Jul. 2024, doi: 10.30865/mib.v8i3.7837.
[3] L. Arisandi and B. Satya, “Sistem Klarifikasi Bahasa Isyarat Indonesia (Bisindo) Dengan Menggunakan Algoritma Convolutional Neural Network,” JSC, vol. 5, no. 3, pp. 135–146, Dec. 2022, doi: 10.37396/jsc.v5i3.262.
[4] M. Sholawati, K. Auliasari, and Fx. Ariwibisono, “PENGEMBANGAN APLIKASI PENGENALAN BAHASA ISYARAT ABJAD SIBI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN),” jati, vol. 6, no. 1, pp. 134–144, Mar. 2022, doi: 10.36040/jati.v6i1.4507.
[5] O. D. Nurhayati, D. Eridani, and M. H. Tsalavin, “Sistem Isyarat Bahasa Indonesia (SIBI) Metode Convolutional Neural Network Sequential secara Real Time,” JTIIK, vol. 9, no. 4, pp. 819–828, Aug. 2022, doi: 10.25126/jtiik.2022944787.
[6] Z. Fadhilah and N. L. Marpaung, “Pengenalan Alfabet SIBI Menggunakan Convolutional Neural Network sebagai Media Pembelajaran Bagi Masyarakat Umum,” JPIT, vol. 8, no. 2, pp. 162–168, May 2023, doi: 10.30591/jpit.v8i2.5221.
[7] K. Kersen and W. Widhiarso, “Penerapan Metode Convolutional Neural Network dalam Klasifikasi Bahasa Isyarat,” MDP-SC, vol. 2, no. 1, pp. 244–249, Apr. 2023, doi: 10.35957/mdp-sc.v2i1.4221.
[8] A. Kinanti and D. Maulana, “Convolutional Neural Network Implementation in BISINDO Alphabet Sign Language Recognition System Using Flask”.
[9] M. B. S. Bakti and Y. M. Pranoto, “Pengenalan Angka Sistem Isyarat Bahasa Indonesia Dengan Menggunakan Metode Convolutional Neural Network,” 2019.
[10] M. E. Al Rivan and S. Hartoyo, “Klasifikasi Isyarat Bahasa Indonesia Menggunakan Metode Convolutional Neural Network,” JuTISI, vol. 8, no. 2, Aug. 2022, doi: 10.28932/jutisi.v8i2.4863.
[11] K. Y. Lum, Y. H. Goh, and Y. B. Lee, “American Sign Language Recognition Based on MobileNetV2,” Adv. sci. technol. eng. syst. j., vol. 5, no. 6, pp. 481–488, Nov. 2020, doi: 10.25046/aj050657.
[12] E. Predianto and B. Sutomo, “KLASIFIKASI JENIS BUNGA DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN METODE REGION-BASED CONVOLUTIONAL NEURAL NETWORK (R-CNN)”.
[13] M. Zahir and R. A. Saputra, “DETEKSI PENYAKIT RETINOPATI DIABETES MENGGUNAKAN CITRA MATA DENGAN IMPLEMENTASI DEEP LEARNING CNN,” vol. 18, 2024.
[2] S. Hidayat, Y. V. Via, and E. P. Mandyartha, “Penerapan Model Hybrid Convolutional Neural Network dan Long Short-Term Memory untuk Pengenalan Real-Time Sistem Isyarat Bahasa Indonesia (SIBI),” mib, vol. 8, no. 3, p. 1586, Jul. 2024, doi: 10.30865/mib.v8i3.7837.
[3] L. Arisandi and B. Satya, “Sistem Klarifikasi Bahasa Isyarat Indonesia (Bisindo) Dengan Menggunakan Algoritma Convolutional Neural Network,” JSC, vol. 5, no. 3, pp. 135–146, Dec. 2022, doi: 10.37396/jsc.v5i3.262.
[4] M. Sholawati, K. Auliasari, and Fx. Ariwibisono, “PENGEMBANGAN APLIKASI PENGENALAN BAHASA ISYARAT ABJAD SIBI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN),” jati, vol. 6, no. 1, pp. 134–144, Mar. 2022, doi: 10.36040/jati.v6i1.4507.
[5] O. D. Nurhayati, D. Eridani, and M. H. Tsalavin, “Sistem Isyarat Bahasa Indonesia (SIBI) Metode Convolutional Neural Network Sequential secara Real Time,” JTIIK, vol. 9, no. 4, pp. 819–828, Aug. 2022, doi: 10.25126/jtiik.2022944787.
[6] Z. Fadhilah and N. L. Marpaung, “Pengenalan Alfabet SIBI Menggunakan Convolutional Neural Network sebagai Media Pembelajaran Bagi Masyarakat Umum,” JPIT, vol. 8, no. 2, pp. 162–168, May 2023, doi: 10.30591/jpit.v8i2.5221.
[7] K. Kersen and W. Widhiarso, “Penerapan Metode Convolutional Neural Network dalam Klasifikasi Bahasa Isyarat,” MDP-SC, vol. 2, no. 1, pp. 244–249, Apr. 2023, doi: 10.35957/mdp-sc.v2i1.4221.
[8] A. Kinanti and D. Maulana, “Convolutional Neural Network Implementation in BISINDO Alphabet Sign Language Recognition System Using Flask”.
[9] M. B. S. Bakti and Y. M. Pranoto, “Pengenalan Angka Sistem Isyarat Bahasa Indonesia Dengan Menggunakan Metode Convolutional Neural Network,” 2019.
[10] M. E. Al Rivan and S. Hartoyo, “Klasifikasi Isyarat Bahasa Indonesia Menggunakan Metode Convolutional Neural Network,” JuTISI, vol. 8, no. 2, Aug. 2022, doi: 10.28932/jutisi.v8i2.4863.
[11] K. Y. Lum, Y. H. Goh, and Y. B. Lee, “American Sign Language Recognition Based on MobileNetV2,” Adv. sci. technol. eng. syst. j., vol. 5, no. 6, pp. 481–488, Nov. 2020, doi: 10.25046/aj050657.
[12] E. Predianto and B. Sutomo, “KLASIFIKASI JENIS BUNGA DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN METODE REGION-BASED CONVOLUTIONAL NEURAL NETWORK (R-CNN)”.
[13] M. Zahir and R. A. Saputra, “DETEKSI PENYAKIT RETINOPATI DIABETES MENGGUNAKAN CITRA MATA DENGAN IMPLEMENTASI DEEP LEARNING CNN,” vol. 18, 2024.
Published
2024-12-24
How to Cite
FARIZI, Adli et al.
Implementasi Algoritma MobileNetV2 Berbasis CNN untuk Sistem Pengenalan Bahasa Isyarat SIBI.
BINA INSANI ICT JOURNAL, [S.l.], v. 11, n. 2, p. 142-153, dec. 2024.
ISSN 2527-9777.
Available at: <https://ejournal-binainsani.ac.id/index.php/BIICT/article/view/3228>. Date accessed: 06 july 2026.
doi: https://doi.org/10.51211/biict.v11i2.3228.
Section
Articles
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
