Simulasi Dan Analisis Sistem Penerjemah Bahasa Sibi Menjadi Bahasa Indonesia Menggunakan Metode Klasifikasi Hidden Markov Model

Abstract

Pada kehidupan kita, ada beberapa orang yang tidak dapat menggunakan komunikasi verbal sehingga persepsi yang dibentuk akan berbeda. Orang orang tersebut menderita disabilitas seperti tunawicara dan tunarungu. Mereka menggunakan komunikasi non-verbal yaitu bahasa isyarat untuk berkomunikasi, salah satunya adalah bahasa Sistem Isyarat Bahasa Indonesia (SIBI). Namun untuk orang normal bahasa itu sangat awam dan susah dimengerti. Pada tugas akhir ini dilakukan proses simulasi dan analisis suatu sistem yang dapat menerjemahkan SIBI ke dalam Bahasa Indonesia, dimana inputnya berupa video berbahasa SIBI yang nantinya akan diproses dan menghasilkan output berupa teks berbahasa Indonesia dengan menggunakan ekstraksi ciri Local Binary Pattern (LBP) dan metode klasifikasi Hidden Markov Model (HMM). Hasil dari tugas akhir ini dipilih state terbaik menggunakan metode klasifikasi HMM adalah state ke-100 untuk masing masing gerakan. Kondisi 1 gerakan mendapatkan akurasi 76.7% dengan waktu training 0.0727 detik. Kondisi 2 gerakan mendapatkan akurasi 93.3% dengan waktu training sebesar 0.0888 detik. Kondisi lebih dari 2 gerakan mendapatkan akurasi 96.7% dengan waktu training 0.1114 detik. Kondisi gabungan 1 gerakan, 2 gerakan, dan lebih dari 2 gerakan adalah state ke-70 mendapatkan akurasi 80.0% dengan waktu training 0.2270 detik Kata kunci: HMM, LBP, SIBI, state, akurasi, waktu training