Sistem Pendeteksian Bahasa Isyarat Menggunakan Algoritma Long Short-Term Memory
Abstrak
Penyandang disabilitas khususnya tunarungu menggunakan bahasa isyarat sebagai alat komunikasi. Namun, masih banyak orang yang tidak mengerti atau terbatas dalam menggunakan bahasa isyarat, sehingga menciptakan hambatan dalam komunikasi dengan penyandang tunarungu. Dengan kemajuan teknologi informasi di era modern, ada peluang besar untuk membuat solusi untuk mengatasi masalah komunikasi. Untuk mengatasi masalah ini, digunakan algoritma pembelajaran mesin long short-term memory untuk mengenali gerakan dalam bahasa isyarat. Dalam pengujian, algoritma long short-term memory berhasil mendeteksi dan menerjemahkan bahasa isyarat dengan akurasi 98,3%. Penggunaan berbagai jumlah kelas dataset, analisis perbandingan distribusi dataset, pemilihan optimizer yang paling optimal, dan penyesuaian jumlah epoch telah diterapkan secara cermat untuk meningkatkan akurasi algoritma secara keseluruhan. Metode ini memastikan bahwa setiap komponen proses pelatihan model dioptimalkan untuk menghasilkan hasil yang paling akurat dan konsisten. Dengan akurasi sebesar 98,3%, algoritma long short-term memory menunjukkan kinerja yang sangat baik dalam memahami dan menerjemahkan bahasa isyarat. Secara keseluruhan, pengguna menilai sistem penerjemah bahasa isyarat ini baik, tetapi perlu optimalisasi lebih lanjut untuk memenuhi kebutuhan pengguna ke depannya.
Kata kunci — bahasa isyarat, long short-term memory, Penyandang tunarungu, pembelajaran mesin.
Referensi
J. Khikam Hikmalansya, D. Cahyono, dan S. Surabaya, “Aplikasi Pembelajaran Bahasa Isyarat Berbasis Android,” 2016.
kemdikbud, “Kamus SIBI Kerjasama antara Kementerian Pendidikan dan Kebudayaan dengan Lembaga Penelitian dan Pengembangan Sistem Isyarat Bahasa Indonesia,” kemdikbud.go.id. Diakses: 19 Oktober 2023. [Daring]. Tersedia pada: https://pmpk.kemdikbud.go.id/sibi/
D. Bragg dkk., “Sign language recognition, generation, and translation: An interdisciplinary perspective,” dalam Assets 2019 - 21st International ACM Sigaccess Conference on Computers and Accessibility, Association for Computing Machinery, Inc, Okt 2019, hlm. 16–31. doi: 10.1145/3308561.3353774.
“Meneliti Bahasa Isyarat Dalam Perspektif Variasi Bahasa Silva Tenrisara Isma Abstrak.”
R. B. Nitinchandra Patel, “Sign Language Recognition Using LSTM Deep Learning Model,” 2022. [Daring]. Tersedia pada: http://www.ijeast.com
Nisha Arya Ahmed, “What is A Confusion Matrix in Machine Learning? The Model Evaluation Tool Explained,” datacamp.com. Diakses: 27 Juli 2024. [Daring]. Tersedia pada: https://www.datacamp.com/tutorial/what-is-a-confusion-matrix-in-machine-learning
