Klasifikasi Bahasa Isyarat Amerika Menggunakan Metode Convolutional Neural Network dengan Arsitektur EfficientNetB0 pada Platform Android

Kersen, Kersen (2023) Klasifikasi Bahasa Isyarat Amerika Menggunakan Metode Convolutional Neural Network dengan Arsitektur EfficientNetB0 pada Platform Android. Diploma thesis, Universitas Multi Data Palembang.

Text Kersen 1923250019.pdf Download (1MB)

Abstract

Bahasa isyarat amerika merupakan bahasa yang digunakan oleh penderita tunarungu dan penderita gangguan pendengaran dari amerika utara, kanada, meksiko afrika barat dan beberapa negara di asia. Tetapi bahasa isyarat tidak asing bagi orang normal. Oleh karena itu diperlukan sebuah perantara alternatif yang menjadi penerjemah antara orang tunarungu dan penderita gangguan pendengaran dengan orang normal. Penelitian ini bertujuan untuk klasifikasi bahasa isyarat amerika menggunakan metode Convolutional Neural Network dengan arsitektur EfficientNetB0. Data yang digunakan berupa huruf A sampai huruf Y dan tidak menggunakan huruf J sebanyak 700 data untuk setiap huruf yang dibagi menjadi data train sebesar 595 gambar dan data validasi sebesar 105 gambar serta data tersebut akan dilakukan resize menjadi 96x96 pixel. Hasil pengujian yang didapatkan dari penelitian ini yaitu akurasi untuk keseluruhan huruf sebesar 96% dengan nilai F1-Score sebesar 50% dan waktu klasifikasi rata-rata sebesar 0.466 detik pada pengujian menggunakan data test, pada pengujian secara real-time didapatkan akurasi sebesar 94% dengan nilai F1-Score sebesar 16% dan waktu klasifikasi rata-rata 0.744 detik

Actions (login required)

View Item