KLASIFIKASI AMERICAN SIGN LANGUAGE MENGGUNAKAN ALGORITMA CNN ARSITEKTUR VGG-19

Fendiawati, Andree (2023) KLASIFIKASI AMERICAN SIGN LANGUAGE MENGGUNAKAN ALGORITMA CNN ARSITEKTUR VGG-19. Diploma thesis, Universitas Multi Data Palembang.

Text Andree Fendiawati 1822250023.pdf Download (2MB)

Abstract

Penelitian ini mengangkat topik terkait dengan klasifikasi dengan menggunakan objek bahasa isyarat. Didalam penelitian ini digunakan tiga optimizer yaitu Adam, RMSProp, dan SGD. Data yang digunakan sebanyak 72000 citra yang terdiri dari 50400 citra latih, 14400 citra validasi, dan 7200 citra uji. Metode yang digunakan pada penelitian ini adalah metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19, dengan input yang berupa citra yang telah melalui proses preprocessing yaitu resize dari citra American Sign Language. Skenario pengujian terdiri dari 3 skenario dengan Optimizer berbeda. Hasil pengujian tertinggi didapatkan oleh ketiga optimizer dengan nilai accuracy yang didapatkan sebesar 99.995%, nilai precision sebesar 99.933%, recall sebesar 99.945%, dan f1-score sebesar 99.874%.

Actions (login required)

View Item