IMPLEMENTASI MACHINE LEARNING UNTUK PENGENALAN BAHASA ISYARAT INDONESIA MENGGUNAKAN MODEL CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Bahasa isyarat merupakan sarana komunikasi utama bagi penyandang tunarungu untuk berinteraksi dengan lingkungan sekitar. Namun, keterbatasan pemahaman masyarakat terhadap Bahasa Isyarat Indonesia (BISINDO) sering menjadi hambatan komunikasi. Penelitian ini mengusulkan implementasi machine learning dengan memanfaatkan model Convolutional Neural Network (CNN) untuk mengenali gestur BISINDO secara otomatis. Dataset yang digunakan terdiri dari citra tangan dengan berbagai variasi gestur yang direpresentasikan sebagai huruf atau kata. Proses pelatihan dilakukan melalui tahap pra-pemrosesan data, augmentasi citra, serta optimasi parameter CNN guna meningkatkan akurasi. Model CNN yang dibangun berhasil mencapai tingkat akurasi tinggi dalam mengenali pola gestur pada data uji, menunjukkan bahwa metode ini efektif untuk sistem penerjemah bahasa isyarat berbasis komputer. Hasil penelitian ini diharapkan dapat mendukung pengembangan teknologi assistive communication yang lebih inklusif.