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.
