Klasifikasi Bahasa Isyarat Indonesia (BISINDO) Menggunakan Convolutional Neural Network dengan Arsitektur VGG16

Abstrak

Di indonesia terdapat dua bahasa isyarat yaitu Sistem Isyarat Bahasa Indonesia (SIBI) dan Bahasa Isyarat Indonesia (BISINDO) dan SIBI sebagai bahasa isyarat resmi yang diajarkan di Sekolah Luar Biasa namun kebanyakan tuna rungu di Indonesia menggunakan BISINDO untuk saling berkomunikasi. Untuk mengatasi kebingungan karena perbedaan bahasa antar tuna rungu maupun tunarungu dengan masyarakat umum kami memanfaatkan metode transfer learning menggunakan arsitektur VGG16. Model pre-trained VGG16 digunakan sebagai ekstraktor fitur untuk meningkatkan performa klasifikasi arsitektur Convolutional Neural Network (CNN) untuk menerjemahkan BISINDO. Dalam penelitian ini kami mendapat hasil performa model mencapai nilai akurasi 94,01%. Dengan hasil tersebut model ini bisa digunakan untuk mengembangkan sistem computer vision yang memungkinkan penerjemahan BISINDO secara langsung menggunakan kamera.