• Tidak ada hasil yang ditemukan

S KOM 1201729 Abstract

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2017

Membagikan "S KOM 1201729 Abstract"

Copied!
2
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 2 Halaman )

Teks penuh

(1)

SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE

CONVOLUTIONAL NEURAL NETWORK (CNN)

BERBASIS SENSOR 2.5D

ABSTRAK

Bahasa isyarat digunakan oleh orang tuna rungu untuk berkomunikasi satu sama lain. Jika orang tuna rungu berkomunikasi dengan orang normal terkadang sulit karena kadangkala orang normal tidak mengerti bahasa isyarat yang digunakan. Sistem penerjemah bahasa isyarat diperlukan untuk mewujudkan suatu sistem interaktif yang dapat melakukan interaksi seperti komunikasi normal. Bahasa isyarat yang ada berbeda di seluruh dunia, masing-masing memiliki kosa kata dan gerak tubuh sendiri. Di Indonesia sistem yang sekarang umum digunakan adalah Sistem Isyarat Bahasa Indonesia (SIBI) yang mengacu pada bahasa isyarat Amerika atau biasa disebut dengan AmericanSign Language (ASL). Sistem penerjemah yang dibuat difokuskan menterjemahkan tangan kanan

saja. Penelitian ini bertujuan untuk mengintegrasi-kan Kinect 2.5 D sebagai perangkat pendeteksi

pergerakan manusia dalam membantu pembuatan sistem penerjemah bahasa isyarat.Untuk membuat sistem ini pertama dilakukan studi literatur untuk mencari masalah dan solusi yang telah dipecahkan. Pengumpulan data dilakukan dengan menggunakan kinect berbasis video yang direkam dengan

library OpenNI. Selanjutnya dilakukan proses video segmentation yaitu untuk mengubah video tersebut menjadi beberapa citra dan proses hand localization dengan mendeteksi area tangan saja. Selanjutnya pada pra proses pengolahan data, data citra di-resize menjadi ukuran 28 x 28 piksel. Pada proses training dan testing penghitungan dilakukan dengan metode deep learning, yaitu CNN (Convolutional Neural Networks).Input untuk proses CNN adalah data set beserta label data set tersebut dan output berupa kelas data. Pada tahap implementasi dilakukan pengkodean dengan memanfaatkan komputer. Pada proses uji coba dengan data set testing didapatkan akurasi

keberhasilan sebesar 82,752% dan 84,418% dengan citra

depth,

sedangkan dengan citra

grayscale

adalah 86,334%dan 88,334%

.

Kata Kunci: Kinect, Bahasa Isyarat, Deep Learning, Convolutional Neural Networks, SIBI.

SIGN LANGUAGE RECOGNITIONWITHCONVOLUTIONAL NEURAL NETWORK

(CNN) METHODBASE ONCENSOR 2.5D

Nuraini Putri Permatasari, 2016

SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS SENSOR 2.5D

(2)

ABSTRACT

Sign language is used by the deaf person to communicate with each other. It would be hard sometimes for them to do communication with the normal people because the normal could not understand which sign language is used by the deaf that they are facing. The system of sign language translator is needed to achieve an interactive system that be able to do interaction like normal communication. The sign languages used by each country are different. Each of them have vocabulary and body movement themselves. In Indonesia, the general sign language system which being used is called Sistem Isyarat Bahasa Indonesia (SIBI) which follows to American Sign Language (ASL) that used in America. The developed sign language system is focused to translate right hand only. This experiment goal is to integrate Kinect 2.5 D as device of human movement detector to help developing a sign language system. To build this system, firstly the state-of-the-art is studied to find problem and the solution that had been resolved. Collecting data is done by using based video Kinect recorded with OpenNi library. Then, video segmentation process is done for transforming the video to several images and hand localization by detecting person's hand area only. Then in data preprocessing, the image data is resized to 28x28 pixels. In training and testing process, the calculation process are done with deep learning method called Convolutional Neural Networks (CNN). The input data that is used to process CNN are collected dataset and the label, and the system output are data classes. In implementation, coding is done by using computer. In system testing with test data set, obtained success accuracy are 82,752% and 84,418% with the depth image, while 86,334% dan 88,334% are obtained with the grayscale image.

Keyword: Kinect, Sign Language, Deep Learning, Convolutional Neural Networks, SIBI.

Nuraini Putri Permatasari, 2016

SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS SENSOR 2.5D

Referensi

Unduh sekarang ( DOCX - 2 Halaman - 21.05 KB )

Dokumen terkait

Governance sebagai Agenda Riset Peneliti

Global governance merupakan tatanan politik yang berkembang sebagai respon terhadap globalisasi atau, lebih khusus lagi, merupakan mekanisme atau sarana institusional bagi

MAKALAH HUBUNGAN ETIKA DENGAN MORAL, NORMA DAN NILAI. Di Susun Oleh : Aris Budiyono Bayu Adi Santoso Dwi Vidi Santoso Kristinawati

Dan hal ini menegaskan bahwa moral merupakan bagian dari etik, dan etika merupakan ilmu tentang moral sedangkan moral satu kesatuan nilai yang dipakai manusia sebagai

RENCANA PELAKSANAAN PEMBELAJARAN DARING

 Peserta didik diberi kesempatan untuk mendiskusikan, mengumpulkan informasi, mempresentasikan ulang, dan saling bertukar informasi mengenai Pengertian ilmu

PT XL AXIATA Tbk. PENGUMUMAN RINGKASAN RISALAH RAPAT UMUM PEMEGANG SAHAM TAHUNAN DAN RAPAT UMUM PEMEGANG SAHAM LUAR BIASA

Persetujuan atas Laporan Tahunan Perseroan termasuk Laporan Tugas Pengawasan Dewan Komisaris serta pengesahan Laporan Keuangan Perseroan untuk Tahun Buku

Pengaruh profesionalisme auditor dan etika profesi terhadap pertimbangan tingkat materialitas laporan keuangan

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat dan anugerah-Nya sehingga penulis dapat menyelesaikan penyusunan skripsi yang berjudul

BAB 2 TINJAUAN PUSTAKAN DAN DASAR TEORI

Melakukan penelitian untuk melakukan kompresi deep convolutional neural network (CNN) menggunakan metode vector quantization dengan menggunakan k-means clustering pada

Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network

Dalam model neural network terdapat berbagai jenis arsitektur, seperti Deep Neural Network (DNN), Convolutional Neural Netwok (CNN), dan Recurrent Neural Netwok (RNN). CNN

Tinjauan Dan Perencanaan Plta Kedungombo Purwodadi – Jawa Tengah

Jika inflow yang masuk Waduk Kedungombo tidak dapat mencukupi kebutuhan debit rencana, maka sebaiknya perlu pengaturan pada pintu pengatur agar debit yang keluar dapat