• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Penanda Bagikan

TA DIGITAL

Rancang Bangun Aplikasi Cerdas untuk Penerjemah Isyarat Bahasa Indonesia Berdasar Kamus SIBI Berbasis Android dengan MobileNetV2 = Design and Development of a Smart Application for Indonesian Sign Language Translation Based on the SIBI Dictionary Using MobileNetV2 on Android

ANNISA AISYAH AMINI NUR ROHMAH - Nama Orang; Putri Ayu Widyaningrum - Nama Orang; Sirli Fahriah - Nama Orang; Nurseno Bayu Aji - Nama Orang;

Bahasa isyarat adalah bahasa dimana komunikasi antar orang dilakukan dengan cara mentransmisikan pola tanda secara visual untuk mengungkapkan maknanya dan memiliki kosa kata sendiri dan sintaksis yang murni berbeda dari Bahasa lisan atau tulisan, di Indonesia sendiri terdapat 2 jenis Bahasa isyarat, yaitu SIBI (Sistem Isyarat Bahasa Indonesia) dan BISINDO (Bahasa Isyarat Indonesia). Masyarakat umum sendiri masih banyak yang belum paham tentang apa itu Bahasa isyarat dan bagaimana cara menggunakannya. Penelitian ini bertujuan mengembangkan aplikasi penerjemah Bahasa isyarat SIBI yang akurat untuk meningkatkan akses komunikasi bagi penyandang tunarungu. Memanfaatkan metode Algoritma Convolutional Neural Network (CNN) untuk deteksi objek, dengan arsitektur MobileNetV2 untuk melatih model objek, serta menggunakan TensorFlow Lite sebagai format penyimpanan model yang telah dilatih sebelumnya. Pelatihan model dengan total 55 kelas objek yang terdiri dari 25 kelas huruf dan 30 kelas kata kerja yang mewakili kata kerja sehari hari, setiap kelas objek memiliki 200 sample dataset dan total 11.000 sample dataset untuk keseluruhan kelasnya. Hasil evaluasi model yang telah dilakukan menunjukkan bahwa model berhasil mencapai akurasi sebesar 0.9777 dan rata-rata F1-skor sebesar 0.9779. Keberhasilan ini mengindikasi potensi dalam pengembangan aplikasi penerjemah Bahasa isyarat yang lebih canggih dan lebih baik untuk kedepannya.

Kata Kunci: Deep Learning, Deteksi Objek, CNN, MobileNetV2, TensorFlow Lite, SIBI.


Fulltext
  • Harap masuk untuk melihat lampiran
Informasi Detail
Judul Seri
-
No. Panggil
IK 0029 2024
Penerbit
Semarang : Politeknik Negeri Semarang., 2024
Deskripsi Fisik
xiiii, 66 hal: ilus; 30 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
TEKNIK INFORMATIKA
Info Detail Spesifik
-
Pernyataan Tanggungjawab
ANNISA AISYAH AMINI NUR ROHMAH
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Pengunjung Web

Hari ini : Minggu ini : Bulan ini : Total :

© 2025 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?