Jamaludin, M Rifqi Azkiya (2022) Penerapan Algoritma Convolutional Neural Network dalam klasifikasi huruf alfabet pada bahasa isyarat SIBI. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (106kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (481kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (377kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (2MB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (3MB) | Request a copy |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (4MB) | Request a copy |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (7MB) | Request a copy |
||
Text (BAB V)
8-bab5.pdf Restricted to Registered users only Download (140kB) | Request a copy |
||
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (205kB) | Request a copy |
Abstract
Penggunaan bahasa dalam komunikasi diperlukan untuk mencapai sebuah interaksi yang baik kantar individu. Berbeda dengan penderita tuna rungu dan tuna wicara yang berkomunikasi menggunakan bahasa isyarat. Dalam ajaran islam sendiri seperti firman Allah SWT pada QS. Al-Hujurat : 13, dimana Allah SWT menegaskan bahwa seluruh umat manusia adalah satu keturunan dan tidak boleh saling membeda-bedakan. Penelitian ini bertujuan untuk mengetahui apakah algoritma CNN dapat efektif apabila digunakan untuk mengklasifikasikan citra alfabet pada SIBI. Sehingga penelitian ini merupakan langkah awal untuk membuat sistem translasi bahasa isyarat. Penelitian ini menggunakan metode CRISP-DM untuk pengembangannya dan algoritma CNN untuk klasifikasi data. Data yang digunakan merupakan data yang didapatkan dari public dataset yang diterbitkan oleh M Lanang Afkaar dan Rand`i Maizul Syaputra. Data yang digunakan adalah 2080 data training, 520 data validasi, dan 52 data testing. Data tersebut kemudian dilakukan praproses dan dilanjutkan ke tahap klasifikasi menggunakan CNN. Algoritma CNN mendapatkan hasil yang baik dengan mendapatkan nilai akurasi sebesar 90%.
Item Type: | Thesis (Sarjana) |
---|---|
Uncontrolled Keywords: | CNN; CRISP-DM; Klasifikasi; SIBI |
Subjects: | Data Processing, Computer Science > Computer and Human Data Processing, Computer Science > Computer Performance Evaluation Applied mathematics > Programming Mathematics |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
Depositing User: | M Rifqi Azkiya |
Date Deposited: | 22 Sep 2022 07:04 |
Last Modified: | 22 Sep 2022 07:08 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/57713 |
Actions (login required)
View Item |