Penerapan Real-Time Finger Tracking menggunakan metode Non-Maximum Suppression dalam penerjemahan bahasa Isyarat

Kurnia, Yayang (2024) Penerapan Real-Time Finger Tracking menggunakan metode Non-Maximum Suppression dalam penerjemahan bahasa Isyarat. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (116kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (165kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (424kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (1MB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (7MB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (163kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (155kB) | Request a copy

Abstract

INDONESIA: Bahasa isyarat merupakan salah satu jenis bahasa yang digunakan oleh penyandang bisu dan tuli dalam berkomunikasi. Hanya saja tidak semua orang khususnya masyarakat di Indonesia tidak memahami ataupun mampu dalam menggunakan bahasa ini, dan untuk mempelajarinya dibutuhkan waktu yang mungkin tidak sedikit. Tujuan penelitian ini adalah menerapkan teknik Finger Tracking yang diterapkan secara real-time dengan menggunakan metode Non- maximum Suppression kemudian mengklasifikasikan gestur tangan yang dilakukan di depan kamera secara langsung dengan menggunakan machine learning. Teknik dan metode ini dipilih karena dinilai tepat dan sesuai dengan kebutuhan yang diperlukan. Metode pengembangan yang dilakukan adalah dengan menggunakan metode prototype dan menggunakan bahasa pemrograman javascript. Hasil dari penelitian ini berupa sebuah sistem berbasis web yang mampu mendeteksi tangan dan jari, dan berdasarkan pengujian yang dilakukan, sistem berhasil mendeteksi tangan dan jari. Berdasarkan hasil pengujian, rata-rata tingkat keberhasilan deteksi tangan adalah senilai 100% dan untuk deteksi jari adalah sebesar 86%, serta mampu mengklasifikasikan gestur bahasa isyarat yang diperagakan meski dengan tingkat akurasi sangat rendah dengan nilai rata-rata akurasi sebesar 19,89%. Hal ini menunjukkan bahwa sistem mampu mendeteksi tangan dan jari dengan akurat, sementara untuk rendahnya tingkat akurasi klasifikasi gestur bahasa isyarat disebabkan oleh beberapa hal salah satunya adalah banyaknya data uji pada proses klasifikasi. ENGLISH: Sign language is one type of language used by deaf and mute people in communicating. It’s just that not everyone especially in Indonesia are able to understand or able to use this kind of language, and it takes time to learn which maybe not be a little. The purpose of this research is to apply the Finger Tracking technique which is applied in real-time by using the Non-maximum Suppression method then classify the captured hand gesture that being done in front of the camera in real-time using machine learning. These method and technique were chosen because they were considered appropriate according to the requirements. This research using prototype as the development method and using javascript as main programming language. Based on the results of the tests, the average accuracy for hand detection is 100% and for the finger detection is 86%, and for the sign languange gesture classification itself is only 19,89%. This shows that the system are able to detect the hand and finger accurately, and the low accuracy of the gesture classification is caused by several reasons one of them is because the system having too many classification data.

Actions (login required)

View Item