Article Sidebar

Submitted
3 November 2021
Accepted
24 December 2021
Published
26 June 2022
Download
PDF (Bahasa Indonesia)
Statistic
Read Counter : 547 Download : 537

Downloads

Download data is not yet available.

Main Article Content

Abstract

Tunarungu adalah hilangnya pendengaran baik salah satu telinga maupun keduanya. Untuk melakukan komunikasi tunarungu menggunakan bahasa isyarat menggunakan kedua tangannya. Saat ini terdapat 2 sistem bahasa isyarat yaitu BISINDO dan SIBI. Bahasa isyarat adalah bahasa yang menggunakan gerakan tubuh berupa tangan dan bibir untuk menjelaskan sebuah arti. Namun masih banyak masyarakat yang belum paham dengan bahasa isyarat, oleh karena itu dilakukan sebuah penelitian dengan menggunakan metode deep gated recurrent unit (GRU) yang dapat membaca gerakan tangan pada video bahasa isyarat indonesia. Penelitian ini menggunakan 3 class yaitu ucapan hallo, terimakasih, dan sama sama. Tahapan yang dilakukan pada penelitian ini terdiri dari pengolahan video atau proses pre-processing pada video. Pengujian terhadap 45 video data training dan 36 video data testing. Pengujian yang dilakukan terhadap data testing menghasilkan nilai akurasi sebesar 88%.

Keywords

Bahasa isyarat, Tunarungu, Deep gated recurrent unit Bahasa isyarat Tunarungu Deep gated recurrent unit

Article Details

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Author Biographies

Puji Kurnia Sari, Universitas Nurul Jadid

Universitas Nurul Jadid

Gulpi Qorik Oktagalu Pratamasunu, Universitas Nurul Jadid

Universitas Nurul Jadid

Fathorazi Nur Fajri, Universitas Nurul Jadid

Universitas Nurul Jadid
How to Cite
Kurnia Sari, P., Qorik Oktagalu Pratamasunu, G. ., & Nur Fajri, F. . (2022). Deteksi Tangan Otomatis Pada Video Percakapan Bahasa Isyarat Indonesia Menggunakan Metode Deep Gated Recurrent Unit (GRU). Jurnal Komputer Terapan, 8(1), 186–193. https://doi.org/10.35143/jkt.v8i1.4901
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX

References

  1. R. I. Borman, "Klasifikasi Objek Kode Tangan Pada Pengenalan Alphabet Bahasa Isyarat Indonesia," Seminar Nasional Informatika dan Aplikasinya (SNIA) 2017, 2017.
  2. N. N. Aslinda, "Pengenalan Isyarat Tangan Berupa Huruf pada Video Percakapan Bahasa Isyarat Indonesia (BISINDO) menggunakan Metode Ekstraksi Warna Kulit dan Deep Learning," Skripsi Teknik Informatika, 2019.
  3. Nuryazid, "Pengembangan Aplikasi Kamus Bahasa Isyarat Indonesia (Bisindo) Dengan Mengintegrasikan Cloud Video Berbasis Android," 2016.
  4. E. R. Fitriana, "Pengenalan Abjad pada Video Bahasa Isyarat Indonesia (BISINDO) menggunakan Metode Ekstraksi Warna dan Deep Learning dengan Penghapusan Wajah," Skripsi Teknik Informatika, 2020.
  5. F. N. Fajri, N. Hamid and R. A. Pramunendar, "The recognition of mango varieties based on the leaves shape and texture using back propagation neural network method," in 2017 International Conference on Sustainable Information Engineering and Technology (SIET). IEEE, 2017.
  6. M. Hasanah , G. Q. O. Pratamasunu and R. E. Pawening, "Automatic Car Detection Using Haar Cascade Classifier and Convolutional Neural Network for Traffic Density Estimation," Indonesian Journal of Artificial Intelligence and Data Mining, vol. 4, no. 1, pp. 11-18, 2021.
  7. M. D.K, "Bahasa Isyarat Indonesia Dikomunitas Gerakan Untuk Kesejahteraan Tunarungu Indonesia.," Skripsi Komunitas Islam , 2017.
  8. R. Zahro, "Pengenalan Isyarat Tangan beupa Angka pada Video Percakapan Bahasa Isyarat Indonesia menggunakan Metode Ekstraksi Warna Kulit dan Deep Learning," Skripsi Teknik Informatika, 2019.
  9. R. P. Wardana, "Penerapan Model Gated Recurrent Unit Untuk Peramalan Jumlah Penumpang Kereta Api di PT. KAI (Persero)," Skripsi Fakultas Ilmu Sains dan Teknologi, 2020.
  10. R. A. saputra, "Prediksi Permintaan Kargo pada Cargo Service Center Tangerang City Menggunakan Metode Gated Recurrent Unit," 2020.