UPT Perpustakaan UM

  • Beranda
  • Informasi
  • Repository UM
  • SIPADU UM
  • OPAC SIPADU

Pencarian Spesifik

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

Skripsi

Perancangan dan implementasi sistem penerjemah bahasa isyarat pada penyandang tuna rungu menggunakan sensor kamera kinect 2.0 dengan metode Convolutional Neural Network (CNN) /Sholikhatul Amaliya

Amaliya, Sholikhatul - Nama Orang;

Abstrak
Komunikasi merupakan hal mendasar bagi kehidupan manusia sekaligus menjadi hal terpenting dalam bersosialisasi. Namun masih banyak yang memiliki kebutuhan khusus dalam masalah komunikasi tersebut seperti halnya para penyandang tunarungu. Komunikasi penyandang tunarungu menggunakan metode bahasa isyarat dan terdapat 2 sistem bahasa isyarat di Indonesia yaitu BISINDO dan SIBI. SIBI secara resmi digunakan di semua SLB dengan dasar Peraturan Menteri Pendidikan Republik Indonesia nomor 0161/U/1994. Dalam komunikasi antara penyandang tunarungu dan masyarakat masih ditemukan banyak permasalahan hal tersebut dikarenakan kurangnya pemahaman bahasa isyarat dikalangan masyarakat. Dengan latar belakang tersebut salah satu solusi yang memungkinkan yaitu dengan adanya sistem penerjemah bahasa isyarat dengan tujuan agar dapat terjadi interaksi normal antara penyandang tunarungu dan masyarakat. Sistem yang dikembangkan ini memanfaatkan teknologi komputer yaitu pengolahan citra dengan memanfaatkan sensor kamera Kinect 2.0 sebagai environment pengambilan data citra. Dalam pembuatan sistem diperlukan desain rancangan yang berguna untuk mempermudah pada proses implementasi dan model deep learning Convolutional Neural Network (CNN) digunakan sebagai metode klasifikasi. Setelah melakukan pengujian perancangan sistem dapat dilakukan dengan menggunakan metode waterfall. Kontruksi model Convolutional Neural Network (CNN) dilakukan sampai kedalaman 11 layer model konvolusi dengan parameter 150 epochs 128 batch size learning rate 0 001 dan input image berukuran 150x150 piksel. Dengan kontruksi model demikian didapatkan akurasi sebesar 98 40% dan menghasilkan akurasi rata-rata sebesar 90 83% yang berasal dari pengujian real time 5 subjek serta akurasi pengujian blackbox sebesar 91 67%.


Informasi Detail
DDC
Rs 005.1 AMA p
Prodi
Universitas Negeri Malang. Program Studi Teknik Informatika, 2021.
Deskripsi Fisik
xvi, 118 lembar: ill. , tab. ; 30 cm
Bahasa
Indonesia
No Reg
03105/KI/21
Edisi
Skripsi (Sarjana)--Universitas Negeri Malang. 2021
Subjek
1. CONVOLUTIONAL NEURAL NETWORK (ALGORITMA KOMPUTER)
2. CONVOLUTIONAL NEURAL NETWORK (COMPUTER ALGORITHMS)

Pembimbing
1. Anik Nur Handayani; 2. Muhammad Iqbal Akbar
Lampiran Berkas
You must be logged in to get fulltext


UPT Perpustakaan UM
  • Berita

Tentang Kami

TIM IT Perpustakaan 2023

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk 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