Analisis Sistem Klasifikasi Huruf Bahasa Isyarat Untuk Mengurangi Kesalahan Menggunakan Metode Chain Code dan Support Vector Machine (SVM)

Ramadhany, Rizky Aulia (2026) Analisis Sistem Klasifikasi Huruf Bahasa Isyarat Untuk Mengurangi Kesalahan Menggunakan Metode Chain Code dan Support Vector Machine (SVM). S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) 01. Cover dan Abstrak.pdf - Published Version Download (343kB)
	Text (Bab I) 02. Bab I.pdf - Published Version Download (351kB)
	Text (Bab V) 03. Bab V.pdf - Published Version Download (290kB)
	Text (Daftar Pustaka) 04. Daftar Pustaka.pdf - Published Version Download (287kB)
	Text (Skripsi Fulltext) 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Sistem Isyarat Bahasa Indonesia (SIBI) merupakan salah satu media komunikasi utama bagi penyandang tunarungu, namun dalam implementasinya masih belum banyak dipahami oleh masyarakat umum. Oleh karena itu, dibutuhkan suatu sistem atau teknologi yang dapat membantu menerjemahkan bahasa isyarat tersebut. Penelitian ini bertujuan merancang sistem pengenalan alfabet SIBI berbasis pengolahan citra digital dengan menggunakan metode chain code. Namun metode chain code saja tidak cukup karena beberapa alfabet SIBI yang memiliki kemiripan gestur tangan dan pola kode rantai yakni huruf D,E,M,N,R,S dan U. Oleh karena itu pada penelitian ini digunakan Support Vector Machine (SVM) sebagai klasifikator. Dataset yang digunakan terdiri dari 840 citra gestur tangan. Fitur hasil ekstraksi chain code direpresentasikan dalam dua skema pembentukan fitur, yaitu histogram chain code dan pola urutan chain code, kemudian diklasifikasikan menggunakan SVM dengan optimasi hyperparameter. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan alfabet yang mirip dengan tingkat akurasi mencapai 95,83% pada skema fitur Histogram Chaincode dan 91,07% pada skema fitur Pola urutan Chaincode. Sementara itu, waktu komputasi dan penggunaan memori sistem klasifikasi memiliki nilai rata-rata masing-masing sebesar 0,06172 detik dan 5,0035 MB. Hal ini menunjukkan bahwa sistem mampu melakukan proses klasifikasi dengan waktu komputasi yang relatif cepat serta penggunaan memori yang rendah. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan teknologi penerjemah bahasa isyarat guna meningkatkan efektivitas komunikasi bagi penyandang tunarungu serta memudahkan masyarakat umum dalam memahami gestur SIBI.

Actions (login required)

View Item