Pengenalan Pola Gerak Bibir dalam Pengucapan Suku Kata Bahasa Indonesia Menggunakan Arsitektur Efficientnetv2-BiLSTM

MUJADDIDURRAHMAN, Auliya (2024) Pengenalan Pola Gerak Bibir dalam Pengucapan Suku Kata Bahasa Indonesia Menggunakan Arsitektur Efficientnetv2-BiLSTM. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (81kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (125kB)
	Text 4. KATA PENGANTAR.pdf Download (264kB)
	Text 6. ABSTRAK.pdf Download (141kB)
	Text 7. ABSTRACT.pdf Download (102kB)
	Text 8. DAFTAR ISI.pdf Download (180kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (190kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (174kB)

Abstract

Penggunaan komunikasi secara daring telah menjadi hal yang normal melihat peningkatan
pengguna aktif aplikasi online meeting pada masa Covid-19. Pengguna aktif online meeting
terdiri dari berbagai kalangan namun aksesibilitas untuk pengguna dengan kebutuhan khusus
masih belum sepenuhnya terpenuhi. Penyandang tunarungu hanya dapat menggunakan
bahasa isyarat atau membaca gerak bibir untuk memahami apa yang diungkapkan lawan
bicara. Pembacaan gerak bibir sulit dilakukan sehingga pembacaan gerak bibir dapat dibantu
dengan mesin untuk mengenali pola gerak bibir. Penelitian ini mengembangkan model
klasifikasi pola gerak bibir dalam pengucapan suku kata bahasa Indonesia menggunakan
arsitektur EfficientNetV2-BiLSTM. EfficientNetV2 digunakan dalam proses ekstraksi fitur
sehingga menghasilkan fitur sebanyak 1280 per citra. BiLSTM digunakan untuk
mengklasifikasi urutan citra pola gerak bibir yang fiturnya telah diekstraksi. Model
klasifikasi pola gerak bibir dalam pengucapan suku kata bahasa Indonesia mempunyai 2
BiLSTM layer dengan nodes berjumlah 256 dan 128 serta dense layer dengan 64 nodes.
Model tersebut dilatih dengan learning rate 0,00005, dropout rate 0,2 dan batch berjumlah
128. Model diuji menggunakan data uji sebanyak 2764 data uji atau 20% dari seluruh data.
Hasil evaluasi model menunjukkan model memiliki kinerja yang baik dengan hasil rata-rata
f1-score sebesar 0,98239 dan akurasi sebesar 0,98513.
Kata kunci : EfficientNetV2, BiLSTM, pengenalan pola, pola gerak bibir, pembacaan gerak
bibir, bahasa Indonesia

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	09 Feb 2026 07:39
Last Modified:	09 Feb 2026 07:39
URI:	https://eprints2.undip.ac.id/id/eprint/44827

Actions (login required)

View Item

Search for collections on Undip Repository