Iswardana, Mustafa (2026) Analisis Perbandingan Integrasi Citra Asli dan Landmark Tangan Pada Klasifikasi Sistem Isyarat Bahasa Indonesia (SIBI) Menggunakan EfficientNetB0. Undergraduate thesis, Fakultas Sains dan Matematika Undip.

	Archive Mustafa Iswardana.zip Restricted to Repository staff only Download (8MB) | Request a copy
	Text 1. Cover.pdf Download (32kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (404kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (407kB)
	Text 6. ABSTRAK.pdf Download (135kB)
	Text 7. ABSTRACT.pdf Download (5kB)
	Text 8. DAFTAR ISI.pdf Download (38kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (93kB)
	Text 16. BAB V KESIMPULAN.pdf Download (9kB)

Abstract

Sistem Isyarat Bahasa Indonesia (SIBI) merupakan alat komunikasi penting bagi
penyandang tunarungu, namun pengembangan sistem pengenalan otomatis masih
menghadapi tantangan terkait variasi visual dan kemampuan generalisasi model. Penelitian
ini menerapkan metode transfer learning menggunakan EfficientNetB0 dengan fine-tuning
pada 40 lapisan terakhir serta Global Average Pooling untuk klasifikasi gestur huruf alfabet
SIBI (kecuali J dan Z). Penelitian ini menggunakan empat skenario dataset yang diuji, yaitu
overlay landmark tangan (Dataset A), landmark pada kanvas hitam (Dataset B), citra asli
(Dataset C), dan overlay landmark tangan dengan dataset yang heterogen, mencakup citra
yang mengalami kegagalan deteksi landmark (Dataset D). Hasil penelitian menunjukkan
bahwa Dataset C memberikan performa terbaik dengan akurasi sebesar 0,99–1,00, yang
menunjukkan bahwa citra asli mampu merepresentasikan fitur gestur secara paling lengkap.
Dataset A juga mencapai performa tinggi (±0,98), sementara Dataset B sedikit lebih rendah
(0,96–0,97) karena keterbatasan informasi visual. Dataset D tetap menunjukkan performa
yang baik (0,97–0,98) dan lebih robust pada kondisi citra yang tidak ideal. Temuan ini
menunjukkan bahwa citra asli tetap menjadi faktor utama dalam mencapai akurasi tinggi,
sementara penggunaan landmark berperan dalam meningkatkan kestabilan model pada
kondisi tertentu.
Kata Kunci: Sistem Isyarat Bahasa Indonesia (SIBI), klasifikasi citra, transfer learning,
EfficientNetB0, landmark tangan, deep learning.

Actions (login required)

View Item