RAMADHAN, Muhammad Fathu Faza (2026) Penerapan Convolutional neural network (CNN) untuk Klasifikasi Gestur Huruf Bahasa Isyarat Amerika (ASL). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) Bebas Pustaka (1).zip Restricted to Repository staff only Download (2MB) | Request a copy
	Text 1. COVER.pdf Download (47kB)
	Text 4. Halaman Pengesahan.pdf Download (625kB)
	Text 6. KATA PENGANTAR.pdf Download (127kB)
	Text 7. DAFTAR ISI.pdf Download (33kB)
	Text 12. ABSTRAK.pdf Download (8kB)
	Text 13. ABSTRACT.pdf Download (9kB)
	Text 14. BAB 1.pdf Download (14kB)
	Text 19. DAFTAR PUSTAKA.pdf Download (138kB)

Abstract

Bahasa isyarat merupakan sarana komunikasi utama bagi individu tunarungu dan
bisu, tetapi pemahaman masyarakat umum yang terbatas seringkali menciptakan
hambatan komunikasi, sehingga diperlukan sistem pengenalan gestur huruf bahasa
isyarat otomatis. Studi ini bertujuan untuk menerapkan model Convolutional neural
network (CNN) dengan teknik transfer learning untuk mengenali gestur huruf
Bahasa Isyarat Amerika (ASL) berdasarkan pengenalan gerakan tangan secara real
time. dataset yang digunakan terdiri dari 2600 gambar gerakan tangan alfabet ASL
yang dikumpulkan secara independen dengan distribusi seimbang untuk setiap
huruf A hingga Z. Pra-pemrosesan dilakukan menggunakan OpenCV dan cvzone
untuk mendeteksi dan memotong area tangan serta menstandarisasi ukuran gambar.
Pelatihan model dilakukan menggunakan platform Teachable Machine dengan
arsitektur CNN berbasis MobileNet, kemudian diintegrasikan ke dalam sistem
berbasis Python untuk klasifikasi gestur tangan secara real-time menggunakan
kamera. Evaluasi kinerja model dilakukan menggunakan matriks kebingungan dan
laporan klasifikasi dengan metrik akurasi, presisi, Recall, dan F1-score, yang
menunjukkan akurasi terbaik sebesar 81% dengan nilai F1-score rata-rata 0,83,
sehingga dapat disimpulkan bahwa penerapan CNN dengan transfer learning
efektif dalam melakukan pengenalan gestur huruf bahasa isyarat berbasis citra
secara real-time. serta berpotensi dikembangkan lebih lanjut sebagai bagian dari
sistem penerjemahan bahasa isyarat yang lebih kompleks.
Kata kunci: Bahasa Isyarat Amerika, Convolutional neural network, Transfer
Learning, Pengenalan Gestur Tangan

(NO. KETERSEDIAAN : 2212/D/2026)

Actions (login required)

View Item