Pengenalan Alfabet Sistem Isyarat Bahasa Indonesia (SIBI) Dengan Convolutional Neural Network (CNN)

Orang yang memiliki keterbatasan pendengaran dalam berkomunikasi dengan sesamanya menggunakan bahasa isyarat tertentu. Bahasa isyarat adalah bahasa yang lebih mengutamakan bahasa tubuh. Akan tetapi, sulit bagi orang normal untuk memahami komunikasi orang berkebutuhan khusus. Di Indonesia kebanyakan yang memiliki keterbatasan pendengaran berkomunikasi menggunakan bahasa isyarat yang disebut SIBI atau Sistem Isyarat Bahasa Indonesia. Pada penelitian ini akan dilakukan proses pengenalan alfabet Sistem Isyarat Bahasa Indonesia (SIBI) dengan menggunakan metode Convolutional Neural Network (CNN). CNN adalah sebuah metode machine learning yang model pembelajarannya dikhususkan untuk melakukan klasifikasi langsung pada media 2 dimensi. Hasil penelitian menunjukkan bahwa CNN mampu mengklasifikasikan alfabet SIBI sebesar 98,78% pada data training serta 87,50% pada data testing dengan menggunakan jumlah hidden layer terbaik yaitu sebanyak 3 hidden layer.

Kata Kunci: SIBI, Hidden Layer, CNN, Akurasi