AZIZAH, Sarah Nur (2024) Pengembangan Model Deteksi Bahasa Isyarat secara Real-Time Dengan Algoritma You Only Look Once Version 8 (YOLOV8). Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Download (158kB)
	PDF (Legalitas) LEGALITAS-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Restricted to Repository staff only Download (5MB)
	PDF (Abstrak) ABSTRAK-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Download (222kB)
	PDF (BabI) BAB-I-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Restricted to Repository staff only until 22 August 2025. Download (194kB)
	PDF (BabII) BAB-II-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Restricted to Repository staff only until 22 August 2025. Download (244kB)
	PDF (BabIII) BAB-III-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Restricted to Repository staff only until 22 August 2025. Download (492kB)
	PDF (BabIV) BAB-IV-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Download (169kB)
	PDF (DaftarPustaka) DAFTAR-PUSTAKA-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Download (193kB)
	PDF (Lampiran) LAMPIRAN-Sarah Nur Azizah-H1D019013-Skripsi-2024.pdf Restricted to Repository staff only Download (243kB)

Abstract

Bahasa adalah alat komunikasi yang esensial bagi manusia untuk menyampaikan pesan, ide, dan emosi. Selain bahasa lisan dan tulis yang umum digunakan, terdapat bahasa isyarat yang digunakan oleh penyandang disabilitas sensorik seperti tuli dan bisu sebagai alat komunikasi utama, Adapun di Indonesia komunitas tuli dan bisa umum menggunakan Bahasa Isyarat Indonesia (BISINDO) sebagai alat komunikasi sehari-hari. Kurangnya pengetahuan umum tentang BISINDO pada masyarakat umum menciptakan batas komunikasi antara kelompok dengar dan tuli. Penelitian ini bertujuan untuk mengurangi batas komunikasi tersebut dengan menggunakan model deteksi BISINDO yang dibuat dengan algoritma YOLOv8. Algoritma YOLOv8 dipilih karena kelebihannya dalam mendeteksi objek secara real-time dengan akurasi tinggi dan efisiensi komputasi yang baik. Pada penelitian ini model dilatih dengan 50 kelas objek BISINDO, memiliki jumlah data yang digunakan 6006 dengan pembagian rasio untuk data train dan data validation 8:2, serta model dilatih sebanyak 100 epoch. Hasil penelitian menunjukan bahwa model memiliki kinerja yang baik dengan nilai precision sebesar 0.997, recall sebesar 0.994, dan mAP50 sebesar 0.992 serta mAP50-95 0.82 mengindikasikan tingkat ketepatan yang tinggi. Ditambah hasil F1-score sebesar 0.95 menandakan keseimbangan yang baik antara precision dan recall. Selain itu, pengimplementasian model pada aplikasi website teruji sukses dan mampu mendeteksi gerakan BISINDO dengan baik.

Actions (login required)

View Item