SISTEM REKOGNISI SISTEM ISYARAT BAHASA INDONESIA (SIBI) MENGGUNAKAN BLAZEPOSE DAN LONG-SHORT TERM MEMORY

Penelitian ini bertujuan untuk mengembangkan sebuah sistem rekognisi bahasa
isyarat Indonesia, yang dikenal sebagai Sistem Isyarat Bahasa Indonesia (SIBI),
menggunakan pendekatan komputasi. Sistem ini bertujuan untuk membantu
masyarakat normal berkomunikasi dengan individu tunarungu, yang menggunakan
bahasa isyarat sebagai bahasa umum sehari-hari. Metode yang diusulkan
menggunakan Blazepose, sebuah arsitektur Convolutional Neural Network (CNN),
untuk mengekstrak pose tubuh, dengan fokus pada pose tangan (hand – joint). Pose
tangan ini kemudian diolah menggunakan algoritma Long – Short Term Memory
(LSTM) untuk menerjemahkan bahasa isyarat menjadi teks. Hasil uji coba data test
sebesar 95% dan 5%, epoch 2000 dan lanjut 500 epoch, dengan data sebanyak 240
dan test 12. Penelitian rekognisi bahasa isyarat yang dilakukan peneliti untuk
bahasa isyarat SIBI dengan kata [Masukan Gerakan], Halo, Terima Kasih, Aku, Ini,
Berapa dengan nilai akurasi sebesar 1, Recall 1, Precision 1 dan F1 – Score 1.
Dengan menggunakan metode Blazepose dan Long – Short Term Memory
penelitian ini menghasilkan lebih baik. Kesimpulan yang dapat diambil dari hasil
penelitian dan dari semua proses yang telah dilakukan oleh peneliti adalah dengan
menerapkan metode Blazepose dan Long – Short Term Memory (LSTM) pada
translasi bahasa isyarat Sistem Isyarat Bahasa Indonesia (SIBI) dari gerakan
menjadi teks atau kata, dapat menghasilkan dengan nilai akurasi yang cukup tinggi
yaitu 0.9781 atau 97%, recall 1, precision 1, dan F1 – Score 1.
Kata kunci: Blazepose, Bahasa Isyarat, Long – Short Term Memory, Sistem
Isyarat Bahasa Indonesia (SIBI), translasi bahasa isyarat.