Implementasi Algoritma MobileNetV2 Berbasis CNN untuk Sistem Pengenalan Bahasa Isyarat SIBI

Abstract

Perkembangan teknologi kecerdasan buatan membuka peluang baru dalam meningkatkan aksesibilitas bagi penyandang tunarungu, salah satunya melalui sistem pengenalan bahasa isyarat. Penelitian ini mengembangkan sistem pengenalan alfabet bahasa isyarat Indonesia (SIBI) menggunakan algoritma MobileNetV2 berbasis Convolutional Neural Network (CNN). Model dilatih menggunakan dataset citra alfabet SIBI dari Kaggle yang diproses melalui tahapan preprocessing dan augmentasi data untuk meningkatkan generalisasi. Sistem ini dirancang untuk mengenali gestur alfabet SIBI secara real-time dan mengklasifikasikannya dengan akurasi tinggi. Hasil pengujian menunjukkan performa yang memuaskan, dengan akurasi dan metrik evaluasi yang tinggi. Tantangan dalam pengembangan ini terdapat pada klasifikasi huruf yang memiliki kemiripan visual, sehingga pengembangan lebih lanjut direkomendasikan dengan penambahan variasi data latih dan penerapan teknik augmentasi untuk meningkatkan akurasi model dalam mengenali huruf serupa. Sistem ini diharapkan dapat menjadi dasar pengembangan sistem komunikasi yang lebih inklusif untuk penyandang tunarungu.