Studi Klasifikasi dengan KNN dan ANN pada Sarung Tangan Penerjemah Angka dan Alfabet Bahasa Isyarat SIBI

Abstract

Penyandang disabilitas di Indonesia khususnya pada jenis disabilitas tunawicara dan tunarungu pada tahun 2018, yaitu 0,15% untuk tuna wicara dan 0,11% untuk tuna rungu dari total masyarakat Indonesia. Berdasarkan jumlah penyandang tunawicara dan tunarungu yang ada di Indonesia jika menggunakan alat penerjemah bahasa isyarat tentu akan mempermudah komunikasi antara penyandang dengan non penyandang. Hal tersebut disebabkan oleh kurang pahamnya orang tentang bahasa isyarat yaitu Sistem Bahasa Isyarat Indonesia dan Bahasa Isyarat Indonesia (BISINDO). Pada penelitian kali ini fokus pada bahasa Sistem Bahasa Isyarat Indonesia (SIBI) yang digunakan sebagai penerjemah angka dan alfabet dengan menggunakan sarung tangan yang dilengkapi dengan sensor tekuk. Penelitian ini bertujuan untuk mengklasifikasi angka 1 sampai 10 dan huruf A sampai Z, serta menggunakan metode K-Nearest Neighbors dan Artificial Neural Network, serta dilakukan pengujian secara real-time. Total data sampel yang digunakan pada penelitian ini sebanyak 288 buah. Pengambilan data dilakukan dengan cara subjek menggerakan gestur angka 1 sampai 10 dan huruf A sampai Z sebanyak 2x jadi masing masing subjek memiliki data sampel sebanyak 72 buah. Pembuatan program klasifikasi ini dilakukan menggunakan bahasa pemrograman Python dan pustaka-pustaka Python lainnya. Tujuan yang ingin dicapai dalam penelitian ini telah berhasil dilakukan yaitu membuat program aplikasi yang dapat mengklasifikasi gestur tangan dengan menggunakan metode KNN serta mengujinya secara real time dan pembuatan model ANN. Hasil akurasi model ANN menghasilkan akurasi 93% dengan loss 0,2134. untuk model KNN dengan nilai k = 7 menghasilkan akurasi 99%. Pengujian real-time diuji menggunakan model KNN dengan nilai k = 7 mendapatkan akurasi rata-rata 75%.