Fardiansyah, Futra (2026) PENGENALAN BAHASA ISYARAT OTOMATIS MENGGUNAKAN ALGORITMA CNN, LSTM, DAN N-GRAM. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.
![[img]](http://repository.umb.ac.id/style/images/fileicons/text.png) |
Text (Fulltext)
Fardiansyah Futra_2155201057_Fulltext.pdf - Submitted Version Restricted to Repository staff only Download (7MB) | Request a copy |
|
Text (Turnitin)
Fardiansyah Futra_2155201057_Turnitin.pdf - Submitted Version Restricted to Repository staff only Download (9MB) | Request a copy |
|
Text (Abstrak + BAB 1)
Fardiansyah Futra_2155201057_Abstrak + BAB 1.pdf - Submitted Version Download (1MB) |
|
Text (BAB 2)
Fardiansyah Futra_2155201057_BAB 2.pdf - Submitted Version Download (323kB) |
|
Text (BAB 3)
Fardiansyah Futra_2155201057_BAB 3.pdf - Submitted Version Restricted to Repository staff only Download (635kB) | Request a copy |
|
Text (BAB 4)
Fardiansyah Futra_2155201057_BAB 4.pdf - Submitted Version Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5)
Fardiansyah Futra_2155201057_BAB 5.pdf - Submitted Version Download (149kB) |
|
Text (Ref + Lamp)
Fardiansyah Futra_2155201057_Ref + Lamp.pdf - Submitted Version Download (134kB) |
Abstract
Penyandang tunarungu dan tunawicara di Indonesia masih menghadapi hambatan besar dalam berkomunikasi dengan masyarakat umum yang tidak menguasai bahasa isyarat. Penelitian ini bertujuan untuk merancang dan membangun sistem pengenalan bahasa isyarat otomatis berbasis web yang memanfaatkan algoritma Convolutional Neural Network (CNN) melalui model HandPose TensorFlow.js untuk mendeteksi dan mengklasifikasikan gesture tangan secara real-time, serta menghasilkan output suara berbahasa Indonesia sebagai respons komunikasinya. Sistem dikembangkan sebagai aplikasi web satu halaman menggunakan HTML, CSS, dan JavaScript dengan mengintegrasikan library TensorFlow.js dan model HandPose berbasis CNN untuk mendeteksi 21 titik landmark tangan melalui kamera browser. Klasifikasi gesture dilakukan menggunakan pendekatan rule-based classification berdasarkan pola biner status jari yang dipetakan ke 8 gesture dasar. Output suara dihasilkan menggunakan Web Speech API dengan bahasa Indonesia (id-ID). Metode pengembangan yang digunakan adalah Waterfall. Pengujian sistem dilakukan menggunakan metode Black Box Testing terhadap 15 skenario uji fungsional, dan seluruh fitur dinyatakan berjalan sesuai yang diharapkan. Sistem berhasil mengenali 8 gesture (Halo, Tidak, Aku, Oke, Dua, Tiga, Empat, Telepon) dengan latensi deteksi rata-rata kurang dari 100ms per frame dan dapat diakses dari browser modern tanpa instalasi tambahan.
| Item Type: | Thesis (Skripsi (Bachelor)) |
|---|---|
| Additional Information: | Pembimbing: Muntahanah, S.Kom., M.Kom |
| Uncontrolled Keywords: | CNN, Bahasa Isyarat, TensorFlow.js, HandPose, Web Speech API, Real-time, Aksesibilitas |
| Subjects: | Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Divisions: | 02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Depositing User: | Mrs Hildayani Hildayani |
| Date Deposited: | 03 Sep 2026 06:38 |
| Last Modified: | 03 Sep 2026 06:38 |
| URI: | http://repository.umb.ac.id/id/eprint/3905 |
Actions (login required)
 |
View Item |