PENGEMBANGAN APLIKASI PENERJEMAH BAHASA ISYARAT INDONESIA (BISINDO) MENGGUNAKAN METODE LONG-SHORT TERM MEMORY

  • Siti Nur Universitas Islam Nusantara, Indonesia
  • Aghisna Nur Assyifa Universitas Islam Nusantara, Indonesia
  • Habilah Nurjannah Universitas Islam Nusantara, Indonesia
Keywords: Hand Gesture Recognition, Deep Learning, LSTM

Abstract

The Indonesian Sign Language Translator (BISINDO) application is intended for individuals who are deaf and mute assist them in communicating with normal people. Due to the limitations of technology to assist individuals who are deaf and mute, the Indonesian Sign Language Translator application was developed. Additionally, it is hoped that this application will enable individuals who are deaf and mute to learn Indonesian Sign Language in real-time. LSTM generally consists of a cell, input, gate, and forget gate. LSTM is highly suitable for classifying, processing, and making predictions based on time series data. In this research, hand landmark recognition is used as a medium to store finger gestures from user inputs, which will then be saved in the form of coordinate points and stored in a file in csv format. Subsequently, this file will be trained and called back to determine the output.

Downloads

Download data is not yet available.

References

Bakti, M. B. S., & Pranoto, Y. M. (2019). Pengenalan Angka Sistem Isyarat Bahasa Indonesia

Dengan Menggunakan Metode Convolutional Neural Network. Seminar Nasional Inovasi Teknologi., 11-16.

Darmatasia, D. (2021.). Pengenalan Sistem Isyarat Bahasa Indonesia (Sibi) Menggunakan Gradient-Convolutional Neural Network. Jurnal INSTEK (Informatika Sains Dan Teknologi), https://doi.org/10.24252/instek.v6i1.18637., 6(1), 56.

Hakkun, R. Y., Zikky, M., & Rafsanjani, B. (2022). Game Edukasi Pengenalan Sistem Isyarat Bahasa Indonesia (Sibi) Menggunakan Myo Armband Pada Arsitektur Client-Server. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 9(3). https://doi.org/1, 507–512.

Haliza, N., Kuntarto, E., & Kusmana, A. (2020). Pemerolehan bahasa anak berkebutuhan khusus (tunarungu) dalam memahami bahasa. Jurnal Genre (Bahasa, Sastra, Dan Pembelajarannya), https://doi.org/10.26555/jg.v2i1.2051, 2 (1), 5-11.

Hikmatia A.E, N., & Ihsan Zul, M. (2021). Aplikasi Penerjemah Bahasa Isyarat Indonesia menjadi Suara berbasis Android menggunakan Tensorflow. Jurnal Komputer Terapan, https://doi.org/10.35143/jkt.v7i1.4629, 7(Vol. 7 No. 1, 74–83.

Holawati, M., Auliasari, K., & Ariwibisono, F. (2020). Pengembangan Aplikasi Pengenalan Bahasa Isyarat Abjad Sibi Menggunakan Metode Convolutional Neural Network (Cnn). JATI (Jurnal Mahasiswa Teknik Informatika). https://doi.org/10.36040/ja, 6(1), 134–144.

K. R. Srinath. (2017). Python -The Fastest Growing Programming Language. International Research Journal of Engineering and Technology. www.irjet.net, 4(12), 354-357.

Majesty, D., Awangga, R. M., & Fauzan, M. N. (2023). Voice Cloning: Membuat Sendiri Suara Artifisial Menggunakan Metode Sequence to Sequence Speech Synthesis. Penerbit Buku Pedia.

Mardiana, A., & Wahyuni, T. (2019). Rancang Bangun Aplikasi Android Pengenalan Kosakata untuk Disabilitas Tunarungu enggunakan Metode Sistem Isyarat Bahasa Indonesia. Infotech Journal., 5(1), 64–68.

Putri, H. M., Fadlisyah, F., & Fuadi, W. (2022). Pendeteksian Bahasa Isyarat Indonesia Secara Real-Time Menggunakan Long Short-Term Memory (LSTM). Jurnal Teknologi Terapan and Sains 4.0, 3(1), 663–675.

Prasmatio, R. M., Rahmat, B., & Yuniar, I. (2020). DETEKSI DAN PENGENALAN IKAN MENGGUNAKAN. , 1(2), 510–521.

Raharja, B. D. (2018). Implementasi Kompresi Citra Digital Dengan Mengatur Kualitas Citra Digital. Jurnal Ilmiah SINUS, 16(2), 71–77. https://doi.org/10.30646/sinus.v16i2.363, 71–77. .

Shalahudin, A., Iswahyudi, C., Studi, P., Informatika, T., & Industri, F. T. (2019).

, 2 , 3. 7(1),. 1-8.

Sholawati, M., Auliasari, K., & Ariwibisono, F. (2022). Pengembangan Aplikasi Pengenalan Bahasa Isyarat Abjad Sibi Menggunakan Metode Convolutional Neural Network (Cnn). JATI (Jurnal Mahasiswa Teknik Informatika). https://doi.org/10.36040/j, 6(1), 134–144. .

Sindarto, S. S., Ratnawati, D. E., & Arwani, I. (2022). Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI) dengan Metode Convolutional Neural Network pada Perangkat Lunak berbasis Android. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(5), 2129–2138.

Winaldi, I., & Setyawan, A. (2018). Aplikasi Pengenalan Bahasa Isyarat Untuk Penyandang Tuna Tungu Berbasis Android (Studi Kasus : SLB Madina Serang). JSiI (Jurnal Sistem Informasi), https://doi.org/10.30656/jsii.v5i2.779, 5(2), 70–73.

Yunita, H., & Setyati, E. (2019). Hand Gesture Recognition Sebagai Pengganti Mouse Komputer Menggunakan Kamera. Jurnal ELTIKOM, https://doi.org/10.31961/eltikom.v3i2.114, 3(2), 64–76.

Yunus, M., & Anwar, Y. (2022). Aplikasi Penerjemah Bahasa Isyarat Indonesia Ke Dalam Huruf Abjad., 2(1), 257-262.

Zulpicha, E. (2018). Konflik Kebijakan Penggunaan Sistem Bahasa Isyarat Indonesia Di Lingkungan Pendidikan Formal. Jurnal Analisa Sosiologi. https://doi.org/10.20961/jas.v6i1.18190, 6(1).

Published
2023-07-28
How to Cite
Nur, S., Assyifa, A., & Nurjannah, H. (2023). PENGEMBANGAN APLIKASI PENERJEMAH BAHASA ISYARAT INDONESIA (BISINDO) MENGGUNAKAN METODE LONG-SHORT TERM MEMORY. EDUSAINTEK: Jurnal Pendidikan, Sains Dan Teknologi, 11(1), 13 - 30. https://doi.org/10.47668/edusaintek.v11i1.898
Section
Articles