ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulPERBANDINGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) VGG-16 DAN RESNET-50 DENGAN INTEGRASI LONG SHORT-TERM MEMORY (LSTM) DALAM PENERJEMAHAN BAHASA ISYARAT INDONESIA (BISINDO) |
| Nama: BASTHIAN ARISNA |
| Tahun: 2024 |
| Abstrak Dalam era modern yang semakin terhubung secara digital, pentingnya sistem penerjemahan bahasa isyarat bagi penyandang tunarungu dan tunawicara semakin meningkat. Bahasa isyarat adalah cara utama bagi orang dengan gangguan pendengaran atau bicara untuk berkomunikasi. Namun, akses terhadap informasi melalui bahasa lisan menjadi terbatas, yang menyebabkan kesenjangan komunikasi yang signifikan. Tujuan dari penelitian ini adalah untuk membandingkan kinerja arsitektur Convolutional Neural Network (CNN) VGG16 dan ResNet50 dengan integrasi Long Short-Term Memory (LSTM) dalam penerjemahan Bahasa Isyarat Indonesia (BISINDO). Objek penelitian mencakup data isyarat tangan yang direkam dalam konteks bahasa isyarat Indonesia. Pengambilan data dilakukan melalui penggunaan dataset kumpulan gambar bahasa isyarat tangan yang representatif, bersamaan dengan data teks terjemahan yang sesuai. Metode penelitian melibatkan ekstraksi fitur dari arsitektur VGG16 dan ResNet50, serta integrasi LSTM untuk memahami konteks gerakan isyarat tangan. Hasil dari penelitian ini diharapkan dapat memberikan pemahaman mendalam tentang perbandingan arsitektur VGG16 dan ResNet50 dengan integrasi LSTM dalam konteks penerjemahan bahasa isyarat Indonesia, serta memberikan kontribusi pada pengembangan teknologi penerjemahan bahasa isyarat yang lebih akurat dan responsif. Kata Kunci - Penerjemahan Bahasa Isyarat, Bahasa Isyarat Indonesia, Convolutional Neural Network, VGG16, ResNet50, LSTM |