Email this article Deteksi Bahasa Isyarat Dalam Pengenalan Huruf Hijaiyah Dengan Metode YOLOV5
Abstract
Bahasa isyarat adalah Bahasa yang menggunakan gerakan tangan dan tubuh, serta ekspresi dalam menyampaikan kata dan kalimat. Belajar huruf Hijaiyah adalah langkah awal untuk bisa membaca Al-Qur'an. Anak penyandang tunarungu dan tunawicara memiliki IQ di bawah rata-rata anak normal, yang menyebabkan proses belajar mereka lebih lambat dan memerlukan metode khusus. Ada sekelompok besar tunarungu-bisu di seluruh dunia, dan bahasa isyarat adalah alat komunikasi utama dalam komunitas ini. Penyandang tunarungu dan tunanetra perlu untuk dapat berkomunikasi dengan orang lain yang mampu mendengar, dan orang yang mendengar juga perlu memahami bahasa isyarat, yang menghasilkan permintaan yang besar untuk pelajaran bahasa isyarat. Sudah banyak penelitian yang membahas tentang pendeteksian sebuah objek menggunakan citra digital untuk mengenali macam-macam bahasa isyarat. Penelitian kali ini penulis menerapkan metode YOLOV5 untuk mendeteksi Bahasa isyarat khususnya huruf hijaiyah. Pada penelitian ini penulis menggunakan dataset sebesar 1014 gambar dengan kelas huruf hijiyah dari alif sampai ya. Hasil penelitian yang di peroleh menggunakan metode YOLOV5 terbukti dapat mengenali objek secara konsisten dengan nilai tingkat akurasi yang cukup tinggi yaitu 95%
Keywords
Full Text:
PDF (BAHASA INDONESIA)References
I. Afrianto, S. L. Tremain, A. F. Faris, and S. Atin, “Hijaiyah Letter Interactive Learning for Mild Mental Retardation Children using Gillingham Method and Augmented ... Cite this paper Related papers Ext ending Tangible Int eract ive Int erfaces for Educat ion: A Syst em for Learning Arabic Braille … Duaa alSaeed Telecommunicat ions Problems and Design St rat egies For People Wit h Cognit ive Disabilit ies Hijaiyah Letter Interactive Learning for Mild Mental Retardation Children using Gillingham Method and Augmented Reality,” 2019. [Online]. Available: www.ijacsa.thesai.org
F. W. Wibowo and Institute of Electrical and Electronics Engineers, 2018 International Conference on Information and Communications Technology (ICOIACT) : 6-7 March 2018.
Z. Zou, Z. Shi, Y. Guo, and J. Ye, “Object Detection in 20 Years: A Survey,” May 2019, [Online]. Available: http://arxiv.org/abs/1905.05055
Y. Wu, H. Zhang, Y. Li, Y. Yang, and D. Yuan, “Video Object Detection Guided by Object Blur Evaluation,” IEEE Access, 2020, doi: 10.1109/ACCESS.2020.3038913.
M. A. Bencherif et al., “Arabic Sign Language Recognition System Using 2D Hands and Body Skeleton Data,” IEEE Access, vol. 9, pp. 59612–59627, 2021, doi: 10.1109/ACCESS.2021.3069714.
J. Joy, K. Balakrishnan, and M. Sreeraj, “SignQuiz: A quiz based tool for learning fingerspelled signs in indian sign language using ASLR,” IEEE Access, vol. 7, pp. 28363–28371, 2019, doi: 10.1109/ACCESS.2019.2901863.
H. Zhang, M. Tian, G. Shao, J. Cheng, and J. Liu, “Target Detection of Forward-Looking Sonar Image Based on Improved YOLOv5,” IEEE Access, vol. 10, pp. 18023–18034, 2022, doi: 10.1109/ACCESS.2022.3150339.
DOI: https://doi.org/10.32528/elkom.v4i2.8145
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 Jurnal Teknik Elektro dan Komputasi (ELKOM)
This work is licensed under a Creative Commons Attribution 4.0 International License.
View My Status Indexing Service
 | Publisher : |
| Editorial Address : |
