Skripsi/Tugas Akhir

Penerjemah Bahasa Isyarat untuk Anak Tunarungu di SLBN 1 Maros Menggunakan Mediapipe dan Random Forest

---

Rating Anda tentang Buku ini!

---

ABSTRAK

Penelitian ini bertujuan untuk mengembangkan Penerjemah Bahasa Isyarat untuk Anak Tunarungu di SLBN 1 Maros menggunakan MediaPipe dan Random Forest. Penelitian ini bertujuan untuk meningkatkan kemampuan berkomunikasi anak tunarungu dengan memanfaatkan teknologi pengenalan gerakan bahasa isyarat dan algoritma Random Forest. Penelitian ini dilakukan melalui beberapa tahapan, termasuk pengumpulan data gerakan bahasa isyarat dari berbagai sumber, anotasi data untuk memberikan label pada gerakan bahasa isyarat, dan pembagian data menjadi data latih dan data uji. Selanjutnya, fitur-fitur dari gerakan bahasa isyarat diekstraksi, dan model Random Forest dilatih menggunakan data latih. Model ini diuji dan dievaluasi menggunakan data uji untuk mengukur kinerja penerjemah bahasa isyarat. Hasil penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan kemampuan berkomunikasi anak tunarungu dengan menyediakan solusi teknologi yang efektif dan akurat dalam menerjemahkan gerakan bahasa isyarat. Pembuatan aplikasi penerjemah Bahasa isyarat dengan menggunakan MediaPipe dan algoritma Random Forest, dapat membantu anak tunarungu dalam mempelajari Bahasa isyarat.

Kata Kunci: Bahasa Isyarat, Tunarungu, Random Forest, Machine Learning


ABSTRACT

This research aims to develop a Sign Language Translator for Deaf Children at SLBN 1 Maros using MediaPipe and Random Forest. The study aims to improve the communication abilities of deaf children by utilizing motion recognition technology for sign language and the Random Forest algorithm. The research involves several stages, including collecting sign language motion data from various sources, annotating the data to provide labels for sign language motions, and dividing the data into training and testing sets. Furthermore, features are extracted from the sign language motions, and a Random Forest model is trained using the training data. The model is then tested and evaluated using the testing data to measure the performance of the sign language translator. The results of this research are expected to contribute to enhancing the communication abilities of deaf children by providing an effective and accurate technological solution for translating sign language motions. Making a sign language translator application using MediaPipe and the Random Forest algorithm, can help deaf children learn sign language.
Keywords: Sign Language, Deaf, Random Forest, Machine Learning

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 23-48 PUT p - 0509TI

Penerbit

Makassar : Universitas DIPA., 2023

Deskripsi Fisik

x + 43 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 23-48

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 31 Agustus 2023

Subjek

Skripsi/Tugas Akhir
Machine Learning
Algoritma Random Forest
MediaPipe

Lampiran File