ABSTRAK
ABSTRAK
Nama : Yonatan
Program Studi : Magister Ilmu Komputer
Judul : Sistem Pengenalan Huruf Bahasa Isyarat Invarian Terhadap
Skala dan Rotasi
Komunikasi merupakan salah satu alat yang penting dalam kehidupan manusia
karena dengan alat ini manusia dapat menyampaikan ide pikirannya dan setiap
manusia berhak mengerti dan dimengerti pada saat berkomunikasi. Bahasa isyarat
merupakan bahasa yang biasa digunakan oleh penyandang tuna rungu.
Salah satu metode ektraksi fitur dan klasifier yang telah digunakan antara lain
adalah DCT dengan model jaringan syaraf tiruan sebagai klasifier yang telah
dilakukan oleh Paulraj, dkk.
Penelitian ini difokuskan pada pengenalan alfabet SIBI yang invarian terhadap
skala dan rotasi dengan menggunakan sensor kamera video karena belum banyak
yang melakukan penelitian focus pada invariant terhadap skala dan rotasi.
Dilakukan tiga metode ekperimen yang semuanya menggunakan SIFT yaitu (1)
metode pencocokan/matching yang telah dikembangkan oleh David Lowe dengan
sedikit kontribusi dalam algoritma klasifikasi, (2)diusulkan metode Mean-SIFTKNN
dan (3) metode Bag of Features sebagai pembanding metode yang
diusulkan. Metode (2) dan (3) sama-sama menggunakan KNN sebagai metode
pembelajaran mesinnya. Untuk semua metode, dilakukan tiga tipe data test yaitu
kumpulan citra bahasa isyarat tampak depan, tampak samping dan skala 50%
lebih kecil.
Hasil eksperimen menunjukan data test tampak depan untuk semua metode yang
diujikan memiliki kinerja yang hampir sama. Untuk data test tampak samping
metode Mean-SIFT-KNN menunjukan hasil yang paling baik dengan tingkat
akurasi 96% dan untuk data test skala 50% pada grafik menunjukan Mean-SIFTKNN
lebih stabil untuk akurasi, presisi, recall, F-Measure dan specificitynya.
Kata Kunci:
SIBI, SIFT, Pengenalan Huruf Bahasa Isyarat, KNN, Bag of Features.
|