ABSTRAK Nama : Muhammad Rasyid Gatra Wijaya Program Studi : Ilmu Komputer Judul : Optimasi Kinerja Implementasi MobileNetV2 Pada Aplikasi Pengenalan Sistem Isyarat Bahasa Indonesia (SIBI) Berbasis Android dengan GPU Ponsel Pembimbing : Dr. Ir. Erdefi Rakun, M.Sc. Peneliti Fakultas Ilmu Komputer Universitas Indonesia telah membuat sebuah sistem penerjemahan gerakan isyarat SIBI (Sistem Isyarat Bahasa Indonesia) ke teks Bahasa Indonesia dalam bentuk aplikasi mobile. Aplikasi mobile masih mengalami beberapa kendala, seperti rata-rata response time sebesar 20.208 sekon (s) dan framework TensorFlow Mobile yang dipakai pada aplikasi sudah tidak didukung lagi. Pembagian waktu rata-rata response time berdasarkan proses yang dilakukan oleh aplikasi adalah sebagai berikut, preprocess video 10,641 s, ekstraksi fitur dengan MobileNetV2 9.418 s, pemilahan frame antara gerakan isyarat dan transisi dengan Threshold Conditional Random Field (TCRF) 0,039 s, dan klasifikasi dengan Long Short-Term Memory (LSTM) 0.011 s. Penelitian ini berfokus untuk mengurangi waktu ekstraksi fitur melalui MobileNetV2 dengan menggunakan Grapics Processing Unit (GPU) dan mengganti framework TensorFlow Mobile menjadi TensorFlow-Lite. Pada pengembangan, dilakukan perubahan pada modul ImageClassifier, OpenCVService, dan ModelProvider untuk dapat menggunakan GPU dan TensorFlow-Lite. Pengukuran akurasi kalimat prediksi dan word error rate (WER) sebelum dan sesudah implementasi GPU dilakukan untuk memastikan penggunaan GPU tidak menurunkan kinerja sistem penerjemah gerakan SIBI ke teks. Selanjutnya, dilakukan evaluasi hasil monitoring profil dari penggunaan CPU, memori, dan baterai untuk melihat dampak penggunaan GPU. Penelitian ini menggunakan dataset yang terdiri dari 28 kalimat yang digunakan sehari-hari di tempat umum. Kalimat yang ada pada dataset diperagakan oleh 3 orang guru dan 2 siswa tunarungu dari Sekolah Luar Biasa Santi Rama. Konfigurasi yang diuji pada penelitian ini adalah CPU dengan 1, 2, 4 dan 8 thread(s) dan GPU. Pemrosesan dengan menggunakan CPU dengan 4 thread menghasilkan performa terbaik. Oleh sebab itu dalam perbandingan kinerja CPU dan GPU, konfigurasi CPU yang digunakan adalah CPU dengan 4 thread. Hasil penelitian ini menunjukkan peningkatan waktu pemrosesan dengan speed-up 2,33x, akurasi setara 97,8%, penurunan WER sebesar 0,135, penurunan penggunaan CPU dari kurang lebih 46% menjadi 36%, penggunaan memori dari kurang lebih 350-400 MB menjadi 400 MB, dan penurunan penggunaan daya baterai dari 26,75% menjadi 18,90%.