Cover Image

Pengenalan Bahasa Isyarat Menggunakan Citra Digital dengan Algoritma Learning Vector Quantization

Main Author: Prabowo, WahyuSugih
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2015
Subjects:
005 Computer programming
programs
data
Online Access: http://repository.ub.ac.id/146152/1/Skripsi_-_Wahyu_Sugih_Prabowo_-_115090600111041.pdf
http://repository.ub.ac.id/146152/
ctrlnum 146152
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/146152/</relation><title>Pengenalan Bahasa Isyarat Menggunakan Citra Digital dengan Algoritma Learning Vector Quantization</title><creator>Prabowo, WahyuSugih</creator><subject>005 Computer programming, programs, data</subject><description>Penerjemahan bahasa isyarat dilakukan untuk membantu masyarakat tuna rungu wicara dalam berkomunikasi dengan masyarakat umum dalam kehidupan sosial. Upaya penerjemahan bahasa isyarat dapat dilakukan dengan cara pembuatan suatu sistem yang dapat menerjemahkan bahasa isyarat menjadi bahasa tulisan atau suara. Pembuatan sistem penerjemah bahasa isyarat menggunakan masukan berupa citra digital yang ditangkap melalui kamera webcam. Proses pengenalan bahasa isyarat diawali dengan pendeteksian objek tangan pada layar webcam, kemudian dilakukan preprocessing untuk perbaikan citra, dilanjutkan dengan ekstraksi fitur untuk mendapatkan ciri dari suatu citra dan dilakukan klasifikasi untuk mengenali pola dari citra. Untuk mendeteksi objek tangan pada layar webcam menggunakan metode Haar Classifier. Kemudian untuk preprocessing menggunakan Skin Detection, Denoising, Thresholding dan Opening. Metode ekstraksi fitur yang digunakan adalah fitur biner dan Image Projection, dan algoritma untuk klasifikasi menggunakan algoritma Learning Vector Quantization (LVQ). Sistem dapat mengenali 24 bentuk tangan untuk bahasa isyarat alfabet statik dari 26 huruf alfabet kecuali huruf J dan Z. Hasil akurasi terbaik yang didapatkan melalui pengujian sistem adalah 88% dari 72 data uji dengan menggunakan jarak Euclidean, fitur biner dan jumlah data latih sebanyak 288, ketika nilai learning rate 0.1 dan maksimal epoch 10 dengan waktu proses training selama 72 detik.</description><date>2015-05-15</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/146152/1/Skripsi_-_Wahyu_Sugih_Prabowo_-_115090600111041.pdf</identifier><identifier> Prabowo, WahyuSugih (2015) Pengenalan Bahasa Isyarat Menggunakan Citra Digital dengan Algoritma Learning Vector Quantization. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2015/116/051504224</relation><recordID>146152</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Prabowo, WahyuSugih
title Pengenalan Bahasa Isyarat Menggunakan Citra Digital dengan Algoritma Learning Vector Quantization
publishDate 2015
isbn 1150906001110
topic 005 Computer programming
programs
data
url http://repository.ub.ac.id/146152/1/Skripsi_-_Wahyu_Sugih_Prabowo_-_115090600111041.pdf
http://repository.ub.ac.id/146152/
contents Penerjemahan bahasa isyarat dilakukan untuk membantu masyarakat tuna rungu wicara dalam berkomunikasi dengan masyarakat umum dalam kehidupan sosial. Upaya penerjemahan bahasa isyarat dapat dilakukan dengan cara pembuatan suatu sistem yang dapat menerjemahkan bahasa isyarat menjadi bahasa tulisan atau suara. Pembuatan sistem penerjemah bahasa isyarat menggunakan masukan berupa citra digital yang ditangkap melalui kamera webcam. Proses pengenalan bahasa isyarat diawali dengan pendeteksian objek tangan pada layar webcam, kemudian dilakukan preprocessing untuk perbaikan citra, dilanjutkan dengan ekstraksi fitur untuk mendapatkan ciri dari suatu citra dan dilakukan klasifikasi untuk mengenali pola dari citra. Untuk mendeteksi objek tangan pada layar webcam menggunakan metode Haar Classifier. Kemudian untuk preprocessing menggunakan Skin Detection, Denoising, Thresholding dan Opening. Metode ekstraksi fitur yang digunakan adalah fitur biner dan Image Projection, dan algoritma untuk klasifikasi menggunakan algoritma Learning Vector Quantization (LVQ). Sistem dapat mengenali 24 bentuk tangan untuk bahasa isyarat alfabet statik dari 26 huruf alfabet kecuali huruf J dan Z. Hasil akurasi terbaik yang didapatkan melalui pengujian sistem adalah 88% dari 72 data uji dengan menggunakan jarak Euclidean, fitur biner dan jumlah data latih sebanyak 288, ketika nilai learning rate 0.1 dan maksimal epoch 10 dengan waktu proses training selama 72 detik.
id IOS4666.146152
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:48:07Z
last_indexed 2021-10-28T07:33:41Z
recordtype dc
_version_ 1751454636439502848
score 17.538404

Lihat Juga