PENGEMBANGAN MODEL PENDETEKSI HURUF ISYARAT REAL TIME DENGAN MENGGUNAKAN YOLOv8

Tangkas, I Made Rexy Yudhistira (2024) PENGEMBANGAN MODEL PENDETEKSI HURUF ISYARAT REAL TIME DENGAN MENGGUNAKAN YOLOv8. S1 thesis, UNIVERSITAS ATMA JAYA YOGYAKARTA.

Preview	Text (I Made Rexy Yudhistira Tangkas) 200710864_Bab 0.pdf Download (533kB) | Preview
Preview	Text 200710864_Bab 1.pdf Download (401kB) | Preview
Preview	Text 200710864_Bab 2.pdf Download (355kB) | Preview
	Text 200710864_Bab 3.pdf Restricted to Registered users only Download (631kB)
	Text 200710864_Bab 4.pdf Restricted to Registered users only Download (1MB)
	Text 200710864_Bab 5.pdf Restricted to Registered users only Download (893kB)
Preview	Text 200710864_Bab 6.pdf Download (386kB) | Preview

Abstract

Pada era digital, komunikasi antara orang yang dapat mendengar dan komunitas tuna rungu masih menghadapi tantangan. Bahasa Isyarat Indonesia (BISINDO) menjadi sarana utama komunikasi bagi komunitas tuna rungu. Namun, karena tidak semua orang memahami bahasa isyarat, dibutuhkan teknologi yang mampu menerjemahkannya ke dalam bahasa yang umum dipahami. Untuk tujuan ini, dikembangkan model pendeteksi BISINDO secara real time menggunakan YOLOv8, yang dipilih karena kemampuannya mendeteksi objek secara real time dengan akurasi tinggi serta ringan dalam pengaplikasiannya. Langkah-langkah penelitian ini meliputi pengumpulan data, preprocessing yang mencakup augmentasi data, pelabelan gambar, dan pembagian dataset. Selanjutnya, dilakukan pengembangan model yang terdiri dari pelatihan dan pengujian model. Hasil pengembangan dan pengujian menunjukkan bahwa model deteksi huruf isyarat berhasil dikembangkan dengan YOLOv8. Data pada evaluasi metrik menunjukkan hasil yang sangat baik dengan nilai precision sebesar 0.993, recall sebesar 0.997, mAP50 sebesar 0.995, dan mAP50-90 sebesar 0.942. Untuk menentukan akurasi, penelitian ini menggunakan tiga kondisi pencahayaan: terang, normal, dan redup. Hasilnya menunjukkan perbedaan signifikan, di mana pada pencahayaan terang didapati rata-rata akurasi sebesar 96.15%, pada pencahayaan normal 85.13%, dan pada pencahayaan redup 53.59%. Dengan demikian, model YOLOv8 tidak hanya mampu mendeteksi bahasa isyarat dengan precision dan recall tinggi, tetapi juga dapat digunakan dalam berbagai kondisi pencahayaan meskipun terjadi penurunan akurasi pada pencahayaan redup.

Actions (login required)

View Item