PENDEKATAN BARU PENTERJEMAH BAHASA ISYARAT INDONESIA DINAMIS MENGGUNAKAN METODE GATE RECURRENT UNIT

Abstrak

Bahasa Isyarat Indonesia (BISINDO) dan Sistem Bahasa Isyarat Indonesia (SIBI) merupakan bentuk komunikasi yang digunakan oleh komunitas tunarungu di Indonesia. Namun, penggunaan BISINDO dinilai kurang efektif dalam sistem penerjemah bahasa isyarat karena adanya variasi gerak tubuh di setiap komunitas. Sebaliknya, SIBI dinilai lebih efektif karena merupakan adaptasi dari American Sign Language (ASL) dan telah diakui secara resmi oleh pemerintah Indonesia. Penelitian ini bertujuan untuk mengembangkan sistem penerjemah bahasa isyarat berbasis deep learning untuk mendukung komunikasi dengan komunitas tunarungu menggunakan Bahasa Isyarat Indonesia (SIBI). Metodologi penelitian ini melibatkan perolehan kumpulan data isyarat bahasa isyarat, pemrosesan awal data menggunakan perpustakaan Mediapipe, pelatihan model menggunakan Gated Recurrent Neural Networks (GRU), dan evaluasi performa model menggunakan metode Confusion Matrix. Hasil pengujian menunjukkan bahwa model yang dikembangkan berhasil mencapai tingkat akurasi sebesar 94% dalam mengklasifikasikan isyarat bahasa isyarat SIBI. Hal ini menunjukkan potensi sistem dalam membantu komunikasi dan meningkatkan aksesibilitas bagi penyandang tunarungu yang menggunakan Bahasa Isyarat Indonesia. Penelitian ini memberikan kontribusi yang signifikan terhadap perkembangan teknologi yang bertujuan untuk meningkatkan kualitas hidup dan inklusi sosial bagi komunitas tunarungu