@phdthesis{universitasamikomyogyakarta32403,
            year = {2025},
           title = {PENERAPAN HAND GESTURE RECOGNITION UNTUK
PENGENALAN BAHASA ISYARAT MENGGUNAKAN 
ALGORITMA CONVOLUTIONAL NEURAL NETWORK},
           month = {August},
          school = {Universitas AMIKOM Yogyakarta},
          author = {Muhammad Khalif Farrel Yuandra},
        abstract = {Teknologi menjadi salah satu alat bantu yang berguna oleh manusia dalam kehidupan 
dan aktivitas keseharian mereka karena dapat memudahkan proses tersebut sehingga tidak
membuang banyak energi dan waktu. Salah satu tipe orang yang dapat memanfaatkan
teknologi tersebut adalah orang-orang yang memiliki disabilitas terutama yang memiliki
kesusahan dalam berkomunikasi verbal. Maka dari itu, penelitian ini bertujuan untuk
menerapkan hand gesture recognition (HGR) berbasis algoritma convolutional neural
network (CNN) untuk mengenali bahasa isyarat. Dari 1139 total dataset yang digunakan,
model CNN yang terlatih selama 88 epoch dapat mencapai tingkat akurasi training paling
tinggi 0.76 dan 0.78 untuk validation. Saat model tersebut digunakan secara langsung,
model berhasil menangkap dan mengenali pergerakan tangan bahasa isyarat berbasis SIBI
dengan nilai akurasi diatas 50\%. Salah satu alasan mengapa model ini tidak dapat meraih
angka yang lebih tinggi secara konsisten dikarenakan bahan data yang kurang bervariasi
dan metode pelatihan yang tidak menggunakan transfer learning sehingga perlu
menggunakan banyak data.},
        keywords = {Sistem Informasi, Teknologi, Machine Learning, CNN, Image
Recognition, Information Systems, Technology.},
             url = {https://eprints.amikom.ac.id/id/eprint/32403/}
}