PENERAPAN HAND GESTURE RECOGNITION UNTUK PENGENALAN BAHASA ISYARAT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORKMuhammad Khalif FarrelYuandraauthorTeknologi 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.006 Metode komputer khusus2025-08-10Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis