Indonesian Sign Language (INSL) Recognition Menggunakan Algoritma Extremely Learning Machine (ELM) dan Sistem Kamera Time of Flight untuk Komunikasi antara Penderita Tuna Rungu dan Tuna Wicara dengan Masyarakat Normal
Abstract
Penderita tuna rungu dan tuna wicara menggunakan bahasa isyarat dalam berkomunikasi. Tetapi ada
beberapa permasalahan dan keterbatasan cara berkomunikasi dalam kehidupan sosial mereka.
Permasalahan dialami ketika mereka akan berkomunikasi dengan orang normal karena orang normal
tidak mengenal dan memahami bahasa isyarat. Permasalahan ini perlu dicarikan solusinya agar
terjadi efektivitas dan keharmonisan dalam berkomunikasi sosial antara orang tuna wicara dan tuna
rungu dengan orang normal.
Salah satu cara yang dapat ditempuh untuk menyelesaikan permasalahan ini adalah membuat suatu
alat yang dapat menerjemahkan bahasa isyarat khususnya Bahasa Isyarat Indonesia menjadi teks,
teks menjadi suara, dan sebaliknya, dari suara ke teks dan teks menjadi Bahasa Isyarat Indonesia.
Tujuan utama dari penelitian ini adalah membangun model pengenalan isyarat yang memungkinkan
pemrosesan dan klasifikasi berbagai saluran komunikasi Bahasa Isyarat Indonesia dan
mengembangkan dan mendesain algoritma Extremely Learning Machine (ELM) untuk melatih
model pengenalan dari input bahasa isyarat dan suara manusia dengan bantuan sensor kamera time
of flight jenis OPT8320 dan sensor infra merah. Untuk mencapai tujuan ini, upaya benchmark
dilakukan dengan menggunakan teknik pemrosesan gambar dan kecerdasan komputasi.
Setelah dilakukan proses pengujian, penelitian ini dapat membangun alat yang dapat mengubah
Bahasa Isyarat Indonesia menjadi teks di monitor dan output suara sesuai dengan informasi bahasa
isyarat.
Full Text:
PDFReferences
Akmeliawati, R, M.P.-L. Ooi, and Ye Chow Kuang. (2012) Real-time Malaysian sign
language translation using colour segmentation and neural network. In Instrumentation
and Measurement Technology Conference Proceedings, 2012. IMTC 2007. IEEE, pages
-6.
Dai Jun. (2014). Gesture recognition reach based on high-order nmi. Master Dissertation,
ShanHai Maritime University.
Gao, W, J. Ma, J. Wu, and C. Wang. (2000). Sign language recognition based on
HMM/ANN/DP. International Journal of Pattern Recognition and Artificial
Intelligence, 14(5):587{602+
Gavrila, G.M (2013) . The visual analysis of human movement: A survey. Computer Vision
and Image Understanding, 73:82{98.
Grobel, K and M. Assam, (2015). Isolated sign language recognition using hidden Markov
models, in Proceedings of the IEEE International Conference on Systems, Man and
Cybernetics, Orlando, FL, pp. 162–167.
Lee, S, V. Henderson, H. Hamilton, T. Starner,H. Brashear, and S. Hamilton. (2014). A
gesture-based American sign language game for deaf children. In Proceedings of CHI,
pages 1589–1592, Portland, Oregon.
Liang, R and M. Ouhyoung. (2015). A real-time continuous gesture recognition system for
sign language. In Third International Conference on Automatic Face and Gesture
Recognition, pages 558–565.
Pavlovic, V.I, R. Sharma, and T.S. Huang.(2015) Visual interpretation of hand gestures for
human-computer interaction: a review. Pattern Analysis and Machine Intelligence,
IEEE Transactions on, 19(7):677 {695}.
Starner,T. Weaver, J. ; Pentland, (2013) A. Real-time American sign language recognition
using desk and wearable computer based video Pattern Analysis and
Machine Intelligence, IEEE Transactions on Volume: 20 , Issue: 12 Page(s): 1371 –
Sagawa, H and M. Takeuchi. (2014) A method for recognizing a sequence of sign language
words represented in a Japanese sign language sentence. In Proceedings of the Fourth
IEEE International Conference on Automatic Face and Gesture Recognition, pages
–439, Grenoble, France, March.
Refbacks
- There are currently no refbacks.
Copyright (c) 2020 Prosiding Seminar Nasional Peningkatan Mutu Perguruan Tinggi
Prosiding Seminar Nasional Peningkatan Mutu Perguruan Tinggi
ISBN: 978-623-92585-0-4 |
Our Articles are licensed under Creative Commons Attribution-NonCommercial 4.0 International License.
Penerbit
Universitas Mercu Buana
Universitas Mercu Buana
Jl. Raya Meruya Selatan No.1, Kembangan, Jakarta Barat -11650
Telp.+62 21 5840815-16 (Ext. 2722) Fax. +62 21 5840813
Jakarta
Email. ([email protected]).
Website. (http://publikasi.mercubuana.ac.id/index.php/snpmpt)