Penerjemah bahasa isyarat Tuna Wicara berbasis Raspberry Pi 4 dengan metode Machine Learning Artificial Neural Network (ANN)

Mizan, Irsyad (2022) Penerjemah bahasa isyarat Tuna Wicara berbasis Raspberry Pi 4 dengan metode Machine Learning Artificial Neural Network (ANN). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (35kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (171kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (438kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (370kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (163kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (241kB) | Request a copy

Abstract

Penelitian ini membangun Penerjemah Bahasa Isyarat Tuna Wicara Berbasis Raspberry Pi 4 Dengan Metode Machine Learning Artificial Neural Network (ANN) guna membatu para kaum tuna wicara berkomunikasi dengan masyarakat sekitar, komponen utama pada penelitian ini adalah sensor flex dan sensor akselerometer ADXL345 GY-291, menggunakan micro processor Raspberry pi 4, bahasa pemrograman yang dipakai adalah software Python 3.9.5 dan micro controller yang digunakan adalah Arduino DUE. Penelitian dilakukan di BOLABOT Techno Robotic Institute, dilakukan selama bulan September 2021 hingga Maret 2022. Pengujian pertama yaitu menguji performa sensor flex dan sensor akselerometer, ketelitian yang didapat pada kelima sensor flex dan sensor akselerometer lebih dari 90%. Pengklasifikasian nilai ADC menggunakan machine learning metode ANN dan parameter yang dipakai yaitu fungsi aktivasi = RelU, hidden layer = (200,200), solver = adam, alpha = 0,00001, dan random state = 43. Penerapan alat diuji dengan melakukan pengulangan terhadap 26 huruf yang dilakukan oleh peneliti dan oleh responden disabilitas tunawicara, pada pengulangan huruf mendapatkan nilai ratarata ketelitian sebesar 96,92% diuji oleh peneliti dan 87,17% diuji oleh responden disabilitas tunawicara.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Machine learning; Artificial Neural Network; Bahasa Isyarat; Tunawicara; Sensor Flex; Sensor Akselerometer ADXL345 GY-291; Raspberry pi 4; Python 3.9.5; Arduino DUE; Nilai ADC(Analog to Digital Converter)
Subjects: Sign Language
Physics
Physics > Data Processing and Analysis of Physics
Physics > Instrumentation of Physics
Applied Physics
Divisions: Fakultas Sains dan Teknologi > Program Studi Fisika
Depositing User: Irsyad Mizan
Date Deposited: 05 Aug 2022 01:38
Last Modified: 05 Aug 2022 01:38
URI: https://etheses.uinsgd.ac.id/id/eprint/54578

Actions (login required)

View Item View Item