Model Penerjemah Bahasa Isyarat Indonesia (Bisindo) menggunakan Convolutional Neural Network

Abstract

Penelitian ini mengusulkan pengembangan model penerjemah Bahasa Isyarat Indonesia (Bi-sindo) dengan memanfaatkan teknologimachine learningkhususnyaConvolutional Neural Net-work(CNN). Berbeda dengan penelitian yang sudah ada, Bisindo adalah bahasa isyarat yangrelatif banyak digunakan Tuli namun tidak resmi, sehingga dataset yang diperlukan hampirtidak ada. Tujuan dari penelitian ini yaitu bertambahnya jumlah penerjemah Bisindo elek-tronik untuk meningkatkan aksesibilitas Tuli. Selain itu, penelitian ini juga bertujuan un-tuk mengevaluasi metodeparameter-transferuntuk mengatasi keterbatasan jumlah data padadataset dan implementasi pada sistem bahasa isyarat yang berbeda. Pengembangan model Bi-sindo dilakukan dengan memanfaatkan arsitektur Model American Sign Language (ASL) mela-lui dua pendekatan berdasarkan pemanfaatan parameter model tersebut, yang kemudian disebutModel A dan Model B. Model A dikembangkan tanpa menggunakan parameter dari Model ASL(tanpaparameter-transfer), sedangkan Model B dikembangkan dengan menggunakan parame-ter Model ASL sertaknowledge parameterdi dalamnya (denganparameter-transfer). Metodeyang digunakan dalam pengembangan adalah eksperimen dan analisis data untuk menentukanmodel terbaik secara kuantitatif dengan analisis variabel durasi training,akurasi saattestingdanF1 Scoresaattesting. Model ASL di penelitian memiliki akurasitestingsebesar 96.40%.Hasil penelitian menunjukkan bahwa Model A menghasilkan akurasitestingsebesar 94.38%sedangkan Model B sebesar 30%. Dapat disimpulkan bahwaparameter-transferpada ModelB memerlukanwaktu trainingyang lebih sedikit dibandingkan Model A serta mampu mem-pelajari fitur Bisindo yang memiliki kemiripan dengan fitur ASL. Namun, untuk mempelajarikeseluruhan alfabet Bisindo, pemanfaatan arsitektur tanpaparameter-transfermerupakan pen-dekatan yang lebih baik dibandingkan menggunakanparameter-transfer.