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

Abstract

Penelitian ini mengusulkan pengembangan model penerjemah Bahasa Isyarat Indonesia (Bisindo) dengan memanfaatkan teknologi machine learning khususnya Convolutional Neural Network(CNN). Berbeda dengan penelitian yang sudah ada, Bisindo adalah bahasa isyarat yang relatif banyak digunakan Tuli namun tidak resmi, sehingga dataset yang diperlukan hampir tidak ada. Tujuan dari penelitian ini yaitu bertambahnya jumlah penerjemah Bisindo elektronik untuk meningkatkan aksesibilitas Tuli. Selain itu, penelitian ini juga bertujuan untuk mengevaluasi metode parameter-transfer untuk mengatasi keterbatasan jumlah data pada dataset dan implementasi pada sistem bahasa isyarat yang berbeda. Pengembangan model Bisindo dilakukan dengan memanfaatkan arsitektur Model American Sign Language (ASL) melalui dua pendekatan berdasarkan pemanfaatan parameter model tersebut, yang kemudian disebut Model A dan Model B. Model A dikembangkan tanpa menggunakan parameter dari Model ASL(tanpa parameter-transfer), sedangkan Model B dikembangkan dengan menggunakan parameter Model ASL serta knowledge parameter di dalamnya (dengan parameter-transfer). Metode yang digunakan dalam pengembangan adalah eksperimen dan analisis data untuk menentukan model terbaik secara kuantitatif dengan analisis variabel durasi training, akurasi saat testing danF1 Score saat testing. Model ASL di penelitian memiliki akurasi testing sebesar 96.40%.Hasil penelitian menunjukkan bahwa Model A menghasilkan akurasi testing sebesar 94.38%sedangkan Model B sebesar 30%. Dapat disimpulkan bahwa parameter-transfer pada Model B memerlukan waktu training yang lebih sedikit dibandingkan Model A serta mampu mem-pelajari fitur Bisindo yang memiliki kemiripan dengan fitur ASL. Namun, untuk mempelajari keseluruhan alfabet Bisindo, pemanfaatan arsitektur tanpa parameter-transfer merupakan pendekatan yang lebih baik dibandingkan menggunakan parameter-transfer.