Klasifikasi Citra Dalam Gerak Tangan Bahasa Isyarat Sibi Menggunakan Algoritma K-NN

  • Wahyu Saputro STIKOM Cipta karya Informatika
  • Dyan Bagus Sumantri Sekolah Tingggi Ilmu Komputer Cipta Karya Informatika

Abstract

Sistem Tanda Alam Indonesia (SIBI) adalah salah satu dialek korespondensi yang paling teratur, terutama untuk tuna rungu dan lemah wacana. Ikan yang sulit mendengar dan berbicara dapat memahami dan berbicara satu sama lain menggunakan komunikasi berbasis isyarat, namun beberapa individu akan mengalami masalah dalam memahami komunikasi melalui isyarat dengan tuli dan pengecualian wacana untuk mengartikulasikan. Untuk mengatasi masalah ini, penting untuk menumbuhkan kerangka kerja yang dapat memahami Sistem Tanda Indonesia (SIBI) karena kebanyakan akan menganggap normal sebagai media pembelajaran dalam menyampaikan antara individu yang mengalami gangguan pendengaran dan masyarakat umum. Penyajian Sistem Tanda Indonesia (SIBI) akan terdiri dari tiga tahap mendasar: pengamanan gambar, pra-penanganan, dan pengakuan. Dalam tinjauan ini teknik karakterisasi yang digunakan adalah strategi Fuzzy KNearest Neighbor (FKNN). Mengingat efek samping dari uji coba yang dipimpin oleh pengelompokan menggunakan teknik Fuzzy K-Nearest Neighbor (FKNN), diperoleh ketepatan 98 %

References

Bakti, M. B. S., & Pranoto, Y. M. (2019). Pengenalan Angka Sistem Isyarat Bahasa Indonesia Dengan Menggunakan Metode Convolutional Neural Network. In Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) (Vol. 3, No. 1, pp. 011-016).
Garba, H., Ahmed, S., & Abdullahi, I. (2020). A technique for simulating future climate change variable using improved K-nearest neighbors algorithm (k-NN). Central Asian Journal of Environmental Science and Technology Innovation, 1(2), 101-8.
Gowtham, S., & Karuppusamy, S. (2019). Review of Data Mining Classification Techniques. Bonfring International Journal of Software Engineering and Soft Computing, 9(2), 08-11.
Kurniawan, W. (2011). Pengenalan Bahasa Isyarat dengan Metode Segmentasi Warna Kulit dan Center of Gravity. IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), 1(2), 67-78.
Setyawan, D. I., Tolle, H., & Kharisma, A. P. (2018). Perancangan aplikasi Communication Board berbasis android tablet sebagai media pembelajaran dan komunikasi bagi anak tuna rungu. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-Issn, 2933-2943.
Supria, S., Herumurti, D., & Khotimah, W. N. (2016). Pengenalan sistem isyarat bahasa indonesia menggunakan kombinasi fitur statis dan fitur dinamis lmc berbasis l-gcnn. Jurnal Ilmiah Teknologi Informasi, 14(2), 217-230.
Rajpoot, V., & Agrawal, R. (2022). ITSA-KNN: Feature Selection Model Based on Improved Tree-Seed Algorithm and K-Nearest Neighbor for Network Intrusion Detection. In Advances in Data and Information Sciences (pp. 1-13). Springer, Singapore.
Rina, D., Fauziah, F., & Hayati, N. (2021). Aplikasi Spoxtech Untuk Penyandang Tuna Rungu–Wicara Menggunakan Algoritma Hidden Markov Model dan Metode Finite State Automata (FSA). STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 5(3), 236-244.
Pratama, A. A., Rakun, E., & Hardianto, D. (2019, April). Human skeleton feature extraction from 2-dimensional video of Indonesian language sign system (SIBI [Sistem Isyarat Bahasa Indonesia]) gestures. In Proceedings of the 2019 5th International Conference on Computing and Artificial Intelligence (pp. 100-105).
Viji, C., Raja, J. B., Ponmagal, R. S., Suganthi, S. T., Parthasarathi, P., & Pandiyan, S. (2020). Efficient fuzzy based K-nearest neighbour technique for web services classification. Microprocessors and Microsystems, 76, 103097.
Zikky, M., Akbar, Z. F., & Utomo, S. (2019). Kamus sistem isyarat bahasa Indonesia (KASIBI) dengan voice recognition sebagai pendukung belajar bahasa isyarat berbasis android. JST (Jurnal Sains Terapan), 5(2), 121-130.
Published
2022-12-15
How to Cite
Saputro, W., & Sumantri, D. (2022). Klasifikasi Citra Dalam Gerak Tangan Bahasa Isyarat Sibi Menggunakan Algoritma K-NN. INTECOMS: Journal of Information Technology and Computer Science, 5(2), 180-188. https://doi.org/https://doi.org/10.31539/intecoms.v5i2.4446
Abstract viewed = 0 times
PDF downloaded = 0 times