Analisis Akurasi Pada Simbol Abjad Sistem Isyarat Bahasa Indonesia (SIBI) Menggunakan Metode CNN dan YOLO (You Only Look Once)

Sistem Isyarat Bahasa Indonesia (SIBI) merupakan sebuah sistem komunikasi yang digunakan oleh para penyandang tunarungu di Indonesia. SIBI menggunakan isyarat tangan, gerakan tubuh serta ekspresi wajah dalam mengkomunikan pesan-pesan tertentu. Dalam era digital saat ini teknologi pengenalan gambar dan pengolahan citra semakin berkembang, salah satunya adalah Convolutional Neural Network (CNN) yang merupakan salah satu arsitektur dari algoritma Deep Learning, yaitu Teknik pembelajaran mesin yang menggunakan jaringan syaraf tiruan yang terdiri dari banyak layer. Salah satu penerapan deep learning adalah pada bidang computer vision seperti deteksi objek, klasifikasi gambar dan pengenalan wajah. Pada penelitian ini menerapkan CNN dan pre-trained model SSD MobileNet dan YOLOv7 dalam melakukan deteksi pada simbol abjad SIBI dan menganalisis hasil deteksi yang didapatkan dari pengujian menggunakan pre-trained model SSD MobileNet dan YOLOv7. Dataset yang digunakan berupa simbol abjad SIBI dari A sampai Z dengan jumlah keseluruhan data sebanyak 260 data gambar. Implementasi model menggunakan Google Colaboratory dengan Bahasa pemrograman Python. Berdasarkan hasil penilitian yang didapatkan dari pengujian model menggunakan SSD MobileNet dan YOLOv7 diperoleh bahwa pendeteksian objek menggunakan YOLOv7 menghasilkan akurasi yang lebih tinggi dibandingkan SSD MobileNet yaitu 100% akurasi pada YOLOv7 dan 98,07% pada SSD MobileNet.