Seiring dengan perkembangan teknologi informasi, inovasi yang ada terus
meningkatkan kualitas efisiensi pekerjaan dalam kehidupan sehari-hari. Salah satu
inovasi teknologi informasi yang memiliki peran penting adalah kecerdasan buatan.
Kecerdasan buatan memudahkan banyak aspek kehidupan, diantaranya adalah
memudahkan proses pembangunan model transliterasi alfabet bahasa isyarat seperti
bisindo, yang berdampak pada kualitas komunikasi individu tunarungu dan orang
di sekelilingnya. Penelitian ini bertujuan untuk mengkaji pengaruh augmentasi data
terhadap performa model pada proses transliterasi alfabet baasa isyarat indonesia
(BISINDO) berbasis transfer learning. Model dikembangkan dengan menggunakan
arsitektur MobileNetV2, salah satu model pre-trained dari CNN. Penelitian ini
mebandingkan dua model yang dibangun dengan augmentasi dan tanpa augmentasi.
Hasil pengujian menunjukkan bahwa model dengan augmentasi data memiliki
performa 40% lebih besar dibandingkan model tanpa augmentasi. Evaluasi yang
dilakukan menggunakan metrik akurasi seperti Akurasi, Presisi, Recall, F1-Score.
Dari penelitian ini, dapat disimpulkan bahwa augmentasi data terhadap dataset
sangat berpengaruh karena memberikan variasi data dan membantu model dalam
belajar dengan semakin baik.