Rancang Bangun Website Pembelajaran BISINDO dengan Evaluasi Gestur Tangan Menggunakan 1D CNN

Khadafi, Khadafi (2026) Rancang Bangun Website Pembelajaran BISINDO dengan Evaluasi Gestur Tangan Menggunakan 1D CNN. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (849kB)
	PDF BAB_I.pdf Download (211kB)
	PDF BAB_II.pdf Download (764kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (814kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (204kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (210kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (943kB)
	Archive (ZIP) 00000072478_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Bahasa Isyarat Indonesia (BISINDO) merupakan sarana komunikasi utama bagi komunitas tunarungu di Indonesia. Namun, rendahnya pemahaman masyarakat umum terhadap BISINDO menjadi hambatan komunikasi yang berdampak pada inklusivitas sosial. Media pembelajaran yang tersedia saat ini masih didominasi metode satu arah seperti buku dan video yang tidak menyediakan umpan balik langsung terhadap praktik pengguna. Penelitian ini bertujuan merancang dan membangun website pembelajaran BISINDO bernama SignaBISINDO yang mengintegrasikan model 1D Convolutional Neural Network (1D CNN) sebagai sistem evaluasi gestur tangan secara real-time. Sistem menggunakan MediaPipe Hands untuk mengekstraksi 42 titik landmark dari kedua tangan sebagai masukan model berukuran 42×3. Arsitektur 1D CNN terdiri atas tiga lapisan konvolusi dengan filter 64, 128, dan 256, dilengkapi Batch Normalization, Dropout, Global Average Pooling, serta dua lapisan dense. Model dilatih menggunakan dataset alfabet BISINDO dari Kaggle dengan pembagian data latih, validasi, dan uji sebesar 80:10:10 untuk 26 kelas alfabet, menghasilkan akurasi sebesar 96,30% pada data uji dengan weighted average F1-score 0,9631. Website dibangun menggunakan ReactJS dan FastAPI dengan basis data PostgreSQL melalui Supabase. Evaluasi fungsional black-box testing menunjukkan seluruh 17 skenario pengujian berstatus valid. Pengukuran kepuasan pengguna menggunakan End-User Computing Satisfaction (EUCS) terhadap 31 responden menghasilkan skor rata-rata 4,45 dari skala 5, mengindikasikan tingkat kepuasan yang tinggi.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Khadafi, Khadafi (00000072478)
Contributors:	Istiono, Wirawan
Keywords:	BISINDO, computer vision, gesture recognition, 1D CNN, MediaPipe
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	27 Jul 2026 08:02
URI:	https://kc.umn.ac.id/id/eprint/48223

Actions (login required)

View Item