Hasil pencarian

ThesisOpen AccessMetadata saja

PERANCANGAN APLIKASI MOBILE OBJEK 3D BERBASIS AUGMENTED REALITY UNTUK PENGENALAN BAHASA ISYARAT BISINDO

YARBANIA STESYA SIKIT.Y

2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir

Bahasa Isyarat Indonesia (BISINDO) merupakan sarana komunikasi utama bagi penyandang tunarungu. Namun, masih rendahnya pemahaman masyarakat umum terhadap bahasa isyarat menyebabkan terjadinya kesenjangan komunikasi antara penyandang tunarungu dan lingkungan sekitarnya. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi mobile berbasis Augmented Reality (AR) sebagai media pembelajaran BISINDO yang interaktif dan mudah digunakan. Aplikasi dikembangkan menggunakan Unity 3D sebagai game engine dan Vuforia Engine sebagai Software Development Kit (SDK) untuk mendeteksi marker. Sistem bekerja dengan memindai kartu marker huruf alfabet A–Z melalui kamera perangkat Android, kemudian menampilkan animasi objek 3D gerakan tangan bahasa isyarat Bisindo secara real-time. Metode penelitian yang digunakan meliputi observasi, studi literatur, pengembangan sistem menggunakan metode Software Development Life Cycle (SDLC), serta pengujian sistem menggunakan validasi ahli media, validasi ahli materi, pengujian kondisi lingkungan, dan User Acceptance Testing (UAT). Validasi ahli media memperoleh nilai sebesar 80% dengan kategori layak, sedangkan validasi ahli materi memperoleh nilai sebesar 80% dengan kategori layak. Selain itu, pada pengujian kondisi lingkungan menunjukkan tingkat keberhasilan deteksi marker dan penampilan objek 3D sebesar 100% pada berbagai kondisi pencahayaan, yaitu 29.282 lux di luar ruangan, 185 lux di dalam ruangan dengan cahaya lampu, dan 1 lux di dalam ruangan tanpa cahaya lampu. Pengujian UAT dilakukan terhadap 20 responden yang terdiri atas penyandang tunarungu dan masyarakat umum menggunakan skala Likert. Hasil pengujian menunjukkan bahwa aplikasi memperoleh nilai Ease of Use sebesar 93%, Interface Design sebesar 91,67%, System Performance sebesar 94,5%, Clarity of Visualization sebesar 95%, dan User Satisfaction sebesar 96%, yang seluruhnya berada pada kategori sangat baik[. Secara keseluruhan, aplikasi Signa berhasil diimplementasikan sebagai media pembelajaran bahasa isyarat Bisindo berbasis AR yang mampu membantu pengguna dalam mengenal dan mempelajari bahasa isyarat secara lebih interaktif, menarik, dan mudah dipahami.

Augmented RealityBISINDOBahasa IsyaratUnity 3DVuforia Engine

1 dilihat · 0 unduhanSitasiDetail

ThesisOpen AccessMetadata saja

SISTEM PENERJEMAH ABJAD BAHASA ISYARAT GESTUR TANGAN SECARA REAL-TIME MENGGUNAKAN GUI PYQT5 DAN DEEP-LEARNING YOLOv8

IKHSAN MAULANA

2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir

Komunikasi merupakan elemen penting dalam kehidupan sosial, namun menjadi tantangan bagi penyandang tuna rungu-wicara akibat keterbatasan dalam menyampaikan dan menerima informasi. Bahasa isyarat menjadi solusi utama dalam berkomunikasi, namun tidak semua orang mampu memahaminya. Untuk itu, penelitian ini mengusulkan sistem penerjemah abjad bahasa isyarat gestur tangan secara real-time menggunakan GUI PyQt5 dan deep-learning YOLOv8. Sistem ini dirancang untuk mendeteksi gestur tangan dan menerjemahkannya ke dalam huruf abjad dan pesan suara secara otomatis dengan tampilan interface yang interaktif. Penelitian ini menggunakan dataset berjumlah 2028 data primer setelah melalui proses resize dan augmentasi berupa brightness, saturation, grayscale, dan exposure dengan proporsi pembagian dataset terdiri 92% data latih, 4% data validasiasi dan 4% data uji. Hasil pengujian sistem terhadap 4% data uji mendapatkan nilai precision, recall, dan f-measure seluruhnya adalah 1. Sedangkan hasil pengujian sistem terhadap citra real-time yang diambil sebanyak 10 sampel setiap kelas gestur untuk tangan kanan dan kiri dengan jarak 50 cm (total 520 citra) menunjukkan performa terbaik pada tangan kanan dengan precision 0,97, recall 0,88, dan f-measure 0,90, sementara performa pada tangan kiri tetap menunjukkan performa yang baik meskipun sedikit menurun. Pengujian juga dilakukan terhadap kondisi pencahayaan dan ketajaman citra dengan empat variasi skema dan dengan pencahayaan ruangan menggunakan lampu dengan intensitas 9 watt, mendapatkan performa terbaik tercapai saat kecerahan dikurangi 50, dengan precision 0,86, recall 0,74, dan f-measure 0,78, yang menunjukkan bahwa kualitas visual citra memengaruhi kinerja sistem deteksi. Selain itu, pengujian aspek usability menggunakan kuesioner System Usability Scale (SUS) yang diisi oleh 20 responden menghasilkan skor 80,38 dan masuk kedalam kategori “Good”, yang menandakan bahwa sistem ini tidak hanya baik dalam mendeteksi tetapi juga mudah digunakan dan memberikan pengalaman pengguna yang positif secara keseluruhan.

Bahasa isyaratGestur tanganDeep-LearningYOLO

0 dilihat · 0 unduhanSitasiDetail