Sistem Klasifikasi Bahasa Isyarat Indonesia (BISINDO) dengan Menggunakan Teachable Machine

Abstract

Komunikasi adalah salah satu elemen pada kehidupan manusia yang penting, tidak terkecuali pada penyandang tunarungu. Namun keterbatasan pemahaman masyarakat terhadap bahasa isyarat dapat menjadi kendala ketika berkomunikasi dengan penyandang tunarungu. Penelitian ini bertujuan untuk mengembangkan model klasifikasi untuk salah satu bahasa isyarat yang sering digunakan oleh kaum tunarungu, yaitu Bahasa Isyarat Indonesia atau BISINDO. Model dikembangkan dengan bantuan platform Teachable Machine. Dataset yang digunakan terdiri dari 92 gambar untuk setiap 26 abjad BISINDO. Model yang dihasilkan akan dievaluasi dengan metrik confusion matrix dan accuracy.

Hasil penelitian menunjukkan model yang dihasilkan dapat memprediksi sebagian besar abjad BISINDO dengan baik, meskipun beberapa class seperti abjad “E” memiliki akurasi yang rendah (0.79). Teachable Machine dapat digunakan untuk membuat model prediksi yang cukup baik khususnya dalam mengatasi masalah komunikasi penyandang tunarungu tanpa perlu memiliki latar belakang dalam bidang machine learning yang mendalam.

Berdasarkan hasil penelitian yang telah dilakukan dapat disimpulkan bahwa Teachable Machine dapat digunakan untuk membuat model prediksi yang cukup baik khususnya dapat menjadi solusi inovatif dalam mengatasi masalah komunikasi penyandang tunarungu tanpa perlu memiliki latar belakang dalam bidang machine learning yang mendalam.