Penerapan Algoritma Principal Component Analysis (PCA) dan Backpropagation Neural Network (BPNN) dalam Pengenalan Bahasa Isyarat Huruf Tangan

Bahasa isyarat merupakan bahasa yang tidak menggunakan bunyi berupa ucapan tetapi menggunakan bentuk dan arah tangan, gerakan bibir serta ekspresi wajah untuk menyampaikan maksud dan tujuan dari seorang pengguna bahasa isyarat. Bahasa isyarat huruf tangan adalah salah satu metode komunikasi menggunakan gambar tangan yang membentuk huruf dalam perlambangannya. Penelitian ini mengelompokkan suatu bahasa isyarat gambar tangan dengan huruf alfabet A – Z. Jumlah data yang digunakan 520 gambar tangan dengan masing-masing huruf alphabet diambil gambar sebanyak 10 kali pada tangan kiri dan 10 kali pada tangan kanan. Memiliki 26 kelas. Ukuran pixel 300x300, pembagian data 90:10, 80:20, 70:30, learning rate 0.1 dan 0.5, neuron hidden 10,15 dan 20, nilai N 5,10,15 dan 20. Hasil dari penelitian ini mendapat pengujian akurasi tertinggi 100% dengan data 90 %:10%, Learning Rate 0.5, neuron hidden 15, dan nilai N 15. Dengan demikian algoritma yang digunakan telah berhasil dalam mengenali bahasa isyarat huruf tangan tersebut. Kata Kunci: Bahasa Isyarat, Backpropagation Neural Netwok, Principal Component Analysi