Classification of Sign Language Numbers Using the CNN Method

Berkomunikasi merupakan kebutuhan semua individu karena setiap individu harus berkomunikasi dengan lingkungan. Berkomnikasi juga membuat seseorang mendapat informasi sehingga dapat dijadikan acuan untuk beradaptasi. penggunaan bahasa verbal dengan berbicara mengeluar suara adalah cara komunikasi individu, namun hal itu tidak dapat dilakukan saat berkomunikasi dengan individu yang memilki keterbatasan dalam mendengar. Keterbatasan tersebut membuat diperlukan cara komunikasi lain yaitu melalui bahasa isyarat. Bahasa isyarat banyak jenisnya salah satunya bahasa isyarat menggunakan tangan membentuk huruf atau angka. Bahasa isyarat terdapat standar, standar yang cukup terkenal adalah standar American Sign Language (ASL). Masih banyak yang sulit mengenal bahasa isyarat, maka solusinya adalah membuat sistem untuk klasifikasi bahasa isyarat. Penelitian ini akan membuat sistem machine learning untuk pengenalan angka bahasa isyarat standar American Sign Language (ASL) serta menerapkan preprocessing untuk optimalisasi hasil. Hasil penelitian ini adalah melakukan perbandingan metode preproscessing yang diterapkan pada sistem Convlutional neural network arsitektur mobilenetv2. Hasil akhir penelitian kombinasi metode preprocessing Grayscale, HSV, Global Threshold menghasilkan akuarasi pengenalan terbaik yaitu 97%. &nbsp