ARTIFICIAL NEURAL NETWORK UNTUK PENGENALAN BAHASA ISYARAT INDONESIA STATIS DENGAN MENGGUNAKAN METODE HEBB RULE

Keterbatasan dalam berkomunikasi menjadi masalah sosial yang dihadapi oleh penyandang disabilitas tuna rungu dan tuna wicara. Permasalahan ini tidak hanya dialami bagi penderita tuna rungu dan tuna wicara saja. Karena kurang bisa menerjemahkan bahasa isyarat hal ini pun menjadi masalah bagi orang normal dalam berkomunikasi dengan penderita tuna rungu dan tuna wicara. Berdasarkan permasalahan yang telah diuraikan tersebut maka dalam penelitian ini akan dilakukan analisis untuk pengenalan pola bahasa isyarat Indonesia statis. Dimana data yang digunakan adalah data visual berupa gambar yang diambil berdasarkan bentuk visual tangan yang mengacu pada bahasa isyarat Indonesia jenis SIBI (Sistem Isyarat Bahasa Indonesia) dengan memanfaatkan artificial neural network metode hebb rule. Data visual berupa gambar tersebut didapatkan dari hasil capture yang kemudian dikumpulkan dan di input melalui sistem dengan bahasa pemrograman python sebanyak 72 data training yang selanjutnya diolah dengan beberapa tahapan meliputi preprocessing yang memiliki 3 tahapan yakni grayscaling, edge detection, dan thresholding. Selanjutnya data diolah pada tahap segmentasi dan dilakukan pengujian klasifikasi pada data uji dengan menggunakan metode hebb rule yang memiliki presentase akurasi pengenalan pola sebesar 100% pada pengujian data training dan presentase akurasi sebesar 80.37% pada pengujian data yang didapat dari hasil capture sebanyak 72 data uji. Kata Kunci: Hebb Rule, Artificial Neural Network, Grayscale, Edge Detection, Threshold, Ekstraksi, Bahasa Isyarat Indonesia, SIBI