Klasifikasi Sistem Isyarat Bahasa Indonesia (SIBI) dengan Menggunakan Algoritma Convolutional Neural Network (CNN)

Sistem Isyarat Bahasa Indonesia (SIBI) merupakan salah satu metode komunikasi bagi penyandang tunarungu dan tunawicara. Namun, masih kurangnya pemahaman masyarakat terhadap SIBI menjadi kendala dalam interaksi sosial. Penelitian ini bertujuan untuk mengembangkan model klasifikasi alfabet SIBI
menggunakan Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 3.900 gambar huruf A-Z yang telah melalui tahap preprocessing dan augmentasi untuk meningkatkan variasi data. Model CNN yang dibangun memiliki tiga lapisan konvolusi dengan fungsi aktivasi ReLU, serta lapisan fully connected yang menggunakan Softmax untuk klasifikasi 26 kelas. Model dilatih dan diuji menggunakan Google Colaboratory dengan optimasi Adam. Hasil pengujian
menunjukkan bahwa model mampu mencapai akurasi 93,11%, dengan beberapa huruf seperti "J" dan "Z" memiliki tingkat kesalahan lebih tinggi. Studi ini menunjukkan bahwa CNN efektif dalam mengenali alfabet SIBI, namun performanya masih dapat ditingkatkan dengan pengembangan dataset dan optimasi arsitektur model.
Kata kunci: Bahasa Isyarat, SIBI, Convolutional Neural Network, Klasifikasi Gambar, Deep Learning