IMPLEMENTASI ALGORITMA YOLO VERSI 8 UNTUK MEMBACA BAHASA ISYARAT

Abstrak

Bahasa isyarat merupakan alat komunikasi vital bagi penyandang disabilitas pendengaran. Namun, pengembangan teknologi untuk mengenali dan menerjemahkan bahasa isyarat menjadi teks masih menjadi tantangan. Penelitian ini bertujuan untuk mengembangkan model cerdas yang dapat mengenali bahasa isyarat dari materi SIBI menggunakan metode You Only Once (YOLO) dan NonMaximum Suppression (NMS) dalam computer vision. Tahapannya meliputi pengumpulan data, pelatihan model dengan 100 epoch, dan evaluasi menggunakan metrik standar seperti precision, recall, mAP, dan average IoU. Hasil penelitian menunjukkan bahwa model berhasil mencapai akurasi sebesar 98%, dengan precision 98.6%, recall 99%, dan mAP 98.5%. Pengujian juga mengonfirmasi kinerja yang baik dengan metrik akurasi yang sama. Dengan demikian, model ini dapat menjadi alat yang efektif bagi penyandang disabilitas pendengaran dalam berkomunikasi melalui bahasa isyarat dengan tingkat akurasi yang tinggi.

Sign language is a vital communication tool for people with hearing disabilities. However, developing technology to recognize and translate sign language into text is still a challenge. This research aims to develop an intelligent model that can recognize sign language from SIBI material using the You Only Once (YOLO) and Non-Maximum Suppression (NMS) methods in computer vision. The stages include data collection, model training with 100 epochs, and evaluation using standard metrics such as precision, recall, mAP, and average IoU. The research results show that the model succeeded in achieving an accuracy of 98%, with precision of 98.6%, recall of 99%, and mAP of 98.5%. Testing also confirmed good performance with the same accuracy metrics. Thus, this model can be an effective tool for people with hearing disabilities in communicating via sign language with a high level of accuracy.