Penerapan Random Forest untuk Klasifikasi Bahasa Isyarat Indonesia (BISINDO) Berbasis Ekstraksi Fitur Pose Estimation

Abstract

Komunikasi memiliki peranan penting dalam mendukung interaksi sosial. Namun, penyandang tunarungu kerap menghadapi kendala dalam berkomunikasi dengan masyarakat umum karena keterbatasan pemahaman terhadap bahasa isyarat. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan bahasa isyarat dengan memanfaatkan ekstraksi fitur berbasis pose estimation dan algoritma Random Forest. Berdasarkan hasil evaluasi, model Random Forest mampu mencapai nilai accuracy, precision, recall, dan F1-score masing-masing sebesar 99%. Sementara itu, pengujian sistem secara real-time menghasilkan tingkat akurasi sebesar 93% pada kondisi pencahayaan terang dan menurun menjadi 51% pada kondisi pencahayaan rendah. Sebagai upaya untuk mendukung komunikasi antara penyandang tunarungu dan masyarakat umum, penulis mengembangkan aplikasi web bernama BISINDHUB. Aplikasi ini mengintegrasikan berbagai fitur pengenalan bahasa isyarat yang memungkinkan pengguna mengenali gestur secara otomatis. Melalui aplikasi tersebut, pengguna dapat memperagakan gestur bahasa isyarat untuk memperoleh hasil klasifikasi atau mencari kosakata Bahasa Isyarat Indonesia (BISINDO) sebagai sarana pendukung pemahaman dan interaksi sosial.