Article Per Year (5 Year)
p-Index From 2019 - 2024
2.232
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Techno.Com: Jurnal Teknologi Informasi Bulletin of Electrical Engineering and Informatics Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INTECOMS: Journal of Information Technology and Computer Science Jurnal Mantik Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Dhani Ariatmanto
Universitas Amikom Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Transportation

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)

 1 
Analisis Akurasi Object Detection Menggunakan Tensorflow Untuk Pengenalan Bahasa Isyarat Tangan Menggunakan Metode SSD Elisa Tikasni; Ema Utami; Dhani Ariatmanto
JURNAL FASILKOM Vol 14 No 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i2.7512

Abstract

Penelitian ini bertujuan untuk menganalisis akurasi deteksi objek dalam pengenalan bahasa isyarat tangan menggunakan metode Single Shot Detection (SSD) yang diimplementasikan dengan tensorflow. Latar belakang penelitian ini berasal dari kebutuhan akan sistem komunikasi yang bagi penyandang disabilitas. Metode SSD dipilih karena kemampuannya mendeteksi objek secara real-time dengan efisiensi tinggi. Dataset yang digunakan terdiri dari gambar tangan dalam berbagai pose kata kerja dalam bahasa isyarat. Proses pelatihan model melibatkan peningkatan data dan penggunaan teknik transfer learning untuk meningkatkan performa deteksi. Faktor-faktor yang mempengaruhi akurasi, seperti kompleksitas latar belakang dan variasi pencahayaan, dianalisis untuk memberikan pemahaman yang analisis menyeluruh tentang kinerja model. Analisis ini sangat penting dalam mengidentifikasi potensi perbaikan dan memastikan kekuatan sistem deteksi dalam berbagai kondisi. Temuan penelitian ini menyoroti bahwa metode SSD yang diimplementasikan dengan tensorflow sangat efektif untuk pengenalan bahasa isyarat tangan. Efektivitas ini memainkan peran penting dalam memajukan pengembangan sistem komunikasi yang lebih inklusif, memberikan manfaat besar bagi komunitas penyandang disabilitas dengan meningkatkan kemampuan mereka untuk berkomunikasi. Dengan menjembatani kesenjangan komunikasi, penelitian ini berkontribusi pada penciptaan lingkungan yang lebih mudah diakses dan inklusif bagi individu dengan gangguan pendengaran. Selain itu, penerapan teknologi semacam ini dapat membuka jalan bagi kemajuan di masa depan dalam penggunaan perangkat komunikasi bantu.
Co-Authors Adrianto Mahendra Wijaya Agus Fatkhurohman Alva Hendi Muhammad Anjar Setiawan annisa gatri zakinah Ari Eka Prasetiyanto Bambang Soedijono Bima Widianto Dendi Anggriandi Dewi Yustika Lakoro Elisa Tikasni Ema Utami Emanuel Minggu Fatihatul Khairani Ferda Ernawan Kusrini M Suyanto M. Iqbal Abdullah Sukri2 Maulana Brama Shandy Ma’ruf Aziz Muzani Muhammad Rusdi Rahman Muhammad Salimy Ahsan Rizki Firdaus Mulya Syifa Nur Fauziah