Implementasi Deteksi Objek Dengan Model YOLOV8 pada Pengenalan Bahasa Isyarat

Abstract

Bahasa isyarat adalah alat komunikasi yang diterapkan oleh penyandang tunarungu dan tunawicara untuk berkomunikasi dengan masyarakat umum. Gerakan tangan, mimik, dan gerakan tubuh berupa simbol yang mewakili huruf maupun kata digunakan penyandang tunarungu dan tunawicara untuk berinteraksi dengan orang lain. Namun, kesenjangan komunikasi antara mereka dan masyarakat umum masih ada sampai saat ini. Pemahaman yang mendalam dibutuhkan untuk komunikasi ini, khususnya untuk mereka yang tidak terbiasa menggunakan bahasa isyarat. Hal ini membuat masyarakat umum kesulitan berkomunikasi dengan orang yang tunarungu dan tunawicara. Sebab itu diperlukan sebuah sistem yang membantu masyarakat umum berinteraksi dengan para penyandang tunarungu dan tunawicara dengan menerapkan teknologi informasi yang saat ini berkembang seperti penggunaan deep learning. Maksud dari penelitian ini yaitu mengimplementasikan deteksi objek dengan metode YOLOV8 untuk mengenali bahasa isyarat dari data gambar dan dibuatnya sistem pengenalan bahasa isyarat ini diharapkan dapat mempermudah masyarakat dalam mengenali bahasa isyarat SIBI berupa abjad menggunakan gestur tangan. YOLOV8 banyak digunakan dalam deteksi objek karena tingkat akurasi yang dihasilkan sangat tinggi dan kecepatan yang seimbang, sehingga memungkinkan untuk mendeteksi objek secara cepat dan akurat. Model ini berhasil mendapatkan nilai akurasi terbesarnya yaitu 99,5%. Selain itu, kecepatan deteksi gestur SIBI pada model ini memilki rata-rata 4046 ms