Perancangan Model Deep Learning untuk Penerjemah Bahasa Isyarat SIBI menggunakan Transfer Learning MobileNetV2

Orang-Orang dengan Disabilitas tuna wicara dan tunarungu memiliki kesulitan dalam berkomunikasi karena mereka menggunakan bahasa isyarat dan bahasa ini tidak umum dipelajari. Untuk mengatasi masalah ini diperlukan suatu model deep learning yang mampu mendeteksi bahasa isyarat sehingga dapat dibuat aplikasi penerjemah bahasa isyarat yang dapat memudahkan komunikasi antara orang disabilitas dan non disabilitas.
Penelitian ini bertujuan untuk membuat model deep learning yang dapat mendeteksi gerakan tangan bahasa isyarat SIBI alfabet dengan akurasi yang baik. Model ini menggunakan algoritma CNN dengan arsitektur MobilenetV2 dan metode transfer learning.
Hasil dari proses perancangan model ini adalah model memiliki evaluasi akurasi yakni 95,45% yang dapat mendeteksi huruf SIBI dengan baik
.
Kata kunci : CNN, Deep Learning, Model, MobileNetV2, SIBI