Data Augmentasi Untuk Mengatasi Keterbatasan Data Pada Model Penerjemah Bahasa Isyarat Indonesia (BISINDO)

Riestiya Zain Fadillah, Ade Irawan, Meredita Susanty

Sari


Ada dua sistem bahasa isyarat yang digunakan di Indonesia; Sistem Isyarat Bahasa Indonesia (SIBI) dan Bahasa Isyarat Indonesia (Bisindo). Penggunaan bahasa isyarat di kelompok masyarakat tuli dan difabel rungu di Indonesia masih terpecah. Pemerintah mewajibkan penggunaan SIBI sebagai bahasa pengantar resmi di Sekolah Luar Biasa namun insan rungu Indonesia lebih gemar menggunakan  Bisindo. Hal ini dikarenakan Bisindo memiliki akar kata yang berasal dari Bahasa Indonesia dan satu gerakan mewakili kata. Tidak seperti SIBI yang menggunakan gerakan isyarat berdasarkan tata bahasa orang mendengar. Gerakan untuk Kesejahteraan Tunarungu Indonesia (Gerkatin) telah meminta pemerintah untuk mengakui Bisindo sebagai bahasa pengantar resmi di Sekolah Luar Biasa namun upaya ini hingga kini belum berhasil. Upaya lain yang dilakukan Gerkatin adalah memberikan kelas pelatihan Bisindo bagi masyarakat umum membantu meningkatkan aksesibilitas Tuli dengan menambah jumlah penerjemah serta memperluas pemahaman Bisindo di masyarakat luas. Penelitian ini mencoba mendukung upaya tersebut dengan mengembangkan model penerjemah Bisindo yang menerjemahkan gestur bahasa isyarat menjadi teks menggunakan pendekatan machine learning dengan arsitektur Convolutional Neural Network (CNN). Keterbatasan dataset Bisindo diatasi dengan melakukan data augmentation. Performa model mencapai nilai akurasi sebesar 94.38%.


Kata Kunci


Bahasa Isyarat, Mesin Pembelajaran, Penerjemah

Teks Lengkap:

PDF

Referensi


Abraham Utama. (2015, September 29). Penyandang Tunarungu Desak Pemerintah Aplikasikan Bisindo. https://www.cnnindonesia.com/nasional/20150928095727-20-81295/penyandang-tunarungu-desak-pemerintah-aplikasikan-bisindo

Ade Nasihudin Al Ansori. (2020, Oktober 26). Penyandang Tuli Lebih Suka Menggunakan Bisindo Ketimbang SIBI, Mengapa? - Disabilitas Liputan6.com. https://www.liputan6.com/disabilitas/read/4389897/penyandang-tuli-lebih-suka-menggunakan-bisindo-ketimbang-sibi-mengapa

Ankile, L. L., Heggland, M. F., & Krange, K. (2020). Deep Convolutional Neural Networks: A survey of the foundations, selected improvements, and some current applications. http://arxiv.org/abs/2011.12960

Bheda, V., & Radpour, D. (2017). Using Deep Convolutional Networks for Gesture Recognition in American Sign Language. http://arxiv.org/abs/1710.06836

Cheta Nilawaty P, & Rini Kustiani. (2020a, Agustus 20). Beda Bahasa Isyarat SIBI yang Digunakan Pemerintah dengan Bisindo yang Alami - Difabel Tempo.co. https://difabel.tempo.co/read/1377718/beda-bahasa-isyarat-sibi-yang-digunakan-pemerintah-dengan-bisindo-yang-alami

Cheta Nilawaty P, & Rini Kustiani. (2020b, Agustus 24). Alasan Insan Tuli Memilih Bahasa Isyarat Bisindo Ketimbang SIBI - Difabel Tempo.co. https://difabel.tempo.co/read/1378989/alasan-insan-tuli-memilih-bahasa-isyarat-bisindo-ketimbang-sibi/full&view=ok

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. http://www.deeplearningbook.org

Gumelar, G., Hafiar, H., & Subekti, P. (2018). Bahasa Isyarat Indonesia Sebagai Budaya Tuli Melalui Pemaknaan Anggota Gerakan Untuk Kesejahteraan Tuna Rungu. Informasi, 48(1), 65.

Handhika, T., M Zen, R. I., Lestari, D. P., & Sari, I. (2018). Gesture recognition for Indonesian Sign Language (BISINDO). IOP Conf. Series: Journal of Physics: Conf. Series, 1028. https://doi.org/10.1088/1742-6596/1028/1/012173

Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2017). ImageNet Classification with Deep Convolutional Neural Networks. Communications of the ACM, 60(6), 84–90. https://doi.org/https://doi.org/10.1145/3065386

Li, Z., Yang, W., Peng, S., & Liu, F. (2020). A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects. http://arxiv.org/abs/2004.02806

Nair, V., & Hinton, G. E. (2010). Rectified Linear Units Improve Restricted Boltzmann Machines. In undefined.

Raschka, S. (2018). Model Evaluation, Model Selection, and Algorithm Selection in Machine Learning. http://arxiv.org/abs/1811.12808

Shorten, C., & Khoshgoftaar, T. M. (2019). A survey on Image Data Augmentation for Deep Learning. Journal of Big Data, 6(1), 1–48. https://doi.org/10.1186/s40537-019-0197-0

Yohanes, J. A., Arjawa, I. G. P. B. S., & Punia, I. N. (2013). Bahasa Isyarat Indonesia Dalam Proses Interaksi Sosial Tuli dan “Masyarakat Dengar” di Kota Denpasar. OJS Unud, 1–15.

Zulpicha, E. (2017). Konflik Kebijakan Penggunaan Sistem Bahasa Isyarat Indonesia di Lingkungan Pendidikan Formal (Vol. 6, Nomor 1).




DOI: https://doi.org/10.31294/ji.v8i2.10768

Refbacks

  • Saat ini tidak ada refbacks.


##submission.license.cc.by-sa4.footer##

Index by:

  
 
   
  worldcat    
 dipublikasikan oleh LPPM Universitas Bina Sarana Informatika dengan dukungan Relawan Jurnal Indonesia

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License