STATIC HAND GESTURE RECOGNITION MENGGUNAKAN MODEL DEEP RESIDUAL NETWORK (RESNET-50)

PERTIWI, MEGA and Supardi, Julian (2022) STATIC HAND GESTURE RECOGNITION MENGGUNAKAN MODEL DEEP RESIDUAL NETWORK (RESNET-50). Undergraduate thesis, Sriwijaya University.

	Text RAMA_55201_09021381722125.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (6MB) | Request a copy
	Text RAMA_55201_09021381722125_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (16MB) | Request a copy
Preview	Text RAMA_55201_09021381722125_0010077210_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (2MB) | Preview
	Text RAMA_55201_09021381722125_0010077210_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_55201_09021381722125_0010077210_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (431kB) | Request a copy
	Text RAMA_55201_09021381722125_0010077210_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (736kB) | Request a copy
	Text RAMA_55201_09021381722125_0010077210_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (324kB) | Request a copy
	Text RAMA_55201_09021381722125_0010077210_06.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (108kB) | Request a copy
	Text RAMA_55201_09021381722125_0010077210_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (101kB) | Request a copy
	Text RAMA_55201_09021381722125_0010077210_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (325kB) | Request a copy

Abstract

Gerakan tangan banyak digunakan di berbagai bidang kehidupan manusia, salah satu diantaranya adalah untuk bahasa isyarat. Sistem pengenalan gerakan tangan merupakan sebuah perangkat lunak yang dirancang untuk mengenali gerakan tangan menggunakan komputer. Umumnya mekanisme pemrosesan dalam sistem ini memerlukan jumlah variabel yang besar, sehingga diperlukan komputer yang dapat mengolah gambar dengan ukuran besar secara baik, akurat dan cepat. Selain itu, permasalahan lain yang dihadapi oleh sistem ini adalah minimnya jumlah data. Penelitian ini bertujuan untuk menyelesaikan dua permasalahan utama tersebut, yaitu menerapkan deep learning untuk mengatasi besarnya ukuran input yang besar, dan selanjutnya menerapkan Data Augmentation untuk mengatasi permasalahan minimnya jumlah data yang tersedia. Adapun deep learning yang digunakan adalah arsitektur ResNet-50. Database yang digunakan dalam penelitian ini berasal dari American Sign Language (ASL). Hasil percobaan menunjukkan bahwa terjadi peningkatan kecepatan pemrosesan dan akurasi pengenalan jika dibandingkan dengan penelitian sebelumnya dengan akurasi pengenalan gambar sebesar 94,30% dan video sebesar 92,50%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	ASL (American Sign Language), Data Augmentation, Pengenalan Gerakan Tangan, ResNet-50, Skip Connection.
Subjects:	T Technology > T Technology (General) > T1-995 Technology (General)
Divisions:	09-Faculty of Computer Science > 55201-Informatics (S1)
Depositing User:	Mega Pertiwi
Date Deposited:	26 Jan 2022 02:07
Last Modified:	26 Jan 2022 02:07
URI:	http://repository.unsri.ac.id/id/eprint/62719

Actions (login required)

View Item