Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSIBI merupakan bahasa isyarat resmi bagi penyandang tunarungu di Indonesia. Dalam pembentukan isyarat, SIBI mengikuti aturan tata bahasa Indonesia. Untuk membentuk isyarat kata berimbuhan, maka isyarat imbuhan awalan, akhiran dan partikel ditambahkan ke isyarat kata dasar. Karena banyak isyarat SIBI merupakan isyarat kata berimbuhan dan belum ada penelitian tentang kata tersebut, maka penelitian ini fokus pada membangun sistem penerjemah kata berimbuhan SIBI ke teks. Gerakan isyarat ditangkap oleh kamera Kinect yang menghasilkan data color, depth dan skeleton. Data Kinect ini diolah menjadi fitur yang dipakai oleh model untuk mengenali gerakan. Sistem penerjemah memerlukan teknik ekstraksi fitur, yang dapat menghasilkan sebuah feature vector set dengan ukuran yang minimal. Penelitian ini berusaha untuk dapat memisahkan isyarat imbuhan dan kata dasar pada isyarat kata berimbuhan. Dengan kemampuan ini, sistem penerjemah menghasilkan 3 feature vector set: kata dasar, awalan dan akhiran. Tanpa pemisahan, feature vector set yang harus disediakan adalah sebanyak perkalian cartesian dari ketiga feature vector set tersebut. Perkalian ketiga set ini tentunya akan menghasilkan feature vector set total yang berukuran sangat besar. Model yang dicoba pada penelitian ini adalah Conditional Random Fields, Hidden Markov Model, Long Short-Term Memory Neural Networks LSTM dan Gated Recurrent Unit. Akurasi yang terbaik yang dicapai oleh untuk LSTM 2-layer 77.04 . Keunggulan dari LSTM terletak pada inputnya yang berupa sequence-of-frames dan setiap frame direpresentasi oleh fitur lengkap, bukan fitur hasil clustering. Model sequence-of-frames lebih cocok untuk SIBI, karena gerakan isyarat SIBI memiliki long-term temporal dependencies. Error hasil prediksi banyak terjadi pada kelompok awalan dan akhiran. Hal ini karena miripnya gerakan pada isyarat-isyarat imbuhan SIBI tersebut. LSTM 2-layer yang dipakai untuk mengenali kata dasar saja memberikan akurasi yang tertinggi 95.4 .

---

ABSTRACTSIBI is the official sign language system for the Indonesian language. The formation of SIBI gestures follow Indonesian grammar rules, including inflectional words. Inflectional words are root words with prefixes, infixes, and suffixes, or a mix of the three. Inflectional gestures are made from root word gestures, with prefix, suffix and particle gestures added in the order in which they appear, all of which is unique to SIBI. This research aims to find a suitable model that can quickly and reliably perform SIBI to text translation on inflectional word gestures. The hand movement of the signer is captured by a Kinect camera. The Kinect data was then processed to yield features for the models to use recognize the gestures. Extant research have been able to translate the alphabet, root words, and numbers from SIBI to text, but none has been able to translate SIBI inflectional word gestures. In order for the translation system to work as efficiently as possible, this research developed a new method that splits an inflectional word into three feature vector sets root, prefix, suffix . This ensures that a minimally descriptive feature sets are used. Without using this, the feature sets would otherwise be as big as the Cartesian product of the prefixes, suffixes and root words feature sets of the inflectional word gestures. Four types of machine learning models were tested Conditional Random Fields, Hidden Markov Model, Long Short Term Memory Net, dan Gated Recurrent Unit. The 2 layer LSTM, with an accuracy of 77.04 , has been proven to be the most suitable. This model 39 s performance is due to the fact that it can take entire sequences as input and doesn 39 t rely on pre clustered per frame data. The 2 layer LSTM performed the best, being 95.4 accurate with root words. The lower accuracy with inflectional words is due to difficulties in recognizing prefix and suffix gestures."

"Bahasa Isyarat adalah bahasa yang digunakan kebanyakan oleh kaum tuna rungu dan tuna wicara yang tidak bisa berkomunikasi secara audio, hal ini menimbulkan kesenjangan dalam berkomunikasi terlebih dalam kemampuan tuna rungu dan tuna wicara dalam melaksanakan kehidupannya sehari – hari khususnya saat ingin melamar kerja. Penelitian ini dilakukan untuk mempermudah komunikasi antara pengguna bahasa isyarat dengan mereka yang tidak memahami bahasa isyarat, dimana dengan adanya sistem ini maka translasi bahasa isyarat ke Bahasa Indonesia akan dilakukan secara automatis dan ini akan membantu bagaimana kaum tuna wicara dan tuna rungu berkomunikasi dengan mereka yang tidak memahami bahasa isyarat sehingga ini akan berdampak dimana para pengguna bahasa isyarat bisa memiliki kesempatan yang sama dengan semua orang dalam proses pelamaran kerja dan mendapatkan pekerjaan yang layak. Sistem pengenalan bahasa isyarat ini bekerja dengan menerima bahasa isyarat yang disampaikan oleh seseorang secara real-time dan kemudian mengenalinya sebagai arti kata dari bahasa isyarat tersebut ke Bahasa Indonesia. Pada penelitian ini OpenCV digunakan sebagai metode pengambilan gambar dalam waktu nyata, serta algoritma YOLOv5 yang dibandingkan dengan SSD yang digunakan untuk memroses gambar tersebut serta menandakan yang mana objek yang dianggap sebagai bahasa isyarat dan mendeteksi artinya. Proses training dilakukan dengan dataset yang terdiri dari 463 citra training yang kemudian diaugmentasi sehingga berjumlah 1389 citra training. Model yang dihasilkan dari setiap algoritma yang digunakan dalam penelitian diuji menggunakan dataset testing lalu akan diuji dalam tahap real-time testing dan parameter yang digunakan untuk evaluasi kedua hasil model adalah akurasi atau (confidence score) sistem, precision, recall, dan F1 Score untuk masing – masing model dimana nilai perbandingan untuk nilai confidence score model YOLOv5 dan SSD adalah 100% : 87.66%. Sedangkan perbandingan nilai F1 Score untuk model YOLOv5 dan SSD adalah 1 : 0.9342. Penelitian ini juga menunjukkan bahwa Learning Rate dari Model SSD lebih tinggi dibanding Model YOLOv5 yaitu 0.08 : 0.009. Pada penelitian ini ditunjukkan bahwa algoritma YOLOv5 akan memiliki hasil presisi yang lebih baik dibandingkan algoritma SSD.

---

Sign Language is the method used mostly by deaf and mute people which are unable to communicate by audio . This difference in the way of communicating between each other creates a gap in communicating between the deaf and mute with normal people. This research is done with the intent to further make the communication between sign language user those that do not understand sign language by automatically translating the meaning of each sign language to Bahasa Indonesia. By doing this, this will ensure to help the mute and deaf people so that they will have the same opportunity to apply for a job just like those without disability. Sign language recognition works by detecting object in real time using camera and then recognize the sign made and show the meaning of that particular sign. This is made possible using OpenCV to take images in real time and the model SSD and YOLOv5 to process those images and label them using rectangular show which object on the picture is the sign language that needs to be recognized based on the available dataset which is the sign language that have already been taken before the test. The training process of this research is done using 463 training images which then augmented and becomes 1389 training images. The models created from training using both algorithms will be tested using testing images and then further tested using real-time testing and the parameter used for evaluation of those models are the confidence score of the system accuracy, precision, recall, and F1 Score which from this research shows that the comparison of confidence score of the system accuracy betweenYOLOv5 model and SSD model is 100% : 87.66%. On the other hand, the comparison of the F1 Score between YOLOv5 model and SSD model is 1 : 0,9342. This research shows that YOLOv5 model have better learning rate compared to SSD which is 0.08 : 0.009. The result from this research shows that YOLOv5 algorithm will have better score of precision compared to SSD algorithm."

"Penelitian mengenai negasi dalam bahasa isyarat belum banyak dilakukan di Indonesia. Memperhatikan situasi tersebut, penelitian ini bertujuan untuk mendeskripsikan negasi dalam bahasa isyarat Indonesia (Bisindo) yang berfokus pada analisis terhadap bentuk penanda manual dan nonmanual serta pola susunan kata dari satu jenis kalimat, yaitu kalimat pernyataan. Penelitian ini menggunakan data berupa rekaman video berbahasa isyarat informan tuli yang berisi 60 kalimat pernyataan negasi dalam Bisindo. Data yang sudah dikumpulkan, selanjutnya ditranskripsi terlebih dahulu untuk mengetahui bentuk penanda manual, penanda nonmanual, serta pola susunan kata dalam kalimat pernyataan negasi Bisindo. Hasil penelitian memperlihatkan bahwa (1) kalimat pernyataan negasi pada Bisindo dominan menggunakan penanda manual untuk menyatakan negasi; (2) penanda manual yang digunakan untuk menegasikan kalimat adalah TIDAK/BUKAN, BELUM, TIDAK-ADA, TIDAK-MENGERTI, TIDAK-PERNAH/BELUM-PERNAH, TIDAK-SUKA, dan TIDAK-MAU yang cenderung muncul di akhir kalimat; (3) jenis gerakan penanda nonmanual yang digunakan dalam kalimat pernyataan negasi adalah alis naik, alis turun, dan kepala menggeleng, (4) gerakan nonmanual yang paling banyak muncul adalah alis naik, sedangkan penanda manual negasi yang paling banyak digunakan adalah TIDAK/BUKAN; (5) untuk pola susunan kata, ditemukan sebanyak 10 jenis/tipe dan pola SP-Neg muncul dengan jumlah yang paling signifikan.

---

Research on negation in sign language has not been extensively conducted in Indonesia. Recognizing this gap, this study aims to describe negation in Indonesian Sign Language (Bisindo) which focuses on analyzing the forms of manual and nonmanual markers, as well as word order patterns in one type of sentence: statement sentences. This study utilizes data in the form of video recordings of deaf informants using sign language, comprising 60 negation statement sentences in Bisindo. The collected data is transcribed to identify the forms of manual markers, nonmanual markers, and word order patterns in Bisindo negation statement sentences. The findings show that (1) negation statement sentences in Bisindo predominantly employ manual markers to express negation; (2) manual markers such as NOT/NOT, NOT-YET, NOTHING, NOT-UNDERSTAND, NEVER, NOT-LIKE, and NOT-WANT are used to negate sentences, often appearing at the end of the sentence; (3) the types of nonmanual marker gestures used in negation statement sentences include raising eyebrows, lowering eyebrows, and shaking the head; (4) the most prevalent nonmanual gesture is raising eyebrows, while the most frequently used negation manual marker is NOT/NOT; (5) concerning word order patterns, 9 types are identified, with the SP-Neg pattern being the most significant."

"

Sistem Isyarat Bahasa Indonesia (SIBI) adalah sistem bahasa isyarat yang diakui secara resmi oleh Departemen Pendidikan dan Kebudayaan Indonesia dan digunakan sebagai salah satu media komunikasi dalam proses pembelajaran di SLB (Sekolah Luar Biasa) bagi kaum tunarungu. Bagi kaum awam yang sama sekali tidak mengetahui gerakan isyarat SIBI tentunya akan mengalami kesulitan ketika harus berkomunikasi dengan kaum tunarungu. Berangkat dari hal tersebut, diperlukan suatu sistem penerjemah dari gerakan SIBI ke teks Bahasa Indonesia, ataupun sebaliknya dari teks Bahasa Indonesia ke gerakan SIBI. Penelitian ini merupakan tahapan awal dari sistem penerjemah dari teks Bahasa Indonesia ke bahasa isyarat yang memiliki fokus untuk melakukan proses pembangkitan gerakan isyarat dari suatu kalimat menjadi isyarat SIBI dalam bentuk animasi tiga dimensi gerakan tangan dan jari pada platform telepon pintar. Proses pembangkitan gerakan dimulai dari proses dekonstruksi kalimat menjadi komponen-komponen kata penyusunnya menggunakan look-up table kata berimbuhan, kata dasar, dan kamus slang. Komponen-komponen kata lalu direferensikan dengan animasi gerakannya. Data gerakan didapat melalui proses perekaman menggunakan sensor motion-capture perception neuron v2 yang mengacu pada kamus SIBI. Dalam proses penyusunan gerakan-gerakan SIBI, akan terdapat jeda antara gerakan awal menuju gerakan selanjutnya. Sehingga diperlukan beberapa gerakan transisi yang dibangkitkan menggunakan interpolasi cross-fading. Berdasarkan hasil evaluasi yang telah dilakukan, gerakan yang dibangkitkan dapat merepresentasikan gerakan SIBI yang benar dengan nilai akurasi terbesar 97.56%, dan 84% hasil pembangkitan dinyatakan Sangat Puas, 14% Puas, serta 2% Cukup.

---

Sign System for Bahasa Indonesia (SIBI) is the official sign language authorized by The Ministry of Education and Culture of Indonesia and being used as one of the communication media by School for Children with Special Needs (SLB) for people with hearing impairments in the process of learning. For people who have a lack of knowledge about SIBI gestures certainly will have difficulty to communicate with people with hearing impairments. Thus, a translation system from SIBI gestures to sentences in Bahasa Indonesia or vice versa is needed. This research is the initial stage of a translation system from sentences in Bahasa Indonesia to SIBI Gestures. The focus of this research is to generate sign gestures in the form of 3D Animation from a sentence input in text format and deployed on the smartphone device. The generation process started from deconstructing the input sentence into its word components using a look-up table that consists of affixes, root words, and a slang dictionary. Then, this word components referred to their gesture animations. The gesture data were recorded with motion-capture sensor Perception Neuron v2 and using the official SIBI Dictionary as reference. In the process of combining the SIBI gestures, a pause between the initial gesture and the next gesture has occurred. Thus, transition gestures also needed to be generated using the cross-fading interpolation. Based on evaluation results, generated gestures correctly represent smooth SIBI gestures with the largest accuracy score of 97.56% with a level of Very Satisfied 84%, Satisfied 14%, Fair 2%.

"

"Setiap bahasa, dalam perkembangannya, pasti akan memunculkan variasi bahasanya dalam setiap penggunaannya, termasuk juga Bahasa Isyarat Indonesia (BISINDO). Warna merupakan salah satu konsep abstrak dan mendasar yang selalu kita temukan dalam kehidupan keseharian kita, temasuk juga dalam Masyarakat Tuli. Akan tetapi, kurangya penelitian lanjutan mengenai proses produksi isyarat yang merepresentasikan istilah warna dasar menjadi salah satu permasalahan yang ditemukan peneliti. Dalam penelitian ini, kami akan fokus untuk meihat kemunculan variasi bahasa isyarat yang digunakan dalam 5 wilayah di Yogyakarta. Variabel dan Subjek penelitian ini adalah isyarat dari kata warna hitam, putih, merah, hijau, biru, dan kuning dari individu Tuli dalam rentang umur dari 19—48 tahun. Variabel-variabel tersebut akan didokumentasikan melalui penelitian lapangan dan dikonversikan ke dalam korpus data dan akan dianalisis kemunculan varian dan aspek-aspek yang membedakan satu varian dengan yang lainnya menggunakan metode kualitatif. Temuan kami membuktikan bahwa dalam 5 wilayah Yogyakarta, ada beberapa varian isyarat yang muncul dalam satu konsep warna dasar. Aspek yang membedakan satu varian dengan lainnya terletak di seluruh aspek fonologi bahasa isyarat seperti bentuk tangan, orientasi, lokasi, dan gerakan isyarat.

---

Every language, in its development, will certainly appear its language variation in its usage, including the Indonesian Sign Language (BISINDO). Colors are one of the abstract and fundamental concepts that we found in our daily lives, including the Deaf Society. But, the lack of further research about the process of sign production that represents the basic color terms is one of the few problems that I found. In this research, we will focus on looking for the appearances of sign language variations that are used in 5 regional areas of Yogyakarta. the variables and subjects of this research are signs from the word colors black, white, red, green, blue, and yellow from Deaf people ranging from 19--48 years old. The variables will be documented through field research and converted into corpus data and will be analyzed for the variation that appears and the aspects that differ one variation from another using the qualitative method. Our (author and corresponding author) findings prove that in the 5 regional areas of Yogyakarta, there are several variations in sign language in one concept of the basic colors. The aspects that differ one sign from another are in all aspects of sign language phonology such as handshapes, locations, orientations, and movement of the sign.

"

"Setiap bahasa, dalam perkembangannya, pasti akan memunculkan variasi bahasanya dalam setiap penggunaannya, termasuk juga Bahasa Isyarat Indonesia (BISINDO). Warna merupakan salah satu konsep abstrak dan mendasar yang selalu kita temukan dalam kehidupan keseharian kita, temasuk juga dalam Masyarakat Tuli. Akan tetapi, kurangya penelitian lanjutan mengenai proses produksi isyarat yang merepresentasikan istilah warna dasar menjadi salah satu permasalahan yang ditemukan peneliti. Dalam penelitian ini, kami akan fokus untuk meihat kemunculan variasi bahasa isyarat yang digunakan dalam 5 wilayah di Yogyakarta. Variabel dan Subjek penelitian ini adalah isyarat dari kata warna hitam, putih, merah, hijau, biru, dan kuning dari individu Tuli dalam rentang umur dari 19—48 tahun. Variabel-variabel tersebut akan didokumentasikan melalui penelitian lapangan dan dikonversikan ke dalam korpus data dan akan dianalisis kemunculan varian dan aspek-aspek yang membedakan satu varian dengan yang lainnya menggunakan metode kualitatif. Temuan kami membuktikan bahwa dalam 5 wilayah Yogyakarta, ada beberapa varian isyarat yang muncul dalam satu konsep warna dasar. Aspek yang membedakan satu varian dengan lainnya terletak di seluruh aspek fonologi bahasa isyarat seperti bentuk tangan, orientasi, lokasi, dan gerakan isyarat.

---

Every language, in its development, will certainly appear its language variation in its usage, including the Indonesian Sign Language (BISINDO). Colors are one of the ab-stract and fundamental concepts that we found in our daily lives, including the Deaf Society. But, the lack of further research about the process of sign production that rep-resents the basic color terms is one of the few problems that I found. In this research, we will focus on looking for the appearances of sign language variations that are used in 5 regional areas of Yogyakarta. the variables and subjects of this research are signs from the word colors black, white, red, green, blue, and yellow from Deaf people rang-ing from 19--48 years old. The variables will be documented through field research and converted into corpus data and will be analyzed for the variation that appears and the aspects that differ one variation from another using the qualitative method. Our (author and corresponding author) findings prove that in the 5 regional areas of Yogyakarta, there are several variations in sign language in one concept of the basic colors. The aspects that differ one sign from another are in all aspects of sign language phonology such as handshapes, locations, orientations, and movement of the sign."

"Terdapat dua bahasa isyarat di Indonesia, yaitu Sistem Isyarat Bahasa Indonesia (SIBI) dan Bahasa Isyarat Indonesia (Bisindo). SIBI telah diresmikan oleh pemerintah sebagai bahasa untuk Tuli di SLB-B pada tahun 2001. Padahal sebelumnya Tuli telah memiliki bahasa, yaitu bahasa isyarat yang berasal dari Tuli secara alami. Bahasa alami Tuli tersebut diresmikan oleh komunitas Tuli pada tahun 2008 dengan nama Bisindo. Penelitian ini bertujuan untuk menggambarkan bagaimana identitas Tuli ditunjukkan dalam Bisindo. Penelitian ini menggunakan metode etnografi dengan melakukan observasi partisipan dan wawancara mendalam di komunitas Tuli dan lembaga lainnya yang berperan mengembangkan Bisindo. Hasil penelitian dalam skripsi ini menunjukan bahwa Tuli lebih memilih untuk menggunakan Bisindo daripada SIBI karena Bisindo merupakan Identitas bagi Tuli. Penelitian ini lalu menemukan bahwa Tuli menggunakan Bisindo sebagai alat dalam pergerakan sosial menuju kesetaraan Tuli di masyarakat.

---

There are two sign languages in Indonesia, namely the Indonesian Sign Language System (SIBI) and the Indonesian Sign Language (Bisindo). The SIBI was formalized by the government as the language for the Deaf in SLB-B in 2001. Even though Deaf already has language, which is sign language that comes from Deaf naturally. The Deaf natural language was formalized by the Deaf community in 2008 under the name Bisindo.This study aims to illustrate how Deaf's identity is shown in Bisindo.This study uses ethnographic methods by conducting participant observation and in-depth interviews in the Deaf community and other institutions that play a role in developing Bisindo.The results of this study indicate that Deaf prefers to use Bisindo rather than SIBI because Bisindo is the Identity for the Deaf.This research then found that Deaf uses Bisindo as a tool in social movements towards Deaf equality in society."