Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perbedaan media komunikasi yang digunakan antara komunitas tuli dengan masyarakat normal menjadi pembatas dalam menjalin komunikasi antar keduanya. Untuk mengatasi hal ini, diperlukan suatu alat penerjemah yang dapat menerjemahkan bahasa isyarat Indonesia (Bisindo) yang biasa digunakan oleh komunitas tuli di Indonesia ke bahasa lisan dan sebaliknya. Penelitian ini akan berkontribusi pada pembentukan alat penerjemah tersebut dengan menerjemahkan kalimat dalam format Bisindo menjadi kalimat bahasa Indonesia secara satu arah. Penerjemahan dilakukan dengan dua metode berbeda, yaitu penerjemahan berbasis statistik menggunakan model neural machine translation (NMT) dan penerjemahan berbasis aturan. Khusus untuk penerjemahan berbasis aturan, penelitian ini hanya akan berfokus pada sebuah tahapan saja yaitu penambahan preposisi. Selain itu, penelitian ini juga memaparkan metode pembentukan dataset yang menyerupai karakteristik Bisindo dari dataset Indonesia menggunakan aturan-aturan sederhana untuk mengatasi minimnya ketersediaan dataset tersebut. Model NMT terbaik pada eksperimen ini memperoleh peningkatan nilai SacreBLEU sekitar 56%, serta penurunan nilai WER sekitar 7% dari nilai awal yang diperoleh pada dataset testing secara langsung. Di sisi lain, penerjemahan berbasis aturan memperoleh peningkatan nilai SacreBLEU sekitar 1.1% serta penurunan nilai WER sekitar 9.7% dari nilai awal. Sebagai tambahan, model tersebut memperoleh nilai precision sebesar 0.436 dan nilai recall sebesar 0.340 pada performanya dalam menambahkan preposisi secara spesifik.

---

The difference of communication methods used by the deaf community and the society becomes a boundary that limits the communication between the two. In order to tackle this issue, we need a tool that can translate sign language (especially bahasa isyarat Indonesia or Bisindo which is commonly used by the deaf community in Indonesia) to oral language and vice versa. This experiment will contribute to such tool by building a tool to translate sentences in Bisindo format to Bahasa Indonesia in one direction. Translation is done using two different methods: statistic-based translation using neural machine translation (NMT) models and rule-based translation. Specific to the rule-based approach, we will only focus on one step of the translation process which is adding prepositions. Aside of that, we also propose a method in building Bisindo-like dataset from Bahasa Indonesia dataset in order to handle the low availability of it. The best NMT model in this experiment achieved an improvement around 56% in SacreBLEU and a decrease around 7% in WER compared to the initial metrics value that we got directly from the testing dataset. On the other side, rule-based translation achieved an improvement around 1.1% in SacreBLEU and a decrease around 9.7% in WER compared to the initial metrics value. In addition, the model achieved 0.436 precision score and 0.340 recall score specific to its performance in adding preposition."

"Perbedaan media komunikasi yang digunakan antara komunitas tuli dengan masyarakat normal menjadi pembatas dalam menjalin komunikasi antar keduanya. Untuk mengatasi hal ini, diperlukan suatu alat penerjemah yang dapat menerjemahkan bahasa isyarat Indonesia (Bisindo) yang biasa digunakan oleh komunitas tuli di Indonesia ke bahasa lisan dan sebaliknya. Penelitian ini akan berkontribusi pada pembentukan alat penerjemah tersebut dengan menerjemahkan kalimat dalam format Bisindo menjadi kalimat bahasa Indonesia secara satu arah. Penerjemahan dilakukan dengan dua metode berbeda, yaitu penerjemahan berbasis statistik menggunakan model neural machine translation (NMT) dan penerjemahan berbasis aturan. Khusus untuk penerjemahan berbasis aturan, penelitian ini hanya akan berfokus pada sebuah tahapan saja yaitu penambahan preposisi. Selain itu, penelitian ini juga memaparkan metode pembentukan dataset yang menyerupai karakteristik Bisindo dari dataset Indonesia menggunakan aturan-aturan sederhana untuk mengatasi minimnya ketersediaan dataset tersebut. Model NMT terbaik pada eksperimen ini memperoleh peningkatan nilai SacreBLEU sekitar 56%, serta penurunan nilai WER sekitar 7% dari nilai awal yang diperoleh pada dataset testing secara langsung. Di sisi lain, penerjemahan berbasis aturan memperoleh peningkatan nilai SacreBLEU sekitar 1.1% serta penurunan nilai WER sekitar 9.7% dari nilai awal. Sebagai tambahan, model tersebut memperoleh nilai precision sebesar 0.436 dan nilai recall sebesar 0.340 pada performanya dalam menambahkan preposisi secara spesifik.

---

The difference of communication methods used by the deaf community and the society becomes a boundary that limits the communication between the two. In order to tackle this issue, we need a tool that can translate sign language (especially bahasa isyarat Indonesia or Bisindo which is commonly used by the deaf community in Indonesia) to oral language and vice versa. This experiment will contribute to such tool by building a tool to translate sentences in Bisindo format to Bahasa Indonesia in one direction. Translation is done using two different methods: statistic-based translation using neural machine translation (NMT) models and rule-based translation. Specific to the rule-based approach, we will only focus on one step of the translation process which is adding prepositions. Aside of that, we also propose a method in building Bisindo-like dataset from Bahasa Indonesia dataset in order to handle the low availability of it. The best NMT model in this experiment achieved an improvement around 56% in SacreBLEU and a decrease around 7% in WER compared to the initial metrics value that we got directly from the testing dataset. On the other side, rule-based translation achieved an improvement around 1.1% in SacreBLEU and a decrease around 9.7% in WER compared to the initial metrics value. In addition, the model achieved 0.436 precision score and 0.340 recall score specific to its performance in adding preposition."

"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."

"Tulisan ini bertujuan mendeskripsikan pembentukan kalimat nondeklaratif, yaitu kalimat yang tidak mengungkapkan pernyataan atau proposisi, dalam Bahasa Isyarat Indonesia atau yang lebih dikenal dengan sebutan Bisindo. Kalimat nondeklaratif yang dibahas dalam tulisan ini adalah kalimat interogatif, kalimat imperatif, dan kalimat eksklamatif. Dua aspek kalimat nondeklaratif yang diperiksa adalah strukturnya dan unsur nonmanual yang menandainya. Berdasarkan analisis terhadap kalimat-kalimat nondeklaratif yang dihasilkan oleh dua penutur Bisindo ditemukan bahwa (1) kalimat nondeklaratif Bisindo cenderung diawali dengan topik yang dapat berupa subjek, pronomina, nomina atau pewatas frasa yang bermakna 'pemilik'; (2) dalam kalimat interogatif, kata tanya, apabila digunakan, cenderung muncul pada kata di akhir kalimat; (3) unsur nonmanual yang terdapat dalam kalimat nondeklaratif adalah alis (mengerut, menaik), mata (membesar, menyipit, tertutup), dan gerakan kepala (mengangguk); dan (4) unsur-unsur nonmanual tersebut dapat muncul pada keseluruhan kalimat, sebagain kalimat, dan pada kata tertentu.  

---

The Indonesian Sign Language, better known as Bisindo, is a sign language used by many deaf communities in Indonesia. Misconceptions about this language and its speakers are abound because little is known about it. This paper aims at describing the formation of non-declarative sentences-those that do not express statement or proposition in Indonesian Sign Language. Non-declarative sentences discussed in this research are interrogative, imperative, and exclamative sentences. Two aspects to be examined are the structure and non-manual elements. The data for this paper are collected through elicitation from two Bisindo speakers. From the analysis of the data, it is found that (1) nondeclarative sentences in Bisindo tends to be initially marked by topic-part of sentence which shows what the sentence is about; (2) in interogative sentences, the wh-question word tends to occur at the end of the sentence; (3) non-manual elements that occur in non-declarative sentences are eye brows (lowered, arisen), eyes (widened, narrowed, closed), and head movement (nodded); and (4) the nonmanual elements can occur in in a certain part of the sentence or in the whole sentence depending on the types of non-declarative sentence. "

"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."

"

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%.

"

"Bisindo adalah bahasa isyarat yang banyak digunakan oleh komunitas tuli di Indonesia untuk berinteraksi secara nonverbal. Struktur bahasa pada Bisindo sangat berbeda dengan Bahasa Indonesia yang biasa digunakan oleh orang dengar. Hal ini menyebabkan adanya gap antara komunitas tuli dengan orang dengar dalam berkomunikasi. Penelitian ini mengembangkan model pengenal dan penerjemah bahasa isyarat (SLRT) untuk Bisindo dengan menerapkan arsitektur Single Stream Network dan Two Stream Network yang sukses digunakan pada German Sign Language (DGS). Model ini dilatih pada dataset Bisindo-2024 yang berisikan 96 kalimat yang mengandung kata kerja berarah. Penelitian ini menghasilkan model SLRT yang meraih skor 62.30 pada BLEU-4 dan 71.00 pada ROUGE. Hasil penelitian ini menunjukkan bahwa performa Two Stream Network mengungguli Single Stream Network sejauh 10.86 pada BLEU-4 dan 7.01 pada ROUGE. Selain itu, penelitian ini juga membuktikan bahwa pendekatan transfer learning berhasil meningkatkan performa model secara signifikan. Melalui penelitian ini juga dibuktikan bahwa model yang dilatih secara end-to-end memiliki performa yang lebih baik dibanding model pipeline. Penelitian ini adalah yang pertama menerapkan model SLRT pada Bisindo, sehingga memberikan kontribusi baru dalam bidang ini.

---

Bisindo is a sign language widely used by the deaf community in Indonesia to interact nonverbally. The language structure of Bisindo is very different from the Indonesian language commonly used by hearing people. This causes a gap in communication between the deaf community and hearing people. This research develops a sign language recognition and translation model (SLRT) for Bisindo by applying the Single Stream Network and Two Stream Network architectures successfully used in German Sign Language (DGS). This model is trained on the Bisindo-2024 dataset containing 96 sentences with verb agreement. This research produced an SLRT model that achieved scores of 62.30 on BLEU-4 and 71.00 on ROUGE. The results of this research show that the performance of the Two Stream Network outperformed the Single Stream Network by 10.86 on BLEU-4 and 7.01 on ROUGE. Additionally, this research also proves that the transfer learning approach significantly improved the model's performance. This research also demonstrates that an end-to-end trained model performs better than a pipeline model. This research is the first to apply the SLRT model to Bisindo, thus providing a new contribution to this field."

"Bisindo adalah bahasa isyarat yang banyak digunakan oleh komunitas tuli di Indonesia untuk berinteraksi secara nonverbal. Struktur bahasa pada Bisindo sangat berbeda dengan Bahasa Indonesia yang biasa digunakan oleh orang dengar. Hal ini menyebabkan adanya gap antara komunitas tuli dengan orang dengar dalam berkomunikasi. Penelitian ini mengembangkan model pengenal dan penerjemah bahasa isyarat (SLRT) untuk Bisindo dengan menerapkan arsitektur Single Stream Network dan Two Stream Network yang sukses digunakan pada German Sign Language (DGS). Model ini dilatih pada dataset Bisindo-2024 yang berisikan 96 kalimat yang mengandung kata kerja berarah. Penelitian ini menghasilkan model SLRT yang meraih skor 62.30 pada BLEU-4 dan 71.00 pada ROUGE. Hasil penelitian ini menunjukkan bahwa performa Two Stream Network mengungguli Single Stream Network sejauh 10.86 pada BLEU-4 dan 7.01 pada ROUGE. Selain itu, penelitian ini juga membuktikan bahwa pendekatan transfer learning berhasil meningkatkan performa model secara signifikan. Melalui penelitian ini juga dibuktikan bahwa model yang dilatih secara end-to-end memiliki performa yang lebih baik dibanding model pipeline. Penelitian ini adalah yang pertama menerapkan model SLRT pada Bisindo, sehingga memberikan kontribusi baru dalam bidang ini.

---

Bisindo is a sign language widely used by the deaf community in Indonesia to interact nonverbally. The language structure of Bisindo is very different from the Indonesian language commonly used by hearing people. This causes a gap in communication between the deaf community and hearing people. This research develops a sign language recognition and translation model (SLRT) for Bisindo by applying the Single Stream Network and Two Stream Network architectures successfully used in German Sign Language (DGS). This model is trained on the Bisindo-2024 dataset containing 96 sentences with verb agreement. This research produced an SLRT model that achieved scores of 62.30 on BLEU-4 and 71.00 on ROUGE. The results of this research show that the performance of the Two Stream Network outperformed the Single Stream Network by 10.86 on BLEU-4 and 7.01 on ROUGE. Additionally, this research also proves that the transfer learning approach significantly improved the model's performance. This research also demonstrates that an end-to-end trained model performs better than a pipeline model. This research is the first to apply the SLRT model to Bisindo, thus providing a new contribution to this field."