Klasifikasi Bahasa Isyarat Huruf Hijaiyah Dengan GAN Dan CNN

Abstrak

Pembelajaran huruf hijaiyah, termasuk untuk penyandang tunarungu yang menggunakan bahasa isyarat, sangat penting untuk memahami Al-Qur'an. Namun, pengembangan sistem klasifikasi berbasis kecerdasan buatan menghadapi kendala karena jumlah data citra bahasa isyarat huruf hijaiyah terbatas. Studi ini menyarankan metode hibrida yang menggunakan Generative Adversarial Network (GAN) untuk memperluas dataset dan Convolutional Neural Network (CNN) untuk mengklasifikasikan gambar bahasa isyarat huruf hijaiyah. Dataset awal, yang terdiri dari 1.877 gambar dengan 28 kelas yang dikumpulkan dari Roboflow, diperluas menggunakan DCGAN dan augmentasi gambar. Hasil pengujian menunjukkan bahwa integrasi GAN dan augmentasi dapat secara signifikan meningkatkan akurasi klasifikasi CNN, dengan tingkat akurasi tertinggi 95%. Metode ini terbukti efektif dalam meningkatkan kinerja sistem klasifikasi dan dapat digunakan sebagai media pembelajaran interaktif untuk penyandang disabilitas, terutama tunarungu.

Identifier

• DOI: https://doi.org/10.56995/sintek.v5i2.174
• OpenAlex: https://openalex.org/W4412914640