IMPLEMENTASI METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PENGENALAN BAHASA ISYARAT YANG MENGANDUNG KATA KERJA

  • Mochammad Firman Arif Universitas Merdeka Pasuruan
  • Arnaz Andri Pramana Arnaz Universitas Merdeka Pasuruan
https://doi.org/10.46510/jami.v3i1.40
Abstract views: 278 , PDF downloads: 263
Keywords: Bahasa isyarat, kata kerja, Learning vector quantization.

Abstract

Objektif.  Bahasa Isyarat (sign language) adalah salah satu bahasa yang paling alami dalam melakukan komunikasi, terutama bagi penyandang tuna rungu dan tuna wicara sehingga keduanya mampu saling memahami dan berkomunikasi dengan sesamanya dengan menggunakan bahasa isyarat Permasalahan yang diangkat dalam kasus penelitian kali ini dilatar belakangi oleh sedikitnya masyarakat umum yang mengerti bahasa isyarat sehingga akan lebih mudah dalam memahami bahasa isyarat yang mengandung kata kerja.

Material and Metode.  Penelitian ini bertujuan untuk menerapkan metode Leaning Vector Quantization dalam melakukan pengenalan bahasa isyarat kata kerja berdasarkan pola.

Hasil.  Hasil dari penelitian menggunakan metode Learning Vector Quantization didapat akurasi pengenalan sebesar 40% dengan menggunakan data uji sebanyak 15 data .

Kesimpulan.   Berdasakan hasil dari penelitian Implementasi metode Learning vector quantization (LVQ) pada pengenalan Bahasa Isyarat yang mengandung Kata Kerja dapat disimpulkan bahwa metode Learning vector quantization pada Sistem / aplikasi pengenalan bahasa isyarat kata kerja dapat membantu untuk mengenali pola bahasa isyarat yang ingin dibaca dengan baik.

Downloads

Download data is not yet available.

References

Agum Agidtama Gafar, Jayanti Yusmah Sari 2017. Sistem Pengenalan Bahasa isyarat Indonesia dengan Menggunakan Metode Fuzzy K-Nearest Neighbor. Program Studi Teknik Informatika, Universitas Halu Oleo, Kendari, Indonesia

Wong, N. P., & Maulana, A. (2013). Aplikasi Pengenalan Karakter pada Plat Nomor Kendaraan Bermotor dengan Learning vector quantization. SESINDO 2013, 2013.

Ririd, A. R. T. H., Yunhasnawa, Y., & Buata, Y. G. (2018). Sistem Pengenalan Huruf Bahasa Isyarat Menggunakan Adaptive Learning vector quantization. Jurnal Informatika Polinema, 4(2), 145-145.

Ahmadie, B. L., Widodo, A. W., & Utaminingrum, F. (2018). Pengenalan Plat Nomor Mobil Menggunakan Metode Learning vector quantization. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.

Mafrur, R., Andestoni, M., Ahdi, M. S., Fajri, N. S., & Muhantini, A. (2012). Pengenalan Huruf Jawa menggunakan Metode Learning vector quantization (LVQ). Yogyakarta, Universitas Islam Negeri Sunan Kalijaga.

Putra, D. (2010). Pengolahan citra digital. Penerbit Andi.

Winarsih, M. (2007). Intervensi dini bagi anak tunarungu dalam pemerolehan bahasa. Jakarta: Departemen Pendidikan dan Kebudayaan.

Mochammad Firman Arif , Muhammad Iqbal Adiat Fatah,(2020). Identifikasi Jenis Burung LoveBird Berdasarkan Habitatnya Dengan Metode Euclidean Distance. Pasuruan, Universitas Merdeka Pasuruan.

Nugroho, S., & Harjoko, A. (2005). Penerapan Jaringan Syaraf Tiruan Untuk Mendeteksi Posisi Wajah Manusia Pada Citra Digital. In Seminar Nasional Aplikasi Teknologi Informasi (SNATI).

Published
2022-06-30

PlumX Metrics

How to Cite
Mochammad Firman Arif, & Arnaz, A. A. P. (2022). IMPLEMENTASI METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PENGENALAN BAHASA ISYARAT YANG MENGANDUNG KATA KERJA. JAMI: Jurnal Ahli Muda Indonesia, 3(1), 1-8. https://doi.org/10.46510/jami.v3i1.40
Issue
Vol. 3 No. 1 (2022): Juni 2022
Section
Articles

Copyright (c) 2022 Arnaz Andri Pramana Arnaz

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License