SKRIPSI IF

DETEKSI ABJAD BAHASA ISYARAT BISINDO SECARA REAL-TIME PADA SMARTPHONE MENGGUNAKAN YOLO11

---

ABSTRAK

Bahasa isyarat memiliki peran penting sebagai sarana komunikasi utama bagi komunitas tunarungu dan penyandang gangguan pendengaran. Selain memungkinkan pertukaran informasi, bahasa isyarat juga berperan dalam mendorong inklusivitas serta menjembatani kesenjangan komunikasi dengan masyarakat umum. Seiring dengan prediksi peningkatan jumlah penyandang gangguan pendengaran, diperlukan solusi komunikasi yang lebih mudah diakses. Kemajuan dalam bidang kecerdasan buatan dan pembelajaran mesin membuka peluang untuk mengotomatisasi deteksi bahasa isyarat. Penelitian ini berfokus pada pengembangan model untuk deteksi abjad BISINDO (Bahasa Isyarat Indonesia) A–Z secara real-time. Dua pendekatan digunakan, yaitu model YOLOv11 dan RF-DETR. YOLOv11 dipilih karena ringan dan efisien untuk implementasi pada perangkat mobile, sedangkan RF-DETR digunakan sebagai pembanding karena berbasis arsitektur Transformer dengan akurasi tinggi. Hasil penelitian menunjukkan bahwa kedua model memiliki performa deteksi yang sangat baik. RF-DETR mencapai akurasi yang sedikit lebih tinggi (mAP@50 = 99,8%), tetapi terbatas pada implementasi berbasis web karena belum mendukung konversi ke perangkat mobile. Sebaliknya, YOLOv11 mencapai mAP@50 sebesar 99,4% dan berhasil diimplementasikan pada smartphone Android dengan kinerja real-time yang responsif. Dengan demikian, penelitian ini menegaskan bahwa meskipun RF-DETR unggul dalam akurasi, YOLOv11 lebih feasible untuk pengembangan aplikasi deteksi abjad BISINDO berbasis perangkat mobile

Kata Kunci: BISINDO, abjad bahasa isyarat, YOLOv11, RF-DETR, deteksi real- time, perangkat mobile.




ABSTRACT

Sign language plays a crucial role as the primary means of communication for the deaf and hard-of-hearing community. In addition to enabling the exchange of information, sign language also fosters inclusivity and bridges communication gaps with the general public. With the projected increase in the number of people with hearing impairments, accessible communication solutions are becoming increasingly necessary. Advances in artificial intelligence and machine learning provide opportunities to automate sign language recognition. This study focuses on the development of models for real-time detection of BISINDO (Indonesian Sign Language) alphabet gestures (A–Z). Two approaches were employed: YOLOv11 and RF-DETR. YOLOv11 was chosen for its lightweight and efficient architecture suitable for mobile deployment, while RF-DETR was used as a comparison model due to its Transformer-based design and high detection accuracy. The results show that both models achieved strong detection performance. RF-DETR attained slightly higher accuracy (mAP@50 = 99.8%) but was limited to web-based implementation since it currently lacks support for deployment on mobile devices. In contrast, YOLOv11 achieved an mAP@50 of 99.4% and was successfully implemented on an Android smartphone, demonstrating real-time responsiveness. Therefore, this study concludes that while RF-DETR excels in accuracy, YOLOv11 is more feasible for developing mobile-based applications for BISINDO alphabet detection

Keywords: BISINDO, sign language alphabet, YOLOv11, RF-DETR, real-time detection, mobile device

---

Ketersediaan

S250930005

607.2 NUG d

Perpustakaan STMIK AMIKBANDUNG

Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 NUG d

Penerbit

: ., 2025

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subyek

-

Info Detil Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

You must be logged in to post a comment