SKRIPSI IF

RANCANG BANGUN APLIKASI MOBILE PENERJEMAH BAHASA ISYARAT INDONESIA MENGGUNAKAN YOLO

---

ABSTRAK
Bahasa Isyarat Indonesia (BISINDO) merupakan salah satu media komunikasi yang digunakan oleh penyandang disabilitas rungu. Namun, keterbatasan pemahaman masyarakat terhadap bahasa isyarat masih dapat menjadi hambatan dalam proses komunikasi. Penelitian ini bertujuan untuk merancang dan membangun aplikasi Android yang mampu melakukan deteksi Bahasa Isyarat Indonesia (BISINDO) secara real-time menggunakan algoritma YOLO. Penelitian menggunakan metode Research and Development (R&D) dengan model pengembangan ADDIE yang meliputi tahap Analysis, Design, Development, Implementation, dan Evaluation. Model YOLO11 dilatih menggunakan 36 kelas gesture BISINDO yang terdiri dari 26 huruf dan 10 angka. Hasil evaluasi model menunjukkan nilai precision sebesar 99,7%, recall sebesar 100%, mAP50 sebesar 99,5%, dan mAP50-95 sebesar 86,6%. Model hasil pelatihan kemudian dikonversi ke format TFLite dan diintegrasikan ke dalam aplikasi Android yang dikembangkan menggunakan Flutter. Aplikasi dapat melakukan deteksi gesture secara on-device melalui kamera, menampilkan hasil dalam bentuk teks, serta menghasilkan keluaran suara menggunakan fitur Text-to-Speech. Pengujian aplikasi dilakukan menggunakan kamera depan dan kamera belakang. Hasil pengujian menunjukkan tingkat keberhasilan sebesar 97,22% pada kamera depan dan 83,33% pada kamera belakang. Hasil penelitian menunjukkan bahwa aplikasi yang dibangun mampu melakukan deteksi gesture BISINDO secara real-time pada perangkat Android.
Kata Kunci: BISINDO, YOLOv11, Aplikasi Mobile, Flutter, TensorFlow Lite, Edge AI, On-Device Detection.
ABSTRACT
Indonesian Sign Language (BISINDO) is one of the communication media used by individuals with hearing impairments. However, the limited public understanding of sign language can still create barriers in the communication process. This study aims to design and develop an Android application capable of detecting Indonesian Sign Language (BISINDO) gestures in real time using the YOLO algorithm. The study employed a Research and Development (R&D) method with the ADDIE development model, consisting of the Analysis, Design, Development, Implementation, and Evaluation stages. The YOLO11 model was trained using 36 BISINDO gesture classes consisting of 26 letters and 10 numbers. The model evaluation results achieved a precision of 99.7%, a recall of 100%, an mAP50 of 99.5%, and an mAP50-95 of 86.6%. The trained model was subsequently converted into TFLite format and integrated into an Android application developed using Flutter. The application performs on-device gesture detection through the device camera, displays the detection results as text, and produces audio output using a Text-to-Speech feature. Application testing was conducted using both the front and rear cameras. The results showed detection success rates of 97.22% using the front camera and 83.33% using the rear camera. The findings indicate that the developed application is capable of performing real-time BISINDO gesture detection on Android devices.
Keywords: BISINDO, YOLOv11, Mobile Application, Flutter, TensorFlow Lite, Edge AI, On-Device Detection.

---

Ketersediaan

S260908005

607.2 MAU r

Perpustakaan STMIK AMIKBANDUNG

Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 MAU r

Penerbit

: ., 2026

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subyek

SKRIPSI IF

Info Detil Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

You must be logged in to post a comment