VGG-16 ARCHITECTURE ON CNN FOR AMERICAN SIGN LANGUAGE CLASSIFICATION
Abstract
Every country has its sign language such as in Indonesia there are 2 types namely Indonesian Sign Language System called SIBI and BISINDO (Indonesian Sign Language). American Sign Language (ASL) is a sign language that is widely used in the world. In this research, the classification of American Sign Language (ASL) using the Convolutional Neural Network (CNN) method using VGG-16 architecture with Adam optimizer. The data used is 14000 ASL image data with 28 classes consisting of letters A to Z plus space and nothing with a division of 90% training data and 10% validation data. From this research, the overall accuracy is obtained with a value of 98% and the accuracy value of validation data evaluation is 89.07%.
Downloads
References
L. Arisandi and B. Satya, “Sistem Klarifikasi Bahasa Isyarat Indonesia (Bisindo) Dengan Menggunakan Algoritma Convolutional Neural Network,” Jurnal Sistem Cerdas, vol. 5, no. 3, 2022, doi: 10.37396/jsc.v5i3.262.
F. D. Siswanto, C. C. Lestari, and E. Tanuwijaya, “Klasifikasi Bahasa Isyarat Amerika menggunakan Convolutional Neural Network,” Jurnal Sistem dan Teknologi Informasi (JustIN), vol. 10, no. 1, p. 139, Jan. 2022, doi: 10.26418/justin.v10i1.47184.
A. Fendiawati and M. E. Al Rivan, “Klasifikasi American Sign Language Dengan Metode VGG-19,” MDP Student Conference, vol. 2, no. 1, 2023, doi: 10.35957/mdp-sc.v2i1.4466.
M. R. Alviando, M. E. Al Rivan, and Y. Yoannita, “KLASIFIKASI AMERICAN SIGN LANGUAGE MENGGUNAKAN FITUR SCALE INVARIANT FEATURE TRANSFORM DAN JARINGAN SARAF TIRUAN,” Jurnal Algoritme, vol. 1, no. 1, 2020, doi: 10.35957/algoritme.v1i1.403.
M. E. Al Rivan and S. Hartoyo, “Klasifikasi Isyarat Bahasa Indonesia Menggunakan Metode Convolutional Neural Network,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 2, Aug. 2022, doi: 10.28932/jutisi.v8i2.4863.
K. Kersen and W. Widhiarso, “Penerapan Metode Convolutional Neural Network dalam Klasifikasi Bahasa Isyarat,” MDP Student Conference, vol. 2, no. 1, 2023, doi: 10.35957/mdp-sc.v2i1.4221.
R. Rismiyati and A. Luthfiarta, “VGG16 Transfer Learning Architecture for Salak Fruit Quality Classification,” Telematika, vol. 18, no. 1, 2021, doi: 10.31315/telematika.v18i1.4025.
Qorry Aina Fitroh and Shofwatul ’Uyun, “Deep Transfer Learning untuk Meningkatkan Akurasi Klasifikasi pada Citra Dermoskopi Kanker Kulit,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi, vol. 12, no. 2, 2023, doi: 10.22146/jnteti.v12i2.6502.
M. F. Naufal and S. F. Kusuma, “Penerapan Deep Learning Menggunakan VGG-16 untuk Klasifikasi Citra Glioma,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 3, no. 4, 2022, doi: 10.30865/json.v3i4.4122.
R. F. Alya, M. Wibowo, and P. Paradise, “CLASSIFICATION OF BATIK MOTIF USING TRANSFER LEARNING ON CONVOLUTIONAL NEURAL NETWORK (CNN),” Jurnal Teknik Informatika (Jutif), vol. 4, no. 1, 2023, doi: 10.52436/1.jutif.2023.4.1.564.
A. Anggraini and H. Zakaria, “Penerapan Metode Deep Learning Pada Aplikasi Pembelajaran Menggunakan Sistem Isyarat Bahasa Indonesia Menggunakan Convolutional Neural Network (Studi Kasus : SLB-BC Mahardika Depok),” JURIHUM : Jurnal Inovasi dan Humaniora, vol. 1, no. 4, 2023, [Online]. Available: https://jurnalmahasiswa.com/index.php/jurihum
I. Amri, “IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK MENERJEMAHKAN BAHASA ISYARAT,” Jurnal Multidisiplin Saintek Volume , vol. 2, no. 9, pp. 70–87, 2024, [Online]. Available: https://ejournal.warunayama.org/kohesi
R. J. Gunawan, B. Irawan, and C. Setianingsih, “PENGENALAN EKSPRESI WAJAH BERBASIS CONVOLUTIONAL NEURAL NETWORK DENGAN MODEL ARSITEKTUR VGG16,” e-Proceeding of Engineering, vol. 8, no. 5, 2021.
Ety Sutanty, Maukar, Dina Kusuma Astuti, and Handayani, “Penerapan Model Arsitektur VGG16 Untuk Klasifikasi Jenis Sampah,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 3, no. 2, 2023, doi: 10.51454/decode.v3i2.331.
C. Lubis, M.Kom., D. Sumarlie, and T. Handhayani, “PENGENALAN KUE TRADISIONAL INDONESIA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK,” Computatio : Journal of Computer Science and Information Systems, vol. 6, no. 2, 2023, doi: 10.24912/computatio.v6i2.21098.
Akash Nagaraj, “ASL Alphabet,” Kaggle.
S. S. Sindarto, D. E. Ratnawati, and I. Arwani, “Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI) dengan Metode Convolutional Neural Network pada Perangkat Lunak berbasis Android,” urnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 5, 2022.
R. Ricky, E. Hartati, and E. P. Widiyanto, “Identifikasi Ngengat menggunakan Metode Convolutional Neural Network,” MDP Student Conference, vol. 2, no. 1, 2023, doi: 10.35957/mdp-sc.v2i1.4292.
R. Rikendry and A. Maharil, “PERBANDINGAN ARSITEKTUR VGG16 DAN RESNET50 UNTUK REKOGNISI TULISAN TANGAN AKSARA LAMPUNG,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 3, no. 2, 2022, doi: 10.33365/jatika.v3i2.2030.
R. AGUSTINA, R. MAGDALENA, and N. K. C. PRATIWI, “Klasifikasi Kanker Kulit menggunakan Metode Convolutional Neural Network dengan Arsitektur VGG-16,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 10, no. 2, 2022, doi: 10.26760/elkomika.v10i2.446.
W. Setiawan, “PERBANDINGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI FUNDUS,” Jurnal Simantec, vol. 7, no. 2, 2020, doi: 10.21107/simantec.v7i2.6551.
T. Berliani, E. Rahardja, and L. Septiana, “Perbandingan Kemampuan Klasifikasi Citra X-ray Paru-paru menggunakan Transfer Learning ResNet-50 dan VGG-16,” Journal of Medicine and Health, vol. 5, no. 2, 2023, doi: 10.28932/jmh.v5i2.6116.
E. Tanuwijaya and A. Roseanne, “Modifikasi Arsitektur VGG16 untuk Klasifikasi Citra Digital Rempah-Rempah Indonesia,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 1, 2021, doi: 10.30812/matrik.v21i1.1492.
N. L. W. Rahayu, N. Gunantara, and M. Sudarma, “Klasifikasi Jajanan Khas Bali Untuk Preservasi Pengetahuan Kuliner Lokal Menggunakan Arsitektur VGG-16,” SINTECH : Science And Information Technology Journal, vol. 7, no. 1, pp. 1–14, 2024, [Online]. Available: https://doi.org/10.31598
M. F. Naufal and S. F. Kusuma, “Pendeteksi Citra Masker Wajah Menggunakan CNN dan Transfer Learning,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 6, pp. 1293–1300, 2021, doi: 10.25126/jtiik.2021865201.
A. Dwi Putro and H. Tantyoko, “Hybrid Algoritma Vgg16-Net Dengan Support Vector Machine Untuk Klasifikasi Jenis Buah dan sayuran,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 5, no. 2, 2023, doi: 10.35746/jtim.v5i2.335.
Copyright (c) 2024 Mutiara Dolla Meitantya, Christy Atika Sari, Eko Hari Rachmawanto, Rabei Raad Ali
This work is licensed under a Creative Commons Attribution 4.0 International License.
