Klasifikasi Gestur BISINDO Berbasis Landmark Tangan-Lengan Menggunakan Mediapipe Holistic dan Random Forest
DOI:
https://doi.org/10.53624/jsitik.v4i1.718Keywords:
Bahasa Isyarat Indonesia, BISINDO, Random Forest, MediaPipe HolisticAbstract
Latar Belakang: Bahasa Isyarat Indonesia (BISINDO) menjadi media komunikasi primer bagi komunitas tunarungu di Indonesia. Akan tetapi, tingkat pemahaman masyarakat umum terhadap BISINDO masih minim, sehingga dibutuhkan inovasi teknologi untuk mengatasi hambatan komunikasi ini. Tujuan: Studi ini bertujuan untuk mengevaluasi efektivitas integrasi algoritma Random Forest dengan sistem ekstraksi fitur MediaPipe Holistic dalam mengidentifikasi gestur alfabet statis BISINDO secara tepat dan efisien. Metode: Riset ini menerapkan pendekatan kuantitatif eksperimental melalui pengumpulan data gestur alfabet BISINDO (A–Z kecuali J dan R). Setiap gerakan direkam menggunakan MediaPipe Holistic untuk menghasilkan 150 fitur landmark tiga dimensi. Dataset diseimbangkan dan diolah menggunakan model Random Forest dengan konfigurasi standar. Hasil: Model yang dikembangkan menunjukkan tingkat akurasi 100% pada dataset pengujian dan 96% pada data baru dari pengguna yang berbeda, mengindikasikan performa klasifikasi yang optimal dan kemampuan generalisasi yang baik. Kesimpulan: Integrasi MediaPipe Holistic dan Random Forest terbukti efektif dalam klasifikasi gestur BISINDO dan memiliki potensi untuk diimplementasikan dalam aplikasi penerjemah bahasa isyarat real-time yang inklusif.
Downloads
References
Agustiani, S., Tajul Arifin, Y., Junaidi, A., Khotimatul Wildah, S., & Mustopa, A. (2022). Klasifikasi Penyakit Daun Padi menggunakan Random Forest dan Color Histogram. Jurnal Komputasi, 10(1), 2022. https://doi.org/10.23960/komputasi.v10i1.2961 DOI: https://doi.org/10.23960/komputasi.v10i1.2961
Amiarrahman, M. R., & Handhika, T. (2020). Analisis dan Implementasi Algoritma Klasifikasi Random Forest Dalam Pengenalan Bahasa Isyarat Indonesia (BISINDO). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2(1). https://doi.org/10.29407/inotek.v2i1.461
Ariansyah, D. S., & Ariansyah, D. S. (2024). PENDETEKSI KATA DALAM BAHASA ISYARAT MENGGUNAKAN ALGORITMA YOLO VERSI 8. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3). https://doi.org/10.23960/jitet.v12i3.4904 DOI: https://doi.org/10.23960/jitet.v12i3.4904
Breva Yunanda, A., Mandita, F., & Primasetya Armin, A. (2018). Pengenalan Bahasa Isyarat Indonesia (BISINDO) Untuk Karakter Huruf Dengan Menggunakan Microsoft Kinect. Fountain of Informatics Journal, 3(2), 41. https://doi.org/10.21111/fij.v3i2.2469 DOI: https://doi.org/10.21111/fij.v3i2.2469
Budi Utomo, P., Faruqziddan, M., Herdika Septa Aulia, E., & Dini Azzahra, S. (2024). Perbandingan Skenario Balancing Oversampling dan Undersampling dalam Klasifikasi Resiko Kambuh Kanker Tiroid menggunakan Algoritma SVM Linear. JAMI: Jurnal Ahli Muda Indonesia, 5(2), 172–182. https://doi.org/10.46510/jami.v5i2.320 DOI: https://doi.org/10.46510/jami.v5i2.320
Dwi Nurhayati, O., Eridani, D., & Hafiz Tsalavin, M. (2022). SISTEM ISYARAT BAHASA INDONESIA (SIBI) METODE CONVOLUTIONAL NEURAL NETWORK SEQUENTIAL SECARA REAL TIME A REAL-TIME INDONESIAN LANGUAGE SIGN SYSTEM USING THE CONVOLUTION NEURAL NETWORK METHOD. Jurnal Teknologi Informasi Dan Ilmu Komputer, 9(4). https://doi.org/10.25126/jtiik.202294787 DOI: https://doi.org/10.25126/jtiik.2022944787
Indra, D., Hayati, L. N., Daris, M. A., As’ad, I., & Mansyur, U. (2024). Penerapan Metode Random Forest dalam Klasifikasi Huruf BISINDO dengan Menggunakan Ekstraksi Fitur Warna dan Bentuk. Komputika : Jurnal Sistem Komputer, 13(1), 29–40. https://doi.org/10.34010/komputika.v13i1.10363 DOI: https://doi.org/10.34010/komputika.v13i1.10363
Moetia Putri, H., & Fuadi, W. (2022). PENDETEKSIAN BAHASA ISYARAT INDONESIA SECARA REAL-TIME MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM). Jurnal Teknologi Terapan and Sains, 3(1). https://doi.org/10.29103/tts.v3i1.6853 DOI: https://doi.org/10.29103/tts.v3i1.6853
Pratama, M. A., Erfit, M. R., Farhani, N. M., Hartono, I. A., & Maryamah, M. (2023). Klasifikasi Abjad SIBI (Sistem Bahasa Isyarat Indonesia) menggunakan Mediapipe dengan metode Deep Learning. Seminar Nasional Sains Data, 3(1). https://doi.org/10.33005/senada.v3i1.102 DOI: https://doi.org/10.33005/senada.v3i1.102
Putra Argadianata, A., Abdul Fatah, D., & Sukri, H. (2025). KLASIFIKASI KUALITAS BUAH APEL MENGGUNAKAN METODE RANDOM FOREST. JATI (Jurnal Mahasiswa Teknik Informatika), 9(2). https://doi.org/10.36040/jati.v9i2.12854 DOI: https://doi.org/10.36040/jati.v9i2.12854
Rachmawati, I. D. A., Yunanda, R., Hidayat, M. F., & Wicaksono, P. (2023). Deep Transfer Learning for Sign Language Image Classification: A Bisindo Dataset Study. Engineering, MAthematics and Computer Science Journal (EMACS), 5(3), 175–180. https://doi.org/10.21512/emacsjournal.v5i3.10621 DOI: https://doi.org/10.21512/emacsjournal.v5i3.10621
Ristyawan, A., Nugroho, A., & Amarya, T. K. (2025). Optimasi Preprocessing Model Random Forest Untuk Prediksi Stroke. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 12(1), 29–44. https://doi.org/10.35957/jatisi.v12i1.9587 DOI: https://doi.org/10.35957/jatisi.v12i1.9587
Sari, M., & Jamzuri, E. R. (2025). Hand Sign Recognition of Indonesian Sign Language System SIBI Using Inception V3 Image Embedding and Random Forest. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 9(2), 258–265. https://doi.org/10.29207/resti.v9i2.6156 DOI: https://doi.org/10.29207/resti.v9i2.6156
Suyudi, I., Sudadio, S., & Suherman, S. (2023). Pengenalan Bahasa Isyarat Indonesia menggunakan Mediapipe dengan Model Random Forest dan Multinomial Logistic Regression. Jurnal Ilmu Siber Dan Teknologi Digital, 1(1), 65–80. https://doi.org/10.35912/jisted.v1i1.1899 DOI: https://doi.org/10.35912/jisted.v1i1.1899
Veronika Aritonang, Y., Purnama Napitupulu, D., Halomoan Sinaga, M., & Amalia, J. (2022). Pengaruh Hyperparameter Pada Fasttext Terhadap Performa Model Deteksi Sarkasme Berbasis Bi-LSTM. Jurnal Teknik Informatika Dan Sistem Informasi, 9(3). https://doi.org/10.35957/jatisi.v9i3.1331 DOI: https://doi.org/10.35957/jatisi.v9i3.1331
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Azra'i Mahendra Imam, Aldestra Bagas Wardana, Jodi Armyanto, Moch. Raffi Dwi Saktya Rahman
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
1. Hak cipta atas artikel apa pun dipegang oleh penulisnya.
2. Penulis memberikan jurnal, hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk membagikan karya dengan pengakuan atas kepenulisan dan publikasi awal karya tersebut dalam jurnal ini.
3. Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan dari publikasi awalnya di jurnal ini.
4. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat mengarah pada pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan.
5. Artikel dan materi terkait yang diterbitkan didistribusikan di bawah Lisensi Internasional Creative Commons Attribution-ShareAlike 4.0
.png)
