<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="90855">
 <titleInfo>
  <title>PENGENALAN GERAKAN ISYARAT BAHASA INDONESIA MENGGUNAKAN ALGORITMA SURF DAN K-NEAREST NEIGHBOR</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>NUR AMALIA HASMA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Universitas Syiah Kuala</publisher>
   <dateIssued>2021</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Null</form>
  <extent></extent>
 </physicalDescription>
 <note>Bahasa isyarat merupakan salah satu komunikasi non verbal atau komunikasi non-vokal, di mana tindakan tubuh yang terlihat mengomunikasikan pesan tertentu. Dalam berkomunikasi menggunakan Bahasa isyarat mengikuti bentuk wajah dan arah tangan, pergerakan tangan, bibir, tubuh dan ekspresi wajah. Hal tersebut dilakukan dengan maksud untuk menyampaikan isi pikiran oleh sang penutur. Bahasa Isyarat banyak digunakan oleh para tuna rungu dan tuna wicara dalam melakukan komunikasi. Pada penelitian ini dilakukan pengenalan isyarat Bahasa Indonesia berupa isyarat huruf dan angka berdasarkan Sistem Isyarat Bahasa Indonesia (SIBI) menggunakan teknik pengolahan citra. Proses pengenalan isyarat SIBI dilakukan menggunakan algoritma SURF (Speeded Up Robust Features) sebagai metode ekstraksi fitur dan algoritma K-NN (K-Nearest Neighbor) sebagai metode klasifikasi. Hasil pengenalan yang didapatkan menggunakan algoritma SURF dan K-NN, dilanjutkan dengan uji akurasi menggunakan k-fold Cross Validation berdasarkan perolehan nilai error rate untuk masing-masing nilai K. Nilai K = 7, K = 8, K = 9, dan  K = 10 dipilih karena memiliki nilai error rate terendah di antara nilai K lainnya. Uji akurasi pengenalan isyarat Bahasa Indonesia menggunakan 10-fold Cross Validation dengan K = 7 didapatkan akurasi tertinggi dengan persentase 90%.</note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>90855</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2021-06-15 22:15:34</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2021-06-23 10:35:10</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>