<?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="97810">
 <titleInfo>
  <title>PENERAPAN ARTIFICIAL NEURAL NETWORK UNTUK MENERJEMAHKAN BAHASA ISYARAT INDONESIA (BISINDO) DENGAN METODE BACKPROPAGATION</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>IVAN HORATIUS</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>Fakultas MIPA (S1)</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Manusia merupakan makhluk sosial yang selalu berinteraksi dan berkomunikasi satu sama lain. Namun terdapat keterbatasan komunikasi bagi masyarakat penyandang disabilitas tunarungu dan tuna wicara dengan masyarakat lainnya. Hal ini disebabkan tidak semua manusia dapat berkomunikasi dengan menggunakan bahasa isyarat. Karena itu diperlukan suatu sistem analisis yang dapat melakukan pengenalan pola bahasa isyarat Indonesia. Di Indonesia terdapat dua jenis bahasa isyarat yang digunakan , yaitu Sistem Bahasa Isyarat Indonesia (SIBI) dan Bahasa Isyarat Indonesia (BISINDO). Pada penelitian ini jenis bahasa isyarat yang digunakan adalah Bisindo. Pengenalan pola Bisindo dilakukan dengan menggunakan machine learning, yaitu Artifiial Neural Network dengan metode Backpropagation. Data yang digunakan dalam penelitian ini merupakan data gambar citra tangan yang membentuk alfabet bahasa isyarat Bisindo. Data akan dilakukan tahapan preprocessing terlebih dahulu untuk menghilangkan noisy pada gambar citra, tahapan yang dilakukan adalah segmentasi warna, segmentasi skala abu-abu, segmentasi biner, dan deteksi tepi citra. Pembagian data latih dan data uji dilakukan dengan dua proporsi yang berbeda, yaitu 80:20 dan 70:30. Akurasi tertinggi didapatkan pada proporsi data 80:20 dengan menggunakan parameter epoch=700, learning rate =0.001, batch size = 25, dan jumlah hidden nodes =100. Akurasi yang didapatkan sebesar 98.41%.</note>
 <note type="statement of responsibility"></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>97810</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-02-03 14:30:27</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-02-03 15:23:28</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>