Model Penerjemah Bahasa Isyarat Indonesia (BISINDO) Menggunakan Pendekatan Transfer Learning

Abstract

Sistem Bahasa Isyarat Indonesia (SIBI) yang berasal dari bahasa isyarat Amerika (American Sign Language) dan lebih banyak dipakai pada situasi formal tidak terlalu familiar bagi insan tuli atau difabel rungu di Indonesia karena mereka umumnya menggunakan Bahasa Isyarat Indonesia (Bisindo). Sejak 1975 perwakilan Tuli melalui organisasi kemasyarakatan Gerakan untuk Kesejahteraan Tunarungu Indonesia (Gerkatin) telah meminta pemerintah untuk mengakui Bisindo sebagai bahasa pengantar resmi di Sekolah Luar Biasa namun upaya ini hingga kini belum berhasil. Untuk membantu meningkatkan aksesibilitas Tuli dengan menambah jumlah penerjemah serta memperluas pemahaman Bisindo di masyarakat luas, penelitian ini berupaya membangun mesin penerjemah bahasa isyarat menggunakan teknik machine learning dengan algoritma Convolutional Neural Network (CNN). Karena bukan merupakan bahasa isyarat format, ketersediaan dataset Bisindo di Internet terbatas. Metode transfer learning, yaitu dengan memanfaatkan model yang dilatih dengan dataset ASL kemudian disesuaikan  untuk melakukan pekerjaan yang sama pada menggunakan dataset Bisindo digunakan dalam penelitian ini untuk mengatasi masalah keterbatasan dataset. Karena perbedaan karakteristik bahasa isyarat dan gestur dari masing-masing bahasa isyarat, pemindahan knowledge khususnya learning parameter dari Model ASL tidak dapat meningkatkan performa Model Bisindo dalam memprediksi seluruh huruf pada alfabet Bisindo sehingga model hasil transfer learning hanya mampu memprediksi huruf-huruf Bisindo yang memiliki kemiripan dengan ASL.