See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/356025865

IMPLEMENTASI SISTEM PENDETEKSI INDONESIA SIGN LANGUAGE BISINDO

BERBASIS WEB FLASK

Article · July 2021

CITATIONS READS

0 18

3 authors, including:

Mohammad Idham Fachrurrozi Jodi Wahyu

UPN "Veteran" Jawa Timur Universitas Riau
3 PUBLICATIONS   2 CITATIONS    7 PUBLICATIONS   3 CITATIONS   

SEE PROFILE SEE PROFILE

All content following this page was uploaded by Mohammad Idham Fachrurrozi on 09 November 2021.

The user has requested enhancement of the downloaded file.

Jurnal Informatika dan Sistem Informasi (JIFoSI)
Vol. 2, No. 2. Juli 2021
e-ISSN : 2722-130

IMPLEMENTASI SISTEM PENDETEKSI INDONESIA SIGN

LANGUAGE BISINDO BERBASIS WEB FLASK

Mohammad Idham Fachrurrozi1), Yisti Vita Via2), Wahyu S.J Saputra3)

E-mail : 1)idhamoziid@gmail.com, 2)yistivia.if@upnjatim.ac.id,
3)
wahyu.s.j.saputra.if@upnjatim.ac.id

1,2,3)
Program Studi Informatika, Fakultas Ilmu Komputer, UPN “Veteran” Jawa Timur

Abstrak
Interaksi Sosial merupakan sebuah kegiatan manusia dalam berhubungan dengan manusia
lainnya, kegiatan ini terjadi saat manusia melakukan kontak sosial dan komunikasi. Jenis
dalam melakukan komunikasi melalui media yang bisa digunakan salah satunya
menggunakan media komunikasi bahasa isyarat tangan. Terkadang masyarakat belum
paham akan bahasa isyarat tangan yang disampaikan oleh masyarakat tuna rungu, oleh
karena itu diperlukan sebuah sistem pengenalan guna membantu keberlangsungan kedua
masyarakat tersebut. Pengembangan sistem pendeteksi Indonesia Sign Language berbasis
web diharapkan dapat menjadi jembatan antara masyarakat non tuna rungu dengan
masyarakat tuna rungu. Sistem pada web ini menggunakan kerangka kerja pada bahasa
pemrograman Python dengan pemanfaatan Microframework Flask sehingga dapat
memudahkan dalam membangun sistem aplikasi serta tak lain karena fungsionalitasnya
berbasis website sehingga dapat mudah untuk melakukan akses fitur-fitur pada sistem
klasifikasi citra masukan gambar dan sistem ini dapat diakses dari berbagai macam
platform seperti Windows, Android, dan iOS. Sistem ini dirancang menggunakan bantuan
kecerdasan buatan yakni algoritma jaringan syaraf tiruan untuk melakukan prediksi
klasifikasi dan prediksi lokalisasi bahasa isyarat tangan. Hasil dalam penelitian ini adalah
sebuah aplikasi pendeteksi bahasa isyarat yang mampu mendeteksi berbagai macam
bentuk dengan jumlah 26 kelas bahasa isyarat dari huruf alfabet A hingga Z.

Kata Kunci: Klasifikasi, BISINDO, Bahasa Isyarat Indonesia, Indonesia Sign Language,
Machine Learning

1. PENDAHULUAN
Interaksi Sosial merupakan sebuah kegiatan manusia dalam berhubungan dengan
manusia lainnya. Kegiatan tersebut dapat terjadi saat manusia melakukan kontak sosial
dan komunikasi [1]. Adapun komunikasi merupakan sarana penyampaian informasi
dengan proses memberi dan menerima bermacam makna di antara dua orang atau lebih
[2]. Di dalam hubungan masyarakat terdapat kelompok masyarakat lain seperti
masyarakat tuli dengan keadaan yang sedikit spesial dimana mereka tidak memiliki
kemampuan untuk mendengar karena tidak memiliki indera pendengaran atau berada
pada level pendengaran tertentu sehingga membuat mereka tidak dapat berkomunikasi
secara efektif saat menggunakan bahasa lisan. Oleh karena itu, untuk membantu
menunjang sarana komunikasi antar dua masyarakat tersebut tercipta bahasa isyarat.
Terdapat beberapa jenis dalam melakukan komunikasi melalui media yang bisa
digunakan untuk saling berinteraksi satu sama lain, salah satu dari media tersebut adalah
bahasa isyarat tangan [3].
Sistem Isyarat Bahasa Indonesia (SIBI) merupakan sistem bahasa isyarat yang
telah ditetapkan oleh Pemerintah Indonesia sebagai bahasa pengantar di Sekolah Luar
Biasa (SLB), dan telah memiliki kamus yang diterbitkan oleh pemerintah dan sudah
disebarluaskan mulai tahun 1996 dan pada tahun 2015 salah satu organisasi
kemasyarakatan yang bernama Gerakan Kesejahteraan Tunarungu Indonesia

450
 Implementasi Sistem Pendeteksi Indonesia Sign Language Bisindo berbasis Web Flask

(GERKATIN) mengirim perwakilan untuk meminta pemerintah mengakui BISINDO

sebagai bahasa pengantar resmi di SLB. Selain itu, GERKATIN juga terus aktif
mengangkat eksistensi BISINDO sebagai budaya masyarakat Tuli khususnya di
Indonesia, serta menyadarkan masyarakat Tuli di Indonesia bahwa SIBI yang digunakan
selama ini bukanlah bagian dari budaya Tuli Indonesia [4].
Berdasarkan dari paparan permasalahan pada paragraf sebelumnya, dibangun
sebuah aplikasi dimana pada dalam sistem aplikasi dapat mengklasifikasi bahasa isyarat
tangan yang diharapkan dapat dimanfaatkan oleh seseorang dalam mempelajari bahasa
isyarat BISINDO. Pada penelitian ini terdapat beberapa perancangan dari pembuatan
sistem bahasa isyarat, yang mana dapat mengenali bahasa isyarat berupa 26 huruf alfabet
dari A hingga Z. sistem tersebut dirancang menggunakan bantuan kecerdasan buatan
yakni algoritma jaringan syaraf tiruan untuk melakukan prediksi klasifikasi dan prediksi
lokalisasi serta dengan pemanfaatan kerangka kerja sistem dibangun dengan
menggunakan Microframework Flask.

2. METODOLOGI
Dibutuhkan rangkaian langkah-langkah kerja yang sistematis dengan urutan yang
telah direncanakan guna membantu penelitian ini dengan baik. Hal ini bertujuan agar
mampu mencapai tujuan penelitian. Adapun metodologi pada penelitian ini terdiri dari
beberapa tahapan yang diilustrasikan pada gambar 1.

Gambar 1 Metodologi penelitian

2.1 Analisis Data

Analisis data dilakukan dengan diawali studi literatur yang berguna untuk
mendapatkan dasar teori sebagai pendukung dalam melakukan sebuah penelitian seperti
halnya mengenai informasi algoritma klasifikasi jaringan syaraf tiruan, pengenalan objek,
hingga bentuk huruf dalam bahasa isyarat BISINDO. Penulis melakukan studi literatur
dengan mencari serta mempelajari publikasi ilmiah, artikel ilmiah yang telah banyak
tersedia secara daring, penelitian sebelumnya yang hampir serupa dengan penelitian yang

Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2, No. 2. Juli 2021 | 451
 Implementasi Sistem Pendeteksi Indonesia Sign Language Bisindo berbasis Web Flask

penulis lakukan, dokumentasi resmi dari perangkat lunak, serta berbagai forum diskusi
daring perangkat lunak.
Objek data pada penelitian ini merupakan dataset yang digunakan bernama
ISLBISINDO1 yang dibuat oleh tiga orang dengan total gambar yang ada sebanyak 2080
data yang terbagi menjadi 26 kelas dari huruf A hingga Z dengan menerapkan aturan
pareto [5]. Dalam aturan pareto tersebut sehingga pembagian data latih dan data uji yang
masing-masing sebesar 80% dan 20%. Pengambilan gambar dataset tersebut
menggunakan kamera Digital Single Lens Reflex (DSLR) Canon tipe 1200D yang
mengakibatkan ukuran gambar sebesar 1728ｘ 2592. Setiap data berekstensi “.JPG”
dengan orientasi rotasi yang tidak beraturan. Adapun objek data tersebut dapat dilihat
pada gambar 2.

Gambar 2 Sampel dataset

2.2 Rancangan Sistem

Pada tahapan rancangan sistem terdapat 2 proses tahapan yaitu rancangan desain
user interface dan rancangan DFD. Untuk rancangan desain user interface dibuat dengan
sedemikian dengan 2 inti komponen yaitu komponen ”header” digunakan untuk
meletakkan link eksternal mengenai informasi tentang profile pengembang, dan judul
digunakan penamaan pada sistem aplikasi, kemudian terdapat komponen ”main section”
pada letak tengah desain UI aplikasi yang terdapat tombol upload gambar digunakan
untuk mengupload gambar bahasa isyarat tangan yang ingin diprediksi, image preview
digunakan untuk memperlihatkan tampilan hasil dari upload gambar, hasil prediksi
klasifikasi digunakan untuk menampilkan hasil klasifikasi kelas dari citra gambar
masukan dan hasil prediksi lokalisasi digunakan untuk menampilkan hasil prediksi
lokalisasi gambar. Adapun rancangan desain UI dapat dilihat pada gambar 3.

Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2, No. 2. Juli 2021 | 452
 Implementasi Sistem Pendeteksi Indonesia Sign Language Bisindo berbasis Web Flask

Gambar 3 Rancangan Desain UI

Setelah proses rancangan desain UI kemudian dapat dilakukan pembuatan

rancangan DFD sistem yang dapat dilihat pada gambar 4. Data Flow Diagram (DFD)
adalah sebuah teknik grafis yang menggambarkan aliran informasi dan transformasi yang
diaplikasikan pada saat data bergerak dari masukan menjadi keluaran sehingga digunakan
untuk membangun dan mengimplementasikan aplikasi sistem [6].

Gambar 4 Rancangan DFD Sistem

2.3 Implementasi Sistem

Dalam melakukan implementasi sistem dilakukan penulisan baris-baris kode syntax
dengan menggunakan Microframework Flask yang di dalamnya terdiri dari komponen
file seperti HTML, CSS dan Python serta menggunakan Model jaringan syaraf tiruan
(JST) yang telah dilakukan proses pelatihan guna memprediksi kelas pada hasil citra
masukan. Adapun untuk lingkungan pengembangan penelitian ini yang termasuk dalam
membangun sistem pengenalan bahasa isyarat BISINDO dibutuhkan beberapa perangkat
keras dan perangkat lunak yang dibutuhkan sebagai penunjang pengembangan. Penelitian
ini menggunakan beberapa perangkat keras yang diantaranya:
a. Laptop HP Pavilion 14-V042TX dengan processor Intel Core i5-4210U
b. NVIDIA GeForce 840M 4GB
c. RAM 8GB

Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2, No. 2. Juli 2021 | 453
 Implementasi Sistem Pendeteksi Indonesia Sign Language Bisindo berbasis Web Flask

Untuk perangkat lunak dalam pengembangan penelitian ini yakni menggunakan

beberapa perangkat sebagai berikut:
a. OS Windows 10 64 bit
b. Bahasa Pemrograman Python
c. Google Collab
d. Jupyter Notebook
e. Tensorflow.keras
f. OpenCV

2.4 Pengujian Sistem

Pada pengujian sistem diperlukan untuk mengetahui apakah sistem dapat berjalan
dengan baik khususnya pada pengujian fungsionalitas aplikasi sistem. Adapun pengujian
tersebut dilakukan dengan menggunakan metode black box. Pada proses Black Box
Testing dengan cara mencoba program yang telah dibuat dengan mencoba memasukkan
data masukan pada setiap fungsi kerjanya [7].

3. HASIL DAN PEMBAHASAN

3.1 Hasil Implementasi Sistem

Gambar 5 Halaman pengguna prediksi klasifikasi BISINDO

Pada mulanya pengguna memasukkan citra bahasa isyarat BISINDO khusus abjad
A sampai Z. Pada gambar 5 tersebut masukan citra yang dilakukan adalah 128 × 128
sehingga hanya memerlukan beberapa detik saja pada proses klasifikasi karena semakin
besar masukan citra maka semakin lama pula proses klasifikasi dan lokalisasi yang
dilakukan oleh sistem.

Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2, No. 2. Juli 2021 | 454
 Implementasi Sistem Pendeteksi Indonesia Sign Language Bisindo berbasis Web Flask

Gambar 6 Hasil Prediksi klasifikasi BISINDO

Pada gambar 6 merupakan tampilan hasil prediksi abjad dari bahasa isyarat
tersebut serta menunjukkan angka akurasi dari prediksi atas citra masukan dengan
jawaban abjad sebenarnya. Dan menunjukkan angka akurasi sebesar
99.9818503856659% pada huruf A. Hal ini dapat dikatakan bahwa implementasi sistem
telah berhasil dibangun dengan baik.

3.2 Hasil Pengujian Sistem

Adapun hasil pengujian sistem dengan menggunakan metode black box testing
dapat dilihat pada tabel 1 sebagai berikut:

Tabel 1 Hasil Pengujian Sistem

No Aktivitas Uji Coba Hasil Uji Coba

1 Masuk halaman awal Berhasil
2 Upload citra gambar Berhasil
4 Klik tombol “about” Berhasil
5 Klik tombol “prediksi” Berhasil
6 Muncul hasil prediksi kelas klasifikasi Berhasil
7 Muncul hasil prediksi lokalisasi Berhasil
8 Muncul tingkat akurasi hasil prediksi klasifikasi Berhasil

4. KESIMPULAN DAN SARAN

Berdasarkan pemaparan dari bab sebelumnya dapat ditarik kesimpulan bahwa
sistem ini telah berhasil menyelesaikan perancangan dan implementasi sistem
menggunakan bantuan kecerdasan buatan yakni algoritma jaringan syaraf tiruan sebagai
proses mengklasifikasi citra dari masukan gambar supaya sistem dapat melakukan

Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2, No. 2. Juli 2021 | 455
 Implementasi Sistem Pendeteksi Indonesia Sign Language Bisindo berbasis Web Flask

prediksi sebuah kelas bahasa isyarat tangan serta prediksi lokalisasi pada citra bahasa
isyarat. Kemudian juga berhasil dilakukan pengujian pada fungsionalitas sistem dengan
menggunakan metode black box testing secara baik.
Adapun untuk saran dalam pengembangan penelitian ini yaitu peningkatan pada
cara kerja sistem seperti menambahkan fitur secara realtime pada pengenalan huruf
bahasa isyarat dengan menggunakan kamera sehingga lebih memudahkan pengguna
dalam mengklasifikasi citra gambar.

5. DAFTAR RUJUKAN
[1] Soekanto. S & Budi S., 2014. Sosiologi Suatu Pengantar. Jakarta: PT. Raja
Grafindo Persada.
[2] Aththar, Muhammad Ahmad. 2012. The Magic of Communication. Jakarta:
Serambi Ilmu Semesta.
[3] Mursita, Rohmah Ageng. 2015. “Respon Tunarungu Terhadap Penggunaan Sistem
Bahasa Isyarat Indonesia (SIBI) Dan Bahasa Isyarat Indonesia (BISINDO) Dalam
Komunikasi.” INKLUSI. 2(2), pp. 221-232.
[4] Utama, A. (2015). Penyandang Tunarungu Desak Pemerintah Aplikasikan Bisindo.
[Online] Available at https://www.cnnindonesia.com/nasional/20150928095727-
20-81295/penyandang-tunarungu-desak-pemerintah-aplikasikan-bisindo [Accessed
21 Mei 2021].
[5] R. Dunford, Q. Su, E. Tamang, A. Wintour, and Project. 2014. “The Pareto
Principle Puzzle,” Plymouth Student Sci., vol. 7, no. 1, pp. 140–148.
[6] Novaliendry, D. 2009. “APLIKASI PENGGUNAAN METODE PROMETHEE
DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK PENENTUAN
MEDIA PROMOSI Studi Kasus: STMIK Indonesia”. 5(2), pp. 104-111.
[7] Cahya, F.N., Suherman, D., Aryanti, S., Angga, H.P & Saifudin, A. 2019.
“Pengujian Black Box pada Aplikasi Sistem Seleksi Sales Terbaik Menggunakan
Teknik Equivalence Partitions” Jurnal Informatika Universitas Pamulang. 4(4), pp.
125-130.

Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2, No. 2. Juli 2021 | 456

View publication stats