METODE PENELITIAN

3D CNN
MEMBUAT DATASET BISINDO
Untuk membuat dataset bahasa isyarat Indonesia, Anda perlu mengumpulkan
serangkaian gambar atau video dari tangan yang melakukan berbagai isyarat
bahasa isyarat Indonesia. Anda dapat merekam video atau mengambil gambar dari
berbagai sudut dan jarak yang berbeda.
Setelah Anda mengumpulkan dataset gambar atau video, langkah selanjutnya
adalah untuk melakukan pra-pemrosesan data dan mempersiapkannya agar sesuai
dengan model 3DCNN. Beberapa langkah yang mungkin diperlukan:
1. Pra-Pemrosesan Gambar atau Video:
 Konversi video ke urutan gambar jika awalnya berformat video.
 Perkecil ukuran gambar atau video agar memudahkan proses komputasi.
 Normalisasi gambar agar memiliki skala yang konsisten.
 Pisahkan data ke dalam training set, validation set, dan test set.
2. Labeling:
 Setiap gambar atau video perlu diberi label yang sesuai dengan isyarat
bahasa isyarat Indonesia yang ditunjukkan.
3. Implementasi 3DCNN:
 Gunakan library atau framework deep learning seperti TensorFlow atau
PyTorch untuk membuat dan melatih model 3DCNN.
 Desain arsitektur 3DCNN yang sesuai dengan dataset Anda. Pastikan
untuk menyesuaikan jumlah layer, ukuran filter, dan jumlah neuron
berdasarkan dataset dan kompleksitas isyarat bahasa isyarat Indonesia.
4. Pelatihan Model:
 Bagi dataset menjadi training set, validation set, dan test set.
 Lakukan proses pelatihan model menggunakan training set dan validasi
model menggunakan validation set.
 Optimalkan parameter model untuk memperoleh hasil yang baik.
5. Evaluasi dan Pengujian Model:
 Gunakan test set untuk menguji kinerja model yang telah dilatih.
 Evaluasi model menggunakan metrik yang sesuai, seperti akurasi, presisi,
recall, atau metrik khusus lainnya tergantung pada masalah yang dihadapi.
6. Fine-Tuning dan Pengoptimalan:
 Jika performa model kurang memuaskan, lakukan fine-tuning pada model.
Hal ini bisa mencakup penyesuaian hyperparameter, penambahan layer,
atau teknik lainnya.