"Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi
bahasa isyarat alfabet BISINDO berbasis citra menggunakan algoritma You Only
Look Once (YOLO) yang terintegrasi dengan Convolutional Neural Network
(CNN). Latar belakang penelitian didasarkan pada keterbatasan komunikasi antara
penyandang tunarungu dan masyarakat umum, sehingga diperlukan solusi
teknologi berbasis kecerdasan buatan yang mampu mengenali gestur tangan
secara otomatis. Metode penelitian yang digunakan adalah pendekatan kuantitatif
dengan tahapan pengumpulan dataset citra tangan, preprocessing data, pelabelan
menggunakan format YOLO, serta pelatihan model menggunakan framework
PyTorch pada platform Google Colaboratory. Dataset yang digunakan terdiri dari
citra alfabet bahasa isyarat dengan pembagian data latih, validasi, dan uji. Hasil
penelitian menunjukkan bahwa model yang dikembangkan mampu mencapai
performa yang sangat baik dengan nilai Precision sebesar 97,7%, Recall sebesar
99,4%, mAP50 sebesar 99,5%, serta mAP50-95 sebesar 98,6%, dengan kecepatan
inferensi sekitar 2–3 milidetik per gambar. Hal ini menunjukkan bahwa sistem
mampu mendeteksi dan mengklasifikasikan bahasa isyarat secara akurat dan realtime. Dengan demikian, penelitian ini membuktikan bahwa kombinasi YOLO dan
CNN efektif dalam pengembangan sistem pengenalan bahasa isyarat berbasis citra
serta berpotensi menjadi solusi teknologi asistif untuk mendukung komunikasi
yang lebih inklusif bagi penyandang disabilitas.
Keywords: BISINDO Sign Language, Convolutional Neural Network (CNN),
Deep Learning, You Only Look Once (YOLO).
"