Implementasi Support Vector Machine dan Random Forest Untuk Klasifikasi Angka dan Huruf BISINDO
Andi Apryan Mallarangen(1*); Dolly Indra(2);
(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(*) Corresponding Author
AbstractBahasa Isyarat Indonesia (BISINDO) adalah alat utama yang digunakan oleh orang-orang yang tidak bisa mendengar dalam berkomunikasi sehari-hari. Namun, banyak orang yang tidak memahami BISINDO, sehingga menyulitkan mereka untuk berinteraksi dengan orang lain. Karena itu, penelitian ini mencoba membuat sistem otomatis yang dapat menerjemahkan atau mengenali bahasa isyarat. Penelitian ini fokus pada pengembangan model yang dapat mengklasifikasikan gambar tangan BISINDO menggunakan metode pembelajaran mesin, yaitu Support Vector Machine (SVM) dan Random Forest. Dataset yang digunakan terdiri dari gambar tangan yang menunjukkan berbagai huruf dan angka dalam BISINDO. Gambar-gambar tersebut diproses menggunakan Histogram of Oriented Gradients (HOG) untuk menghasilkan fitur yang mampu merepresentasikan bentuk tangan secara akurat meskipun terjadi perubahan cahaya, ukuran, atau arah gambar. Pada tahap klasifikasi, SVM digunakan dengan kernel radial basis function (RBF) yang bisa menangani data yang tidak bersifat linear, sedangkan Random Forest menggunakan sejumlah pohon sebagai classifier ensemble untuk meningkatkan kemampuan model dalam pengenalan secara umum. Kedua metode ini dibandingkan untuk menentukan metode mana yang paling efektif dalam mengenali BISINDO. Hipotesis penelitian menyatakan bahwa Random Forest cenderung memberikan hasil yang lebih akurat jika data yang digunakan bersih dan terstruktur dengan baik, sedangkan SVM lebih stabil ketika menghadapi variasi dalam gambar tangan yang kompleks
KeywordsBISINDO; HOG; SVM; Random Forest; Klasifikasi gestur tangan
|
Full Text:PDF |
Article MetricsAbstract view: 105 timesPDF view: 77 times |
Digital Object Identifier https://doi.org/10.33096/linier.v2i4.3341
|
Cite |
References
D. Indra, L. N. Hayati, M. A. Daris, I. As’ad, dan U. Mansyur, “Penerapan Metode Random Forest dalam Klasifikasi Huruf BISINDO dengan Menggunakan Ekstraksi Fitur Warna dan Bentuk,” Komputika : Jurnal Sistem Komputer, vol. 13, no. 1, hlm. 29–40, Mar 2024, doi: 10.34010/komputika.v13i1.10363.
B. Septiani, T. Hasanuddin, dan W. Astuti, “Classification of Lontara Script Using K-NN Algorithm, Decision Tree, and Random Forest Based on Hu Moments and Canny Segmentation,” Indonesian Journal of Data and Science, vol. 6, no. 2, hlm. 163–174, Jul 2025, doi: 10.56705/ijodas.v6i2.281.
N. Haliza, E. Kuntarto, dan A. Kusmana, “Pemerolehan Bahasa Anak Berkebutuhan Khusus (Tunarungu) Dalam Memahami Bahasa,” Metabasa : Jurnal Bahasa, Sastra dan Pembelajaran, vol. 2, no. 1, Jun 2020, doi: 10.37058/mbsi.v2i1.1805.
K. K. Candra dan K. Kusrini, “Klasifikasi Gambar Bahasa Isyarat Indonesia (Bisindo) Pada Komunitas Tuli Menggunakan Machine Learning,” e-Jurnal JUSITI (Jurnal Sistem Informasi dan Teknologi Informasi), vol. 14, no. 1, hlm. 56–63, Mei 2025, doi: 10.36774/jusiti.v14i1.1649.
R. Wiliam, C. Lufian, Meiliana, dan A. Y. Zakiyyah, “Recognitions of Bahasa Isyarat Indonesia (BISINDO) Alphabets Using SVM and Mediapipe,” dalam 2024 6th International Conference on Cybernetics and Intelligent System (ICORIS), IEEE, Nov 2024, hlm. 1–5. doi: 10.1109/ICORIS63540.2024.10903898.
Agus Nugroho, R. Setiawan, A. Harris, dan Beny, “Deteksi Bahasa Isyarat Bisindo Menggunakan Metode Machine Learning,” Jurnal PROCESSOR, vol. 18, no. 2, Nov 2023, doi: 10.33998/processor.2023.18.2.1380.
A. B. Wardana, J. Armyanto, dan E. Daniati, “Perancangan Algoritma SVM untuk Pengembangan Model Pendeteksi Bahasa Isyarat Berbasis Landmark,” Prosiding Seminar Nasional Inovasi Teknologi Tahun, vol. 9, no. 1, hlm. 2549–7952, Jul 2025, doi: https://doi.org/10.29407/9esmzh27.
A. Hadi, “Rancang Bangun Aplikasi Penerjemah BISINDO (Bahasa Isyarat Indonesia) Menggunakan Metode Random Forest Classifier,” Universitas Lancang Kuning, Pekanbaru, 2023. [Daring]. Tersedia pada: http://ocs.machung.ac.id/index.php/seminarnasionalmachung/article/view/397
S. A. Kaffah dan Y. Ramdhani, “Gesture Recognition untuk Deteksi Bahasa Isyarat BISINDO: Pendekatan Mediapipe dan Random Forest,” JOINTECS (Journal of Information Technology and Computer Science), vol. 8, no. 3, hlm. 105, Sep 2023, doi: 10.31328/jointecs.v8i3.4813.
N. Alexander, R. B. Widodo, dan W. Swastika, “Penggunaan Machine Learning Dalam Klasifikasi Bahasa Isyarat BISINDO Menggunakan Kamera,” Prosiding Seminar Nasional Universitas Ma Chung, vol. 3, no. 1, hlm. 11–26, Des 2023, [Daring]. Tersedia pada: https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/7185
A. Mahendra, Moch. R. D. S. Rahman, dan E. Daniati, “Perancangan Sistem Penerjemah BISINDO Berbasis Landmark Tangan Secara Realtime Menggunakan Random Forest dan Open CV,” Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), vol. 9, no. 3, hlm. 2191–2197, Jul 2025, [Daring]. Tersedia pada: https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/7185
Rio Subandi, Herman, dan Anton Yudhana, “Pre-Processing Pada Klasifikasi Citra Medis Pneumonia,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 4, no. 1, hlm. 86–93, Nov 2023, doi: 10.51454/decode.v4i1.198.
I. Z. Nisa, S. N. Endah, P. S. Sasongko, R. Kusumaningrum, K. Khadijah, dan R. Rismiyati, “Klasifikasi Citra Sampah Menggunakan Support Vector Machine dengan Ekstraksi Fitur Gray Level Co-Occurrence Matrix dan Color Moments,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 5, hlm. 921–930, Okt 2022, doi: 10.25126/jtiik.2022954868.
M. I. Ichsan, “Implementasi Machine Learning Untuk Deteksi Penyakit Pada Kucing Menggunakan Random Forest,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3S1, hlm. 2000–2010, Okt 2025, doi: 10.23960/jitet.v13i3S1.8164.
S. Mahmuda, “Implementasi Metode Random Forest pada Kategori Konten Kanal Youtube,” JURNAL JENDELA MATEMATIKA, vol. 2, no. 01, hlm. 21–31, Jan 2024, doi: 10.57008/jjm.v2i01.633.
Z. Alamin, Sutriawan, Siti Mutmainah, dan Muhammad Hayun, “Optimasi Ekstraksi Fitur Citra Karakter Font Menggunakan Algoritma Support Vector Machines (SVM) untuk Klasifikasi Tipografi,” Scientific : Journal of Computer Science and Informatics, vol. 2, no. 1, hlm. 30–39, Jan 2025, doi: 10.34304/scientific.v2i1.344.
S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, dan M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, hlm. 153–160, Okt 2023, doi: 10.57152/malcom.v3i2.897.
Y. Brianorman dan R. Munir, “Perbandingan Pre-Trained CNN: Klasifikasi Pengenalan Bahasa Isyarat Huruf Hijaiyah,” J. Sistem Info. Bisnis, vol. 13, no. 1, hlm. 52–59, Jul 2023, doi: 10.21456/vol13iss1pp52-59.
N. Ayuningtyas dan W. Yustanti, “Semi-Supervised Learning pada Pelabelan dalam Klasifikasi Multi-Label Data Teks,” Journal of Informatics and Computer Science (JINACS), vol. 6, no. 01, hlm. 240–248, Jun 2024, doi: 10.26740/jinacs.v6n01.p240-248.
N. Kasim dan G. S. Nugraha, “Pengenalan Pola Tulisan Tangan Aksara Arab Menggunakan Metode Convolution Neural Network,” Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ), vol. 3, no. 1, hlm. 85–95, Apr 2021, doi: 10.29303/jtika.v3i1.136.
A. R. Hanum dkk., “Analisis Kinerja Algoritma Klasifikasi Teks Bert dalam Mendeteksi Berita Hoaks,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 3, hlm. 537–546, Jul 2024, doi: 10.25126/jtiik.938093.
Refbacks
- There are currently no refbacks.
Copyright (c) 2026 Andi Apryan Mallarangen, Dolly Indra
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Linier: Literatur Informatika dan Komputer indexed by
ISSN 3063-2218
Published by Prodi Teknik Informatika FIK Universitas Muslim Indonesia
Website : https://jurnal.fikom.umi.ac.id/index.php/LINIER/
Email : linier@umi.ac.id
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0