Pengenalan Sistem Isyarat Bahasa Indonesia Menggunakan Kombinasi Fitur Statis Dan Fitur Dinamis LMC Berbasis L-GCNN

Supria, Supria; Herumurti, Darlis; Khotimah, Wijayanti Nurul

doi:10.12962/j24068535.v14i2.a574

Cited by 8 publications

(10 citation statements)

References 12 publications

(19 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…L-GCNN is used to improve the accuracy of the introduction of sign language. the results of this study are the use of a combination of static features with dynamic features and L-GCNN has an increase in accuracy of 6.67% better than the use of static features [8].…”

Section: Introductionmentioning

confidence: 74%

Adaptive Non Playable Character in RPG Game Using Logarithmic Learning For Generalized Classifier Neural Network (L-GCNN)

Mabruroh¹,

Herumurti²

2019

KINETIK

Self Cite

View full text Add to dashboard Cite

Non-playable Character (NPC) is one of the important characters in the game. An autonomous and adaptive NPC can adjust actions with player actions and environmental conditions. To determine the actions of the NPC, the previous researchers used the Neural Network method but there were weaknesses, namely the action produced was not in accordance with the desired so the accuracy was not good. This study overcomes the problem of poor accuracy by using the Logarithmic Learning for Generalized Classifier Neural Network (L-GCNN) method with 6 input parameters, NPC health, distance from players, other NPCs involved, attack power, number of NPCs and NPC levels. While the output is to attack itself, attack in groups and move away. For testing, this study was tested on RPG games. From the results of the experiments conducted, it shows that the L-GCNN method has better accuracy than the 3 methods compared to 7% better than NN and SVM and 8% better than RBFNN because in the L-GCNN method there is an encapsulation process that is data have the same class will. Whereas the L-GCNN training time is 30% longer than the NN method because on L-GCNN one neuron consists of one data where there are fewer NNs in the hidden layer.

show abstract

Section: Introductionmentioning

confidence: 74%

Adaptive Non Playable Character in RPG Game Using Logarithmic Learning For Generalized Classifier Neural Network (L-GCNN)

Mabruroh¹,

Herumurti²

2019

KINETIK

Self Cite

View full text Add to dashboard Cite

show abstract

“…Pada penelitian mengenai bahasa isyarat dengan menggunakan LMC yang telah diperkenalkan ini, contohnya adalah penelitian dengan menggunakan K-Nearest Neighbor (KNN) serta Support Machine Vector (SVM) digunakan sebagai algoritma yang mengaklasifikasi 26 huruf alfabet dari bahasa isyarat yang ada [10]. Kombinasi dari gabungan fitur statis untuk isyarat statis dan fitur dinamis untuk isyarat berupa gestur, diperoleh dari LMC berdasarkan pada metode Logarithmic learning for generalized classifier neural network (L-GCNN) [11]. Akan tetapi pada penerapannya, dikatakan bahwa sensor penangkap gerak seperti kinect dan LMC tidak selalu dapat mengenali semua jari.…”

Section: Informal | 49 Issn : 2503 -250xunclassified

“…Algoritma L-GCNN untuk proses pelatihan [11]: Input : epoch, lr, data training, "# Output : parameter smoothing Inisialisasi parameter smoothing σ dan ymax while iterasi ≤ epoch for setiap data uji coba tj if iterasi > 1…”

Section: Logarithmic Learning For Generalized Classifier Neural Netwounclassified

“…Dari hasil uji coba yang dilakukan, kombinasi dari penggabungan data fitur yang diperoleh dari masing-masing sensor mempunyai akurasi pengenalan yang baik dibandingkan penggunaan single sensor LMC. Pada penelitian sebelumnya, hasil yang diperoleh pada penggunaan single sensor dapat dijelaskan bahwa peningkatan akurasi diperoleh dari penggabungan data fitur statis dan fitur dinamis yaitu akurasi 76,30% meningkat menjadi 82,97% atau peningkatan akurasi sebesar 6,67% [11]. Walaupun dalam pengujian penelitian ini masih terjadi beberapa kesalahan, keselahan pengenalan pada tiap-tiap skenario disebabkan oleh hurufhuruf yang memiliki kemiripan bentuk fitur.…”

Section: Pembahasanunclassified

See 1 more Smart Citation

Penggunaan Dual Sensor Leap Motion Controller untuk Sistem Isyarat Bahasa Indonesia (SIBI)

Nugraha

Murti²,

Khotimah³

2019

INFORMAL

Self Cite

View full text Add to dashboard Cite

Bahasa isyarat adalah bahasa yang dibentuk dengan kombinasi gerakan jari, tangan, tubuh serta ekspresi wajah yang digunakan oleh para penyandang disabilitas seperti tunarungu dan tunawicara. Salah satu pengenalan bahasa isyarat tersebut adalah pengenalan dengan menggunakan teknologi sensor Leap Motion Controller (LMC). Akan tetapi pada penerapannya, sensor LMC tidak selalu dapat mengenali semua jari dengan baik. Hal ini dikarenakan pembentukan dari bahasa isyarat yang saling bersentuhan antar jari, jari yang dilipat, tersembunyi ataupun terhalang oleh jari lainnya. Sehingga pada penelitian ini diusulkan penggunaan dual sensor LMC yang bertujuan untuk mencegah dan meminimalisir adanya kesalahan dalam mengenal bahasa isyarat dari jari yang dibentuk. Tahapan proses yang dilakukan adalah mendesain tata letak sensor LMC dan mengkombinasikan data fitur dari masing-masing sensor LMC baik yang bersifat statis dan dinamis yang kemudian diklasifikasikan menggunakan metode L-GCNN. Dari hasil pengujian yang dilakukan, penggunaan dual sensor LMC ini dapat mengenal isyarat SIBI yang diberikan. Skema yang terbaik adalah dengan mengacu pada tata letak multi sensor yang saling berhadapan membentuk sudut 120 derajat dengan tingkat akurasi sebesar 86,42%, dengan rata-rata akurasi dari keseluruhan skenario sebesar 84,36%. Adanya desain tata letak sensor LMC dan kombinasi penggabungan data fitur masing-masing sensor dapat meningkatkan akurasi pengenalan dengan rata-rata peningkatan mencapai 5,35%.

show abstract

“…Fitur statis merupakan fitur yang tidak membutuhkan gerakan tangan, sedang fitur dinamis merupakan fitur yang membutuhkan gerakan tangan. Penelitian ini menghasilkan keluaran berupa huruf yang disampaikan oleh penyandang tunarungu dan tunawicara melalui bahasa isyarat [2].…”

Section: Sebuah Penelitian Tentang Rancang Bangun Aplikasi Papantulisunclassified

AplikasiMarawis Digital Menggunakan Sensor Leap Motion

Fernando¹,

Supria²,

Nasir³

2017

ISI

Self Cite

View full text Add to dashboard Cite

Abstrack -Marawis is one type of "band tepuk" with percussion as its main musical instrument. This music is a collaboration between Timur Tengah and Betawi art, and has a thick religious element. It is reflected from the various lyrics of songs that are delivered which is a compliment and love to the Creator. At this time playing marawis musical instruments still by manual manner by striking the musical instrument marawis with as much as possible and need a lot of power, and longtime hand will be pain. To overcome the problem then in proposed Application of Marawis Digital Using Sensor Leap Motion. The application is made with Leap Motion to detect the point of coordinates of the user's hand.to produce two different marawis sounds then create a mapping area to determine the sound 1 and sound 2. This application can be an alternative to playing musical instrument marawis. From the result of exsperiments this application is able to replace the use of manpower into digital techniques.

show abstract

Pengenalan Sistem Isyarat Bahasa Indonesia Menggunakan Kombinasi Fitur Statis Dan Fitur Dinamis LMC Berbasis L-GCNN

Cited by 8 publications

References 12 publications

Adaptive Non Playable Character in RPG Game Using Logarithmic Learning For Generalized Classifier Neural Network (L-GCNN)

Adaptive Non Playable Character in RPG Game Using Logarithmic Learning For Generalized Classifier Neural Network (L-GCNN)

Penggunaan Dual Sensor Leap Motion Controller untuk Sistem Isyarat Bahasa Indonesia (SIBI)

AplikasiMarawis Digital Menggunakan Sensor Leap Motion

Contact Info

Product

Resources

About