Hasil Pencarian  ::  Simpan CSV :: Kembali

"Setiap bahasa, dalam perkembangannya, pasti akan memunculkan variasi bahasanya dalam setiap penggunaannya, termasuk juga Bahasa Isyarat Indonesia (BISINDO). Warna merupakan salah satu konsep abstrak dan mendasar yang selalu kita temukan dalam kehidupan keseharian kita, temasuk juga dalam Masyarakat Tuli. Akan tetapi, kurangya penelitian lanjutan mengenai proses produksi isyarat yang merepresentasikan istilah warna dasar menjadi salah satu permasalahan yang ditemukan peneliti. Dalam penelitian ini, kami akan fokus untuk meihat kemunculan variasi bahasa isyarat yang digunakan dalam 5 wilayah di Yogyakarta. Variabel dan Subjek penelitian ini adalah isyarat dari kata warna hitam, putih, merah, hijau, biru, dan kuning dari individu Tuli dalam rentang umur dari 19—48 tahun. Variabel-variabel tersebut akan didokumentasikan melalui penelitian lapangan dan dikonversikan ke dalam korpus data dan akan dianalisis kemunculan varian dan aspek-aspek yang membedakan satu varian dengan yang lainnya menggunakan metode kualitatif. Temuan kami membuktikan bahwa dalam 5 wilayah Yogyakarta, ada beberapa varian isyarat yang muncul dalam satu konsep warna dasar. Aspek yang membedakan satu varian dengan lainnya terletak di seluruh aspek fonologi bahasa isyarat seperti bentuk tangan, orientasi, lokasi, dan gerakan isyarat.

---

Every language, in its development, will certainly appear its language variation in its usage, including the Indonesian Sign Language (BISINDO). Colors are one of the ab-stract and fundamental concepts that we found in our daily lives, including the Deaf Society. But, the lack of further research about the process of sign production that rep-resents the basic color terms is one of the few problems that I found. In this research, we will focus on looking for the appearances of sign language variations that are used in 5 regional areas of Yogyakarta. the variables and subjects of this research are signs from the word colors black, white, red, green, blue, and yellow from Deaf people rang-ing from 19--48 years old. The variables will be documented through field research and converted into corpus data and will be analyzed for the variation that appears and the aspects that differ one variation from another using the qualitative method. Our (author and corresponding author) findings prove that in the 5 regional areas of Yogyakarta, there are several variations in sign language in one concept of the basic colors. The aspects that differ one sign from another are in all aspects of sign language phonology such as handshapes, locations, orientations, and movement of the sign."

"Setiap bahasa, dalam perkembangannya, pasti akan memunculkan variasi bahasanya dalam setiap penggunaannya, termasuk juga Bahasa Isyarat Indonesia (BISINDO). Warna merupakan salah satu konsep abstrak dan mendasar yang selalu kita temukan dalam kehidupan keseharian kita, temasuk juga dalam Masyarakat Tuli. Akan tetapi, kurangya penelitian lanjutan mengenai proses produksi isyarat yang merepresentasikan istilah warna dasar menjadi salah satu permasalahan yang ditemukan peneliti. Dalam penelitian ini, kami akan fokus untuk meihat kemunculan variasi bahasa isyarat yang digunakan dalam 5 wilayah di Yogyakarta. Variabel dan Subjek penelitian ini adalah isyarat dari kata warna hitam, putih, merah, hijau, biru, dan kuning dari individu Tuli dalam rentang umur dari 19—48 tahun. Variabel-variabel tersebut akan didokumentasikan melalui penelitian lapangan dan dikonversikan ke dalam korpus data dan akan dianalisis kemunculan varian dan aspek-aspek yang membedakan satu varian dengan yang lainnya menggunakan metode kualitatif. Temuan kami membuktikan bahwa dalam 5 wilayah Yogyakarta, ada beberapa varian isyarat yang muncul dalam satu konsep warna dasar. Aspek yang membedakan satu varian dengan lainnya terletak di seluruh aspek fonologi bahasa isyarat seperti bentuk tangan, orientasi, lokasi, dan gerakan isyarat.

---

Every language, in its development, will certainly appear its language variation in its usage, including the Indonesian Sign Language (BISINDO). Colors are one of the abstract and fundamental concepts that we found in our daily lives, including the Deaf Society. But, the lack of further research about the process of sign production that represents the basic color terms is one of the few problems that I found. In this research, we will focus on looking for the appearances of sign language variations that are used in 5 regional areas of Yogyakarta. the variables and subjects of this research are signs from the word colors black, white, red, green, blue, and yellow from Deaf people ranging from 19--48 years old. The variables will be documented through field research and converted into corpus data and will be analyzed for the variation that appears and the aspects that differ one variation from another using the qualitative method. Our (author and corresponding author) findings prove that in the 5 regional areas of Yogyakarta, there are several variations in sign language in one concept of the basic colors. The aspects that differ one sign from another are in all aspects of sign language phonology such as handshapes, locations, orientations, and movement of the sign.

"

"Skripsi ini membahas mengenai penggunaan model segmentasi semantik UNet sebagai alternatif metode segmentasi wajah dan tangan gerakan isyarat SIBI (Sistem Isyarat Bahasa Indonesia) pada latar belakang kompleks. Penelitian dilakukan terhadap dataset gerakan isyarat SIBI milik Lab MLCV Fakultas Ilmu Komputer Universitas Indonesia. Dalam penelitian ini, dilakukan percobaan dengan tiga jenis konfigurasi UNet, yaitu UNet 4- level tanpa Batch Normalization, UNet 5-level tanpa Batch Normalization, dan UNet 4- level dengan Batch Normalization. Hasil segmentasi dari UNet konfigurasi terbaik kemudian dilakukan tahap pengenalan selanjutnya, yaitu ekstraksi fitur dengan MobileNetV2, penghapusan gerakan transisi dengan TCRF, dan gesture recognition dengan 2-layer biLSTM untuk mendapatkan hasil translasi serta evaluasi akhir. Selain itu, performa sistem dengan menggunakan metode segmentasi UNet dibandingkan dengan performa sistem dengan menggunakan metode segmentasi RetinaNet+Skin Color Segmentation. Hasil dari penelitian didapatkan bahwa konfigurasi UNet 4-level dengan Batch Normalization menghasilkan segmentasi yang sedikit lebih baik dibandingkan konfigurasi lainnya, yaitu dengan nilai IOU 0,9178% pada dataset berlatar belakang kompleks. Performa UNet terlihat baik pada saat kedua tangan berada di depan badan, dan menurun ketika tangan berada di posisi yang berdekatan dengan area kulit lainnya (lengan, leher, wajah). Didapatkan juga bahwa sistem pengenalan isyarat SIBI ke teks bahasa Indonesia dengan menggunakan metode segmentasi UNet berhasil memiliki performa yang lebih baik dibandingkan menggunakan metode segmentasi RetinaNet+Skin Color Segmentation, dengan nilai WER 2,703% dan SAcc 82,424% pada latar belakang kompleks. Didapatkan juga waktu komputasi UNet yang lebih cepat dibandingkan RetinaNet dengan waktu segmentasi 0,19643 detik per frame pada CPU NVIDIA DGX A100

---

This thesis discusses the use of the UNet semantic segmentation model as an alternative to hand and face segmentation methods for SIBI (Indonesian Signing System) on complex backgrounds. This research was conducted on SIBI gesture dataset by MLCV Lab (Faculty of Computer Science, Universitas Indonesia). In this study, experiments were conducted with three types of UNet configurations, namely 4-level UNet without Batch Normalization, 5-level UNet without Batch Normalization, and 4-level UNet with Batch Normalization. Segmentation results from the best UNet configuration is then carried out in the next stage of the system, namely feature extraction with MobileNetV2, epenthesis removal with TCRF, and gesture recognition with 2-layer biLSTM to obtain translation results and the final evaluations. In addition, system performance using the UNet segmentation method is compared to system performance using the RetinaNet+Skin Color Segmentation method. The results of the study showed that the 4-level UNet configuration with Batch Normalization produces slightly better segmentation than the other configurations, with an IOU of 0.9178% on a dataset with a complex background. Based on the sample results, UNet performance is good when both hands are on the front of the body, and it decreases when the hands are in close proximity to other skin areas (arms, neck, face). It was also found that the SIBI gesture recognition system to Indonesian text using the UNet segmentation method managed to have better performance than using the RetinaNet+Skin Color Segmentation, with a WER value of 2.703% and a SAcc of 82.424% on a complex background. It was also found that UNet processing time was faster than RetinaNet with a segmentation rate of 0.19643 seconds per frame on the NVIDIA DGX A100 CPU."