Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal. This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.Īuthors who publish with this journal agree to the following terms: Penelitian ini dilakukan untuk mengetahui parameter terbaik yang digunakan dalam metode Local Directional Pattern dan klasifikasi k-Nearest Neighbor. Pengujian pada sistem pengenalan angka tulisan tangan ini menunjukkan bahwa metode Local Directional Pattern dapat mengenali angka Bahasa Isyarat hingga mencapai akurasi 88.45% dengan pembagian region pada citra hingga 81 region, dan mengambil 3 tetangga terdekat pada tahap klasifikasi K-Nearest Neighbour. 
Pengujian system ini menggunakan data Turkey Ankara Ayrancı Anadolu High School's Sign Language Digits Dataset sebanyak 2.062 data. Sistem ini terdiri dari beberapa tahap, yaitu pengumpulan data, pre-processing, ekstraksi ciri dan klasifikasi.
Pada penelitian ini dijelaskan tentang sistem pengenalan citra angka Bahasa isyarat dengan menggunakan metode ekstraksi ciri Local Directional Pattern dan Klasifikasi K-Nearest Neighbour.
Sistem Pengenalan Angka Bahasa Isyarat ini dapat dilakukan dengan pembelajaran mesin. Dengan semakin berkembangnya teknologi, diharapkan System Pengenalan Bahasa Isyarat juga semakin berkembang.
0 kommentar(er)
