2021
DOI: 10.33322/petir.v15i1.1289
|View full text |Cite
|
Sign up to set email alerts
|

Model Penerjemah Bahasa Isyarat Indonesia (BISINDO) Menggunakan Pendekatan Transfer Learning

Abstract: Sistem Bahasa Isyarat Indonesia (SIBI) yang berasal dari bahasa isyarat Amerika (American Sign Language) dan lebih banyak dipakai pada situasi formal tidak terlalu familiar bagi insan tuli atau difabel rungu di Indonesia karena mereka umumnya menggunakan Bahasa Isyarat Indonesia (Bisindo). Sejak 1975 perwakilan Tuli melalui organisasi kemasyarakatan Gerakan untuk Kesejahteraan Tunarungu Indonesia (Gerkatin) telah meminta pemerintah untuk mengakui Bisindo sebagai bahasa pengantar resmi di Sekolah Luar Biasa nam… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1

Citation Types

0
0
0

Year Published

2022
2022
2023
2023

Publication Types

Select...
3

Relationship

0
3

Authors

Journals

citations
Cited by 3 publications
(3 citation statements)
references
References 5 publications
0
0
0
Order By: Relevance
“…resmi. Permintaan ini terus diupayakan karena penggunaan BISINDO memudahkan komunikasi bagi penyandang disabilitas pendengaran, terutama dalam menyampaikan aspirasi mereka kepada orangorang yang tidak memiliki gangguan pendengaran [5].…”
Section: Pendahuluanunclassified
“…resmi. Permintaan ini terus diupayakan karena penggunaan BISINDO memudahkan komunikasi bagi penyandang disabilitas pendengaran, terutama dalam menyampaikan aspirasi mereka kepada orangorang yang tidak memiliki gangguan pendengaran [5].…”
Section: Pendahuluanunclassified
“…Di Indonesia sendiri ada dua macam penggunaan bahasa isyarat yaitu Sistem Bahasa Isyarat Indonesia (SIBI) yang dibakukan dan diambil dari American Sign Language (ASL) dengan di tambah imbuhan awal dan akhir [4]dan Bahasa Isyarat Indonesia (BISINDO) yang merupakan bahasa ibu atau bahasa awal tunawicara-rungu yang di pakai sehari-hari [5].…”
Section: Pendahuluanunclassified
“…Transfer learning is a technique that capitalizes on the knowledge and features acquired during the initial training of a neural network or model, thereby enabling a substantial decrease in training time and resource demands. This methodology is especially advantageous in situations where there is a scarcity of data accessible for the specific objective, as it allows the model to leverage the insights acquired from a more extensive, interconnected dataset, hence enhancing its efficacy in the novel task (Susanty et al, 2021).…”
Section: Introductionmentioning
confidence: 99%