Recognition of Indonesian Sign Language Alphabets Using Fourier Descriptor Method

Basri, Syartina Elfarika; Indra, Dolly; Darwis, Herdianti; Mufila, A. Widya; Ilmawan, Lutfi Budi; Purwanto, Bobby

doi:10.1109/eiconcit50028.2021.9431883

Cited by 7 publications

(8 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Algoritma Euclidean Distance digunakan oleh Nathal dkk dalam penelitian untuk memperkenalkan model 3 dimensi dalam pelajaran mate-matika dengan pendekatan Virtual Reality berhasil memperkuat konstruksi mate-matis pengetahuan siswa [4]. Basri dkk dalam penelitiannya menerjemahkan bahasa isyarat Bisindo menggunakan Euclidean Distance untuk menghitung nilai kemiripan citra dalam proses pengenalan fitur mendapatkan hasil akurasi sebesar 96, 92% [5]. Euclidean Distance juga digunakan untuk mendeteksi jumlah ayam broiler pada penelitian Rinjani dkk dengan cara pemberian bounding box dan pelabelan nomor id pada ayam.…”

Section: Pendahuluanunclassified

Deteksi Gerakan Bahasa Isyarat Menggunakan Euclidean Distance

Insani,

Arifin,

Rasyid

2023

Informatik : Jurnal Ilmu Komputer

View full text Add to dashboard Cite

Orang yang memiliki keterbatasan pendengaran/wicara akan sulit berkomunikasi secara lisan dengan orang normal. Cara berkomunikasinya dapat menggunakan tulisan yang lambat dan tidak efisien atau dengan bahasa isyarat. Bahasa isyarat menjadi satu-satunya metode yang efisien digunakan bagi orang dengan keterbatasan pendengaran/wicara. Sedangkan kebanyakan masyarakat normal tidak dapat menggunakan bahasa isyarat. Sehingga sistem untuk mendeteksi bahasa isyarat menjadi sebuah kebutuhan untuk membantu masyarakat dengan keterbatatasan komunikasi secara lisan. Penelitian ini bertujuan untuk mendeteksi bahasa isyarat kedalam teks sesuai dengan makna yang sebenarnya. Pengambilan data dilakukan menggunakan Leap Motion dengan 15 data gerakan isyarat tangan yang memiliki gerakan dasar dan kemiripan dalam gerakannya. Data yang digunakan dalam penelitian ini berupa isyarat abjad A, B, W, M, N, J, Z dan isyarat kata dia, pakai, saya, kakak, adik bingung, kecewa, hai. Metode yang digunakan pada penelitian ini adalah euclidean distance untuk mencari jarak minimum dari nilai support vector yang terdeteksi sama. Inputan pada proses uji adalah huruf W yang dilakukan secara realtime memiliki kemiripan gerakan isyarat dengan huruf B dan kata kecewa nilai Euclidean distance yaitu 0.5475649269013902 maka inputan tersebut dapat terdeteksi sesuai dengan makna yang sebenarnya. Hasil akurasi rata-rata yang didaparkan dari keseluruhan tahap pengujian 15 data gerakan sebesar 88,7%.

show abstract

Section: Pendahuluanunclassified

Deteksi Gerakan Bahasa Isyarat Menggunakan Euclidean Distance

Insani,

Arifin,

Rasyid

2023

Informatik : Jurnal Ilmu Komputer

View full text Add to dashboard Cite

show abstract

“…Konsep dasar untuk mendapatkan Fourier descriptor pada proses ekstraksi ciri adalah perlunya mendapatkan kontur objek sebagai langkah awal kemudian piksel pada kontur tersebut ditransformasikan menggunakan Fast Fourier Descriptor (FFT) yang mengacu pada Discrete Fourier Transform (DTF) tetapi dengan algoritma pemrosesan DFT yang efektif jika 𝑖𝑓{𝑥[𝑛]} 𝑛−1 𝑛=0 adalah urutan citra, jadi DFT itu sendiri adalah barisan 𝑥[𝑘] pada 𝑘 = 0,1,2, … , 𝑁 − 1 dirumuskan seperti persamaan pada (1) dan kebalikannya ditulis di persamaan (2) (Basri et al, 2021).…”

Section: Ekstraksi Fitur Fourier Descriptorunclassified

Fourier Descriptor Pada Klasifikasi Daun Herbal Menggunakan Support Vector Machine Dan Naive Bayes

Samir,

Purnawansyah,

Darwis

et al. 2023

JTIIK

View full text Add to dashboard Cite

Daun herbal bermanfaat sebagai obat alternatif karena kandungan alaminya dapat menyembuhkan berbagai penyakit dan menjaga kesehatan tubuh. Klasifikasi citra daun herbal digunakan untuk membedakan jenis tanaman herbal berdasarkan bentuk daun. Penelitian ini Penelitian menggunakan Fourier Descriptor (FD) untuk mengekstraksi fitur pada daun herbal dan mengklasifikasikannya menggunakan metode Support Vector Machine (SVM) dan Naive Bayes (NB). SVM diimplementasikan dengan empat kernel yaitu Linear, polynomial, Radial Basis Function (RBF), dan sigmoid sementara Naive bayes diaplikasikan dengan tiga jenis kernel yaitu Gaussian, Multinomial, Bernoulli. Evaluasi kinerja menggunakan Precision, accuracy F1-Score dan Recall. Citra daun herbal terdiri dari daun katuk (Sauropus Androgynus) dan daun kelor (Moringa) dengan total 480 citra. Data tersebut dibagi menjadi 80% untuk training dan 20% untuk testing. Terdapat dua skenario pencahayaan yaitu kondisi gelap dan terang. Hasil penelitian menunjukkan bahwa perbandingan metode SVM dengan ekstraksi FD dimana kernel Linear mencapai akurasi sebesar 98% pada skenario gelap, sementara kernel Sigmoid memberikan akurasi terendah sebesar 44% pada scenario gelap maupun terang. Adapun hasil dari metode Naive bayes dengan ekstraksi FD pada kernel multinomial menghasilkan akurasi tertinggi sebesar 83% pada terang, sedangkan kernel Bernoulli memberikan akurasi terendah sebesar 46% pada skenario gelap dan terang. Berdasarkan perbandingan hasil klasifikasi dari kedua metode, disarankan bahwa metode SVM pada ekstraksi FD lebih direkomendasikan dalam proses klasifikasi daun herbal. Penelitian ini dapat memberikan rekomendasu pengembang sistem untuk menetapkan metode yang tepat dalam klasifikasi citra daun herbal. Abstract Herbal leaves are beneficial as alternative medicine because their natural content can cure various diseases and maintain a healthy body. The classification of herbal leaf images is used to differentiate types of herbal plants based on leaf shapes. This study utilizes Fourier Descriptor (FD) to extract features from herbal leaves and classify them using the Support Vector Machine (SVM) and Naive Bayes (NB) methods. SVM is implemented with four kernels namely linear, polynomial, Radial Basis Function (RBF), and Sigmoid while Naive bayes is applied with three types of kernels namely Gaussian, multinomial, Bernoulli. Performance evaluation includes precision, accuracy, F1- score and recall. Herbal leaf images consist of leaves (Sauropus Androgynus) and moringa leaves with a total of 480 images. The data is divided into 80% for training and 20 % for testing. There are two lighting scenarios, namely dark and light conditions. The result of this study shows a comparison of the SVM method with FD extraction where the Linear kernel achieves the highest accuracy of 98% in dark scenarios, while the Sigmoid kernel provides the lowest accuracy of 44% in both dark and light scenarios. The result of the naïve bayes method with FD extraction on the Multinomial kernel yield the highest accuracy of 83% in light scenarios while the Bernoulli kernel provides the lowest accuracy 46% in both dark and light scenarios. Based on the comparison of the classification result of the two methods, it is suggested that the SVM method for FD extraction is more recommended in the herbal leaf classification process. This research can provide recommendation for system developers to determine the appropriate method for classifying herbal leaf images.

show abstract

“…Fourier descriptor (FD) adalah teknik ekstraksi data yang digunakan untuk menemukan sifat unik dari suatu objek yang akan membedakan satu objek dari objek lainnya. Piksel dalam kontur kemudian diubah menggunakan teknik yang dikenal sebagai Fast Fourier Transform (FFT), yang merupakan prosedur efisien untuk menghitung Discrete Fourier Transform (DFT) (Basri et al, 2021), yang dirumuskan seperti dalam persamaan 1.…”

Section: Daun Kondisi Gelapunclassified

Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Support Vector Machine dengan Fitur Fourier Descriptor

Prayoga¹,

Purnawansyah²,

Hasanuddin³

et al. 2023

Edumatic

View full text Add to dashboard Cite

Indonesia is a rich country in herbal plants that can be used as traditional medicine. Leaves are one of the main components of herbal plants that are difficult to distinguish in texture and shape. This study aims to classify two types of herbal leaves, namely Sauropus androgynus and Moringa leaves using the K-nearest neighbor (KNN) and Support vector machine (SVM) with fourier descriptor (FD) feature extraction on texture and shape features. The research uses primary data collected through a smartphone camera as much as 480 image data with light and dark scenarios which are then divided into 80:20 training and testing data. Based on the research that has been done, it is found that the KNN for light scenario data and dark scenarios get 92% and 94% accuracy respectively. The test results using SVM with FD feature extraction obtain an accuracy of 96% for light and dark scenarios. Thus, SVM is more recommended in the classification of herbal leaf images.

show abstract

Recognition of Indonesian Sign Language Alphabets Using Fourier Descriptor Method

Cited by 7 publications

References 13 publications

Deteksi Gerakan Bahasa Isyarat Menggunakan Euclidean Distance

Deteksi Gerakan Bahasa Isyarat Menggunakan Euclidean Distance

Fourier Descriptor Pada Klasifikasi Daun Herbal Menggunakan Support Vector Machine Dan Naive Bayes

Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Support Vector Machine dengan Fitur Fourier Descriptor

Contact Info

Product

Resources

About