Mahasiswa Ma Chung kembangkan machine learning untuk bahasa isyarat
Nico Alexander, mahasiswa Program Studi Teknik Informatika Universitas Ma Chung, sukses mengembangkan machine learning untuk mendeteksi dan mengklasifikasikan bahasa isyarat BISINDO untuk proyek tugas akhirnya.

Elshinta.com - Nico Alexander, mahasiswa Program Studi Teknik Informatika Universitas Ma Chung, sukses mengembangkan machine learning untuk mendeteksi dan mengklasifikasikan bahasa isyarat BISINDO untuk proyek tugas akhirnya.
Penelitiannya yang berjudul “Penggunaan Machine Learning dalam Klasifikasi Bahasa Isyarat BISINDO menggunakan Kamera” ini menjadi sorotan karena potensinya dalam membantu komunitas yang membutuhkan serta menginspirasi pengembangan teknologi masa depan.
“Proses penelitian yang saya lakukan dalam proyek ini tidaklah mudah, apalagi dalam mengembangkan proyek ini dengan akurat saya yang belum pernah sama sekali belajar bahasa isyarat perlu membuat dataset yang akurat dengan melibatkan konsultasi bersama tokoh bahasa isyarat Kota Malang,” ungkapnya seperti dilaporkan Kontributor Elshinta, el-Aris, Kamis (11/1).
Dari konsultasi ini, ia kemudian mengajarkan gerakan bahasa isyarat kepada empat orang responden. kemudian mengumpulkan data berupa foto tangan gerakan bahasa isyarat lalu melakukan ekstraksi koordinat dari foto-foto tersebut. “Dari koordinat tersebut, dihasilkan 21 landmarks pada setiap tangan dengan masing-masing landmark memiliki 3 subkoordinat (x, y, z), yang menghasilkan 63 subkoordinat untuk setiap tangan atau 126 subkoordinat secara keseluruhan.
Setelahnya, subkoordinat ini digunakan sebagai data acuan untuk pembelajaran machine learning. Hasil dari proses ini adalah data sebanyak 77.000 class, yang kemudian difilter untuk menyesuaikan dengan 127 parameter pada setiap baris data guna menjadi referensi pembelajaran AI. "Total terdapat 77 kelas kata yang terdiri dari gerakan numerik, abjad 26 huruf, dan kata-kata sehari-hari yang dihasilkan,“ jelasnya.
Soal tantangan terkait evaluasi perbandingan antara beberapa model classifier sekaligus mempertahankan kemampuan optimal dari masing-masing classifier tanpa pengurangan ataupun penambahan. Tantangan teknis lainnya adalah jumlah data yang cukup banyak.
“Saya berhasil mengatasi masalah ini dengan membuat program khusus yang memungkinkan pengambilan foto dalam hitungan detik (dengan konsep FPS atau frame per second),” ujarnya .
Nico tergabung dalam kelompok studi Human-Machine Interaction, yang mempelajari lebih dalam mengenai komunikasi dan interaksi manusia dengan sebuah mesin melalui user interface. Bidang ini menjadi sebuah tren di dunia teknologi informasi karena melalui bidang ini, manusia bisa mengontrol mesin melalui perilaku natural dan intuitif.
Sementara itu, Dr. Eng. Romy Budhi Widodo, M.T – dosen sekaligus Dekan Fakultas Teknologi dan Desain menyatakan kelompok studi ini memfokuskan diri pada human welfare atau kesejahteraan manusia – siapapun – termasuk penyandang disabilitas dan manual, agar mereka dapat menjalankan fungsi kehidupan dengan baik walaupun memiliki keterbatasan,” jelasnya .