Abstrak

Bahasa Isyarat Indonesia (BISINDO) merupakan media komunikasi utama bagi penyandang Tuli, namun masih banyak masyarakat yang belum memahaminya. Penelitian ini bertujuan mengklasifikasikan alfabet BISINDO menggunakan koordinat hand landmark yang diekstraksi oleh MediaPipe Hands sebagai masukan bagi model Multilayer Perceptron (MLP). Metode penelitian mengacu pada CRISP-DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset diperoleh melalui pengambilan gestur alfabet BISINDO menggunakan kamera, kemudian diproses menggunakan MediaPipe Hands untuk mengekstraksi koordinat hand landmark sebagai fitur masukan model. Selanjutnya dilakukan normalisasi, pembagian dataset menjadi data latih, data validasi, dan data uji dengan rasio 70:15:15, serta pelatihan model MLP. Evaluasi dilakukan menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model MLP memperoleh akurasi sebesar 99,62% pada data uji. Model kemudian diimplementasikan pada Prototipe Aplikasi SIGMA (Sistem Gesture berbasis MLP untuk Alfabet BISINDO) berbasis Streamlit untuk melakukan klasifikasi alfabet BISINDO secara real-time. Berdasarkan hasil evaluasi, model yang diusulkan mampu mengklasifikasikan alfabet BISINDO dan berpotensi mendukung pengembangan media pembelajaran bahasa isyarat.