BAB III METODOLOGI Pada bab ini akan dijelaskan secara lebih menyeluruh mengenai metodologi penelitian yang diusulkan dalam pembuatan sistem penerjemah bahasa isyarat sehingga didapat sistem yang handal. 3.1 Alat Penelitian Alat yang akan digunakan pada penelitian ini adalah seperangkat komputer dilengkapidengan beberapa perangkat lunak pendukung, sedangkan bahan yang digunakan adalah data rekaman video dengan kinect. Dalam penelitian ini digunakan perangkat keras komputer dengan spesifikasi sebagai berikut: 1. RAM 8 GB. 2. Hardisk 1TB. 3. Monitor 14” dengan resolusi 1366x768 Pixel. 4. Mouse dan Keyboard 5. Kinect XBOX 360.
Perangkat keras yang digunakan memiliki spesifikasi yang cukup tinggi, hal tersebut dibutuhkan untuk menyelesaikan perhitungan dan perulangan yang kompleks. Adapun perangkat lunak yang digunakan adalah: 1. Microsoft Windows 7. 2. Matlab version 2013. 3. Library OpenNI 4. Primesense 1.2 Data Penelitian 3.2.1 Data Masukan Data yang digunakan pada penelitian ini adalah data video manusia yang sedang menggunakan bahasa isyarat khususnya isyarat huruf. Data video manusiadirekam menggunakan
Kinect
dengan
memanfaatkan
15
video
kedalaman
dan
RGB
Nuraini Putri Permatasari, 2016 SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS SENSOR 2.5D Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
serta
16
menggunakan software OpenNI untuk menyimpan data tersebut. Hasil format data yang dihasilkan adalah .oni. Bahasa isyarat yang digunakan adalah 24 abjad huruf kecuali J dan Z. 24 abjad huruf mengacu pada Sistem Isyarat Bahasa Indonesi (SIBI). Data video isyarat diubah menjadi data citra. Gambar 3.1 menunjukan hasil isyarat yang direkam dengan menggunakan Kinect.
Gambar 3. 1 Contoh data yang diambil dengan Kinect
3.2.2
Data Keluaran Data Output penelitian ini adalah kelas data semua abjad kecuali J dan Z. Kelas data
didapat dari perhitungan menggunakan metode CNN. 3.3 Rancangan Penelitian Tahap-tahap dan alur rancangan penelitian ini meliputi studi literatur, pengumpulan data, analisis dan perancangan, implementasi, uji coba, analisis dan evaluasi hasil uji coba, penarikan kesimpulan,sebagaimana ditunjukan pada gambar 3.2.
Studi Literatur
Analisis dan Perancangan
Analisis dan Evaluasi Hasil uji coba
Pengumpulan Data
Implementasi
Penarikan Kesimpulan
Uji coba
Gambar 3. 2Rancangan Penelitian
Nuraini Putri Permatasari, 2016 SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS SENSOR 2.5D Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
17
3.3.1 Studi Literatur Studi literatur dilakukan dengan mencari sumber atau referensi terkait dengan penelitian yang dilakukan. Yaitu, tentangSistem Isyarat Bahasa Indonesia, Kinect dan metode deep learning tentang CNN (Convolutional Neural Networks). Setelah melakukan studi literatur, maka diperoleh suatu rumusan langkah apa yang dikerjakan, serta hal baru apa yang dihasilkan sebagaimana pada penelitian ini. Penjelasan mengenai teori-teori tersebut dapat dilihat pada BAB II. 3.3.2 Pengumpulan Data Data akan direkam dengan 5 model yang berbeda. Model adalah 5 mahasiswa Universitas Pendidikan Indonesia jurusan Pendidikan Khusus atau Pendidikan Luar Biasa bukan penyandang tuna rungu. Terdapat 24 kelas data. Masing-masing model direkam sebanyak 10 kali per kelas datanya. Sehingga, terdapat 1200 file video berformat .oni. 3.3.3 Analisis dan Perancangan Langkah analisis dan perancangan adalah langkah untuk menganalisa kebutuhan sistem secara intensif dan spesifik. Untuk memahami sifat sistem yang akan dibangun, pembuat sistem (analis) harus memahami domain informasi untuk sistem, fungsi yang dibutuhkan, perilaku, kinerja dan antarmuka sistem. Gambar 3.4 menunjukan rancangan alur sistem yang dibuat.
Nuraini Putri Permatasari, 2016 SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS SENSOR 2.5D Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
18
a
Data Training
Video Segmentation (frame by frame)
Hand Locallization
Data set training
Pra proses pengolahan data
Training
CNN Pra proses pengolahan data
Testing
Data output
Data set testing
Hand Locallization
Data Testing
Video Segmentation (frame by frame)
Gambar 3. 3Rancangan Alur Sistem
1. Video Segmentation dan Hand Locallization Pada proses videosegmentation semua data video yang didapatkan dari Kinect di normalisasi sesuai kebutuhan, dengan mengubah semua data video menjadi data citra. Setelah itu dilakukan proses Hand Locallizationyang bertujuan untuk mendapatkan area lengan saja. Proses Hand Locallizationdilakukan dengan cara cropping citra secara manual. Data setelah dinormalisasi disebut data set. Nuraini Putri Permatasari, 2016 SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS SENSOR 2.5D Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
19
2. Pra proses pengolahan data Pada proses pengolahan data, ukuran data citra diubah menjadi ukuran 28 x 28. Lalu data citra di normalisasi. Normalisasi adalah proses mengubah isi matriks dari data citra menjadi 0 sampai dengan 1. 3. Training dan Testing Pada proses training dan testing diolah dengan menggunakan metode deep learning, yaitu CNN. Dan output dari proses ini adalah kelas data. Metode CNN yang digunakan menggunakan 4 layer CNN yaitu 2 proses convolution dan 2 proses subsampling. Input citra berukuran 28x28 piksel. Menggunakan 5x5 kernel untuk proses convolution. Proses subsampling menggunakan skala 2x2. Output map untuk proses convolution yaitu 6 dan 12 (The MNIST Database of Handwritten, 2012). Data training menggunakan 10000 dan 40000 epoch untuk iterasinya. Input 28x28
5x5 convolution
24x24x6
12x12x6
2x2 subsamplin g
8x8x72
5x5 convolutio n
4x4x72
Output
2x2 subsampling
Gambar 3. 4 4 layer CNN
3.3.4 Implementasi Implementasi pada sistem ini adalah dengan melakukan pengkodean atau coding. Pengkodean merupakan penerjemahan design dalam bahasa yang dapat dikenali oleh komputer. Tahapan ini merupakan tahapan secara nyata dalam pengerjaan suatu sistem. Dalam artian penggunaan komputer akan dimaksimalkan pada tahap ini. 3.3.5 Uji Coba Setelah sistem selesai dibuat maka dilakukan proses uji coba dengan menggunakan data set testing.
Nuraini Putri Permatasari, 2016 SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS SENSOR 2.5D Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
20
3.3.6 Analisis dan Evaluasi Hasil Uji Coba Pada tahap ini akan dilakukan analisis dan evaluasi untuk mendapat hasil seberapa handal sistem yang dibangun. Selain itu, dilakukan juga interpretasi dari hasil analisis tersebut. Apakah layak atau tidak nya sistem ini. 3.3.7 Penarikan Kesimpulan Pada tahap ini akan dibuat kesimpulan dari hasil analisis dan evaluasi data yang telah diuji coba berdasarkan rumusan masalah. Dengan begitu juga dapat ditarik kesimpulan berupa akurasi dalam bentuk persen. Kesimpulan ini menentukan kinerja sistem yang telah dibuat. Kesimpulan dapat dilihat pada BAB V.
Nuraini Putri Permatasari, 2016 SISTEM PENERJEMAH BAHASA ISYARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS SENSOR 2.5D Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
