PENERAPAN CONVOLUTIONAL NEURAL NETWORK UNTUK PENGENALAN BAHASA ISYARAT INDONESIA: STUDI KASUS DAN TINJAUAN FILSAFAT SAINS

Abstrak

Rendahnya literasi Bahasa Isyarat Indonesia (BISINDO) di masyarakat umum masih menjadi hambatan komunikasi dengan komunitas Tuli, sementara riset pengenalan bahasa isyarat berbasis AI umumnya berfokus pada capaian teknis semata. Penelitian ini bertujuan mengembangkan sistem pengenalan alfabet BISINDO berbasis Convolutional Neural Network (CNN) sekaligus mengevaluasinya melalui perspektif filsafat sains. Metode yang digunakan meliputi pengumpulan dataset citra tangan alfabet BISINDO, augmentasi data, serta pelatihan CNN berbasis transfer learning dengan arsitektur MobileNetV2 dan skema pelatihan bertahap, kemudian dideploy ke Android menggunakan TensorFlow Lite. Hasil pengujian menunjukkan sistem mampu mencapai akurasi sekitar 93% pada data uji terkontrol dengan performa inferensi real-time yang stabil. Kontribusi ilmiah penelitian ini tidak hanya pada pengembangan sistem AI terapan, tetapi juga pada penyediaan kerangka reflektif ontologis, epistemologis, dan aksiologis untuk menilai validitas dan implikasi sosial teknologi pengenalan BISINDO.