PENERAPAN METODE YOLOv11 DALAM MENDETEKSI GESTUR TANGAN ALFABET BISINDO BERBASIS WEBSITE

Abstract

Bahasa Isyarat Indonesia (BISINDO) merupakan bahasa alami yang digunakan oleh komunitas Tuli di Indonesia, namun pemanfaatan teknologi untuk mendukung pembelajaran dan komunikasi BISINDO masih terbatas. Permasalahan utama yang dihadapi adalah rendahnya ketersediaan sistem otomatis yang mampu mendeteksi dan mengenali gestur alfabet BISINDO secara akurat dan real-time, khususnya yang dapat diakses melalui platform berbasis web. Penelitian ini bertujuan untuk mengembangkan sistem deteksi gestur tangan alfabet BISINDO berbasis website menggunakan pendekatan object detection berbasis deep learning. Metode yang digunakan adalah arsitektur YOLOv11 dengan dataset sebanyak 2.600 citra gestur alfabet BISINDO A–Z yang telah dianotasi dan dibagi ke dalam data training, validation, dan testing. Evaluasi model dilakukan menggunakan metrik precision, recall, mAP@0.5, dan mAP@0.5:0.95. Hasil pengujian menunjukkan bahwa model YOLOv11 mampu menghasilkan performa deteksi yang tinggi dan stabil pada seluruh kelas alfabet BISINDO. Model terbaik selanjutnya diintegrasikan ke dalam sistem berbasis web menggunakan FastAPI sebagai backend dan React.js sebagai frontend, serta mendukung deteksi melalui webcam dan unggahan citra. Sistem yang dikembangkan mampu melakukan deteksi gestur secara real-time dan dapat diakses langsung melalui browser tanpa instalasi tambahan