Perbandingan Arsitektur LeNet dan Ale10.14742/ajet.Net Pada Metode Convolutional Neural Network Untuk Pengenalan American Sign Language

摘要

American Sign Language (ASL) merupakan bahasa isyarat yang digunakan untuk berkomunikasi bagi penderita tuna rungu. Metode yang digunakan untuk mengenali ASL yaitu Convolutional Neural Network (CNN). Arsitektur yang digunakan LeNet dan Ale10.14742/ajet.Net. Hasil dari masing-masing arsitektur kemudian dibandingkan kinerjanya. Penelitian dilakukan dengan 2 skema jumlah data yang digunakan, yaitu skema pertama 100 data per huruf dan skema kedua 1.000 data per huruf untuk menguji kinerja dari kedua arsitektur. Hasil penelitian setelah diuji dengan data baru, yaitu skema pertama untuk arsitektur LeNet menghasilkan akurasi keseluruhan 48,332% dan arsitektur Ale10.14742/ajet.Net menghasilkan akurasi keseluruhan 32,584%. Skema kedua untuk arsitektur LeNet menghasilkan akurasi keseluruhan 92,468% dan arsitektur Ale10.14742/ajet.Net menghasilkan akurasi keseluruhan 91,618%. Secara keseluruhan perbandingan dapat dikatakan bahwa arsitektur LeNet adalah arsitektur terbaik dalam penelitian ini.