Sistem ini dikembangkan dengan menggunakan model AI seperti Convolutional Neural Network (CNN). Model ini dilatih dengan data video gerakan bahasa isyarat untuk memastikan bahwa sistem dapat mengenali dan menerjemahkan berbagai bentuk isyarat dengan tingkat kesalahan yang minimal.
“Pengembangan sistem ini bertujuan untuk menjembatani kesenjangan komunikasi antara teman tuli dan teman dengar. Dengan menggunakan analisis data video, kami berharap sistem ini dapat menjadi alat yang efektif dan mudah digunakan oleh masyarakat luas,” jelas Edy.
Proses pengembangan mencakup akuisisi data video, pra proses data model AI, dan pengujian sistem untuk memastikan keakuratan penerjemahan dalam berbagai konteks komunikasi. Dirinya menambahkan, pengembangan Model AI Penerjemah Bahasa Isyarat Indonesia BISINDO sebagai interpretasi inputan data video hasil akuisisi. Dalam pemgembangan berbasis AI , setelah akuisisi data terdapat tiga tahapan yang dilakukan.
“Tahap pertama adalah tahap pra proses atau persiapan data sebagai input model yaitu fragmentasi video dan labelisasi. Selanjutnya tahap ekstraksi fitur di mana dilakukan rekayasa fitur yaitu proses memilih dan menentukan serta menganalisis atribut-atribut data yang dapat dijadikan ciri khusus dari data sebagai patokan model yang membedakan satu data dengan data lainnya. Tahap kedua adalah tahap pengembangan model yakni proses membangun model yang nantinya digunakan sebagai interpretasi terhadap inputan citra gerakan bahasa isyarat hasil rekaman menjadi teks. Tahap akhir adalah tahap evaluasi atau pengujian model,” tutur Edy.
