Pada era digital, komunikasi antara orang yang dapat mendengar dan komunitas
tuna rungu masih menghadapi tantangan. Bahasa Isyarat Indonesia (BISINDO)
menjadi sarana utama komunikasi bagi komunitas tuna rungu. Namun, karena tidak
semua orang memahami bahasa isyarat, dibutuhkan teknologi yang mampu
menerjemahkannya ke dalam bahasa yang umum dipahami. Untuk tujuan ini,
dikembangkan model pendeteksi BISINDO secara real time menggunakan
YOLOv8, yang dipilih karena kemampuannya mendeteksi objek secara real time
dengan akurasi tinggi serta ringan dalam pengaplikasiannya.
Langkah-langkah penelitian ini meliputi pengumpulan data, preprocessing yang
mencakup augmentasi data, pelabelan gambar, dan pembagian dataset. Selanjutnya,
dilakukan pengembangan model yang terdiri dari pelatihan dan pengujian model.
Hasil pengembangan dan pengujian menunjukkan bahwa model deteksi huruf
isyarat berhasil dikembangkan dengan YOLOv8. Data pada evaluasi metrik
menunjukkan hasil yang sangat baik dengan nilai precision sebesar 0.993, recall
sebesar 0.997, mAP50 sebesar 0.995, dan mAP50-90 sebesar 0.942. Untuk
menentukan akurasi, penelitian ini menggunakan tiga kondisi pencahayaan: terang,
normal, dan redup. Hasilnya menunjukkan perbedaan signifikan, di mana pada
pencahayaan terang didapati rata-rata akurasi sebesar 96.15%, pada pencahayaan
normal 85.13%, dan pada pencahayaan redup 53.59%. Dengan demikian, model
YOLOv8 tidak hanya mampu mendeteksi bahasa isyarat dengan precision dan
recall tinggi, tetapi juga dapat digunakan dalam berbagai kondisi pencahayaan
meskipun terjadi penurunan akurasi pada pencahayaan redup.