Bahasa isyarat adalah bentuk komunikasi nonverbal yang digunakan oleh individu dengan
disabilitas pendengaran dan bicara, yang di Indonesia terdiri dari Sistem Isyarat Bahasa Indonesia
(SIBI) dan Bahasa Isyarat Indonesia (BISINDO). Namun, language barrier masih menjadi
masalah utama yang menghambat komunikasi antara pengguna bahasa isyarat dan masyarakat
umum. Penelitian ini bertujuan untuk mengatasi hambatan tersebut dengan mengembangkan
model penerjemah bahasa isyarat menggunakan model YOLOv8, yang dikenal memiliki
keunggulan dalam deteksi objek real-time. Dataset Bahasa Isyarat Indonesia (BISINDO)
diintegrasikan ke dalam model YOLOv8, di mana dilakukan pemilihan dan penyesuaian
hyperparameter untuk mencapai nilai metrik optimal. Hyperparameter yang digunakan meliputi
jumlah epochs 50, fungsi optimizer Stochastic Gradient Descent (SGD), dan ukuran batch 16.
Prototype web ini dikembangkan menggunakan framework Streamlit, yang memungkinkan
interaksi web yang responsif dan mudah diakses. Proses penelitian mencakup pengumpulan
dataset, preprocessing dataset, implementasi model, pelatihan model, pengujian model, evaluasi
kinerja model berdasarkan metrik precision, recall, F1-Score, dan mAP50, serta deployment model.
Hasil penelitian menunjukkan bahwa model YOLOv8 mampu mendeteksi dan menerjemahkan
bahasa isyarat dengan akurasi yang tinggi, dengan nilai precision 93,8%, recall 96,8%, F1-Score
95,2%, dan mAP50 99,5%. Meskipun hasil ini menunjukkan performa yang baik, masih ada ruang
untuk peningkatan lebih lanjut pada penelitian selanjutnya untuk mendekati angka 100% pada
metrik-metrik tersebut. Implementasi model ini diharapkan dapat membantu mengurangi
hambatan komunikasi antara pengguna bahasa isyarat dan masyarakat umum, serta meningkatkan
interaksi yang lebih inklusif.
Kata Kunci: Bahasa Isyarat, YOLOv8, Deteksi Objek, Hyperparameter, Streamlit