Review Jurnal : YOLO26-Based ASL Sign Language Gesture Detection on Android

Andik Alfauzi

4 min read

·

Oct 22, 2026

--

Share

Press enter or click to view image in full size

1. Latar Belakang

Aksesibilitas komunikasi bagi komunitas tunarungu melalui teknologi Automatic Sign Language Recognition (ASLR) merupakan salah satu cabang terapan Computer Vision yang sangat krusial. Meskipun model-model Deep Learning modern mampu mencatatkan akurasi pengenalan hingga mendekati sempurna pada kondisi laboratorium, tantangan sesungguhnya terletak pada implementasi praktis di tingkat perangkat edge.

Pengenalan isyarat American Sign Language (ASL) secara real-time pada smartphone menghadapi dua hambatan utama:

• Kompleksitas Visual: Gerakan jari yang halus dan cepat, perbedaan orientasi tangan, variasi warna kulit, serta fluktuasi intensitas pencahayaan.
• Keterbatasan Komputasi Edge: Ketatnya batasan memori RAM, konsumsi daya baterai, dan kecepatan pemrosesan GPU/NPU pada hardware smartphone.

Penelitian oleh Isnaeni et al. (2026) hadir untuk menjembatani research gap ini dengan mengevaluasi varian arsitektur detektor objek terbaru, YOLO26, yang diintegrasikan langsung pada perangkat Android berbasis TensorFlow Lite.

2. Metodologi Penelitian & Desain Eksperimen

Penulis menerapkan alur kerja eksperimental 6 tahap yang terstruktur, mencakup penyiapan custom dataset, augmentasi data, anotasi bounding box, pelatihan model YOLO26, evaluasi kuantitatif, dan deployment Android.

• Dataset Kustom: Berisi total 7.800 citra beresolusi tinggi, terbagi rata ke dalam 26 kelas isyarat statis (300 citra/kelas). Kelas mencakup 24 abjad alfabet (tanpa ‘j’ dan ‘z’ karena membutuhkan gerakan dinamis) serta 2 frasa komunikasi harian (“I love you” dan “Thank you”).
• Data Split: Rasio 70% train data (5.460 citra), 20% validation data (1.560 citra), dan 10% test data (780 citra).
• Augmentasi & Preprocessing: Resizing ke 640×640 piksel, cropping area tangan, horizontal flipping, rotasi acak, variasi kecerahan/kontras, serta memanipulasi zoom.
• Setup Pelatihan & Deployment: Model dilatih menggunakan akselerasi GPU Google Colab (100 epoch, batch size 16, lr 0.01). Model dikonversi ke format .tflite dan diuji secara offline-on-device pada smartphone Android Infinix X6726.

3. Hasil Eksperimen & Analisis Performa Model

Penelitian ini dilakukan dengan evaluasi komparatif multi-skala terhadap tiga varian YOLO26 (Small, Nano, Medium). Ringkasan metrik performa kuantitatif dan performa on-device deployment ditunjukkan pada tabel berikut:

Press enter or click to view image in full size

Analisis Trade-off

Dari perspektif rekayasa perangkat lunak dan Data Science, YOLO26n (Nano) diidentifikasi sebagai varian paling optimal untuk mobile deployment dengan pertimbangan:

• YOLO26m meraih akurasi tertinggi (mAP@50 98.4%), namun mengalami latency tinggi (132 ms / 7.58 FPS) yang akan mengurangi responsivitas aplikasi secara riil.
• YOLO26s memberikan kecepatan deteksi tertinggi (9.17 FPS), namun dengan skor presisi terendah.
• YOLO26n berhasil mempertahankan keseimbangan presisi yang sangat baik (mAP@50 97.8%, F1-Score 96.1%) dengan angka latency yang sangat responsif di perangkat seluler (8.47 FPS).

4. Strengths Analysis

• Fokus pada Real-World Mobile Deployment: Berbeda dari mayoritas studi terdahulu yang hanya menyajikan akurasi di lingkungan laboratorium, penelitian ini menguji model secara langsung pada perangkat fisik, menyajikan metrik empiris berupa latency (ms) dan Frame Rate (FPS).
• Pengujian Ketahanan Cahaya Kuantitatif: Model diuji pada 3 tingkat intensitas cahaya terukur. Terbukti bahwa YOLO26n tetap tangguh dengan akurasi 93.3% pada kondisi low light.
• Pencegahan Class Imbalance: Pembentukan custom dataset yang terdistribusi simetris (300 citra untuk tiap 26 kelas) menjaga stabilitas proses pelatihan model.
• Kejujuran Ilmiah & Objektivitas: Penulis bersikap obyektif dan menghindari overclaiming terhadap arsitektur lain sebelum dilakukan pengujian langsung pada protokol dataset yang sama.

5. Weaknesses Analysis

• Cakupan Isyarat Terbatas pada Static Gestures: Penafsiran bahasa isyarat alami di dunia nyata didominasi oleh gerakan dinamis. Pengeksklusian abjad bergerak seperti ‘j’ dan ‘z’ membatasi fungsionalitas aplikasi ini pada interaksi bahasa isyarat yang kompleks.
• Ketiadaan Cross-Device Validation: Pengujian deployment on-device hanya dilakukan pada satu varian smartphone (Infinix X6726). Akibatnya, stabilitas inference latency pada variasi Chipset/SoC lain (seperti Snapdragon, Exynos, atau Bionic) belum terverifikasi secara lintas perangkat.
• Ketiadaan Cross-Dataset Validation: Validasi hanya bergantung pada internal test split (10% data uji). Ketiadaan pengujian pada dataset publik independen membuat klaim generalisasi model terhadap lingkungan luar belum teruji secara komprehensif.
• Eksperimen Baseline External Belum Tereksekusi: Laporan perbandingan dengan model populer lain (seperti YOLOv8, YOLOv11, atau MediaPipe) masih berstatus required baseline yang belum dieksekusi secara aktual pada dataset yang sama.

6. Implikasi Akademis & Rekomendasi Penelitian Berkelanjutan

Hasil studi ini memberikan implikasi yang signifikan bagi pengembangan sistem Edge AI terapan di bidang teknologi aksesibilitas. Penerapan YOLO26n terbukti menjadi pilihan arsitektur yang menjanjikan untuk aplikasi penerjemah bahasa isyarat portabel yang dapat beroperasi offline tanpa ketergantungan pada server cloud.

Rekomendasi Pengembangan Lanjutan:

• Integrasi Pemrosesan Temporal: Mengombinasikan YOLO26 dengan arsitektur time-series seperti LSTM, GRU, atau Video Transformers untuk mengakomodasi gerakan isyarat dinamis.
• Benchmark Lintas Chipset: Melakukan evaluasi latency dan power consumption pada spektrum hardware yang lebih luas (entry-level, mid-range, flagship).
• Diversifikasi Demografi Dataset: Memperluas keberagaman sampel data seperti rentang usia, complex background, variasi warna kulit, dan motion blur untuk meningkatkan ketahanan model di lingkungan yang tidak terprediksi sebelumnya.

7. Opini Pribadi

Secara keseluruhan, artikel ilmiah karya Isnaeni et al. (2026) ini menyajikan kontribusi yang sangat baik dan sangat relevan dalam ranah Computer Vision dan Mobile Edge Computing. Penelitian ini sukses membuktikan bahwa arsitektur YOLO26n menawarkan efisiensi komputasi yang sangat seimbang untuk deteksi isyarat ASL statis secara real-time di perangkat Android, dengan mAP@50 mencapai 97.8% pada kecepatan 8.47 FPS. Artikel ini sangat direkomendasikan sebagai rujukan utama bagi para peneliti dan pengembang yang berfokus pada integrasi model Deep Learning ke dalam perangkat seluler.

Sumber : https://journal.umy.ac.id/index.php/eist/article/view/32071