Keren, Mahasiswa UPNV Yogyakarta Kembangkan Kacamata Cerdas bagi Teman Tuli

SuaraJogja.id - Tim Gloudeaf UPN “Veteran” Yogyakarta (UPNVY) mengembangkan kacamata cerdas yang dapat membantu berkomunikasi dengan teman tuli atau dikenal dengan Integrated Glasses with Smart Voice Recognition and Gestures Translation to Communicate with Deaf People.

Ketua Tim Gloudeaf Sandy Wahyu Agusta menuturkan bahwa alat tersebut dibuat bersama dengan beberapa mahasiswa lainnya. Di antaranya ada Muhammad Rifqy, Nisrina Athiyya Zain, Astri Hastiningrum, dan Lisa Firdaus Siti Nurjanah.

Disebutkan Sandy, pembuatan alat tersebut dilatar belakangi oleh kebutuhan masyarakat penyandang disabilitas tuli untuk lebih membantu dalam komunikasi.

Berdasarkan data yang tercatat pada Sistem Informasi Manajemen Penyandang Disabilitas (SIMPD) Kementerian Sosial tahun 2020 ada sebanyak 7,03% persen penduduk atau 13.648 jiwa merupakan penyandang disabilitas tuli.

Baca Juga:Bantu Warga Malioboro yang Terdampak PPKM Level 4, Mahasiswa Jogja Bagikan Sembako

“Dari data ini kebutuhan alat bantu bagi teman tuli semkin diperlukan terlebih untuk berkomunikasi dengan masyarakat,” kata Sandy kepada awak media, Sabtu (28/8/2021).

Lebih lanjut, Sandy menyatakan, hingga sekarang sudah ada dua perangkat yang berhasil dikembangan. Semua perangkat itu berbentuk kacamata pintar atau Smart Glasses.

Dari dua perangkat itu kegunaannya pun berbeda. Jadi perangkat pertama itu akan digunakan untuk teman-teman tuli sedangkan pada perangkat kedua digunakan untuk teman dengar.

Dijelaskan Sandy, perangkat yang berupa sebuah kacamata itu mampu mengubah bahasa isyarat menjadi sebuah teks. Sehingga dapat lebih mudah dipahami oleh lawan bicara penyandang tunarungu.

"Sedangkan perangkat yang lain berupa sebuah kacamata yang mampu mengubah suara menjadi sebuah teks agar dapat dibaca dan dipahami oleh penyandang tunarungu,” terangnya.

Baca Juga:Pengawasan Pasien Isoman Minim, Bupati Sleman Usul Mahasiswa Kedokteran Ikut Terlibat

Sandy mengungkapkan bahwa alat ini dikembangkan dengan menggunakan teknologi deep learning berupa Convolutional Neural Network (CNN).