Hardwareholic – Di tengah pesatnya perkembangan teknologi saat ini, masih banyak kelompok masyarakat yang menghadapi hambatan dalam mengakses komunikasi sehari-hari secara inklusif. Salah satunya adalah teman tuli, yang kerap mengalami keterbatasan ketika berinteraksi dengan masyarakat luas karena belum banyaknya akses interpreter bahasa isyarat yang mudah dijangkau.
Kondisi tersebut mendorong empat mahasiswa Universitas Bina Nusantara Alam Sutera, yang tergabung dalam tim KYGB, Nathanael Setiorahardjo, Bonaventura Jonathan Tanujaya, Kelvin Leandi, dan Gavinn Aloys, untuk menciptakan solusi berbasis teknologi yang dapat membantu menjembatani komunikasi bagi teman tuli. Berangkat dari kepedulian terhadap isu inklusivitas, mereka mengembangkan Gesti Talk, aplikasi berbasis AI dan Computer Vision yang mampu menerjemahkan Bahasa Isyarat Indonesia (BISINDO) menjadi teks atau suara secara real-time melalui kamera smartphone.
Tim KYGB Juara 3 Samsung Solve for Tomorrow 2025 memegang Gesti Talk
Inovasi tersebut berhasil mengantarkan tim KYGB meraih Juara 3 kategori Universitas dalam program Samsung Electronics Samsung Solve for Tomorrow (SFT) 2025, sebuah kompetisi berbasis STEM (Science, Technology, Engineering, and Mathematics) yang mendorong generasi muda menciptakan solusi inovatif berbasis teknologi dan AI untuk menjawab berbagai tantangan nyata di masyarakat.
“Dari seminar tentang inklusivitas itu kami mulai berpikir, bagaimana kalau teman-teman tuli bisa punya akses terhadap interpreter yang lebih mudah dijangkau melalui teknologi? Kami ingin menciptakan solusi yang dapat membantu mereka berkomunikasi secara lebih mandiri dan inklusif,” ujar Nathanael Setiorahardjo, ketua tim KYGB.
Gesti Talk, inovasi dari Tim KYGB
Melalui Gesti Talk, tim KYGB mengembangkan prototype aplikasi yang dapat mendeteksi gerakan BISINDO melalui kamera smartphone dan menerjemahkannya menjadi kalimat Bahasa Indonesia secara real-time. Dalam proses pengembangannya, teknologi Computer Vision digunakan untuk membaca titik koordinat tangan dan gerakan pengguna, yang kemudian diproses menggunakan model AI berbasis Long Short-Term Memory (LSTM) untuk memahami urutan dan konteks bahasa isyarat secara lebih akurat.
