This Author published in this journals
All Journal Jurnal Script
Narfiana Wilujeng Lestari
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

IDENTIFIKASI KEPRIBADIAN SESEORANG BERDASARKAN POLA TULISAN TANGAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Narfiana Wilujeng Lestari; Suraya; Rosalia Arum Kumalasanti
Jurnal SCRIPT Vol. 9 No. 1 (2021): Vol 9 No. 1 Juni 2021
Publisher : Jurusan Informatika INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/script.v9i1.3661

Abstract

Manusia memiliki sifat, kepribadian dan karakter yang berbeda, mulai dari cara seorang berjalan, ada yang bisa menebak bagaimanakah sifat dan watak orang tersebut, dari raut wajah, kepribadian, atau karakter secara umum. Kepribadian adalah cara seseorang berinteraksi dan bereaksi. Tulisan tangan seseorang dapat digunakan untuk mengidentifikasi kepribadian seseorang dengan melihat pola tulisan tangan. Pola tulisan tangan adalah pembelajaran mesin (machine learning) yang menitik beratkan pada metode klasifisikasi tulisan tangan ke dalam kelas-kelas tertentu untuk menyelesaikan masalah tertentu. Dalam ilmu psikologi untuk mengidentifikasi tulisan tangan disebut dengan Grafologi. Dalam grafologi untuk melihat kepribadian dengan tulisan tangan diantaranya adalah ukuran tulisan, spasi antar kata, spasi antar huruf, spasi antar baris, kemiringan dan lain sebagainya. Teknologi pengolahan citra digital adalah salah satu teknologi yang dapat membantu proses identifikasi kepribadian seseorang secara otomatis dengan sistem aplikasi yang dibuat. Penelitian ini bertujuan untuk mengidentifikasi kepribadian seseorang dengan menggunakan metode fitur jarak antar kata yang dihasilkan dan menggunakan klasifikasi multi class Support Vector Machine. Sistem aplikasi menggunakan 22 data latih dan 15 data ujinya. Kelas pada penelitian ini adalah introvert dan extrovert. Algoritma yang digunakan yaitu algoritma Support Vector Machine dengan menggunakan kernel. Akurasi yang didapatkan saat pengujian sebesar 86,67%.