Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Journal of Informatics and Technology
Eko Prasetiawan
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISIS POLA GARIS DASAR TULISAN TANGAN UNTUK MENGIDENTIFIKASI KEPRIBADIAN SESEORANG MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Eko Prasetiawan; Aris Sugiharto; Sukmawati Nur Endah
Journal of Informatics and Technology Vol 2, No 3 (2013): Wisuda Agustus 2013
Publisher : Jurusan Ilmu Komputer / Informatika, FMIPA UNDIP, Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (398.187 KB)

Abstract

Grafologi merupakan teknik untuk mengetahui kepribadian seseorang melalui tulisan tangan dengan menggunakan beberapa fitur yang ada pada tulisan, salah satunya yaitu fitur garis dasar tulisan tangan. Aplikasi analisis pola garis dasar tulisan tangan ini dibangun menggunakan metode Support Vector Machine (SVM) yang terbagi menjadi dua tahapan yaitu tahap pelatihan dan tahap pengujian. Pada tahap pelatihan terdapat dua tahapan yaitu tahap analisis citra dan penentuan kelas citra. Adapun keluaran dari tahap analisis citra ini adalah data berupa titik absis yang disimpan dalam bentuk file txt yang nantinya digunakan di tahap pengujian. Sedangkan tahap pengujian dilakukan untuk mengetahui seberapa besar akurasi ketepatan aplikasi yang dibuat dapat bekerja mengklasifikasikan data masukan sekaligus memberikan hasil berupa identifikasi kepribadian pengguna. Tahap pengujian dilakukan sebanyak 5 kali dengan menggunakan dua skenario dengan total jumlah data yang digunakan sebanyak 90 data. Skenario pertama menggunakan jumlah data yang sama antara data pelatihan dan pengujian, menghasilkan persentase keberhasilan dengan rata-rata 98,00%, sedangkan skenario kedua yang menggunakan jumlah data yang berbeda antara data pelatihan dan pengujian, menghasilkan persentase keberhasilan dengan rata-rata 97,85%
Co-Authors Aris Sugiharto Sukmawati Nur Endah