Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Computer Science (JINACS)
Ulifatur Rosyidah
Universitas Negeri Surabaya
Computer Science & IT

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

Found 1 Documents
Search

 1 
Analisis Kepribadian Melalui Tulisan Tangan Menggunakan Metode Support Vector Machine Ulifatur Rosyidah; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (873.346 KB) | DOI: 10.26740/jinacs.v1n02.p91-96

Abstract

Abstrak— Analisis Tulisan Tangan atau yang dikenal dengan sebutan Grafologi merupakan suatu metode yang digunakan untuk mengidentifikasi kepribadian dari seseorang melalui pola tulisan tangan dengan cara mengevaluasi berbagai fitur dari tulisan tangan. Tulisan tangan dapat menjadi cerminan dari kepribadian masing-masing individu. Telah ada beberapa penelitian yang berkaitan dengan tulisan tangan dengan menggunakan metode yang berbeda-beda. Beberapa penelitian ada yang menggunakan fitur tulisan tangan berupa spacing, size, slant, shape, loop, dot, pressure, signature, zones dan page margin serta menggunakan fuzzy sugeno. Penelitian lain menggunakan fitur tulisan tangan berupa Alignment, Pen pressure, Thickness dan Shape dengan metode Neural Network. Pada penelitian ini akan menggunakan enam fitur tulisan tangan yakni ukuran huruf (size) , kemiringan tulisan (slant), garis dasar (baseline), tekanan penulisan (pen pressure), jarak antar baris (line spacing) dan jarak antar kata (word spacing) serta menggunakan metode Support Vector Machine dengan kernel linier. Hasil dari penelitian ini berupa enam kepribadian dan hasil akurasi. Enam kepribadian tersebut meliputi emosional, komunikasi, konsentrasi, mental energi, keharmonisan dan sosial. Penelitian ini memberikan nilai akurasi yang baik dengan menggunakan fungsi kernel linier. Estimasi akurasi yang didapat mencapai 99,9%.Kata Kunci— Klasifikasi kepribadian, tulisan tangan, Grafologi, Support Vector Machine.
Co-Authors Naim Rochmawati