IMPLEMENTASI METODE SUPPORT VECTOR MACHINE DALAM MENDETEKSI KEPRIBADIAN MELALUI TULISAN TANGAN
##plugins.themes.academic_pro.article.main##
Abstract
Mengenali kepribadian seseorang diperlukan guna dapat mengenali dirinya sendiri, Kebanyakan masyarakat Indonesia kurang tertarik atau berminat untuk mengenali kepribadiannya dengan mendatangi psikiater dikarenakan biaya yang harus dikeluarkan serta proses tes yang panjang. sehingga dibutuhkan sebuah teknologi untuk memudahkan seseorang mengenali kepribadiannya salah satunya dengan menganalisis tulisan seseorang. Bidang psikologi sudah sejak lama merupakan bidang yang selalu diminati karena dapat melakukan deteksi kepribadian seseorang. Salah satu metode deteksi kepribadian seseorang dapat digunakan dengan mengenali tulisan tangan. Penelitian ini bertujuan menguji metode Support Vector Machine dalam melakukan deteksi kepribadian seseorang dengan 110 dataset yang diambil dengan melakukan scan pada kertas yang berisi tulisan seseorang. Untuk dapat mengetahui kepribadian seseorang menggunakan tulisan tangan adalah dengan menganalisis ukuran kemiringan tulisan, kemiringan baris, spasi antar kata dan spasi antar baris serta penekanan tulisan. Adapun proses preprocessing citranya adalah thresholding dan dilation. Penelitian ini menggunakan Bahasa pemrograman python dalam membuat modelnya. Hasil dari penelitian ini adalah akurasi sebesar 98%.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Caraka, B., Sumbodo, B. A. A., & Candradewi, I. (2017). Klasifikasi Sel Darah Putih Menggunakan Metode Support Vector Machine (SVM) Berbasis Pengolahan Citra Digital. IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), 7(1), 25. https://doi.org/10.22146/ijeis.15420
Han, H., Arfan, F., Aldya, A. P., Adi, M., & Anshary, K. (2020). Aplikasi Media Sosialisasi Pengenalan Perilaku Hidup Bersih dan Sehat ( PHBS ) Berbasis Augmented Reality. 3(2), 138–144.
Harjoseputro, Y. (2018). Convolutional Neural Network (Cnn) Untuk Pengklasifikasian Aksara Jawa. Buana Informatika, 23.
Monika Parapat, I., & Tanzil Furqon, M. (2018). Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3163–3169.
Musril, H. A., Jasmienti, J., & Hurrahman, M. (2020). Implementasi Teknologi Virtual Reality Pada Media Pembelajaran Perakitan Komputer. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 9(1), 83. https://doi.org/10.23887/janapati.v9i1.23215
Parapat, I. M., Furqon, M. T., & Sutrisno. (2018). Penerapan Metode Support Vector Machine ( SVM ) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3163–3169.
Riady, M. I., Santoso, D., & Bustan, M. D. (2019). Thermodynamics Performance Evaluation in Combined Cycle Power Plant by Using Combined Pinch and Exergy Analysis. Journal of Physics: Conference Series, 1198(4). https://doi.org/10.1088/1742-6596/1198/4/042006
Rizal, R. A., Girsang, I. S., & Girsang, I. S. (2019). Klasifikasi Wajah Menggunakan Support Vector Machine (SVM). Riset Dan E-Jurnal Manajemen Informatika Komputer, Volume 3 N, 2541–1330.
Santoso, A., & Ariyanto, G. (2018). Implementasi Deep Learning Berbasis Keras Untuk. Jurnal Emitor, 18(01), 15–21.
Sulistiyanti ratna sari, setyawan arinto FX, komarudin muhamad. (2016). pengolahan citra dasar dan contoh penerapannya.
Tsani, N. B., & Harliana, H. (2019). Implementasi Deteksi Tepi Canny Dengan Transformasi Powerlaw Dalam Mendeteksi Stadium Kanker Serviks. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 1(01), 22–33. https://doi.org/10.46772/intech.v1i01.35
Ukkas, M. I., Hidayat, E. Y., & Rizki, S. (2020). MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION ( LVQ ). Wicida Jurnal, Vol 1, 1–6.
Wijaya, W., Tolle, H., & Utaminingrum, F. (2018). Metode Grid-Double Block Untuk Deteksi Margin Kiri Tulisan Tangan Pada Aplikasi Grafologi. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(1), 69. https://doi.org/10.25126/jtiik.201851575