UMN Knowledge Center

Implementasi Metode Support Vector Machine pada Aplikasi Identifikasi Karakter Berdasarkan Tulisan Tangan

Pranata, Gandhi (2019) Implementasi Metode Support Vector Machine pada Aplikasi Identifikasi Karakter Berdasarkan Tulisan Tangan. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (810kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (931kB) | Preview
[img]
Preview
Text
HALAMAN_AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (3MB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (919kB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview

Abstract

Grafologi adalah ilmu tulisan tangan yang dihasilkan oleh pikiran atau kerja otak. Karakter seseorang dapat diidentifikasi melalui analisis dan pengamatan tulisan tangan yang dihasilkan. Hasil dari analisis tulisan tangan dapat digunakan sebagai pertimbangan perekrutan pegawai dan untuk pengembangan diri. Namun, analisis tulisan tangan secara manual sangat memakan waktu sehingga dibuat aplikasi identifikasi karakter berdasarkan tulisan tangan. Dalam penelitian ini, terdapat 300 sampel tulisan tangan yang diperoleh dari 100 orang dengan masing-masing menulis sebanyak 3 kali sebagai dataset. Kemudian support vector machine dengan RBF kernel serta parameter C dan digunakan untuk melatih aplikasi. Dataset dibagi menjadi 1/3 data testing dan 2/3 data training. Setelah itu, 5-fold cross validation digunakan untuk mengoptimalisasi akurasi dari 2/3 data training yang menghasilkan parameter C dan terbaik dilanjutkan dengan mengukur akurasi menggunakan 1/3 data testing. Terdapat tujuh parameter yang digunakan untuk mengidentifikasi karakter pemilik tulisan tangan yaitu margin atas, margin kiri, margin kanan, baseline, ukuran huruf, jarak antar baris dan kemiringan tulisan dengan akurasi 97.0%, 98.0%, 94.0%, 87.1%, 90.5%, 81.6%, 89.1% yang didapat dari 2/3 data training menggunakan 5-fold cross validation dan 94.9%, 97.9%, 96.9%, 85.9%, 91.9%, 80.8%, 88.9% menggunakan 1/3 data testing yang dilatih dengan 2/3 data training.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Cross Validation, Grafologi, Identifikasi Karakter, RBF Kernel, Support Vector Machine
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2019 07:23
Last Modified: 13 Jan 2020 04:23
URI: http://kc.umn.ac.id/id/eprint/10421

Actions (login required)

View Item View Item