FRAMEWORK KLASIFIKASI UNTUK IDENTIFIKASI KEPRIBADIAN MELALUI TULISAN TANGAN MENGGUNAKAN PENDEKATAN IMAGE PROCESSING

KURNIAWAN, RUDI and Samsuryadi, Samsuryadi (2023) FRAMEWORK KLASIFIKASI UNTUK IDENTIFIKASI KEPRIBADIAN MELALUI TULISAN TANGAN MENGGUNAKAN PENDEKATAN IMAGE PROCESSING. Doctoral thesis, Sriwijaya University.

[thumbnail of RAMA_21001_03013681924008.pdf] Text
RAMA_21001_03013681924008.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (5MB) | Request a copy
[thumbnail of RAMA_21001_03013681924008_TURNITIN.pdf] Text
RAMA_21001_03013681924008_TURNITIN.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (28MB) | Request a copy
[thumbnail of RAMA_21001_03013681924008_0004027101_01_front_ref.pdf] Text
RAMA_21001_03013681924008_0004027101_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (1MB)
[thumbnail of RAMA_21001_03013681924008_0004027101_02.pdf] Text
RAMA_21001_03013681924008_0004027101_02.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[thumbnail of RAMA_21001_03013681924008_0004027101_03.pdf] Text
RAMA_21001_03013681924008_0004027101_03.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[thumbnail of RAMA_21001_03013681924008_0004027101_04.pdf] Text
RAMA_21001_03013681924008_0004027101_04.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[thumbnail of RAMA_21001_03013681924008_0004027101_05.pdf] Text
RAMA_21001_03013681924008_0004027101_05.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (2MB) | Request a copy
[thumbnail of RAMA_21001_03013681924008_0004027101_06.pdf] Text
RAMA_21001_03013681924008_0004027101_06.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (217kB) | Request a copy
[thumbnail of RAMA_21001_03013681924008_0004027101_07_ref.pdf] Text
RAMA_21001_03013681924008_0004027101_07_ref.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (505kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk membangun framework dalam mengidentifikasi kepribadian seseorang berdasarkan analisis tulisan tangan (grafologi). Meskipun telah banyak dikembangkan berbagai model dan pendekatan dalam penelitian yang berhubungan dengan otomatisasi grafologi, namun masih terdapat kendala yang dihadapi hingga saat ini seperti: pemilihan teknik-teknik pre-processing, algoritma pengolahan citra untuk mengekstraksi fitur-fitur tulisan tangan, dan teknik-teknik klasifikasi yang tepat untuk mendapatkan akurasi yang maksimal dari setiap pemodelan yang dibangun. Pembangunan framework baru yang handal ini menggunakan pendekatan pengolahan citra seperti metode bilateral filtering, inverted global thresholding, dilasi, kontur, transformasi affine, dan teknik deslanting serta melakukan klasifikasi psikologi kepribadian the big five model dengan pendekatan pembelajaran mesin. Selanjutnya melakukan pengujian framework baru dalam mengklasifikasi psikologi dari kepribadian seseorang berdasarkan the big five model dengan parameter evaluasi k-fold cross validation. Hasil eksperimen menggunakan decision tree, K-Nearest Neigbour (K-NN), dan Support Vector Machine (SVM) dengan Radial Basis Fuction (RBF) kernel menghasilkan rerata akurasi sebesar 99 %. Hasil yang didapatkan menunjukkan bahwa framework yang diusulkan dapat bekerja dengan baik dalam memprediksi dan melakukan klasifikasi terhadap model the big five melalui fitur tulisan tangan

Item Type: Thesis (Doctoral)
Uncontrolled Keywords: Graphology, Handwriting Analysis, Image Processing, Machine Learning, Big Five Model
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7885-7895 Computer engineering. Computer hardware
Divisions: 03-Faculty of Engineering > 21001-Engineering Science (S3)
Depositing User: Rudi Kurniawan
Date Deposited: 29 Aug 2023 04:52
Last Modified: 29 Aug 2023 04:52
URI: http://repository.unsri.ac.id/id/eprint/126634

Actions (login required)

View Item View Item