Prediksi Kepribadian Berdasarkan Tulisan Tangan
Dengan Metode Convolutional Neural Network
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Wicaksono, Arifano Teguh
Subject
005_Computer Programming, Programs & Data
Datestamp
2019-11-07 02:06:08
Abstract :
Pada penelitian ini dibangun sebuah sistem untuk melakukan prediksi kepribadian berdasarkan tulisan tangan seseorang yang berbentuk paragraf atau biasa disebut dengan ilmu grafologi. Selama pembangunan sistem dari penelitian ini telah dilakukan beberapa macam pengumpulan data mulai dari artikel terkait hingga validasi data kepada grafologis. Adapun pada sistem ini digunakan metode deep learning yaitu metode Convolutional Neural Network (CNN) sebagai salah satu metode klasifikasinya. Sebelum memasuki tahapan klasifikasi data yang berupa tulisan tangan tersebut dilakukan pemindaian sehingga data akan yang digunakan akan berbentuk citra, citra tersebut kemudian diolah dengan beberapa metode seperti grayscaling, thresholding, segmentasi objek, kemudian resizing. Tahapan itu digunakan untuk memfokuskan citra terhadap tulisan dan menyamaratakan ukuran citra. Adapun pengujian-pengujian yang telah dilakukan pada penelitian ini berupa pengujian akurasi yang didapatkan pada metode CNN, akurasi yang semula hanya sebesar 56.67%, berhasil meningkat hingga didapatkan akurasi sebesar 90% dengan perubahan arsitektur. Hal itu disebabkan karena arsitektur baru yang digunakan jauh lebih optimal pada kasus ini.
Pada penelitian ini dibangun sebuah sistem untuk melakukan prediksi kepribadian berdasarkan tulisan tangan seseorang yang berbentuk paragraf atau biasa disebut dengan ilmu grafologi. Selama pembangunan sistem dari penelitian ini telah dilakukan beberapa macam pengumpulan data mulai dari artikel terkait hingga validasi data kepada grafologis. Adapun pada sistem ini digunakan metode deep learning yaitu metode Convolutional Neural Network (CNN) sebagai salah satu metode klasifikasinya. Sebelum memasuki tahapan klasifikasi data yang berupa tulisan tangan tersebut dilakukan pemindaian sehingga data akan yang digunakan akan berbentuk citra, citra tersebut kemudian diolah dengan beberapa metode seperti grayscaling, thresholding, segmentasi objek, kemudian resizing. Tahapan itu digunakan untuk memfokuskan citra terhadap tulisan dan menyamaratakan ukuran citra. Adapun pengujian-pengujian yang telah dilakukan pada penelitian ini berupa pengujian akurasi yang didapatkan pada metode CNN, akurasi yang semula hanya sebesar 56.67%, berhasil meningkat hingga didapatkan akurasi sebesar 90% dengan perubahan arsitektur. Hal itu disebabkan karena arsitektur baru yang digunakan jauh lebih optimal pada kasus ini.
File :
UNIKOM_Arifano Teguh Wicaksono_cover.pdf
UNIKOM_Arifano Teguh Wicaksono_lembar pengesahan.pdf
UNIKOM_Arifano Teguh Wicaksono_bab 5.pdf
UNIKOM_Arifano Teguh Wicaksono_daftar pustaka.pdf
UNIKOM_Arifano Teguh Wicaksono_jurnal indonesia.pdf
UNIKOM_Arifano Teguh Wicaksono_jurnal inggris.pdf
UNIKOM_Arifano Teguh Wicaksono_biodata.pdf
UNIKOM_Arifano Teguh Wicaksono_surat keterangan pernyataan publikasi.pdf
UNIKOM_Arifano Teguh Wicaksono_surat pernyataan orisinalitas.pdf
UNIKOM_Arifano Teguh Wicaksono_kata pengantar.pdf
UNIKOM_Arifano Teguh Wicaksono_daftar isi.pdf
UNIKOM_Arifano Teguh Wicaksono_bab 1.pdf
UNIKOM_Arifano Teguh Wicaksono_bab 2.pdf
UNIKOM_Arifano Teguh Wicaksono_bab 3.pdf
UNIKOM_Arifano Teguh Wicaksono_bab 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
