PERANCANGAN DAN IMPLEMENTASI SISTEM PENDETEKSI KARAKTER DAN KE
PRIBADIAN SESEORANG BERDASARKAN TULISAN TANGAN MENGGUNAKAN METODE SEGMENTASI DAN
JARINGAN SARAF TIRUAN (JST) BACKPROPAGATION

HISYAM

Informasi Umum

Kode

114081020

Klasifikasi

006.3 - Special Computer Methods- Artificial intelligence

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Artificial Intelligence

Dilihat

248 kali

Informasi Lainnya

Abstraksi

Graphology adalah suatu cabang ilmu yang mempelajari tulisan tangan yang umumnya bertujuan untuk mengetahui karakter dan kepribadian dari sang pemilik tulisan tersebut, sehingga kita bisa lebih memahami secara lebih dalam tentan g seluk beluk seseorang . Ahli dalam merepresentasikan tulisan tangan umumnya dik enal dengan sebutan graphologist . Selama ini graphologist memerlukan waktu yang lama untuk mendeteksi kepribadian seseorang, selain itu pengalaman dan pengetahuan dari tiap graphologist

itu sendiri berbeda

beda sehingga sering memberikan output yang berbed a pula.<br><br>Pada tugas akhir ini, penulis mengkomputerisasi proses representasi tulisan tangan tersebut dengan mengg unakan beberapa parameter diantaranya; ukuran huruf, kemiringan tulisan, dan spasi antar kata yang akan digunakan sebagai acuan dalam mempredik si karakter serta kepribadian dari seseorang. Metode yang akan digunakan untuk menganalisa parameter tersebut yaitu metoda image processing untuk menghilangkan noise yang ada pada tulisan tangan yang telah di digitalisasi kemudian dilakukan segmentasi terh adap data digital tersebut dan meng ombinasikannya dengan jaringan saraf tiruan (JST) backpropagation sebagai metode pembelajaran dan pelatihan sistem. Selain itu juga digunakan C# sebagai bahasa pemrograman dalam merealisasikan sistem ini.<br><br>Setelah mengimp lementasikan tugas akhir ini dengan menggunakan data dari 225 penulis yang berbeda, hasil pelatihan si stem menunjukan bahwa akurasi pelatihan sistem sebesar 94% sementara akurasi pengujiannya adalah 67 %. Akurasi ini didapat dengan mengambil inisialisasi te rbaik dari parameter penyusun JST ketika dilakukan pelatihan. Dari pelatihan tersebut, arsitektur yang optimal dibangun menggunakan satu lapisan tersembunyi dengan jumlah neuron 15, 0. 1 sebagai laju pembelajaran, 0. 2 sebagai momentum, dan jumlah epoch maks imal sebanyak 100000 . graphology, image processing, analisa tulisan tangan, jaringan saraf tiruan (JST) backpropagation, C#.