Dian Purwadi, - (2019) PENGENALAN TIPE KARAKTER SESEORANG BERDASARKAN POLA TULISAN HURUF “t” MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE LEARNING VECTOR QUANTIZATION 2.1. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 01 COVER.pdf Download (283kB) | Preview
Preview	Text 02LEMBAR PENGESAHAN.pdf Download (72kB) | Preview
Preview	Text (abstrak) 03 ABSTRAK OK.pdf - Published Version Download (12kB) | Preview
Preview	Text 04 KATA PENGANTAR.pdf Download (18kB) | Preview
Preview	Text 05 DAFTAR ISI.pdf Download (36kB) | Preview
Preview	Text 06 BAB I.pdf Download (30kB) | Preview
Preview	Text 07 BAB II.pdf Download (279kB) | Preview
Preview	Text 08 BAB III.pdf Download (36kB) | Preview
Preview	Text 09 bab IV.pdf Download (525kB) | Preview
	Text (BAB V) 10 BAB V.pdf - Published Version Restricted to Repository staff only Download (314kB)
Preview	Text 11 BAB VI.pdf Download (7kB) | Preview
Preview	Text 12 DAFTAR PUSTAKA.pdf Download (12kB) | Preview

Abstract

Kepribadian merupakan hal yang sangat penting untuk diketahui oleh setiap orang agar mampu mengembangkan kelebihan yang dimilikinya. Grafologi merupakan ilmu yang digunakan untuk mengetahui karakter seseorang melalui pola tulisan tangan.. Jika tes grafologi masih dilakukan secara manual dibutuhkan waktu yang lama mempertimbangkan aspek ditinjau dalam grafologi sangat banyak. Meskipun intervensi manusia dalam analisis tulisan tangan telah efektif, namun sangat mahal dan rentan terhadap kelelahan. Oleh karena itu pembuatan aplikasi grafologi ini sangat dibutuhkan yang nantinya akan memmbantu peran grafolog dalam melakukan pengujian grafologi terhadap seseorang. Pada penelitian ini bertujuan untuk membuat sebuah aplikasi pengolahan citra digital dan jaringan syaraf tiruan dengan metode klasifikasi dalam memudahkan grafolog untuk menentukan krakter seseorang. Metode yang digunakan yaitu Klasifikasi dengan menerapkan algoritma Learning Vector Quantization 2.1 untuk menentukan karakter seseorang. Data yang digunakan adalah tulisan dari 20 responden. Pembagian data latih sebanyak 18 orang dengan 20 sampel karakter huruf t setiap orang dan data uji sebanyak 2 orang dengan 20 sampel karakter huruf t setiap orang. Nilai parameter learning rate digunakan bervariasi, yaitu 0.01, 0.05, window 0, 0.1 dan 0.5. Nilai rata-rata akurasi pengujian mencapai 72 %, dengan demikian metode LVQ 2.1 dapat diterapkan dalam mengenali karakter seseorang berdasarakan pola tulisan huruf t. Berdasarkan pengujian blackbox, aplikasi dapat beroperasi sesuai harapan. Sedangkan berdasarkan Pengujian data asli pakar grafologi menunjukkan bahwa aplikasi dapat diterima oleh grafolog dengan persentase 72 %. Kata Kunci : Grafologi, , Jaringan Syaraf Tiruan, Klasifikasi, Learning Vector Quantization 2.1, Pengolahan Citra Digital, Principal Component Analisys.

Actions (login required)

View Item