Implementasi Reduced Support Vector Machines Dalam Sistem Deteksi Kepribadian Berdasarkan Pola Tanda Tangan

Pada penelitian ini dibangun sebuah sistem untuk melakukan deteksi kepribadian berdasarkan pola tanda tangan seseorang 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 grafolog. Adapun pada sistem ini digunakan metode machine learning yaitu metode Reduced Support Vector Machine.Sebelum memasuki tahapan klasifikasi data yang berupa tanda tangan tersebut dilakukan pemindaian sehingga data akan yang digunakan akan berbentuk citra, citra tersebut kemudian diolah dengan beberapa metode seperti grayscaling, deteksi tepi canny, segmentasi objek,resize,binerisasi,segmentasi vertical dan horizontal kemudian ekstraksi fitur PCA. 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 dengan metode Confusion Matrix menghasilkan rata-rata akurasi pada awal kurva sebesar 70,83%, coretan akhir sebesar 90,27%,coretan tengah sebesar 89,58%, garis bawah sebesar 87.5%.