Hendyansyah, Fakhri (2020) Sistem Deteksi Kepribadian Berdasarkan Tanda Tangan Menggunakan Convolutional Neural Network. Other thesis, Universitas Komputer Indonesia.
|
Text
1.10114292_FAKHRI HENDYANSYAH_COVER.pdf - Published Version Download (32kB) | Preview |
|
|
Text
19.10114292_FAKHRI HENDYANSYAH_LEMBAR PENGESAHAN.pdf - Published Version Download (145kB) | Preview |
|
|
Text
17.10114292_FAKHRI HENDYANSYAH_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (114kB) | Preview |
|
|
Text
4.10114292_FAKHRI HENDYANSYAH_KATA PENGANTAR.pdf - Published Version Download (191kB) | Preview |
|
|
Text
5.10114292_FAKHRI HENDYANSYAH_DAFTAR ISI.pdf - Published Version Download (232kB) | Preview |
|
|
Text
10.10114292_FAKHRI HENDYANSYAH_BAB 1.pdf - Published Version Download (166kB) | Preview |
|
|
Text
11.10114292_FAKHRI HENDYANSYAH_BAB 2.pdf - Published Version Download (1MB) | Preview |
|
Text
12.10114292_FAKHRI HENDYANSYAH_BAB 3.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy |
||
Text
13.10114292_FAKHRI HENDYANSYAH_BAB 4.pdf - Published Version Restricted to Repository staff only Download (870kB) | Request a copy |
||
|
Text
14.10114292_FAKHRI HENDYANSYAH_BAB 5.pdf - Published Version Download (11kB) | Preview |
|
|
Text
15.10114292_FAKHRI HENDYANSYAH_DAFTAR PUSTAKA.pdf - Published Version Download (125kB) | Preview |
Abstract
Pada penelitian ini dibangun sebuah sistem untuk mendeteksi kepribadian berdasarkan pola tanda tangan seseorang atau bisa disebut dengan ilmu grafologi. Saat ini sistem deteksi yang ada untuk mendeteksi kepribadian berdasarkan pola tanda tangan masih memiliki masalah seperti sulitnya mengenali fitur dari sebuah tanda tangan. Hal ini terjadi karena terkait dengan metode dalam mengekstraksi fitur sehingga mempengaruhi pengenalan fitur tersebut. Penelitian ini bertujuan untuk mengukur akurasi dari sistem deteksi kepribadian berdasarkan pola tanda tangan menggunakan metode Convolutional Neural Network. Fitur yang digunakan terdiri dari 4 fitur yaitu awal kurva, coretan akhir, coretan tengah dan garis bawah. Adapun pengujian yang telah dilakukan berupa pengujian akurasi yang didapatkan pada metode CNN. Akurasi yang di dapat pada fitur awal kurva sebesar 54%, akurasi yang di dapat pada fitur coretan akhir sebesar 56%, akurasi yang di dapat pada fitur coretan tengah sebesar 86% dan akurasi yang di dapat pada fitur garis bawah sebesar 72%. Rata-rata akurasi yang di dapat sebesar 67%. Hal ini dipengaruhi oleh jumlah epoch dan learning rate yang digunakan pada metode CNN.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Grafologi, Kepribadian, Tanda Tangan, Deep Learning, Convolutional Neural Network, CNN |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mrs. Calis Maryani |
Date Deposited: | 04 Dec 2020 03:25 |
Last Modified: | 04 Dec 2020 03:25 |
URI: | http://elibrary.unikom.ac.id/id/eprint/2947 |
Actions (login required)
View Item |