Pengenalan Tanda Tangan Menggunakan Histogram Of Oriented Gradient Dan Smooth Support Vector Machine Dalam Identifikasi Kepribadian

Tanda Tangan merupakan tulisan tangan yang unik, dimana setiap orang bisa teridentifikasi kepribadiannya berdasarkan tanda tangan. Ilmu yang mempelajari kepribadian lewat tanda tangan ialah grafologi. Pada umumnya, grafologi sendiri memprediksi karakter dan kepribadian seseorang dari tulisan tangannya berdasarkan tipe tulisan tangan. Tipe tulisan tangan tersebut dapat dipelajari oleh komputer dengan melakukan proses pengolahan citra digital. Tujuan dari penelitian ini adalah mengetahui nilai akurasi pada setiap bagian tanda tangan dengan menggunakan metode HOG dan SSVM. Permasalahannya yaitu apakah dengan metode HOG sebagai ekstraksi fitur dan SSVM sebagai klasifikasinya dapat menghasilkan akurasi fitur tanda tangan dalam kepribadian yang lebih tinggi. Hipotesa awal, dengan metode HOG sebagai ekstraksi fitur dan SSVM sebagai klasifikasinya dapat menghasilkan akurasi fitur tanda tangan dalam kepribadian yang lebih tinggi. Metode pada sistem ini terbagi menjadi dua, yaitu preprocessing dengan melalui tahapan kerat, persebar, dan segmentasi. Processing dengan melalui tahapan HOG sebagai ekstraksi fitur dan SSVM untuk klasifikasinya. Berdasarkan hasil penelitian yang telah dilakukan, metode HOG dan SSVM kurang tepat untuk kasus pengenalan tanda tangan dalam identifikasi kepribadian. Dikarenakan ada keterbatasan dalam metode SSVM, sehingga klasifikasi kurang maksilmal. Hal tersebut terbukti dari hasil pengujian pada 4 bagian tanda tangan, yaitu awal kurva dengan hasil akurasi sebesar 55%, coretan akhir sebesar 36%, garis tengah sebesar 43%, dan garis bawah sebesar 68%. Maka hasil rata-rata dari 4 bagian tanda tangan tersebut sebesar 50,5%.