197-Article Text-505-1-10-20200904
197-Article Text-505-1-10-20200904
Abstrak – Tulisan tangan merupakan hasil dari pikiran sadar dan bawah sadar manusia yang
menggambarkan atau mencerminkan karakter kepribadian manusia. Tulisan tangan menyimpan informasi yang
dapat mengidentifikasi sifat, perkembangan jiwa dan tingkat kesehatan seseorang. Dalam cabang ilmu
psikologi, ilmu yang mempelajari karakter kepribadian seseorang dengan cara menganalisa tulisan tangan
disebut grafologi. Pada penelitian ini akan dibangun sistem identifikasi pengenalan pola tulisan tangan
seseorang menggunakan metode Support Vector Machine (SVM). Proses pembelajaran pada SVM bertujuan
untuk mendapatkan hipotesis berupa bidang pemisah terbaik yang tidak hanya meminimalkan empirical risk
yaitu rata-rata eror pada data pelatihan. Dari penelitian ini diperoleh Nilai output dari klasifikasi Support
Vector Machine sehingga menghasilkan output sesuai dengan yang diharapkan. Aplikasi ini menerapkan metode
Support Vector Machine yang dilakukan dari data pengujian dengan tingkat akurasi keberhasilan 85% dari 50
data uji dalam pengenalan pola tulisan tangan.
202
Seminar Nasional Inovasi Teknologi e-ISSN: 2549-7952
UN PGRI Kediri, 25 Juli 2020 p-ISSN: 2580-3336
203
Seminar Nasional Inovasi Teknologi e-ISSN: 2549-7952
UN PGRI Kediri, 25 Juli 2020 p-ISSN: 2580-3336
2) Interface Sistem
a. Training
204
Seminar Nasional Inovasi Teknologi e-ISSN: 2549-7952
UN PGRI Kediri, 25 Juli 2020 p-ISSN: 2580-3336
b) Tombol Browse : Digunakan untuk mencari pada sistem yang berhasil dikenali 17 data, tidak
gambar direktori folder yang akan berhasil dikenali 16 data, dan data yang tidak
dijadikan input pengolahan. dikenali sebanyak 7. Hasil akurasi terbaik yang
c) Tombol Proses : Digunakan untuk terdapat pada skenario uji coba 1 dengan tingkat
memproses citra masukan. akurasi 70%.
d) Tombol Hapus : Untuk menghapus citra
masukan. Tabel 2. Skenario uji coba 2
e) Basil Data Latih : Sebuah tampilan tabel
untuk menampilkan hasil data latih. Tulisan Data Training Data Testing
f) Tombol Pelatihan : Digunakan untuk
melihat hasil pelatihan.
TIDUR 5 15
g) Tabel pelatihan : Tampilan untuk data
pelatihan MAKAN 10 20
h) Tabel input bobot: Tampilan input bobot
i) Tabel output bobot: Tampilan output bobot
Tidak Tidak
Tulisan Berhasil Akurasi
b. Testing Berhasil Terdeteksi
TIDUR 10 15 3 40%
MAKAN 15 3 2 85%
Dalam Tabel Uji coba ke 1 data tulisan tangan Pengujian yang dilakukan pada penelitian
dengan data training 35 data training dan data “Aplikasi Pengenalan Pola Tulisan Tangan Dengan
testing 15 data dengan kata “TIDUR dan MAKAN . Metode Support Vector Machine “ terhadap 50
sempel tulisan tangan yang berbeda dengan bentuk
205
Seminar Nasional Inovasi Teknologi e-ISSN: 2549-7952
UN PGRI Kediri, 25 Juli 2020 p-ISSN: 2580-3336
tulisan yang sama mampu menghasilkan presentase Yogyakarta: PT. Kanisius (online).
tingkat akurasi terbaik 85%. Kesalahan yang https://repository.unpar.ac.id/handle/123456789/123
terdapat pada output disebabkan karena penulisan [3] Kadir, Abdul, Adhi Susanto. 2013. Teori dan
yang tidak bisa dikenali oleh sistem . Aplikasi Pengolahan Citra. Yogyakarta: Andi.
Keberhasilan dalam aplikasi dalam mengenali
pola tulisan tangan yang mirip dengan data latih. [4] Handhayani, Teny. 2017. Identifikasi Melalui Pola
Tulisan Tangaan Menggunakan Algoritma Support
Oleh sebab itu diaplikasi ini dibutuhkan banyak data
Vector Machine. Jurnal Muara. Vol. 1. Sains
latih, dengan semakin mirip penulisan pola tulisan Teknologi, Kedokteran, dan Ilmu Komputer.
tangan. Nilai akurasi keberhasilan semakin tinggi. Universitas Tarumanagara.
https://journal.untar.ac.id/index.php/jmistki/article/vi
3.3 Analisa ew/432/377.
Dari contoh sempel pengujian diatas dengan
[5] Widiarsono , Teguh. 2005. Tutorial Praktis Belajar
pola tulisan tangan yang sama , aplikasi dapat Matlab. Jakarta : Ramadhan (online).
mengetahui citra pola tulisan tangan yang lebih https://www.academia.edu/9275126/Tutorial_Praktis
bervariasi dengan tingkat akurasi keberhasilan.85% _Belajar_Matlab.
yang mengenali pola tulisan tangan yang terdiri dari
5 huruf. Kelemahan dari aplikasi ini terdapat pada [6] Putri, Nydia Amelia, Gelar Budiman, Yuli Sun
saat penulisan yang tidak mendekati kemiripan pada Hariyani. 2015. Analisis dan Implementasi
data latih. Identifikasi Kepribadian Melalui Tulisan Tangan
Pada Sistem Operasi Android Berdasarkan
Pengenalan Pola. e-proceeding of
Engineering:Vol.2.https://openlibrary.telkomunivers
4. SIMPULAN ity.ac.id/pustaka/104302/analisis-dan-implementasi-
Dari hasil penelitian yang dilakukan dengan identifikasi-kepribadian-melalui-tulisan-tangan-
menerapkan metode Support Vector Machine untuk pada-sistem-operasi-android-berdasarkan-
pengenalan pola tulisan tangan, dapat diambil pengolahan-citra.html.
kesimpulan bahwa :
[7] Nugroho, Anto Satriyo, Arief Budi Witarto, Dwi
1) Pasa Pengujian yang telah dilakukan penulisan Handoko. 2003. Support Vector Machine Teori dan
harus sesuai dengan huruf Kapital yang jelas Aplikasinya dalam Bioinformatika (online).
agar dapat dikenali oleh aplikasi. http://asnugroho.net/papers/ikcsvm.pdf\
2) Aplikasi dengan pengenalan pola tulisan tangan
dengan metode Support Vector Machine .
terdapat tiga skenario uji coba. Dari skenario 1
menghasilkan tingkat akurasi terbaik dengan
nilai 70%, skenario 2 menghasilkan tingkat
akurasi terbaik dengan nilai 85%, dan
skenario 3 menghasilkan tingkat akurasi terbaik
dengan nilai 80 %.
3) Dan dari ketiga skenario uji coba . hasil akurasi
tertinggi terdapat pada skenario uji coba 2
dengan nilai akurasi 85%.
5. SARAN
Adapun saran untuk penelitian selanjutnya agar
lebih baik adalah Untuk Penelitian selanjutnya dapat
ditambahkan lebih banyak kata, pola huruf kecil.
DAFTAR PUSTAKA
[1] Ludvianto, Bayu. 2013. Analisis Tulisan Tangan,
Grapo for Success. Jakarta: PT.Gramedia Pustaka
Utama..
206