PEMANFAATAN TEKNIK GRAFOLOGI DAN FUZZY RULE-BASED CLASSIFICATION SYSTEMS DALAM MENGIDENTIFIKASI JENIS KELAMIN BERDASARKAN TULISAN TANGAN

• Main Author: Zainaff, Aldi (Author)
• Format: Book
• Published: 2016-06-17.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/24635/1/S_KOM_0905673_Title.pdf; http://repository.upi.edu/24635/2/S_KOM_0905673_Abstract.pdf; http://repository.upi.edu/24635/3/S_KOM_0905673_Table_of_content.pdf; http://repository.upi.edu/24635/4/S_KOM_0905673_Chapter1.pdf; http://repository.upi.edu/24635/5/S_KOM_0905673_Chapter2.pdf; http://repository.upi.edu/24635/6/S_KOM_0905673_Chapter3.pdf; http://repository.upi.edu/24635/7/S_KOM_0905673_Chapter4.pdf; http://repository.upi.edu/24635/9/S_KOM_0905673_Chapter5.pdf; http://repository.upi.edu/24635/10/S_KOM_0905673_Bibliography.pdf; http://repository.upi.edu/24635/11/S_KOM_0905673_Appendix.pdf
• Keywords: Q Science (General); QA75 Electronic computers. Computer science

Prediksi jenis kelamin berdasarkan tulisan tangan menjadi hal yang sangat menarik saat ini. Banyak penelitian yang telah dilakukan mengenai hal ini. Bahkan, pada tahun 2013, diadakan sebuah kompetisi yang diselenggarakan oleh Kaggle mengenai prediksi jenis kelamin berdasarkan dataset tulisan tangan dan telah diikuti sebanyak 194 regu. Penelitian ini akan membahas hal serupa dengan menggunakan metode yang berbeda. Dalam penelitian ini, parameter yang akan digunakan sebagai penentu jenis kelamin merupakan adaptasi dari teknik-teknik grafologi, seperti tekanan tulisan, tinggi tulisan, kemiringan tulisan, dan juga margin tulisan. Selain itu, penelitian ini juga menggunakan metode fuzzy rule-based classification systems yang merupakan implementasi metode fuzzy sebagai pemroses data, dan dalam implementasinya, penelitian telah mencapai classification rate atau nilai akurasi prediksi sebesar 76%.; Gender prediction from handwriting is an interesting things. There are many researches on this subject. Moreover, in 2013, held a competition organized by Kaggle regarding gender prediction based on handwriting datasets and was attended by 194 teams. This research will discuss the same thing using different methods. In this research, we will use graphology parameters, as pen pressure, height, slope, and margin of handwriting. In addition, this research using fuzzy rule-based classification systems which implemented fuzzy method to process the data, and in its implementation, the research has reached 76% of classification rate.