View/Open

Author
Timo Sepliana, Kabeakan

Advisor
M.Zaky, Hadi S.T.P.,M.Si
Muhammad Faishal Jundana , Muttaqin S.T., M.T

Koleksi
Teknik Industri

Publisher

Penelitian ini menawarkan suatu pendekatan baru sebagai alternatif identifikasi personality dalam bentuk rancangan model sistem cerdas yang dapat membantu seseorang maupun HRD suatu perusahaan memprediksi tipe personality karyawan/calon karyawan. Model cerdas yang dirancang pada penelitian ini adalah tahapan awal dari pengembangan keseluruhan sistem cerdas, dengan target arah pengembangan pada penanaman (embedded) model pada suatu perangkat lunak aplikasi (seperti smartphone) yang dapat memindai gambar tanda tangan untuk diekstrak kepribadiannya secara otomatis, cepat dan realtime. Pendekatan yang dipakai dalam penelitian ini yaitu deep learning dengan memanfaatkan gabungan algoritma Convolutional Nueral Networks (CNN) dan Atificial Neural Networks (ANN). Model Convolutional Nueral Networks (CNN) digunakan untuk meprediksi pola data grafologi berbentuk spasial, sedangkan model Atificial Neural Networks (ANN) digunakan untuk memprediksi pola data grafologi berbentuk non spasial dengan mempertimbangkan 5 atribut grafologi yaitu letter size, letter slant, pen pressure, baseline dan word spacing. Hasil penelitian menujukkan bahwasanya model sistem cerdas berbasis hybrid deep learning dapat mengidentifikasi pola tanda tangan seseorang berdasarkan pada proses training epoch menggunakan data inisiasi awal dari IAM handwriting. Nilai akurasi data uji coba yang diperoleh masih berfluktuatif yang mengindikasikan perlunya proses pengembangan yang mengarah pengembangan sistem dan pengajaran sampai model yang dirancang dikatakan cerdas melalui sistem feedback dari calon pengguna agar akurasi sistem cerdas semakin meningkat. Kata Kunci: Personality, Deep Learning, Model, CNN, ANN

URI
https://repo.itera.ac.id/depan/submission/SB2307070015

Keyword