Analisis dan Desain Intelligent Agent Menentukan Kepribadian Berdasarkan Tulisan Tangan

Alton Gunawan Purwanto, Ricky Yohanes Wijaya, Timotius Timotius, Immanuel Johnson Agustian, Indra Budi Trisno

Abstract


Abstrak— Grafologi merupakan suatu metode ilmiah untuk melakukan analisis pada tulisan tangan untuk mengidentifikasi, mengevaluasi, serta memahami kepribadian pada individu. Seperti halnya dengan sidik jari, goresan tulisan tiap orang punya karakteristik unik tersendiri sehingga polanya dapat digunakan dan dianalisis untuk memprediksi karakter seseorang. Sebagian besar pakar mengklaim analisis tulisan tangan dengan teknik grafologi memiliki akurasi sebesar 85-90%. Ilmu ini dapat digunakan untuk menganalisis kepribadian seseorang pada saat melakukan kencan, bersosialisasi, bisnis, merekrut karyawan, menemukan bakat, konselor, serta mengungkap kasus kejahatan. Penelitian ini biasanya dilakukan secara manual oleh ahli grafologi, dan membutuhkan waktu cukup lama bagi grafolog untuk menganalisis tulisan tangan dengan hasil yang lebih akurat. Pengenalan pola menggunakan machine learning dapat membantu grafolog untuk mendapatkan hasil kepribadian secara cepat dan meminimalisir penggunaan sumber daya manusia. Dengan dilakukannya analisis dan desain intelligent agent yang mendapatkan hasil desain tabel PEAS serta karakteristik dari environment untuk menentukan kepribadian berdasarkan tulisan tangan, dapat menjadi acuan untuk pembuatan intelligent agent dengan tujuan mendapatkan hasil kepribadian dengan tulisan tangan yang dapat mengefisiensikan pekerjaan grafolog yang saat ini secara manual, serta menekankan pentingnya untuk melakukan desain PEAS saat ingin membuat suatu intelligent agent.

Kata kunci: Kepribadian, Grafologi, Analisis Tulisan Tangan, Intelligent Agent, PEAS

 

Abstract— Graphology is a scientific method for analyzing handwriting to identify, discover, and understand individual personalities. Like fingerprints, each person's scratch has its unique characteristics so that the pattern can be used and analyzed to predict a person's character. Most experts claim handwriting analysis with graphology techniques has an accuracy of 85-90%. This knowledge can be used to analyze a person's personality when dating, socializing, recruiting employees, finding talent, counselors, and uncovering crime cases. This research is usually done manually by a graphologist, and it takes a long time for the graphologist to analyze the handwriting with more accurate results. Recognition of machine learning usage patterns can help graphologists to get communication results quickly and minimize the use of human resources. With the analysis and design of intelligent agents that obtain the results of the PEAS table design and the characteristics of the environment to determine personality based on handwriting, it can be used as a reference for making intelligent agents obtain handwritten communication results that can streamline the current work of graphologists manually, as well as when it comes to doing important things to do design PEAS makes an intelligent agent.

Kata kunci: Personality, Graphology, Handwriting Analysis, Intelligent Agent, PEAS


Keywords


Kepribadian; Grafologi; Analisis Tulisan Tangan; Intelligent Agent; PEAS

Full Text:

PDF

References


K. Amend and M. Ruiz, Handwriting Analysis: the Complete Basic Book. Franklin Lakes: New Page Books, 2000.

U. Rosyidah and N. Rochmawati, “Analisis Kepribadian Melalui Tulisan Tangan Menggunakan Metode Support Vector Machine,” JINACS (Journal Informatics Comput. Sci., vol. 1, no. 2, pp. 91–96, 2019.

M. Fadhilla, M. R. A. Saf, and D. S. S. Sahid, “Pengenalan Kepribadian Seseorang Berdasarkan Pola Tulisan Tangan Menggunakan Jaringan Saraf Tiruan,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 6, no. 3, 2017.

R. W. Driver, M. Ronald Buckley, and D. D. Frink, “Should we write off graphology?,” Int. J. Sel. Assess., vol. 4, no. 2, pp. 78–86, 1996.

B. A. Baggett, Handwriting Analysis 101: A Complete Basic Book to Scientific Handwriting Analysis & Graphology, 5th ed. Empresse Publishing LLC, 2012.

U. Braga-Neto, Fundamentals of Pattern Recognition and Machine Learning. 2020.

A. Ahmad Hania, “Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning,” J. Teknol. Indones., vol. 1, no. June, pp. 1–6, 2017.

S. J. Russell and P. Norvig, Artificial intelligence : a modern approach, 4th ed. Hoboken : Pearson, 2021.

P. Palanisamy, Hands-on intelligent agents with OpenAI Gym : a step-by-step guide to develop AI agents using deep reinforcement learning. Packt Publishing, 2018.

O. Meyer, M. Hesenius, and V. Gruhn, “Using concepts to understand intelligent agents,” CEUR Workshop Proc., vol. 2600, 2020.

D. P. Y. Ardiana, M. Swamahendra, and I. W. D. Suryawan, “Aplikasi Game Cerita Rakyat Kodok Dan Harta Karun Berbasis Android,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 1, pp. 84–92, 2022.

A. Fatmawati, “Model Intelligent Agent Untuk Membantu Peran Psikolog Dalam Proses Interpretasi Jawaban Tes,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 6, p. 43, 2021.

V. L. Padgham and M. Winikoff, Developing Intelligent Agent Systems: A Practical Guide. 2005.

W. J. Teahan, Artificial Intelligence – Agents and Environments Design. Ventus Publishing ApS, 2010.




DOI: https://doi.org/10.32672/jnkti.v5i2.4176

Refbacks

  • There are currently no refbacks.




The Journal has been Indexed by :

                   

 

BARCODE P-ISSN dan E-ISSN

Copyright © Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) . Prodi Teknik Komputer, Fakultas Teknik, Universitas Serambi Mekkah

 Creative Commons License

JNKTI is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.