SKRIPSI DIGITAL
Implementasi Arsitektur Deteksi Objek Berbasis Anotasi Bounding Box pada Ekstraksi Pola Tanda Tangan untuk Identifikasi Kepribadian Seleksi Pegawai = Implementation of a Bounding Box Annotation-Based Object Detection Architecture for Signature Pattern Extraction in Employee Selection and Personality Identification
Grafologi tanda tangan difungsikan sebagai instrumen evaluasi proyektif kondisi psikologis individu, namun proses identifikasi fiturnya secara manual rentan terhadap bias subjektivitas dan inefisiensi waktu penganalisaan. Keterbatasan tersebut mendasari dilaksanakannya penelitian ini dengan tujuan yang difokuskan pada pengembangan aplikasi mobile pendeteksi pola grafologi. Metode yang diaplikasikan mencakup evaluasi komparatif lima arsitektur deteksi objek (YOLO, Faster R-CNN, RetinaNet, Florence-2, RF-DETR), optimisasi hiperparameter pada model terbaik, konversi format model menjadi ONNX, serta integrasi sistem melalui antarmuka pemrograman aplikasi (API). Kelayakan operasional dievaluasi melalui pengujian perangkat lunak terfokus dan validasi kualitatif praktisi ahli. Hasil evaluasi metrik membuktikan algoritma keluarga YOLO mencatatkan presisi tertinggi sebesar 0,9620. Sistem perangkat lunak divalidasi beroperasi secara fungsional tanpa kendala (crash), dengan skor kelayakan pakar mencapai 4,43 (Sangat Baik). Sumbangan mandiri pada penelitian ini ditekankan pada perumusan klasifikasi fitur kepribadian yang divalidasi langsung oleh pakar tersertifikasi, serta realisasi integrasi arsitektur jaringan saraf tiruan ke dalam ekosistem perangkat bergerak yang siap dioperasikan.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah