Identifikasi Disgrafia melalui Tulisan Tangan dengan Metode Support Vector Machine

Disgrafia, sebuah gangguan tulisan tangan di mana seseorang memiliki kesulitan dalam menulis pada tingkat apa pun seperti, menulis lambat atau bentuk huruf yang tidak dapat dibaca. Telah banyak penelitian yang dilakukan untuk mempelajari karakteristik dan mendiagnosa disgrafia untuk pencegahan dini pada anak-anak. Penelitian ini mengidentifikasi disgrafia pada anak-anak yang terbagi
kedalam 4 kelas yaitu, normal, ringan, sedang, dan berat. Aplikasi android dengan menanamkan Handwriting-Recognition tool dibuat untuk mengumpulkan data dari siswa sekolah dasar yang mengalami disgrafia dan yang tidak. Support Vector Machine digunakan dalam proses klasifikasi data untuk mengidentifikasi disgrafia, karena SVM memiliki kemampuan untuk belajar dengan baik pada data yang terbatas dibandingkan dengan Jaringan Saraf Tiruan (JST) di banyak kesempatan. Hasilnya, setelah menggunakan tiga kernel yang berbeda pada SVM yaitu, kernel Linear, Polynomial, dan Radial Base Function (RBF), menunjukkan bahwa kernel RBF menghasilkan akurasi rata-rata dan Cohen’s kappa value yang lebih baik dibandingkan dengan kernel Linear dan Polynomial. Akurasi rata-rata dari setiap kernel yaitu, 82,51% untuk RBF, 81,40% untuk Polinomial, dan 78,56% untuk Linear.