Abstract :
Grafologi adalah sebuah metode ilmiah yang dapat mengidentifikasi kondisi psikologis maupun kepribadian dari seseorang berdasarkan pola tulisan tangan [1]. Seiring dengan berkembangnya teknologi, ilmu grafologi sudah mulai dikembangkan ke dalam program pembelajaran mesin. Salah satu metode yang pernah digunakan untuk mengenali kepribadian berdasarkan pola tulisan tangan adalah KNN. Penelitian ini bertujuan untuk mengetahui seberapa besar tingkat akurasi yang dapat dihasilkan dari metode K Nearest Neighbor (KNN) dalam prediksi atau klasifikasi kepribadian berdasarkan tulisan tangan. Tahapan dalam penelitian ini adalah mengidentifikasi masalah, pengumpulan data, analisis metode, perancangan sistem, pengujian, dan penarikan kesimpulan. Dalam pembangunan sistem, digunakan model Waterfall karena sederhana, memiliki end goals yang jelas dari awal dan mudah diimplementasikan. Untuk dataset yang digunakan adalah IAM Handwriting Top50. Namun, dataset diproses terlebih dahulu untuk menghilangkan noise-nya dan memisahkan dengan background menggunakan otsu thresholding. Hasilnya akurasi yang di dapat dengan K sebesar 37 diperoleh akurasi untuk fitur dominasi zona sebesar 90.26%, sementara untuk tekanan tulisan dapat mencapai akurasi sebesar 98.23%.