Analisis Tulisan Tangan atau yang dikenal dengan sebutan Grafologi merupakan suatu metode yang digunakan untuk mengidentifikasi kepribadian seseorang melalui pola yang diungkapkan oleh tulisan tangan dengan cara mengevaluasi berbagai fitur dari tulisan tangan. Tulisan tangan dapat menjadi cerminan dari kepribadian masing-masing individu. Tulisan tangan mampu membawa informasi untuk mendapatkan wawasan mengenai keadaan fisik,mental , dan emosional dari si penulis. Keakuratan analisis tulisan tangan tergantung pada seberapa terampil saat melakukan analisis. Metodologi yang diusulkan berfokus pada pengembangan alat untuk analisis perilaku yang dapat memprediksi sifat-sifat kepribadian secara otomatis dengan bantuan komputer tanpa campur tangan manusia. Ada banyak fitur yang digunakan dalam tulisan tangan, namun pada penelitian ini penulis menggunakan enam fitur yang paling dominan dari tulisan tangan yang digunakan dalam analisis diantaranya ukuran huruf (size), kemiringan tulisan (slant), garis dasar (baseline), tekanan penulisan (pen pressure), jarak antar baris (line spacing) dan jarak antar kata (word spacing). Setelah melakukan proses ekstraksi semua fitur tersebut dari gambar yang berisi tulisan tangan, kemudian dilakukan proses klasifikasi tulisan tangan kedalam berdasarkan kepribadiannya menggunakan metode Support Vector Machine (SVM). Penelitian ini memberikan nilai akurasi yang baik dengan menggunakan fungsi kernel linier. Estimasi akurasi yang didapat mencapai 99,9%.

Handwriting Analysis or known as Graphology is a method used to identify person's personality through patterns expressed by handwriting by evaluating various features of handwriting. Handwriting can be a reflection of the personality of each individual. Handwriting is able to bring information to gain insight into the physical, mental, and emotional state of the writer. The accuracy of handwriting analysis depends on how skilled the analysis is. The proposed methodology focuses on developing tools for behavior analysis that can predict personality traits automatically with the help of computers without human intervention. There are many features used in handwriting, but in this study the authors used the six most dominant features of handwriting used in the analysis including letter size (slant), slant, baseline, writing pressure pressure), the distance between lines (line spacing) and the distance between words (word spacing). After extracting all of these features from images containing handwriting, the classification process of handwriting is carried out based on their personality using the Support Vector Machine (SVM) method. This research gives good accuracy value by using linear kernel function. Estimated accuracy reached 99.9%.