Article Per Year (5 Year)
p-Index From 2020 - 2025
7.395
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Ilmiah Media Sisfo JOURNAL OF SCIENCE AND SOCIAL RESEARCH JOISIE (Journal Of Information Systems And Informatics Engineering) INTI Nusa Mandiri Jurnal Teknologi Dan Sistem Informasi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Indonesian Journal of Electrical Engineering and Computer Science Jurnal Pendidikan Guru (JPG) JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Journal of Education Research Algoritme Jurnal Mahasiswa Teknik Informatika Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Komtekinfo Indonesian Journal Computer Science (ijcs) Journal of Information System and Education Development Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science CSRID
Ramadhanu, Agung
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 62 Documents
Search

 1   2   3   4   5 
Identification of Signature Authenticity Using Binary Extraction and K-nearest Neighbor Feature Methods Vidyanti, Angela Citra; Riati, Itin; Ramadhanu, Agung
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 13, No 2 (2024): JULY
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v13i2.2063

Abstract

This research focuses on identifying the authenticity of signatures, which is an important part of the field of biometrics. Identification of signature authenticity has wide applications, including in document security, financial transactions, and identity verification in general. The problem to be resolved is the lack of an effective and efficient method for identifying signature authenticity. The method used is the binary extraction method and the K-nearest Neighbor feature. The main contribution of this research is to propose a new approach in identifying signature authenticity by combining binary extraction methods and K-nearest Neighbor features. This approach is expected to increase the accuracy and efficiency of the signature authenticity identification process. The results of this research are the development of a new model or algorithm for identifying the authenticity of signatures. After testing and validation, the accuracy level of the results of identifying the authenticity of this signature is 75%.
Penerapan Algoritma Haar Cascade Clasifier dan Computer Neural Network Sebagai Presensi Karyawan Karseno, Doni; Yuhandri; Ramadhanu, Agung
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v12i1.565

Abstract

Sistem pengenalan wajah merupakan program komputer yang secara otomatis dapat mendeteksi gambar digital atau video untuk mengidentifikasi atau mengautentikasi seseorang secara otomatis. Kesulitan dalam masalah pengenalan wajah sebagian besar disebabkan oleh kurangnya keberhasilan dalam menemukan fitur gambar tersebut. Pengenalan objek banyak digunakan oleh para pelaku industri untuk keperluan inspeksi, registrasi atau manipulasi. Penelitian ini bertujuan untuk menidentifikasi wajah pada masing – masing karyawan. Metode yang digunakan dalam penelitian ini adalah Haar Cascade Classifier (HCC) sebagai pendeteksi wajah dan metode Convolutional Neural Network (CNN) untuk proses identifikasi wajah. Proses pengenalan wajah ini dapat digunakan untuk mengidentifikasi masing – masing karyawan. Sehingga dalam melakukan presensi digital tidak ada kecurangan lagi yang dilakukan oleh karyawan. Dalam penelitian ini data yang diambil adalah data di Institut Teknologi dan Bisnis Indragiri. Algoritma Haar Cascade Classifier menjadi metode yang dapat digunakan dalam proses pengenalan polah wajah manusia. Sedangkan Convolutional Neural Network merupakan metode untuk mengidentifikasi serta mengklasifikasi hasil dari metode Haar Cascade Classifier sebagai tahap awal. Dalam hal pengklasifikasian image, metode Convolutional Neural Network merupakan metode yang dapat digunakan untuk pengklasifikasian wajah. Arsitektur Convolutional Neural Network yang digunakan dalam penelitian ini adalah alexnet. Dataset dari ImageNet lebih dari 14 juta gambar yang dikategrikan dalam ribuan kelas. Convolutional Neural Network memiliki arsitektur yang terinspirasi oleh struktur visual sistem manusia dan sangat efektif untuk tugas-tugas pengenalan gambar dan klasifikasi. Kesimpulan dari hasil penilitan ini yaitu dengan menggabungkan metode Haar Cascade Classifier dan Convolutional Neural Network dapat mempercepat proses pengenalan klasifikasi suatu objek wajah. Penelitian ini menggunakan kumpulan dataset wajah yang beragam, mencakup variasi sudut pandang, ekspresi, dan kondisi pencahayaan. Data yang digunakan terdiri dari seluruh karyawan yang memiliki 106 data wajah. Model CNN kemudian dilatih menggunakan data latih sebesar 85% dari keseluruhan data. Setelah model dilatih, selanjutnya dilakukan evaluasi model CNN melalui beberapa metrik evaluasi. Dari hasil evaluasi diperoleh tingkat akurasi yang baik sebesar 91% Hasil dari penelitian ini dapat digunakan untuk media presensi digital berbasis pengenalan wajah pada karyawan Institut Teknologi Dan Bisnis Indragiri.
Metode AHP dan WASPAS untuk Menentukan Prioritas Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) Nadia, Nadia Aini Hafizhah; Nurcahyo, Gunadi Widi; Ramadhanu, Agung
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.568

Abstract

Pemanfaatan Teknologi Informasi (TI) menjadi krusial dalam meningkatkan efisiensi dan ketepatan di berbagai sektor, termasuk dalam instansi pemerintahan. Salah satu tantangan yang dihadapi oleh Kementerian Agama Kabupaten Tanah Datar adalah proses penentuan Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) yang masih dilakukan secara manual. Proses manual ini tidak hanya memakan waktu, tetapi juga rentan terhadap kesalahan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) yang mengintegrasikan dua metode, yaitu Analytic Hierarchy Process (AHP) dan Weighted Aggregated Sum Product Assessment (WASPAS), untuk menentukan prioritas calon PPPK secara lebih objektif dan efisien. Penelitian ini memanfaatkan metode AHP untuk menghitung bobot dari berbagai kriteria yang dianggap penting dalam seleksi PPPK, seperti kualifikasi pendidikan, usia, lama honor serta kesesuaian latar belakang pendidikan dan pengalaman kerja saat ini. Setelah bobot kriteria ditentukan, metode WASPAS digunakan untuk mengkalkulasi dan menentukan peringkat akhir dari setiap kandidat berdasarkan bobot yang telah diperoleh. Data yang digunakan pada penelitian ini yaitu 152 sampel data tenaga honorer di Kantor Kementerian Agama Kabupaten Tanah Datar. Diperoleh 50 tenaga honorer yang masuk daftar prioritas dengan nilai Qi (Nilai alternatif) yang terbaik yaitu nilai yang tertinggi dengan rentang nilai 0.920 sampai 0.858. Hasil penelitian menunjukkan bahwa perhitungan yang dilakukan secara manual sama hasilnya dengan sistem yang dibangun, sehingga sistem pendukung keputusan yang dibaangun mampu meningkatkan akurasi dan mengurangi keandala dalam proses penentuan prioritas PPPK, dibandingkan dengan metode manual. Dengan kombinasi AHP dan WASPAS, sistem dapat memberikan rekomendasi yang lebih objektif, memungkinkan pengambil keputusan di Kementerian Agama Kabupaten Tanah Datar untuk melakukan seleksi yang lebih tepat. Implementasi sistem ini diharapkan dapat menjadi solusi yang efektif dalam meningkatkan kualitas proses rekrutmen PPPK di masa mendatang. Kata kunci: Sistem Pendukung Keputusan, AHP, WASPAS, Penentuan Prioritas, PPPK.
Penerapan Algoritma TOPSIS pada Sistem Pendukung Keputusan dalam Penentuan Pemilihan Jurusan Irsyad, As'Ary Sahlul; Defit, Sarjon; Ramadhanu, Agung
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.585

Abstract

Sistem Pendukung Keputusan (SPK) adalah suatu jenis sistem informasi yang dirancang khusus untuk mendukung manajemen dalam proses pengambilan keputusan yang terkait dengan masalah yang bersifat semi-terstruktur, dengan tetap mempertahankan peran pengambil keputusan dalam melakukan pengambilan keputusan. Salah satu metode dalam SPK adalah metode TOPSIS. Kemajuan teknologi telah meningkatkan kemampuan guru dan siswa untuk menggunakannya secara efektif, memungkinkan mereka untuk memahami pentingnya, manfaat, dan batasan-batasan legalitas. Upaya peningkatan mutu pendidikan di Indonesia senantiasa mendapat perhatian dari berbagai pihak. Perlu adanya penanganan khusus untuk meningkatkan pendidikan tersebut. Salah satu cara untuk meningkatkan pendidikan Indonesia adalah pemilihan jurusan yang tepat Penelitian ini bertujuan untuk alat bantu pendukung Keputusan pemilihan jurusan ini diharapkan dapat memberikan perhitungan yang tepat bagi siswa, sehingga Metode pendukung keputusan pemilihan jurusan ini diharapkan dapat menawarkan solusi yang tepat bagi siswa. Metode yang digunakan dalam penelitian ini adalah Algoritma TOPSIS yang dapat membantu siswa Sekolah Menengah Atas untuk pengambilan Keputusan dalam pemilihan jurusan. Dataset yang diolah dalam penelitian ini bersumber dari SMAN 1 Tanjung Tiram. Hasil penelitian ini dapat mengidentifikasi dan memberikan rekomendasi penentuan pemilihan jurusan kepada siswa yang akan menjadi bakal calon mahasiswa baru. Hasil perhitungan dengan Metode TOPSIS dengan data set terdiri dari 70 siswa dan 10 kriteria yang diuji, rekomendasi pemilihan jurusan yaitu dengan bobot tertinggi 0,619 dan paling terendah yaitu 0,221. Hasil data pengujian dengan membandingkan data awal dan data hasil sistem di peroleh tingkat keakuratan 71,42% . Dengan angka tersebut maka dapat dikatakan bahwa sistem ini cukup layak untuk digunakan di dalam lembaga, karena bagaimana pun juga sistem ini hanya sebagai pendukung keputusan suatu permasalahan dan pilihan tetap akan berada pada siswa tersebut.
Perancangan E-Learning untuk Meningkatkan Efektifitas Pembelajaran di SMPN 2 Sungai Beremas Anggara Putra, Febri; Ramadhanu, Agung; Syahputra, Hadi
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 3 No 3 (2023): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v3i3.684

Abstract

SMP Negeri 2 Sungai Beremas merupakan Sekolah menengah pertama yang beralamatkan di Jalan Lintas Simpang Empat Air Bangis, Kabupaten Pasaman Barat. Peserta didik disekolah ini membutuhkan pengarahan yang lebih ahli dalam pembelajaran. Di sinilah peran guru untuk mengarahkan peserta didik dalam belajar. SMP Negeri 2 Sungai Beremas mempunyai guru-guru yang berkompeten di bidangnya agar dapat memberikan pelayanan yang baik bagi peserta didik. Walaupun demikian, pembelajaran di SMP Negeri 2 Sungai Beremas membutuhkan perancangan sistem informasi e-learning berbasis web yang sesuai. Perancangan E-Learning ini menggunakan bahasa pemprograman PHP dan MySQL. Penggunaan sistem informasi e-learning ini memiliki manfaat yang signifikan dalam meningkatkan efektivitas pembelajaran di SMP Negeri 2 Sungai Beremas. Manfaat tersebut dapat mencakup peningkatan aksesibilitas dan fleksibilitas pembelajaran, meningkatkan keterlibatan siswa dan guru dalam proses pembelajaran, serta memperkaya pengalaman belajar melalui E-learning yang telah di rancang.
Klasifikasi Jenis Daun Herbal Klasifikasi Jenis Daun Herbal Menggunakan Metode Logistic Regression dan Decision Tree Classifier Berdasarkan Fitur (Warna dan Bentuk) Honestya, Gabriela; Sajida, Mayang; Ramadhanu, Agung
Journal of Information System and Education Development Vol. 2 No. 1 (2024): Journal of Information System and Education Development
Publisher : Manna wa Salwa Foundation (Yayasan Manna wa Salwa)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62386/jised.v2i1.59

Abstract

Penelitian ini membandingkan metode klasifikasi citra daun herbal menggunakan Logistic Regression dan Decision Tree Classifier. Ekstraksi fitur dilakukan berdasarkan warna (HSV), dan bentuk (eksentrisitas dan metrik). Fitur yang digunakan untuk mengenali jenis daun meliputi bentuk, warna, dan tekstur. Tidak semua jenis fitur perlu digunakan untuk melakukan komputasi hasil ektraksi, namun perlu diseleksi beberapa fitur yang paling berpengarauh dalam sistem temu kembali citra daun. Analisis keterkaitan korelasi antar fitur melalui seleksi fitur juga dikombinasikan dengan penggunaan kedekatan dalam menghitung similaritas pada sistem temu kembali. Dari data uji sebanyak 40 buah dan 3 jenis klasifikasi daun herbal (anggur, Ketapang, dan pisang) diperoleh keberhasilan pengujian sebanyak 37 data dengan tingkat akurasi yang layak. Hasil Berdasarkan hasil pengujian menggunakan 40 sampel citra daun, dimana masing-masing jenis daun digunakan 4 sampai 6 sampel citra, memberikan persentase keberhasilan dalam identifikasi sebesar 80,93%.
Penerapan K-Means Clustering untuk Klasifikasi Citra Cabai Keriting: Studi Ekstraksi Warna dan Tekstur GLCM Yasmin, Nabila; Chairunnissa Deliva Akbar, Syifa; Ramadhanu, Agung
Indonesian Journal Computer Science Vol. 3 No. 2 (2024): Oktober 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v3i2.5758

Abstract

Klasifikasi citra cabai keriting berdasarkan warna dan tekstur merupakan tantangan penting dalam bidang pertanian digital. Dalam penelitian ini, metode K-Means Clustering diterapkan untuk mengelompokkan citra cabai keriting berdasarkan karakteristik warna dan tekstur. Ekstraksi fitur warna dilakukan menggunakan model warna RGB, sedangkan pada bagian fitur tekstur diekstraksi dengan menggunakan metode Grey Level Co-occurrence Matrix (GLCM). K-Means Clustering digunakan untuk mengelompokkan citra ke dalam beberapa kategori, yaitu cabai keriting merah dan cabai keriting hijau. Hasil penelitian menunjukkan bahwa kombinasi antara fitur warna dan tekstur memberikan akurasi yang lebih baik dalam pengelompokan citra. Pada penelitian ini menggunakan 50 citra untuk setiap jenis, dengan total dataset berjumlah 100 citra. Masing-masing kelas terdapat 60 citra untuk pelatihan dan 40 citra untuk pengujian.Skor uji akurasi  untuk kelas cabai merah keriting dengan nilai akurasi sebesar 93%. Sedangkan untuk kelas cabai hijau keriting yang mendapat  akurasi 91%.  Rata-rata  akurasi hasil  pengujian secara keseluruhan yaitu 92%. Berdasarkan hasil penelitian yang dilakukan, klasifikasi cabai keriting merah dan cabai keriting hijau menggunakan ekstraksi fitur warna dan bentuk terbukti efisien dan menghasilkan kategori baik. Program yang digunakan dapat dijalankan dengan baik dan dapat menangkap karakteristik dataset dengan menggunakan ekstraksi bentuk dan warna.
Penerapan Image Processing untuk Identifikasi Jenis Pisang Emas dan Pisang Kapas Menggunakan Metode K-Means Clustering Yanti, Rahma; Chan, Fajri Rinaldi; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1698

Abstract

Indonesia dikenal sebagai penghasil sumber pangan salah satunya pisang. Ada dua varietas pisang, yaitu pisang emas (Musa acuminata) dan pisang kapas (Musa balbisiana). Sering kali kita kesulitan dalam membedakan kedua jenis pisang secara visual, terutama ketika tidak dapat membedakan jenis pisang tersebut, sering menyebabkan kebingungan bagi konsumen dan pelaku usaha. Tujuan utama dari penelitian ini adalah mengembangkan sistem klasifikasi otomatis berbasis pengolahan citra yang mampu membedakan kedua jenis pisang tersebut. Metode yang diterapkan meliputi pengolahan citra dengan konversi dari ruang warna RGB ke LAB untuk memisahkan kecerahan dan warna. Proses segmentasi dilakukan menggunakan K-Means untuk mengelompokkan piksel berdasarkan kesamaan warna, diikuti dengan ekstraksi fitur geometris dan tekstur seperti Eccentricity, Energy, dan Homogeneity. Data yang digunakan mencakup 30 citra untuk pelatihan dan 10 citra untuk pengujian. Hasil penelitian menunjukkan bahwa metode ini berhasil mengklasifikasikan pisang emas dan pisang kapas dengan tingkat akurasi 97%, di mana 29 dari 30 citra diidentifikasi dengan benar. metode K-Means Clustering terbukti efektif dan akurat dalam membedakan kedua varietas pisang berdasarkan ciri fisik yang dihasilkan dari citra digital.
Identifikasi Cerdas Apel Fuji dan Apel Hijau: Pendekatan K-Means Clustering untuk Segmentasi Buah Yolanda, Yolanda; Rosa, Imelda; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 3 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i3.1703

Abstract

Dalam industri pertanian modern, mengidentifikasi jenis buah sangat penting untuk menjamin kualitas dan distribusi produk. Penelitian ini mengeksplorasi penerapan K-Means Clustering untuk segmentasi dan identifikasi Apel Fuji dan Apel Hijau menggunakan fitur dari citra buah. Proses dimulai dengan pengolahan citra, konversi dari RGB ke LBA, kemudian data hasil konversi dianalisis menggunakan K-Means Clustering. Selanjutnya dilakukan ekstraksi bentuk dan tekstur. Dari 20 gambar (10 apel Fuji dan 10 apel hijau), hasil menunjukkan bahwa 1 apel tidak teridentifikasi dengan benar, dengan akurasi mencapai 95%. Hal ini membuktikan bahwa metode K-Means Clustering cukup akurat dalam mengidentifikasi jenis apel.
Klasifikasi Timun Segar dan Busuk menggunakan K-Means Clustering Saputra, Riyan; Dila, Rahmah; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1715

Abstract

Timun merupakan salah satu komoditas pertanian yang rentan terhadap penurunan kualitas akibat proses pembusukan. Klasifikasi timun segar dan busuk secara manual dapat memakan waktu dan tidak konsisten, sehingga diperlukan metode otomatis yang lebih efisien. Tujuan utama dari penelitian ini adalah untuk mengimplementasi sistem klasifikasi otomatis berbasis pengolahan citra dalam mengklasifikasikan timun segar dan timun busuk berdasarkan fitur visual seperti warna, tekstur, dan bentuk, guna meningkatkan efisiensi dan konsistensi dalam proses seleksi kualitas timun. Metode yang diterapkan meliputi pengolahan citra dengan konversi dari ruang warna RGB ke LAB untuk memisahkan kecerahan dan warna. Algoritma K-Means Clustering berfungsi untuk mengelompokkan citra ke dalam dua cluster, yaitu timun segar dan timun busuk. Data yang digunakan mencakup 50 citra untuk pengujian, yang terdiri dari 25 timun segar dan 25 timun busuk. Hasil penelitian ini menunjukkan bahwa metode ini berhasil mengklasifikasikan timun masak dan timun busuk dengan tingkat akurasi 97% di mana 49 dari 50 citra teridentifikasi dengan benar. Metode K-Means Clustering terbukti efektif dan akurat dalam menentukan jenis timun masak dan timun busuk.
Co-Authors Afriadi Afriadi Afriadi, A Agus Salim, David Ahmad Syarif ahmad yani Akbar, Syifa Chairunnissa Deliva Al-arrafi, Muhammad Ikhsan Angga Angga Anggara Putra, Febri Antoni Antoni Chairunnissa Deliva Akbar, Syifa Chan, Fajri Rinaldi Devita, Retno Dicky Imansyah, Muhammad Dila, Rahmah Enggari, Sofika Erlanda, Hadrian Fajri Saputra, Charisman Gafari, Abuzar Gunadi Widi Nurcahyo Hadi Syahputra Halifia Hendri Harnaranda, Jefri Hidayati, Dzil Honestya, Gabriela Ilmawan, Fachrul Irsyad, As'Ary Sahlul Karseno, Doni Khomsi, Ahmad Mardison Mardison Masri, Taufik Muhammad Idris Nadia, Nadia Aini Hafizhah Negoro, Wahyu Saptha Nurdiansyah, Ali Permata, Edo Pertiwi, Yuliana Pratama, Dede Putra, Kharisma Utama Rahmad Rahmad Rahmad, R Rianti, Eva Riati, Itin Riyan Saputra, Riyan Rosa, Imelda Sajida, Mayang salim, alfajri Saputra, Randy Sarjon Defit Selvia, Dina Silfia Andini, Silfia Sumijan, S Sutri, Ridwan Syafril Syafril Syafril, S Syalsabilla, Adinda Tesa Vausia Sandiva Utama Putra, Kharisma Vidyanti, Angela Citra Wirdawati, Wira Yanti, Rahma Yasmin, Nabila Yasmin, Nabilla Yemi, Leonardo Yesi Betriana Roza, yesibetriana_18 Yolanda Yolanda, Yolanda Yosfand, Windra Yuhandri Yulihartati, Sandra