Article Per Year (5 Year)
p-Index From 2021 - 2026
11.174
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi JOIV : International Journal on Informatics Visualization International Journal of Artificial Intelligence Research 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 Ekonomi Manajemen Sistem Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Indonesian Journal of Electrical Engineering and Computer Science Jurnal Pendidikan Guru (JPG) Bulletin of Computer Science Research 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 Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE Jurnal Ekonomika Dan Bisnis Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Sains dan Teknologi 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
Universitas Putra Indonesia YPTK Padang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 97 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search
Journal : Journal of Education Research

 1   2 
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.
Optimalisasi Metode Median Filter untuk Mereduksi Noise pada Citra Kematangan Buah Jambu Madu Al-arrafi, Muhammad Ikhsan; Nurdiansyah, Ali; 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.v5i4.1858

Abstract

Penelitian bertujuan untuk mereduksi noise pada citra terhadap kematangan Buah Jambu Madu, maka dibutuhkan metode median filter untuk menghasilkan Citra yang lebih bagus dari penelitian sebelumnya. dengan menggunakan metode median filter dapat meningkatkan kualitas tampilan Citra yang lebih baik dan tidak terlihat lagi warna kurang kontras, kurang tajam, kabur (bluring) terhadap Citra Buah Jambu Madu.Citra yang kita miliki sering mengalami penurunan kualitas atau mutu, karena mengandung cacat atau terkena derau (noise). Warnanya kurang kontras, kurang tajam, kabur (bluring) dan sebagainya. Median Filter ini berguna untuk mengurangi noise yang terdapat pada sebuah citra dengan cara memfilternya. Dimana metode ini memiliki pengertian sebagai suatu metode yang menitik beratkan pada nilai median atau nilai tengah dari jumlah total nilai keseluruhan pixel yang ada disekelilingnya. Adapun sistem yang akan digunakan untuk melakukan perbaikan citra buah Jambu Madu adalah aplikasi matlab versi R2023b.
Optimasi Kualitas dan Kematangan Mangga Melalui Pemrosesan Citra Menggunakan Median Filter Betriana Roza, Yesi; Agus Salim, David; Ramadhanu, Agung Ramadhanu
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.v5i4.1863

Abstract

Penelitian ini bertujuan meningkatkan penilaian kualitas dan kematangan buah mangga melalui analisis citra digital menggunakan MATLAB. Kematangan mangga mempengaruhi rasa, tekstur, dan daya simpan, dan penilaian tradisional sering kali bersifat subjektif. Oleh karena itu, teknologi pemrosesan gambar digunakan untuk memberikan pendekatan objektif, dengan klasifikasi berdasarkan perubahan warna dari hijau (belum matang) ke kuning (matang). Hasil penelitian menunjukkan akurasi tinggi dalam membedakan mangga matang dan hijau, dengan parameter citra yang diperoleh: Eccentricity 0,84218, Contrast 0,041545, Correlation 0,99141, Energy 0,44415, dan Homogeneity 0,98644. Nilai-nilai ini menunjukkan hubungan kuat antar piksel dan keseragaman citra yang tinggi, yang mendukung pengembangan sistem penilaian otomatis yang efisien untuk menentukan kematangan buah mangga.
Identifikasi Jenis Anggur Otomatis Menggunakan Kombinasi Median Filter, K-Means, Lab*, dan Ekstraksi Fitur Harnaranda, Jefri; Afriadi, Afriadi; 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.v5i4.1864

Abstract

Identifikasi varietas anggur secara otomatis adalah langkah krusial dalam proses penyortiran dan pengendalian kualitas di sektor makanan. Dalam penelitian ini, kami mengembangkan sistem untuk mengidentifikasi anggur merah dan hijau dengan memanfaatkan kombinasi Median Filter, segmentasi warna menggunakan K-Means Clustering, serta analisis fitur tekstur. Hasilnya menunjukkan bahwa sistem ini mampu mencapai akurasi 95.45% dalam membedakan kedua jenis anggur dengan waktu eksekusi yang efisien. Dengan mengurangi noise melalui Median Filter, melakukan segmentasi warna dalam model warna Lab*, dan mengekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix, metode ini menunjukkan potensi yang signifikan untuk diterapkan dalam sistem penyortiran buah otomatis. Penelitian ini berkontribusi pada peningkatan efisiensi dan akurasi dalam identifikasi varietas anggur, yang sangat penting bagi industri makanan. Penelitian lebih lanjut dapat difokuskan pada penerapan teknik machine learning untuk meningkatkan kinerja klasifikasi pada dataset yang lebih besar dan lebih beragam.
Pengelolahan Citra Cabai Keriting: Kombinasi Median Filtering dan Algoritma K-Means untuk Pengelompokan Berbasis Fitur Yasmin, Nabilla; Akbar, Syifa Chairunnissa Deliva; 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.v5i4.1865

Abstract

Pengolahan citra digital berperan penting dalam klasifikasi tanaman, termasuk cabai keriting. Penelitian ini mengusulkan metode pengelompokan citra cabai keriting menggunakan algoritma K-Means dengan median filtering sebagai langkah awal untuk mengurangi noise pada citra. Ekstraksi fitur dilakukan dengan model warna RGB untuk fitur warna dan metode Grey Level Co-occurrence Matrix (GLCM) untuk fitur tekstur. Dataset terdiri dari 100 citra, masing-masing 50 citra cabai merah dan hijau keriting, dengan pembagian 60 citra untuk pelatihan dan 40 citra untuk pengujian. Hasil menunjukkan bahwa penggunaan median filtering meningkatkan akurasi klasifikasi, dengan akurasi 95% untuk cabai merah keriting dan 93% untuk cabai hijau keriting, menghasilkan rata-rata akurasi 94%. Temuan ini menegaskan pentingnya median filtering dalam meningkatkan kualitas data untuk pengelompokan citra cabai keriting.
Peningkatan Citra Median Filter dan Metode K-Means untuk Mengindentifikasi Bawang Bombay Merah dan Putih Syafril, Syafril; Rahmad, Rahmad; 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.v5i4.1867

Abstract

Latar Belakang penelitian ini dari sektor pertanian, khususnya hortikultura, Bawang bombay merupakan komoditas penting yang banyak dibutuhkan oleh industri pangan. Bawang bombay terdiri dari berbagai jenis, salah satunya adalah Bawang bombay merah dan putih, yang memiliki perbedaan karakteristik baik dari segi warna maupun komponen gizi. Identifikasi jenis Bawang bombay yang akurat sangat penting dalam rantai distribusi dan pengelolaan kualitas produk.  Penelitian ini bertujuan untuk meningkatkan keakuratan identifikasi jenis Bawang bombay merah dan putih menggunakan kombinasi metode Median Filter dan K-Means Clustering. Proses identifikasi diawali dengan peningkatan citra menggunakan Median Filter untuk menghilangkan noise pada gambar, yang dilanjutkan dengan segmentasi warna menggunakan metode K-Means. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini mampu meningkatkan akurasi identifikasi bawang hingga 92%. Temuan ini menunjukkan bahwa metode yang digunakan berpotensi diaplikasikan dalam sistem otomatis untuk pengenalan jenis bawang di sektor pertanian.
Optimasi Akurasi Metode Median Filter untuk Klasifikasi Kematangan Buah Alpukat Syarif, Ahmad; Angga, Angga; 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.v5i4.1868

Abstract

Segmentasi citra alpukat merupakan langkah yang dilakukan untuk memisahkan bagian area objek (foreground) dengan latar belakang (background) pada citra alpukat, sehinggah objek alpukat yang tersegmentasi berupa motif dapat diproses untuk keperluan lain seperti pengenalan pola. Hasil dari segmentasi harus akurat, jika tidak akurat dalam memisahkan objek yang ada pada citra maka akan mempengaruhi hasil proses selanjutnya. Pada penilitian ini segmentasi dilakukan menggunakan metode median filter melakukan preprocessing yaitu reduksi noise menggunakan Median Filter. Setelah mendapatkan citra hasil segmentasi menggunakan Median Filter, selanjutnya melakukan pengukuran performa, hasil segmentasi dari setiap pengujian. Implementasikan dalam melakukan segmentasi citra alpukat yaitu melakukan segmentasi citra alpukat dengan menggunakan metode median filter melakukan segmentasi citra alpukat menggunakan metode Median Filter. Hasil segmentasi dari 16 citra alpukat dari 8 motif yang ada menunjukkan bahwa, segmentasi citra alpukat dengan menggunakan metode median Filter mendapatkan nilai terbaik yaitu 0.34 % dan nilai rata-rata ME sebesar 0.55 %.
Identifikasi Citra Jeruk Nipis dengan Contrast Stretching dan Median Filter Wirdawati, Wira; Yulihartati, Sandra; 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.v5i4.1987

Abstract

Citra digital adalah suatu citra yang dapat didefinisikan sebagai fungsi f(x,y) yang memiliki koordinat spasial dan tingkat kecerahan yang diskrit. Penelitian ini bertujuan Mengimplementasikan citra pada jeruk nipis menggunakan Teknik Median filter dan Metode Contrast Stretching.  Contrast stretching adalah salah satu metode untuk perbaikan kualitas citra. Penelitian ini menggunakan aplikasi atau perangkat lunak MATLAB yang digunakan untuk memperbaiki kualitas citra. Sedangkan, Median Filter adalah salah satu teknik dalam pengolahan citra pada domain spasial yang dapat digunakan untuk peningkatan kualitas citra (image enhancement) terutama mengurangi noise (distorsi) pada sebuah Citra. Metode ini menunjukkan hasil dengan Nilai Metric: 0.97555 yang Menandakan Kesesuaian Tinggi, Nilai Eccentricity: 0.29717 menandakan nilai sempurna, dan Untuk Nilai Contrast: 0.023662 menunjukan nilai yang rendah, dan Nilai Correlation: 0.99765 menandakan Nilai yang baik, pada nilai Energy: 0.65264 menunjukkan tekstur yang seragam dengan hasil yang baik, kemudian untuk nilai Homogeneity: 0.99397 menandakan Keseragaman intensitas Pixel Citra yang cukup tinggi.
Co-Authors Afriadi Afriadi Afriadi, A Agsera, Nilam Agus Salim, David Agusty, Dhia Fadhila Ahmad Syarif ahmad yani Akbar, Syifa Chairunnissa Deliva Al-arrafi, Muhammad Ikhsan Angga Angga Anggara Putra, Febri Antoni Antoni atiqah, sri Bayuputra, Ramdani Betriana Roza, Yesi Chairunnissa Deliva Akbar, Syifa Chan, Fajri Rinaldi Delvi, Syerlin Aprilia Desi Permata Sari Devita, Retno Dicky Imansyah, Muhammad Dila, Rahmah Dinantia, Triend Enggari, Sofika Erlanda, Hadrian Fajri Saputra, Charisman Firmansyah, Ryan Gafari, Abuzar Gunadi Widi Nurcahyo Hadi Syahputra Halifia Hendri Harnaranda, Jefri Hendri, Hallifia Hidayati, Dzil Hidayattullah, Hafis Hikmi, Zakiya Honestya, Gabriela Ilmawan, Fachrul Imrah, Imrah Sari Irsyad, As'Ary Sahlul Kareem, Shahab Wahhab Karseno, Doni Khomsi, Ahmad M.Iqbal, M.Iqbal Maharani, Filsha Rifi Majid, Mazlina Abdul Mardison Mardison Masri, Taufik Muhammad Idris Muhammad Yusuf Nadia, Nadia Aini Hafizhah Negoro, Wahyu Saptha Ningsih, Neni Sri Wayuni Nurdiansyah, Ali Nurjannah, Farah Permata, Edo Pertiwi, Yuliana Pratama, Dede Putra, Kharisma Utama putri, kamila amaliah Rahmad Rahmad Rahmad, R Rianti, Eva Riati, Itin Riyan Saputra, Riyan Rosa, Imelda Sajida, Mayang salim, alfajri Saputra, Charisman Fajri Saputra, Randy Sarjon Defit Selvia, Dina Silfia Andini, Silfia Sovia, Rini Sumijan, S Sutri, Ridwan Syafri Arlis Syafril Syafril Syafril, S Syalsabilla, Adinda Tesa Vausia Sandiva Utama Putra, Kharisma Utari, Utari Armila Vidyanti, Angela Citra Wiratama, Aditya Wirdawati, Wira Yanti, Rahma Yasmin, Nabila Yasmin, Nabilla Yemi, Leonardo Yesi Betriana Roza, yesibetriana_18 Yolanda Yolanda, Yolanda Yosfand, Windra Yuhandri Yulihartati, Sandra Zubaidah, Rima Puti