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 
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.
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.
Penerapan Metode Preference Rangking Organization Method For Enrichment Evaluation Dalam Pemilihan Perguruan Tinggi Terbaik Yani, Ahmad; Sumijan, S; Ramadhanu, Agung
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 5, No 4 (2024): Edisi Oktober
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v5i4.498

Abstract

Information technology is a means and object of a system method to organize, transmit, interpret, use, process, obtain, and store data in a meaningful and useful way. Higher education is the form of post-secondary education that includes diploma, bachelor, master, doctoral and vocational programmes, as well as specialized programmes organized by the College based on the culture of the Indonesian nation. The Institute of Higher Education Services (LLDIKTI) is a working unit surrounded by the Ministry of Research Technology, and the Government of higher education that helps to improve the quality of the higher education. Decision support systems combine a variety of techniques and methods aimed at collecting, analysing, and presenting relevant information to support better and more effective decision-making processes. In research using PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluation) is one of the methods Multi Criteria Decision Making (MCDM) means performing determination or sequencing in a multicriteria analysis. The data used in this study are data of private colleges in LLDIKTI region X of the province of Western Sumatra with a total of 84 Colleges. Private colleges based on calculations using the PROMETHEE method, Private Colleges with the name of Colleges UNIVERSITAS PUTRA INDONESIA YPTK PADANG showed the largest value compared to other Colleges, thus obtaining the best position 1 with leaving flow value 0,58333 entering flow value 0,05556 and net flow value 0.522778. Based on the values obtained, it was concluded that the PROMETHEE method was very effective for use in mating. These results show that the method is capable of producing.
Implementasi Algoritma K-Means Dalam Mengindentifikasi Kematangan Buah Jambu Madu Nurdiansyah, Ali; Al-Arrafi, Muhammad Ikhsan; Ramadhanu, Agung
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 5, No 4 (2024): Edisi Oktober
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v5i4.517

Abstract

Honey guava is one of the varieties of water guava that has the sweetest taste. This advantage makes honey guava have the potential to be quite popular in several regions in Indonesia and has many enthusiasts to consume honey guava because consuming honey guava can increase skin moisture. The potential of honey guava makes farmers deliberately cultivate honey guava. This study utilizes digital image processing to create a system that can identify the ripeness of honey guava fruit based on RGB (Red, Green, Blue) and HSV (Hue, Saturation, Value) colors. The image in the form of a photo of honey guava fruit taken with a digital camera is processed using MATLAB software and then analyzed using the K-Means Clustering classification method to obtain a comparison of RGB and HSV feature extraction results.
Identifikasi Varietas Anggur Secara Otomatis Menggunakan Segmentasi Gambar Berbasis Warna dan Analisis Tekstur: Pendekatan K-Means Clustering Afriadi, A; Harnaranda, Jefri; Ramadhanu, Agung
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 5, No 4 (2024): Edisi Oktober
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v5i4.518

Abstract

In this study, we propose an automated system for identifying grape varieties (red and green) using color-based image segmentation and texture analysis. The system employs K-Means Clustering for color segmentation in the Lab* color space, followed by Gray-Level Co-occurrence Matrix (GLCM) texture feature extraction to differentiate grape types. The experimental results show that the proposed method achieved an accuracy of over 90% in identifying grape varieties, demonstrating its potential for industrial applications in fruit processing. Our findings indicate that the system is robust under various lighting conditions and can significantly reduce human error in grape sorting processes. Automated Identification of Grape Varieties Using Color-Based Image Segmentation and Texture Analysis: A K-Means Clustering Approach
Implementasi Binarisasi Citra Menggunkan Metode K-Nearest Neighbor Untuk Mengindentifikasi Bawang Bombay Merah dan Bawang Bombay Putih Rahmad, R; Syafril, S; Ramadhanu, Agung
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 5, No 4 (2024): Edisi Oktober
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v5i4.519

Abstract

The processing of digital image data is increasingly being developed and applied in various fields, one of which is object identification based on shape and color. This research aims to implement an image binarization method using the K-Nearest Neighbor (K-NN) method to identify two types of onions, namely red onions and white onions. The binarization method is used to convert color images into binary images, facilitating the feature extraction process. In this study, the features extracted from onion images include texture, shape, and color. K-NN is used as a classification algorithm to differentiate between the two types of onions based on these features. The results of the research indicate that the image binarization method and K-NN can identify red onions and white onions with a fairly high level of accuracy. The results of this implementation are expected to contribute to the development of an automatic recognition system for the classification of agricultural commodities.
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