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

 3   4   5   6   7 
Klasifikasi Citra Alat Musik Marakas, Gitar, dan Drum Menggunakan Metode K-Means dan GLCM salim, alfajri; Ramadhanu, Agung
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol 7 No 4 (2025): Oktober 2025
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jteksis.v7i4.2265

Abstract

The development of digital image processing technology enables automatic object identification with high accuracy. This study aims to classify images of musical instruments, namely maracas, guitars, and drums, using a combination of K-Means-based color segmentation and Gray Level Co-Occurrence Matrix (GLCM) feature extraction. The process begins with converting RGB images into the Lab color space, followed by object segmentation using the K-Means clustering algorithm to separate the main object from the background. Subsequently, shape features (metric, eccentricity) and texture features (contrast, correlation, energy, homogeneity) are extracted using GLCM. The extracted features are then compared with a feature database using a distance-based approach to determine the object class. Experimental results show that the system can successfully recognize maracas, guitar, and drum images with a satisfactory accuracy level. This research demonstrates that the combination of K-Means and GLCM methods can serve as an effective approach for musical instrument image classification and has the potential to be further developed for object recognition in other fields
PENINGKATAN METODE MEDIAN FILTER UNTUK IDENTIFIKASI DAN AKURASI JENIS PISANG EMAS DAN PISANG KAPAS Chan, Fajri Rinaldi; Yanti, Rahma; Ramadhanu, Agung
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 8 No 2 (2024)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v8i2.4767

Abstract

Pengembangan teknologi dalam bidang pertanian telah membawa dampak signifikan, terutama dalam proses identifikasi dan klasifikasi hasil pertanian. Salah satu inovasi yang berpotensi meningkatkan efisiensi ini adalah teknologi pengolahan citra digital. Pisang, sebagai komoditas pertanian yang penting di Indonesia, memerlukan akurasi tinggi dalam klasifikasi, khususnya dalam membedakan jenis-jenis seperti Pisang Emas dan Pisang Kapas yang memiliki karakteristik visual mirip. Untuk itu, penelitian ini fokus pada peningkatan metode pengolahan citra untuk membedakan kedua jenis pisang tersebut. Metode yang digunakan adalah Median Filter, yang efektif mengurangi noise pada citra, namun terbukti kurang akurat dalam kasus dengan kemiripan visual tinggi. Penelitian ini bertujuan untuk mengembangkan dan menguji metode Median Filter yang ditingkatkan untuk meningkatkan akurasi dalam identifikasi jenis Pisang Emas dan Pisang Kapas. Hasil penelitian menunjukkan bahwa dengan peningkatan tersebut, tingkat akurasi identifikasi meningkat secara signifikan, mencapai 98% pada 35 citra yang diuji. Temuan ini membuka potensi untuk penerapan teknologi pengolahan citra dalam sistem klasifikasi otomatis di sektor pertanian, terutama dalam memastikan kualitas dan efisiensi distribusi produk pertanian.
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