Article Per Year (5 Year)
p-Index From 2021 - 2026
13.956
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) JOIV : International Journal on Informatics Visualization International Journal of Artificial Intelligence Research Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Sains dan Teknologi: Jurnal Keilmuan dan Aplikasi Teknologi Industri JURNAL PENDIDIKAN TAMBUSAI 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 Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Pendidikan Guru (JPG) Journal of Applied Data Sciences Bulletin of Computer Science Research JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Ipteks Terapan : research of applied science and education Journal of Education Research Algoritme Jurnal Mahasiswa Teknik Informatika Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer 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) Intellect : Indonesian Journal of Learning and Technological Innovation SATIN - Sains dan Teknologi Informasi Jurnal Quancom: Jurnal Quantum Komputer 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 Astronomy 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 Immunology & microbiology 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 : 132 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 132 Documents
Search

 6   7   8   9   10 
Klasifikasi Citra Dalam Identifikasi Jeruk Nipis dan Jeruk Mandarin Menggunakan Convolutional Neural Network (CNN) Saputra, Randy; Erlanda, Hadrian; Ramadhanu, Agung
JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Vol 5 No 4 (2024)
Publisher : SOTVI - Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/jitsi.5.4.282

Abstract

With the rapid development of technology in the field of image processing, it really helps farmers in identifying types of citrus fruit. This research aims to identify the differences between limes (Citrus aurantiifolia) and mandarin oranges (Citrus reticulata) using image processing methods and morphological analysis. Image processing is carried out to analyze visual differences based on color, texture and fruit size. In addition, chemical analysis was carried out to differentiate the composition of the compounds contained in the two types of oranges. The research results show that this approach is able to identify the differences between limes and mandarins with a high level of accuracy, and can be applied in various industries, including agriculture and food processing.
Klasifikasi Kematangan Buah Pepaya Berdasarkan Warna Menggunakan Convolutional Neural Network Utama Putra, Kharisma; Yosfand, Windra; Ramadhanu, Agung
JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Vol 6 No 1 (2025)
Publisher : SOTVI - Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/jitsi.6.1.283

Abstract

Dengan kemajuan teknologi di bidang pengolahan citra digital (digital image processing) menjadi daya tarik tersendiri dalam mempermudah kehidupan manusia sehingga memunculkan banyak aplikasi yang dapat menerapkannya dalam berbagai bidang. Metode digital image processing dapat mentransformasikan citra masukan menjadi citra keluaran yang dapat dimanfaatkan untuk mengidentifikasi dan mengklasifikasi objek dalam kehidupan. Buah pepaya merupakan buah yang sering dikonsumsi manusia. Proses pemanenan buah pepaya dapat dilakukan menggunakan metode visual dengan memperhatikan warna dan ukuran buah. Pada penelitian ini beberapa sampel buah pepaya diambil nilai RGB dan dilakukan pengolahan dengan metode convutional neural network untuk mendapatkan tingkat kematangan dari buah pepaya. Hasil akhir dari penelitian ini bertujuan untuk membuat aplikasi yang dapat melakukan identifikasi dan mengklasifikasikan objek. Dalam pengujian sistem diperoleh persentase tingkat keberhasilan sebanyak 95%.
IMPLEMENTASI HYBRID INTELLIGENT SYSTEMS DALAM PENGKLASIFIKASIAN JENIS BUAH BERRY Agus Salim, David; Ramadhanu, Agung
JPG: Jurnal Pendidikan Guru Vol. 6 No. 2 (2025): JPG: Jurnal Pendidikan Guru
Publisher : Fakultas Keguruan dan Ilmu Pendidikan, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/jpg.v6i2.18987

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan jenis buah berry berdasarkan kualitas dan kesegarannya menggunakan metode Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN). Penelitian dilakukan dengan menggunakan 16 citra latih dan 10 citra uji, yang terdiri atas tiga jenis buah berry: blackberry, blueberry, dan raspberry. Ekstraksi fitur dilakukan menggunakan PCA untuk mengurangi dimensi data, diikuti dengan proses klasifikasi menggunakan algoritma KNN dengan jarak Euclidean. Hasil pengujian menunjukkan bahwa kombinasi metode PCA dan KNN mampu mencapai tingkat akurasi sebesar 100%, yang menunjukkan efektivitas model dalam mengklasifikasikan jenis buah berry dengan akurat. Meskipun akurasi yang tinggi telah diperoleh, diperlukan evaluasi lebih lanjut untuk memastikan kemampuan generalisasi model dan menghindari risiko overfitting. Penelitian ini memberikan solusi praktis untuk klasifikasi buah berry berdasarkan kualitas dan kesegaran dengan lebih cepat dan akurat.  
Pemanfaatan K-Means Untuk Klasifikasi Citra Toge dan Jamur Enoki Berdasarkan Fitur Bentuk Dan Tekstur Devi Maryuni; Agung Ramadhanu
JURNAL QUANCOM: QUANTUM COMPUTER JURNAL Vol. 3 No. 1 (2025): Juni 2025
Publisher : LPPM-ITEBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62375/jqc.v3i1.610

Abstract

The Purpose of this study is to explore the application of the K-Means algorithm in the process of classification of toge and enoki mushroom images, focusing on the separation of objects based on visual characteristics extracted from the image of toge and enoki mushroom is a food ingredient that is often found in foods in Asia, although it has almost similar shapes, but bean beetroot and enoki mushroom belong to different families. where toge belongs to the Marasmiaceae family and enoki mushrooms belong to the Marasmiaceae family. The image classification process begins with taking pictures of toge and enoki mushrooms which are then analyzed to extract the features of shape and texture from the image. Shape features are obtained through calculations such as the object's area, perimeter, and width ratio, while texture features are calculated using the Gray Level Co-occurrence Matrix (GLCM) approach to obtain information on contrast, energy, and homogeneity. Furthermore, the K-Means algorithm is used to group images based on the similarity of the features generated. The results of the study show that the use of shape and texture features with the K-Means Clustering and GLCM algorithms can produce a good and effective classification in distinguishing bean sprouts and enoki mushrooms.
PENERAPAN HYBRID INTELLIGENT SYSTEM UNTUK IDENTIFIKASI BUAH MANGGA DAN PEPAYA MENGGUNAKAN KNN DAN PCA Wirdawati, Wira; Ramadhanu, Agung
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5658

Abstract

Klasifikasi buah merupakan aspek penting dalam industri pertanian dan perdagangan, yang berkontribusi pada peningkatan efisiensi dan akurasi dalam pengelolaan produk. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis untuk buah Mangga Hijau, Mangga Kuning dan Pepaya dengan memanfaatkan Metode K-Nearest Neighbors (KNN) dan Principal Component Analysis (PCA). Metode ini adalah dua teknik yang umum digunakan dalam analisis data dan pembelajaran mesin. PCA bertujuan untuk mengubah data dan mempertahankan sebanyak mungkin informasi yang ada, sedangkan KNN bertujuan untuk mengklasifikasikan data berdasarkan kedekatannya dengan data lain. Berdasarkan permasalahan tersebut dibuatlah sebuah sistem untuk mengklasifikasikan buah Mangga dan pepaya, dengan memanfaatkan fitur warna RGB dan HSV. Klasifikasi menggunakan pengolahan citra dengan memanfaatkan software MATLAB. Data yang digunakan dalam penelitian ini sebanyak 26 data, yaitu16 data latih dan 10 data uji. Hasil analisis menunjukkan bahwa system hybrid yang diusulkan mencapai akurasi klasifikasi sebesar 90%, dengan waktu pemrosesan yang efisien. Penelitian ini memberikan wawasan baru dalam penerapan teknologi cerdas untuk klasifikasi buah, serta potensi untuk pengembangan sistem otomatis dalam industri pertanian, Penelitian ini memberikan kontribusi signifikan terhadap pengembangan teknologi klasifikasi buah yang lebih efisien dan akurat, serta membuka peluang untuk penerapan lebih lanjut dalam bidang pertanian cerdas.
Implementasi K-Means Clustering dan Teknik Pengolahan Citra Dalam Klasifikasi Buah Kiwi dan Sawo Hidayati, Dzil; Ramadhanu, Agung
Jurnal Ilmiah Media Sisfo Vol 19 No 1 (2025): Jurnal Ilmiah Media Sisfo
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/mediasisfo.2025.19.1.2312

Abstract

Buah kiwi dan sawo merupakan dua jenis buah yang memiliki beberapa kesamaan dalam warna kulit, namun memiliki perbedaan yang mencolok dalam hal bentuk dan tekstur. Kedua buah ini, meskipun memiliki kemiripan dalam beberapa aspek visual, membutuhkan metode yang tepat untuk membedakan dan mengklasifikasikannya secara otomatis. Salah satu teknik pengolahan citra yang efektif untuk tujuan tersebut adalah K-Means clustering, yang dapat digunakan untuk mengelompokkan objek berdasarkan kemiripan fitur visual. Penelitian ini bertujuan untuk mengimplementasikan K-Means clustering dalam membedakan buah kiwi dan sawo menggunakan citra digital. Gambar buah kiwi dan sawo yang diambil dengan kamera digital diolah untuk mengekstraksi fitur-fitur penting, seperti bentuk, dan tekstur. Hasil dari penerapan K-Means clustering menunjukkan kemampuan metode ini dalam mengelompokkan kedua buah berdasarkan perbedaan yang signifikan pada bentuk dan tekstur, meskipun keduanya memiliki kemiripan dalam warna. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi otomatis yang dapat diterapkan dalam industri pertanian, pemindai buah, dan pengawasan kualitas produk
IMPLEMENTASI ALGORITMA KNN, PCA PADA KLASIFIKASI BUAH PIR MADU, PIR HIJAU DAN APEL MERAH Yulihartati, Sandra; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13835

Abstract

Klasifikasi citra buah dapat dilakukan berdasarkan bentuk, ukuran, tekstur, warna buah. Buah merupakan salah satu data yang dipakai pada pengolahan data yang dapat mempermudah identifikasi jenis buah berdasarkan ciri-ciri fisiknya. Penelitian ini bertujuan mengimplementasikan algoritma K-Nearest Neighbors (KNN) dan Principal Component Analysis (PCA) untuk mengklasifikasikan tiga jenis buah, yaitu Pir Madu, Pir Hijau, dan Apel Merah. PCA digunakan untuk mereduksi dimensi data morfologi yang terdiri dari fitur berat, panjang, dan lebar buah, sehingga meningkatkan efisiensi dan efektivitas model KNN dalam melakukan klasifikasi. Data yang digunakan terdiri dari 26 data yang dibagi menjadi data latih dan data uji. Setelah proses standarisasi, PCA diterapkan untuk mengurangi jumlah komponen fitur menjadi dua komponen utama yang mempertahankan informasi penting dalam data. Selanjutnya, algoritma KNN dengan parameter k=3 digunakan untuk melakukan klasifikasi pada data uji. Hasil penelitian menunjukkan bahwa kombinasi PCA dan KNN menghasilkan akurasi klasifikasi sebesar 90%, dengan nilai precision 90 %, recal 90%, dan F1-score 94,7% yang baik untuk setiap jenis buah. Hasil ini menunjukkan bahwa teknik PCA dapat meningkatkan kinerja algoritma KNN dalam klasifikasi buah dengan mengurangi dimensi data yang kompleks. Penelitian ini memberikan kontribusi pada pengembangan teknik klasifikasi buah berbasis data morfologi dengan penerapan PCA dan KNN.
HYBRID INTELLIGENCE SYSTEM FOR IMAGE CLASSIFICATION OF FRUIT TYPES Syalsabilla, Adinda; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13862

Abstract

Indonesia sebagai negara tropis memiliki kekayaan beragam jenis buah-buahan, seperti paprika dan apel, yang tumbuh subur di berbagai wilayah. Buah-buahan ini memiliki nilai ekonomis tinggi dan berpotensi memberikan keuntungan besar, sehingga mendorong pengembangan produktivitas di berbagai daerah. Namun, kesamaan fisik antar jenis buah seringkali menyulitkan proses identifikasi, yang dapat memengaruhi pengelolaan dan pemanfaatannya. Perkembangan teknologi, khususnya dalam pengolahan citra digital, menjadi solusi untuk mengatasi tantangan ini dengan meningkatkan akurasi dan efisiensi klasifikasi buah. Penelitian ini bertujuan mengembangkan sistem klasifikasi citra buah menggunakan kombinasi algoritma K-Nearest Neighbor (K-NN) dan Principal Component Analysis (PCA) sebagai pendekatan Hybrid Intelligence. PCA digunakan untuk mereduksi dimensi fitur visual seperti warna dan bentuk, sementara K-NN melakukan klasifikasi berdasarkan jarak terdekat. Sistem ini dirancang untuk mengidentifikasi jenis buah seperti paprika merah, paprika hijau, dan apel merah. Hasil penelitian menunjukkan bahwa penggabungan K-NN dan PCA meningkatkan akurasi dan efisiensi klasifikasi, dengan akurasi mencapai 90%. Penelitian ini memberikan kontribusi dalam meningkatkan akurasi dan keandalan sistem klasifikasi buah, serta menawarkan manfaat praktis dalam mendukung pengelolaan hasil pertanian, meningkatkan nilai tambah produk, dan memperkuat sektor agribisnis di era digital.
Improved feature extraction method and K-means clustering for soil fertility identification based on soil image Ramadhanu, Agung; Hendri, Halifia; Enggari, Sofika; Andini, Silfia; Devita, Retno; Rianti, Eva
Indonesian Journal of Electrical Engineering and Computer Science Vol 38, No 3: June 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v38.i3.pp2001-2011

Abstract

This research is conducting analysis of digital land images using digital image processing techniques. The main purpose of the research is to classify soil fertility based on two-dimensional RGB colored digital soil images. The research is done by extracting features and shapes from the soil image. The research uses methods of segmentation, extraction, and identification against digital soil images. This research is carried out in three stages. The first phase of this research is image pre-processing which begins with the conversion of RGB color image to Grayscale then color conversion to binary which subsequently performs noise reduction with the method Three-layer median filter. The second stage is a process that is divided into the first two stages, namely the process of segmentation by grouping RGB color images into L*a*b which is continued by clustering using the K-means clustering method. The second is the extraction of characteristics of the soil image which is characteristic of shape and texture. The final stage is the identification of soil images that are clustered into two types: fertile soils and unfertile soil. The study achieved an accuracy of 85% which could accurately identify 20 images while inaccurately classifying 5 images out of a total of 25 input images.
Segmentation and Classification of Vitamin C Content in Red Chili Pepper Images Using the Linear Discriminant Analysis (LDA) Method: Segmentation and Classification of Vitamin C Content in Red Chili Pepper Images Using the Linear Discriminant Analysis (LDA) Method Ramadhanu, Agung; Chan, Fajri Rinaldi; Yasmin, Nabilla; Negoro, Wahyu Saptha; Mardison, Mardison; Hendri, Halifia
CSRID (Computer Science Research and Its Development Journal) Vol. 17 No. 2 (2025): Juni 2025
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.17.2.2025.149-162

Abstract

The vitamin C content in red chili peppers plays a crucial role in meeting nutritional needs, particularly in free nutritious lunch programs. Red chili peppers are one of the essential sources of vitamin C in daily consumption. However, vitamin C content in chilies can degrade due to storage and drying processes. This study develops a segmentation and classification method for vitamin C content in red chili pepper images using Linear Discriminant Analysis (LDA) as a faster and more efficient alternative to conventional laboratory methods. The dataset consists of 100 red chili images categorized into fresh and dried chilies. The analysis process includes preprocessing, feature extraction of color and texture (RGB, HSV, GLCM), dimensionality reduction, and classification using LDA. Experimental results show that this method achieves 99% accuracy on training data and 97% on test data, demonstrating that digital image processing can serve as a non-destructive approach for food quality estimation. This approach has the potential to be applied in food quality monitoring within the food industry and public nutrition programs.
Co-Authors ., Ulfa Afriadi Afriadi Afriadi, A Agsera, Nilam Agus Salim, David Agusty, Dhia Fadhila Ahmad Syarif ahmad yani Akbar, Syifa Chairunnissa Deliva Al-arrafi, Muhammad Ikhsan Andry Novrianto Angga Angga Anggara Putra, Febri Antoni Antoni Arsyah Arsyah atiqah, sri Avezrima Rahmamuthi Bayuputra, Ramdani Berta Agus Petra Betriana Roza, Yesi Betriana, Yesi Chairunnissa Deliva Akbar, Syifa Chan, Fajri Rinaldi Delvi, Syerlin Aprilia Desi Permata Sari Desi Permata Sari Desi Permata Sari Desi Permata Sari Devi Maryuni Devita, Retno Dhia Fadhila Agusty Dicky Imansyah, Muhammad Dila, Rahmah Dinantia, Triend Dodi Guswandi Enggari, Sofika Erlanda, Hadrian Fadila Cahyani Putri Fajri Saputra, Charisman Fajrul Islami Febri Hadi Fiki Pratama Firmansyah, Ryan Firna Yenila Fitri Yeni Gafari, Abuzar Gunadi Widi Nurcahyo Hadi Syahputra Hadi Syahputra Hadi Syahputra Putra Halifia Hendri Hanna Pratiwi Harnaranda, Jefri Hasmaynelis Fitri Hendri, Hallifia Hidayati, Dzil Hidayattullah, Hafis Hikmi, Zakiya Honestya, Gabriela Husna Arsyah, Rahmatul Ilmawan, Fachrul Imrah, Imrah Sari Irfan Rizki Nur Irsyad, As'Ary Sahlul Jehan Harka Johan Harlan Jufriadif Na`am, Jufriadif Kareem, Shahab Wahhab Karseno, Doni Khomsi, Ahmad Larissa Navia Rani M.Iqbal, M.Iqbal Maharani, Filsha Rifi Majid, Mazlina Abdul Mardison Mardison Mardison Mardison Mardison Marfalino, Hari Masri, Taufik Mokti Isra Mokti Isra Muhammad Idris Muhammad Raihan Zaky Muhammad Raihan Zaky Muhammad Yusuf Nabila Frisca Oktavia Nadia, Nadia Aini Hafizhah Nasution, Amir Salim Khairul Rijal Nasution, Annio Indah Lestari Negoro, Wahyu Saptha Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsi Neni Sri Wahyuni Nengsih Neni Sri Wahyuni Nengsih Neni Sri Wayuni Ningsih Neni Sri Wayuni Ningsih Ningsih, Neni Sri Wayuni Nurdiansyah, Ali Nurhaliza Nurhaliza Nurjannah, Farah Permata, Edo Pertiwi, Yuliana Pratama, Dede Putra, Kharisma Utama Putra, Ramdani Bayu putri, kamila amaliah Rahmad Rahmad Rahmad, R Raja Ayu Mahessya Rani, Larissa Navia Repelita Witri Rheza Thresya Rianti, Eva Riati, Itin Rindy Citra Dewi Riyan Saputra, Riyan Rizky Gusrianto Rosa, Imelda Rosda Syelly Sajida, Mayang salim, alfajri Saputra, Charisman Fajri Saputra, Randy Sarjon Defit Selvia, Dina Silfia Andini, Silfia Sisi Hendriani Sofika Enggari Sofika Enggari Sofika Enggari Sovia, Rini Suci Wahyuni Sularno Sularno Sumijan, S Sutri, Ridwan Syafri Arlis Syafrika Deni Rizki Syafrika Deni Rizki, Syafrika Deni Syafril Syafril Syafril, S Syalsabilla, Adinda Teri Ade Putra Tesa Vausia Sandiva Tomi, Zebbil Billian Utama Putra, Kharisma Utari, Utari Armila Vidyanti, Angela Citra Wiratama, Aditya Wirdawati, Wira Witri, Repelita Yagus Valentino Harefa Yanti, Rahma Yasmin, Nabila Yasmin, Nabilla Yemi, Leonardo Yesi Betriana Roza, yesibetriana_18 Yogi Wiyandra Yolanda Yolanda, Yolanda Yosfand, Windra Yuhandri Yuhandri Yuhandri Yulihartati, Sandra Zubaidah, Rima Puti