Article Per Year (5 Year)
p-Index From 2021 - 2026
10.841
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) Journal of Applied Data Sciences 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
Unknown Affiliation
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 : 94 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 94 Documents
Search

 6   7   8   9   10 
PENERAPAN METODE IMPORTANCE PERFORMANCE ANALYSIS (IPA) UNTUK MENGUKUR KUALITAS SISTEM INFORMASI ULANGAN HARIAN Syahputra, Hadi; Ramadhanu, Agung; Bayuputra, Ramdani
Jurnal Ekonomi Manajemen Sistem Informasi Vol. 1 No. 4 (2020): Jurnal Ekonomi Manajemen Sistem Informasi (Maret 2020)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31933/jemsi.v1i4.172

Abstract

SMA N 9 Padang merupakan salah satu sekolah yang sudah menerapkan teknologi dalam bidang pendidikan dengan sebaik-baiknya. Sekolah tersebut membangun sistem informasi yang diberi nama BeeSmart, yang merupakan sistem informasi pertama yang digunakan di sekolah tersebut untuk siswa dan guru dalam melaksanakan ulangan harian secara terkomputerisasi. BeeSmart tersebut diharapkan dapat menjadi pedoman untuk sekolah lain yang belum menerapkan teknologi dalam pembelajaran, oleh karena itu sebagai pelopor sistem informasi ulangan harian BeeSmart tentu harus memenuhi standar kualitas sistem yang baik dan jauh dari kekurangan. Dengan menggunakan metode Importance Performance Analysis (IPA), maka kualitas dari sistem informasi ulangan harian ini dapat diukur dan diperbaiki lebih baik.
Analisis Kepuasan Masyarakat Terhadap Proses Pengurusan Sertipikat Analog Ke Elektronik Menggunakan Metode Naïve Bayes Al-Arrafi, Muhammad Ikhsan; Sovia, Rini; Ramadhanu, Agung
Bulletin of Computer Science Research Vol. 5 No. 5 (2025): August 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i5.758

Abstract

The certificate media conversion program from analog to electronic implemented by the Ministry of ATR/BPN in Sejati Village requires evaluation to ensure its effectiveness. The main problem faced is the limited use of quantitative, data-driven analysis in identifying the factors that influence public satisfaction. This study aims to analyze the level of public satisfaction using the Naïve Bayes method to classify and predict the influence of related variables. Data were obtained from 250 respondents through questionnaires based on digital public service indicators, covering demographic variables, perceived benefits, obstacles, support, service speed, and procedural simplicity. The results show that the level of public satisfaction is in the high category, with procedural simplicity and service speed proven to be the most significant variables influencing satisfaction prediction. The Naïve Bayes model achieved an accuracy of 94%, demonstrating its effectiveness in predicting satisfaction levels. These findings serve as a basis for improving policies and strategies to enhance the quality of digital public services, particularly in the implementation of electronic certificate media conversion in the future.
Identifikasi Varietas Kopi Berdasarkan Analisis Warna dan Tekstur Menggunakan Metode Convolutional Neural Network Utama Putra, Kharisma; Ramadhanu, Agung; Arlis, Syafri
Bulletin of Computer Science Research Vol. 5 No. 5 (2025): August 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i5.759

Abstract

Coffee is a plantation commodity with high economic value in Indonesia, with various varieties such as Arabica, Robusta, and Liberica. Differences in coffee varieties can generally be identified through the physical characteristics of the beans, especially color and texture. Based on this, this study aims to develop a digital image-based coffee variety identification system using the Convolutional Neural Network (CNN) method with color and texture analysis as the main features. The research stages include coffee bean image acquisition, pre-processing including color segmentation and image conversion to grayscale, and color and texture feature extraction. This research dataset comes from images of unroasted coffee beans, commonly called green beans, taken using a high-resolution smartphone camera and also using secondary data taken from the Kaggle site. Both types of datasets have the same characteristics and resolution to maintain data consistency. The image dataset is divided into training data and test data, then used to train and test the Convolutional Neural Network (CNN) model. Based on this study, the Convolutional Neural Network (CNN) method can identify coffee varieties based on color and texture analysis. By using 210 training data and 90 test data of coffee bean images, the CNN method can produce an accuracy rate of 94,44%. This research contribution has the potential to be a supporting solution in the process of identifying coffee varieties quickly, accurately, and consistently, so that it can help the coffee industry in the sorting and quality control process.
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.
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.
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 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 Irsyad, As'Ary Sahlul Kareem, Shahab Wahhab Karseno, Doni Khomsi, Ahmad 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 Teri Ade Putra Tesa Vausia Sandiva Utama Putra, Kharisma 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 Yuhandri Yuhandri, Yuhandri Yulihartati, Sandra Zubaidah, Rima Puti