Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal Indonesian Journal Computer Science (ijcs)
Ramadhanu , Agung
Unknown Affiliation
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Evaluasi Kualitas dan Kematangan Mangga Menggunakan Analisis Citra Digital dengan Euclidean Distance Fokus pada Buah Hijau dan Kuning Agus Salim, David; Betriana Roza, Yesi; 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.v3i2.5599

Abstract

Penelitian ini bertujuan untuk mengevaluasi kualitas dan kematangan buah mangga melalui analisis citra digital. Kualitas dan kematangan buah mangga sangat mempengaruhi rasa, tekstur, dan keberlanjutan dalam industri pertanian dan pengolahan makanan. Metode tradisional penilaian yang melibatkan pengamatan warna, tekstur, dan aroma sering kali bersifat subjektif dan sulit diukur secara konsisten. Oleh karena itu, penelitian ini memanfaatkan teknologi pemrosesan gambar berbasis MATLAB untuk memberikan pendekatan objektif dalam penilaian kematangan buah. Fokus penelitian ini adalah pada dua tahap warna mangga yang umum, yaitu hijau (belum matang) dan kuning (matang). Melalui analisis citra digital, algoritma pemrosesan gambar digunakan untuk mendeteksi perubahan warna yang berkaitan dengan kematangan serta mengidentifikasi cacat atau kerusakan fisik pada buah. Hasil penelitian menunjukkan bahwa analisis citra digital efektif dalam membedakan antara mangga matang dan hijau, dengan tingkat akurasi klasifikasi yang tinggi. Temuan ini mendukung pengembangan sistem penilaian otomatis yang dapat meningkatkan efisiensi dan konsistensi dalam pemilihan serta pemrosesan buah mangga. Dari hasil ekstraksi ciri pada  Metric nilai 0.8373 menunjukkan hasil yang relatif baik. Nilai Eccentricity 0.8333, Nilai Contrast 0.084535. Nilai contrast yang rendah seperti 0.084535 menunjukkan bahwa citra memiliki sedikit perbedaan intensitas antara piksel-pikselnya, nilai Correlation yang didapatkan 0.9877, Nilai yang mendekati 1, seperti 0.9877, menunjukkan bahwa ada hubungan yang sangat kuat antara nilai intensitas piksel yang berdekatan. Nilai Energy yang didapatkan adalahh 0.40659. Nilai 0.40659 menunjukkan tingkat energi yang sedang dalam citra. Dan nilai Homogeneity adalah 0.98094. Nilai 0.98094 menunjukkan bahwa citra memiliki tingkat keseragaman yang sangat tinggi, dengan perbedaan intensitas yang sangat sedikit di seluruh citra.
Implementasi Euclidean Distance dan Segmentasi K-Means Clustering Pada Identifikasi Citra Jeruk Nipis Wirdawati, Wira; Yulihartati, Sandra; 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.v3i2.5600

Abstract

Jeruk nipis (Citrus aurantifolia) adalah buah kecil yang berasal dari Asia Tenggara dan dikenal luas karena aroma dan rasa asamnya. Buah ini memiliki berbagai manfaat kesehatan dan masakan. Penelitian ini bertujuan mengimplementasikan algoritma Euclidean Distance dan segmentasi citra dengan K-Mean Clustering pada identifikasi citra jenis Jeruk Nipis berdasarkan ciri bentuk dan teksturnya. Algoritma K-Mean Clustering digunakan untuk memisahkan antara Foreground dan Background pada citra. Objek tersebut akan diekstraksi cirinya berdasarkan bentuk dan ciri tekstur dengan menggunakan MATLAB. Segmentasi citra merupakan langkah penting dalam pengolahan citra. Fokus penelitian ini adalah pada dua warna jeruk nipis hijau  dan jeruk nipis kuning. Proses segmentasi dimulai dengan tahap praproses citra, seperti konversi ke ruang warna Lab* untuk meningkatkan ketepatan segmentasi berdasarkan komponen warna. Algoritma K-Means Clustering digunakan untuk membagi citra menjadi beberapa kluster yang masing-masing mewakili segmen berbeda dari citra jeruk nipis. Hasil segmentasi dievaluasi untuk memastikan kluster yang terbentuk mampu memisahkan objek jeruk nipis dengan akurat dari latar belakang.  Maka didapatkan hasil ekstraksi ciri pada Metric adalah 0,95965 menunjukan hasil yang sangat baik, pada Eccentricity 0,18568 menunjukan  Ukuran eksentrisitas objek menggambarkan Nilai yang Sempurna. untuk Contrast 0,02922 merupakan nilai yang cukup rendah, pada Correlation tingkat keteraturan atau hubungan antara piksel dalam citra bernilai 0.99448 mendekati 1 dan dapat diartikan memiliki nilai yang baik , untuk Energy 0,67743 Cukup tinggi yang menunjukkan tekstur yang lebih seragam. untuk Homogeneity Keseragaman intensitas Pixel dalam Citra memiliki nilai yang cukup tinggi yaitu  0,99201. fitur-fitur ini digunakan untuk mengidentifikasi citra berdasarkan karakteristik yang relevan.
Evaluasi Kualitas dan Kematangan Mangga Menggunakan Analisis Citra Digital dengan Euclidean Distance Fokus pada Buah Hijau dan Kuning Agus Salim, David; Betriana Roza, Yesi; Ramadhanu , Agung; Betriana, Yesi
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.v3i2.5599

Abstract

Penelitian ini bertujuan untuk mengevaluasi kualitas dan kematangan buah mangga melalui analisis citra digital. Kualitas dan kematangan buah mangga sangat mempengaruhi rasa, tekstur, dan keberlanjutan dalam industri pertanian dan pengolahan makanan. Metode tradisional penilaian yang melibatkan pengamatan warna, tekstur, dan aroma sering kali bersifat subjektif dan sulit diukur secara konsisten. Oleh karena itu, penelitian ini memanfaatkan teknologi pemrosesan gambar berbasis MATLAB untuk memberikan pendekatan objektif dalam penilaian kematangan buah. Fokus penelitian ini adalah pada dua tahap warna mangga yang umum, yaitu hijau (belum matang) dan kuning (matang). Melalui analisis citra digital, algoritma pemrosesan gambar digunakan untuk mendeteksi perubahan warna yang berkaitan dengan kematangan serta mengidentifikasi cacat atau kerusakan fisik pada buah. Hasil penelitian menunjukkan bahwa analisis citra digital efektif dalam membedakan antara mangga matang dan hijau, dengan tingkat akurasi klasifikasi yang tinggi. Temuan ini mendukung pengembangan sistem penilaian otomatis yang dapat meningkatkan efisiensi dan konsistensi dalam pemilihan serta pemrosesan buah mangga. Dari hasil ekstraksi ciri pada  Metric nilai 0.8373 menunjukkan hasil yang relatif baik. Nilai Eccentricity 0.8333, Nilai Contrast 0.084535. Nilai contrast yang rendah seperti 0.084535 menunjukkan bahwa citra memiliki sedikit perbedaan intensitas antara piksel-pikselnya, nilai Correlation yang didapatkan 0.9877, Nilai yang mendekati 1, seperti 0.9877, menunjukkan bahwa ada hubungan yang sangat kuat antara nilai intensitas piksel yang berdekatan. Nilai Energy yang didapatkan adalahh 0.40659. Nilai 0.40659 menunjukkan tingkat energi yang sedang dalam citra. Dan nilai Homogeneity adalah 0.98094. Nilai 0.98094 menunjukkan bahwa citra memiliki tingkat keseragaman yang sangat tinggi, dengan perbedaan intensitas yang sangat sedikit di seluruh citra.
Implementasi Euclidean Distance dan Segmentasi K-Means Clustering Pada Identifikasi Citra Jeruk Nipis Yulihartati, Sandra; Ramadhanu , Agung; Wirdawati, Wira
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.v3i2.5600

Abstract

Jeruk nipis (Citrus aurantifolia) adalah buah kecil yang berasal dari Asia Tenggara dan dikenal luas karena aroma dan rasa asamnya. Buah ini memiliki berbagai manfaat kesehatan dan masakan. Penelitian ini bertujuan mengimplementasikan algoritma Euclidean Distance dan segmentasi citra dengan K-Mean Clustering pada identifikasi citra jenis Jeruk Nipis berdasarkan ciri bentuk dan teksturnya. Algoritma K-Mean Clustering digunakan untuk memisahkan antara Foreground dan Background pada citra. Objek tersebut akan diekstraksi cirinya berdasarkan bentuk dan ciri tekstur dengan menggunakan MATLAB. Segmentasi citra merupakan langkah penting dalam pengolahan citra. Fokus penelitian ini adalah pada dua warna jeruk nipis hijau  dan jeruk nipis kuning. Proses segmentasi dimulai dengan tahap praproses citra, seperti konversi ke ruang warna Lab* untuk meningkatkan ketepatan segmentasi berdasarkan komponen warna. Algoritma K-Means Clustering digunakan untuk membagi citra menjadi beberapa kluster yang masing-masing mewakili segmen berbeda dari citra jeruk nipis. Hasil segmentasi dievaluasi untuk memastikan kluster yang terbentuk mampu memisahkan objek jeruk nipis dengan akurat dari latar belakang.  Maka didapatkan hasil ekstraksi ciri pada Metric adalah 0,95965 menunjukan hasil yang sangat baik, pada Eccentricity 0,18568 menunjukan  Ukuran eksentrisitas objek menggambarkan Nilai yang Sempurna. untuk Contrast 0,02922 merupakan nilai yang cukup rendah, pada Correlation tingkat keteraturan atau hubungan antara piksel dalam citra bernilai 0.99448 mendekati 1 dan dapat diartikan memiliki nilai yang baik , untuk Energy 0,67743 Cukup tinggi yang menunjukkan tekstur yang lebih seragam. untuk Homogeneity Keseragaman intensitas Pixel dalam Citra memiliki nilai yang cukup tinggi yaitu  0,99201. fitur-fitur ini digunakan untuk mengidentifikasi citra berdasarkan karakteristik yang relevan.
Co-Authors Agus Salim, David Betriana Roza, Yesi Betriana, Yesi Wirdawati, Wira Yulihartati, Sandra