Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal OKTAL : Jurnal Ilmu Komputer dan Sains JRIIN :Jurnal Riset Informatika dan Inovasi
Palgunadi
Unknown Affiliation
Astronomy Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Jumlah Kepala Sekolah Dan Guru Menurut Kelompok Umur Provinsi D.K.I. Jakarta, Maluku, Gorontalo Dan Kalimantan Tengah Tahun 2023/2024 Robby, Muhammad; Dwi Aryani, Alfina; Palgunadi; Pratama, Rivaldo
Jurnal Riset Informatika dan Inovasi Vol 2 No 6 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini membahas distribusi jumlah kepala sekolah dan guru berdasarkan kelompok umur di empat provinsi di Indonesia: D.K.I. Jakarta, Maluku, Gorontalo, dan Kalimantan Tengah untuk tahun akademik 2023/2024. Masalah yang sering dihadapi dalam pemetaan demografis ini adalah kurangnya informasi yang terstruktur terkait sebaran usia pendidik, yang penting untuk perencanaan tenaga pengajar jangka panjang. Penelitian ini menggunakan metode analisis deskriptif kuantitatif, dengan data yang dikumpulkan dari sumber-sumber statistik pendidikan dan publikasi terkait. Tujuan penelitian adalah untuk memahami distribusi usia tenaga pendidik di berbagai provinsi, yang diharapkan dapat mendukung kebijakan pendidikan yang lebih baik dan perencanaan pergantian generasi tenaga pengajar. Melalui analisis data, grafik histogram, poligon frekuensi, dan ogive dihasilkan untuk memvisualisasikan distribusi dan kumulasi data. Hasil penelitian menunjukkan perbedaan yang signifikan dalam struktur usia tenaga pengajar antarprovinsi, memberikan wawasan mengenai kebutuhan regenerasi tenaga pendidik di setiap wilayah
Klasifikasi Gambar Makanan Indonesia Menggunakan Algoritma CNN Palgunadi; Reinardus Di Caprio Kadju; Wisnu Kuntjoro Adji; Perani Rosyani
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 4 No 12 (2025): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study aims to classify images of traditional Indonesian foods using the Convolutional Neural Network (CNN) algorithm. Image-based food classification plays an important role in the development of visual recognition systems, particularly in the fields of food technology and artificial intelligence. The dataset used in this study consists of several classes of Indonesian foods obtained from open sources and categorized based on food types. The research process includes data collection, image preprocessing, CNN model training, and performance evaluation using accuracy metrics. The experimental results show that the CNN algorithm is able to classify Indonesian food images with good accuracy. This study is expected to serve as a foundation for the development of automatic food classification systems and to support the application of image processing technology in the Indonesian culinary field.
Co-Authors Dwi Aryani, Alfina Perani Rosyani Pratama, Rivaldo Reinardus Di Caprio Kadju Robby, Muhammad Wisnu Kuntjoro Adji