Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Akuntansi'45
Aldi Febriansyah
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance

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

Found 2 Documents
Search

 1 
Analisis Efektivitas Pengelolaan Dana Desa Dalam Pemberdayaan Masyarakat: (Studi Kasus di Desa Pasirpanjang Kecamatan Ciracap Kabupaten Sukabumi) Aldi Febriansyah; Elan Eriswanto; Tina Kartini
AKUNTANSI 45 Vol. 5 No. 2 (2024): Jurnal Ilmiah Akuntansi
Publisher : Fakultas Ekonomi Program Studi Akuntansi Universitas 45 Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30640/akuntansi45.v5i2.3364

Abstract

This research aims to assess the effectiveness of village fund management in empowering communities in Pasirpanjang Village, Ciracap District, Sukabumi Regency. The method used is qualitative with a descriptive approach. The research results show that the people in Pasirpanjang Village do not understand the management of their village funds. Village fund management in Pasirpanjang has not been effective because it is not in accordance with Law no. 6 of 2014.
PENERAPAN DETEKSI KECACATAN BUAH JERUK MENGGUNAKAN MODEL DEEP LEARNING YOLOV5 Rinanto, Noorman; Aldi Febriansyah; Adianto; Muhammad Khoirul Hasin; Putri Nur Rahayu
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8897

Abstract

Penentuan kualitas buah jeruk secara manual cenderung tidak konsisten serta memerlukan waktu dan tenaga yang signifikan. Oleh karena itu, penelitian ini bertujuan untuk merancang sistem otomatis dalam mendeteksi kecacatan buah jeruk dengan memanfaatkan model deep learning YOLOv5. Dataset citra buah jeruk dikumpulkan berdasarkan variasi tingkat kematangan, yaitu matang, asam, dan busuk, kemudian diberi label menggunakan platform Roboflow dan dibagi menjadi data pelatihan, validasi, serta pengujian. Proses pelatihan dilakukan melalui platform Google Colab dengan menerapkan dua varian model, yaitu YOLOv5s dan YOLOv5n. Berdasarkan hasil evaluasi, model YOLOv5s menunjukkan akurasi deteksi yang sangat tinggi dengan nilai mAP@0.5 di atas 99% dan mAP@0.5:0.95 mendekati 98%. Sementara itu, YOLOv5n memiliki keunggulan dalam hal kecepatan inferensi meskipun akurasinya sedikit lebih rendah. Pengujian secara real-time menggunakan webcam menunjukkan bahwa kedua model mampu mengenali serta mengklasifikasikan buah jeruk secara tepat, Pengujian real-time menggunakan kamera menghasilkan akurasi 93,33% untuk YOLOv5s dan 86,67% untuk YOLOv5n, sistem ini memiliki potensi besar dalam mendukung proses otomatisasi penilaian mutu buah, meningkatkan efisiensi kerja, dan mengurangi human error dalam proses sortasi.
Co-Authors Adianto Elan Eriswanto Muhammad Khoirul Hasin Putri Nur Rahayu Rinanto, Noorman Tina Kartini