cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Anirwan
Contact Email
jurnalintelekmadani@gmail.com
Phone
+6285218159999
Journal Mail Official
papsjournals@gmail.com
Editorial Address
Jl. Malengkeri, Kompleks Gerhana Alauddin, Blok D No. 18 Mangasa Tamalate Makassar
Location
Unknown,
Unknown
INDONESIA
Advances in Computer System Innovation Journal (ACSI Journal)
Published by Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia
ISSN : -     EISSN : 30265088     DOI : https://doi.org/10.51577/acsijournal.v2i1
Core Subject : Science,
Computer Science & IT
Advances in Computer System Innovation Journal (ACSI Journal) adalah jurnal ilmiah yang diterbitkan oleh Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia yang meliputi scope: Programming Languages, Algorithms and Theory, Computer Architecture and Systems, Artificial Intelligence, Computer Vision, Machine Learning, Systems Analysis, Data Communications, Cloud Computing, Object Oriented Systems Analysis and Design, Computer and Network Security, Data Mining. Artikel-artikel yang dimuat dalam ACSI Journal merupakan artikel hasil penelitian. Artikel yang akan diterbitkan oleh ACSI Journal akan direview oleh editor internal dan eksternal. Keputusan diterima atau tidaknya suatu artikel ilmiah dalam jurnal ini merupakan hak Redaksi.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 22 Documents
 1   2   3 
RANCANG BANGUN SISTEM INFORMASI PEMBUATAN SISTEM KAS MANAJEMEN RT DAN RW PADA CLUSTER PESONA KARAWACI BERBASIS WEBSITE Nixon, Nixon Clementius Marauhuku; Aqmal, Haiqal Aqmal Suryanto; Aji, Muhamad Satriaji; Wasis, Wasis Haryono
Advances in Computer System Innovation Journal Vol. 3 No. 2: Agustus 2025, ACSI Journal
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/acsijournal.v3i2.712

Abstract

Pengelolaan kas di lingkungan RT dan RW pada Cluster Pesona Karawaci sebelumnya dilakukan secara manual menggunakan buku catatan dan aplikasi sederhana seperti Microsoft Excel. Metode ini menimbulkan berbagai permasalahan, antara lain risiko kesalahan pencatatan, lambatnya proses pencarian data, kebutuhan ruang penyimpanan fisik yang besar, dan kurangnya transparansi dalam pelaporan keuangan. Untuk mengatasi hal tersebut, dilakukan perancangan dan pembangunan sistem informasi manajemen kas berbasis website. Sistem ini dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL dengan pendekatan Agile, sehingga mendukung iterasi cepat dan kolaborasi tim. Fitur utama sistem meliputi pencatatan kas masuk dan keluar, pembuatan laporan keuangan otomatis, validasi data untuk meminimalkan kesalahan input, serta akses multi-user dengan kontrol hak akses. Hasil uji coba menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan efisiensi, akurasi, dan transparansi dalam pengelolaan kas, sekaligus mendukung proses audit dan pelaporan yang lebih baik. Sistem ini diharapkan dapat menjadi solusi efektif dalam mendukung operasional keuangan di lingkungan RT dan RW Cluster Pesona Karawaci.
Model Convolutional Neural Network yang Efektif dan Efisien untuk Segmentasi Semantik Awan Cumulonimbus Azminuddin I. S. Azis; jeffry, jeffry; Firman Aziz; Andi Taufiqurrahman Akbar
Advances in Computer System Innovation Journal Vol. 3 No. 1: April 2025, ACSI Journal
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/acsijournal.v3i1.807

Abstract

Awan Cumulonimbus (CB) merupakan jenis awan yang dapat mengakibatkan petir, badai, tornado, hujan lebat, turbulensi penerbangan, dan cuaca ekstrim lainnya. Oleh karenanya, prediksi/deteksi keberadaan awan CB yang akurat dan real time akan mendukung kelancaran dan keselamatan banyak aktivitas manusia. Citra infrared (IR) pada satelit Himawari-8 di Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) memiliki informasi mengenai pertumbuhan awan CB. Berbagai studi terkait telah membuktikan bahwa metode yang paling populer dan handal dalam bidang computer vision pada objek awan adalah Convolutional Neural Network (CNN). Untuk menemukan/memperoleh model CNN yang paling efektif dan efisien dalam menangani segmentasi semantik awan CB pada citra IR Himawari-8, maka berbagai pendekatan untuk CNN diuji coba, diantaranya arsitektur jaringan untuk CNN, optimalisasi pelatihan CNN berbasis Gradient Discent Optimizer (GDO), Weighted Class (WC) untuk mereduksi masalah imbalanced class, dan Data Augmentation (DA) untuk memperkaya keragaman data dan mencegah overfitting. Hasil studi menunjukkan bahwa model CNN yang paling efektif adalah dengan arsitektur jaringan U-NET, GDO menggunakan Adaptive Moment Estimation (Adam), dan WC dengan 99,56% global akurasi pengujian, 97,12% rata-rata akurasi pengujian, 94,42% rata-rata IoU, 94,48% akurasi prediksi pada class CB, 99,60% akurasi validasi, 99,61% akurasi pelatihan, 0,1071 loss validasi, dan 0.1072 loss pelatihan. Sedangkan model CNN yang paling efisien adalah dengan arsitektur jaringan Dilated, GDO menggunakan Root Mean Square Propagation (RMSProp), dan WC dengan 24 detik waktu proses/pemodelan, lebih cepat 20 detik namun dengan efektivitas yang tidak jauh berbeda daripada model CNN yang paling efektif.

Page 3 of 3 | Total Record : 22

 1   2   3 

Filter by Year

2023 2025


Reset
Filter By Issues
All Issue Vol. 3 No. 2: Agustus 2025, ACSI Journal Vol. 3 No. 1: April 2025, ACSI Journal Vol. 2 No. 3: Desember 2024, ACSI Journal Vol. 2 No. 2: Agustus 2024, ACSI Journal Vol. 2 No. 1: April 2024, ACSI Journal Vol. 1 No. 1: Desember 2023, ACSI Journal