Article Per Year (5 Year)
p-Index From 2021 - 2026
2.233
P-Index
This Author published in this journals
All Journal Journal of Informatics and Computer Science (JINACS) Journal of Emerging Information Systems and Business Intelligence (JEISBI) Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi
I Kadek Dwi Nuryana
D3 Manajemen Informatika, Fakultas Teknik, Universitas Negeri Surabaya
Computer Science & IT Decision Sciences, Operations Research & Management Languange, Linguistic, Communication & Media Library & Information Science

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Journal of Informatics and Computer Science (JINACS)

 1 
Role Of Gray Level Co-Occurrence Matrix for Convolution Neural Network Transfer Learning in Coffee Bean Classification Maharani, Herlina Syafhita; Dwi Nuryana, I Kadek
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p1-6

Abstract

Penerapan Progressive Web Apps untuk Pengembangan Fitur Push Notification dan Multi-Platform Installable pada Aplikasi Beasiswa Billah, Hilmi Almuhtade; Dwi Nuryana, I Kadek
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p7-15

Abstract

Perbandingan Metode ARIMA dan SARIMA dalam Forecasting Anggaran Bantuan Usaha BAZNAS Surabaya Zahra, Salsabila Nur Zahra; Dwi Nuryana, I Kadek
Journal of Informatics and Computer Science (JINACS) Article In Press(1)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Penelitian ini dilatarbelakangi oleh kebutuhan BAZNAS Kota Surabaya dalam meningkatkan efisiensi perencanaan anggaran distribusi bantuan rombong dan modal usaha. Selama ini, proses perencanaan masih dilakukan secara manual, menyebabkan terjadinya overbudgeting dan underbudgeting yang berdampak pada ketidaktepatan distribusi bantuan. Penelitian ini bertujuan membangun model peramalan anggaran menggunakan pendekatan time series forecasting dengan metode ARIMA dan SARIMA, serta membandingkan performanya untuk mengetahui model terbaik yang sesuai karakteristik data. Data yang digunakan adalah data historis distribusi bantuan dari tahun 2022 hingga 2024 yang telah diolah dan divisualisasikan. Penelitian ini mengacu pada pendekatan CRISP-DM dalam setiap tahapnya. Hasil evaluasi menunjukkan bahwa model SARIMA memiliki performa terbaik dengan nilai MAE sebesar Rp 1.397.828, RMSE sebesar Rp 2.163.667, dan MAPE sebesar 0,89%, dibandingkan model ARIMA yang memiliki MAPE lebih tinggi. Temuan ini menunjukkan bahwa SARIMA lebih mampu menangkap pola musiman dalam data distribusi bantuan. Dengan adanya model prediktif ini, BAZNAS Kota Surabaya diharapkan dapat merencanakan anggaran secara lebih akurat dan responsif berdasarkan data historis.   Kata Kunci— ARIMA, SARIMA, Forecasting, CRISP-DM, Streamlit,  Distribusi Bantuan, Rombong Usaha, Modal Usaha
Sistem Rekomendasi Gaya Rambut Personal Berdasarkan Analisis Wajah dan Rambut 'Ulhaq, Arafat; Dwi Nuryana, I Kadek
Journal of Informatics and Computer Science (JINACS) Article In Press(1)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Pemilihan gaya rambut seringkali bersifat subjektif dan tidak didasarkan pada karakteristik visual yang objektif, sehingga mengurangi tingkat personalisasi dan kepuasan pengguna. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi gaya rambut berbasis website yang mampu memberikan rekomendasi personal berdasarkan analisis data visual. Untuk mencapai tujuan tersebut, penelitian ini menerapkan pendekatan deep learning dengan mengembangkan dua arsitektur Convolutional Neural Network (CNN) pada EfficientNetB0 untuk tugas klasifikasi bentuk wajah dan ResNet50 untuk klasifikasi jenis rambut. Metode penelitian yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM), yang mencakup tahapan pemahaman bisnis, pemahaman data, persiapan data dengan augmentasi, pemodelan menggunakan transfer learning, evaluasi, hingga implementasi. Hasil dari penelitian ini adalah sebuah aplikasi web fungsional yang mampu melakukan klasifikasi bentuk wajah dan jenis rambut dari gambar yang diunggah pengguna. Sistem ini berhasil mengintegrasikan kedua model untuk memberikan identifikasi gaya rambut yang lebih akurat dan personal, sehingga dapat menjadi solusi objektif dalam industri kecantikan digital. Kata Kunci— Identifikasi Gaya Rambut, Klasifikasi Gambar, EfficientNet, ResNet, Personalisasi Rambut.
Co-Authors 'Ulhaq, Arafat Adi Duta Saputra P., I Gede Aininnisa, Firda Andrik Santoso, Muhammad Anggung Mestuti Kaprawiran, Immas Augusta Jannatul Firdaus, Reza Billah, Hilmi Almuhtade Firmanda Himawan, Ahmad Hadi Sucipto, Hadi Iftitaahul Mufarrihah Innayah, Tifanny Maulida Maharani, Herlina Syafhita Mahrus Ali Mujianto, Ahmad Heru Shuffy, Muhandis Suhartanto, Martin Sultan Triabidin, Muchammad Zahra, Salsabila Nur Zahra