Claim Missing Document
Check
Articles

Pengembangan Aplikasi Sistem Parkir dan Pencarian Tempat Parkir Berbasis Website (Parkuy) Khoiru Miftakhul Falah; Yuni Yamasari
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— Pengelolaan lahan parkir di tepi jalan umum di berbagai kota Indonesia, termasuk Balikpapan, masih banyak dilakukan secara manual sehingga menimbulkan berbagai persoalan, mulai dari sulitnya pengendara menemukan lokasi parkir yang tersedia, minimnya transparansi transaksi antara petugas parkir dan pemerintah daerah, hingga potensi kebocoran retribusi yang seharusnya menjadi bagian dari Pendapatan Asli Daerah (PAD). Penelitian ini bertujuan merancang, membangun, dan menguji aplikasi berbasis website bernama Parkuy yang berfungsi sebagai sistem digitalisasi pengelolaan parkir sekaligus alat bantu pencarian lokasi parkir terdekat bagi pengendara. Aplikasi dikembangkan menggunakan React JS berbasis TypeScript dengan pendekatan Client Side Rendering (CSR) pada sisi antarmuka, NestJS pada sisi backend, MySQL sebagai basis data, Leaflet JS untuk visualisasi peta interaktif, serta Socket.io untuk notifikasi ketersediaan tempat parkir secara real-time. Metode penelitian meliputi identifikasi masalah, pengumpulan data melalui wawancara dan konsultasi, perancangan sistem dengan flowchart, use case diagram, class diagram, dan desain basis data, implementasi sistem, serta pengujian performa menggunakan GT-Metrix. Hasil pengujian menunjukkan aplikasi Parkuy memperoleh GT-Metrix Grade C dengan skor Performance 59% dan Structure 90%, First Contentful Paint 4,2 detik, Largest Contentful Paint 4,2 detik, Speed Index 4,4 detik, Time to Interactive 4,3 detik, Total Blocking Time 4 ms, dan Cumulative Layout Shift 0. Nilai Total Blocking Time yang sangat rendah dan Cumulative Layout Shift yang stabil mengindikasikan bahwa penerapan CSR memberikan interaksi antarmuka yang responsif dan tata letak yang konsisten, meskipun kecepatan pemuatan awal halaman masih memiliki ruang optimasi. Penelitian ini memberikan kontribusi berupa bukti empiris mengenai kelayakan penerapan arsitektur CSR pada React JS untuk aplikasi dengan kebutuhan data dinamis, sekaligus menjadi rujukan bagi pengembang maupun pemerintah daerah dalam merancang solusi digital pengelolaan retribusi parkir yang lebih transparan dan akuntabel.   Kata Kunci— Sistem Parkir, Aplikasi Berbasis Website, Client Side Rendering, React JS, NestJS, GT-Metrix.
Kombinasi K-Nearest Neighbor dengan Particle Swarm Optimization Untuk Deteksi Email Phishing Berbasis Seleksi Fitur dan Struktural Oktafia Widya Santoso; Agus Prihanto; Yuni Yamasari
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

Phishing merupakan salah satu bentuk kejahatan siber yang dilakukan dengan cara menyamar sebagai pihak terpercaya untuk memperoleh informasi sensitif pengguna. Seiring meningkatnya penggunaan email sebagai media komunikasi, ancaman phishing juga semakin berkembang sehingga diperlukan metode yang mampu mengidentifikasi email phishing secara otomatis. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Nearest Neighbor (KNN) serta mengoptimalkan performanya menggunakan Particle Swarm Optimization (PSO) dalam klasifikasi email phishing. Penelitian dilakukan melalui tahapan penggabungan dataset, pra-pemrosesan teks, ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), standarisasi data, pelatihan model KNN, serta optimasi fitur menggunakan PSO. Evaluasi model dilakukan menggunakan confusion matrix, classification report, kurva ROC, dan nilai AUC. Hasil penelitian menunjukkan bahwa model KNN menghasilkan akurasi sebesar 64,01% dengan nilai AUC sebesar 0,8097. Setelah dilakukan optimasi menggunakan PSO, jumlah fitur berkurang dari 6006 menjadi 3002 fitur. Model kombinasi KNN-PSO menghasilkan akurasi sebesar 81,43% dengan nilai AUC sebesar 0,9153. Hasil tersebut menunjukkan bahwa optimasi fitur menggunakan PSO dapat meningkatkan performa klasifikasi KNN pada deteksi email phishing. Kata Kunci— phishing, text mining, TF-IDF, K-Nearest Neighbor, Particle Swarm Optimization.
Perbandingan Kinerja Attention CNN-1D untuk Deteksi Emosi Suara Bahasa Inggris dan Indonesia Mutiara Nur Zarima Zarima; Yuni Yamasari
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

Speech Emotion Recognition (SER) berperan penting dalam interaksi manusia dan komputer, khususnya untuk mengenali emosi dari sinyal ucapan pada berbagai bahasa. Salah satu tantangan dalam SER adalah kemampuan model untuk mengenali pola penting pada sinyal suara agar emosi dapat diklasifikasikan dengan lebih akurat. Metode ekstraksi fitur menggunakan global average pooling pada arsitektur Convolutional Neural Network (CNN) masih memiliki keterbatasan dalam mempertahankan informasi penting dari sinyal ucapan, sehingga dapat memengaruhi hasil klasifikasi, terutama pada bahasa yang memiliki karakteristik prosodi berbeda, seperti bahasa Inggris dan bahasa Indonesia. Penelitian ini menerapkan mekanisme attention pada arsitektur CNN-1D dan membandingkannya dengan global average pooling menggunakan dua dataset, yaitu RAVDESS (bahasa Inggris) dan Maleo (bahasa Indonesia). Fitur akustik yang digunakan meliputi MFCC, MFCC Delta, Zero Crossing Rate (ZCR), Root Mean Square (RMS), dan Mel Spectrogram yang diekstraksi menggunakan library librosa. Hasil pengujian menunjukkan bahwa CNN-Attention memberikan akurasi yang lebih tinggi dibandingkan CNN-Pooling pada kedua dataset, dengan selisih akurasi sebesar 7% pada RAVDESS (83% dibandingkan 76%) dan 2% pada Maleo (79% dibandingkan 77%). Selisih peningkatan yang lebih besar pada RAVDESS menunjukkan bahwa pengaruh mekanisme attention berbeda pada setiap bahasa, yang kemungkinan dipengaruhi oleh karakteristik prosodi dan variasi ekspresi emosi pada masing-masing dataset. Secara keseluruhan, mekanisme attention mampu meningkatkan kinerja model dibandingkan global average pooling, meskipun besar peningkatannya dipengaruhi oleh karakteristik bahasa dan dataset yang digunakan. Kata Kunci— Speech Emotion Recognition, CNN-1D, Mekanisme Attention, Fitur Akustik, Klasifikasi Emosi, Perbandingan Bahasa.
Performansi YOLOv8n untuk Deteksi Objek pada Resolusi Input 256px dan 320px Nesya Amelinda; Yuni Yamasari
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— Kualitas gambar yang diberikan memengaruhi tingkat keakuratan dan kecepatan komputasi dalam model deteksi objek yang menggunakan deep learning. Penelitian ini bertujuan untuk mengetahui bagaimana performansi model YOLOv8n pada resolusi gambar yang tidak terlalu besar, yaitu 256px dan 320px, serta menguji dua cara pemembagian data yaitu dengan rasio perbandingan 80:20 dan 90:10. Model dilatih selama 100 epoch dengan beberapa pengaturan hyperparameter, lalu diuji untuk mengukur hasilnya dalam bentuk precision, recall, F1-Score, mAP@0.5, FPS, dan Latency. Hasil pengujian menunjukkan bahwa resolusi 320px memberikan hasil yang lebih baik, dengan nilai mAP@0.5 sebesar 0,661 untuk rasio 80:20 dan 0,665 untuk rasio 90:10, dibandingkan dengan resolusi 256px yang hanya mencapai 0,613 untuk rasio 80:20 dan 0,620 untuk rasio 90:10. Meski begitu, resolusi 256px lebih unggul dalam kecepatan inferensi, dengan FPS mencapai lebih dari 960, sedangkan resolusi 320px memiliki FPS berkisar antara 774 hingga 845. Analisis kesalahan deteksi menunjukkan penurunan rata-rata false negative dari 0,33 pada resolusi 256px menjadi 0,29 pada resolusi 320px, khususnya pada kelas objek yang ukurannya kecil seperti botol, pot tanaman, dan kursi. Perbedaan antara berbagai skenario pembagian data tidak terlalu besar, sehingga dampak dari resolusi input lebih besar dibandingkan pengaruh rasio pembagian data. Hasil dari penelitian ini dapat memberikan saran nyata bagaimana YOLOv8n bisa digunakan pada perangkat yang memiliki kapasitas komputasi terbatas. Kata Kunci— YOLOv8n, resolusi input, deteksi objek, performansi, beban komputasi.
Co-Authors Aditya Prapanca Agnes, Rifa Zaini Agus Prihanto Agus Prihanto Agustin Tjahyaningtijas, Hapsari Peni Alhakiim, Thomi Aditya Alifian Erga Iswardhana Alpiana, Intan Ammar, Muhammad Zhafran Amrina Rosyada Andi Iwan Nurhidayat Anggraini, Lusiana Anindha Arsya Dhaniswara Anita Qoiriah Anita Qoiriah ANITA QOIRIAH Anjani, Ayu Annisa Nur Hidayati ARI KURNIAWAN Arya Tandy Hermawan Asma Johan Asmunin Asmunin Atik Wintarti Atik Wintarti Audzad Dzulhijzah Aviana, Anisah Nurul Azalia, Virna Hari Nur Chindy Ayudia Sri Fastaf Derri Nuril Wardana Eka Putra, Ricky Ervin Yohannes Esa Maidatussohiba Esther Irawati Setiawan Esti, Esti Yogiyanti Fani Fadillah Hermawan Farid Baskoro Fatimah Nur Alifiah Febry San Pratama Fellia Nurlailatul Rochmah Firdaus Bagus Wicaksono Firdaus, Mohamad Adi Putra Hani Nafisah Amaliya Hapsari Peni Agustin Tjahyaningtijas Harahap, Satria Baladewa Herlangga Fitdia Saputra I Made Suartana Ika Putri Arisanti Ikko Cahya Awinata Inez Hafizhah Febrina Iqbaal Januar Eka Firmansyah Ismail Johanes, Sugiharto Kartika Wulandari Khahar, Abdul Khoiru Miftakhul Falah Khusna, Asmaul M Dzikri Hisyam Ilyasa M. Aziz Rizaldi Mas Arya Bhisma Rangga Douval Saputra Mauridhi H. Purnomo Meakhel Gunawan Mediana, Prissely Pravasstifany Miranda Dwi Diana Moh. Novil Ma'arij Mohammad Hasan Machfoed Muhamad Alfin Ardiansyah Muhamad Azis Thohari Muhamad Khafidhun Alim Muslim Muhammad Habil Habibi Muhammad Rifki Agustian Muhammad Zakia Avlach Mutiara Nur Zarima Zarima Muttaqin, Aziz Fiqri Nafisah, Nurun Naim Rahmawati Naim Rochmawati Naim Rochmawati Nanda Ade Handaya Nesya Amelinda Nugroho, Supeno M. S. Nurcahyo, Krisna Bayu Aditya Oktafia Widya Santoso Pradangga, Aryo Praptama, Ervan Putri Alvina Putri, Rezky Arisanti Raden Mohamad Herdian Bhakti Rafli Aditya Pramana Raharko, Natasha Isnaeni Rahayu, Siskawati Rahmawati, Naim Rahulil, Muhammad Ramadhan, Dani Rebecca Jasmine Surya Ricky Eka Putra Rina Harimurti Rochmawati, Naim S., Rahma Aziz Sadewa, Bagas Ahmad Salahuddin, Muhammad Rico Saputra, Ivan Rangga Shahputri, Vira Arum Solihin, Aziz Suartana, I Made Sukrisna Sulaiman Amrozi Jailani Surya, Arum Ayu Suyatno, Dwi F. Syarif Hidayatulloh Tazki Yatun Niyah Tohari Ahmad Wardana, Prima Lukito Widi Aribowo Wiyli Yustanti Wiyli Yustanti Wiyli Yustanti Yoyok Prastyo, Yoyok