Article Per Year (5 Year)
p-Index From 2021 - 2026
2.249
P-Index
This Author published in this journals
All Journal Abimanyu: Journal of Community Engagement Journal of Informatics and Computer Science (JINACS) Modem : Jurnal Informatika dan Sains Teknologi Journal of Emerging Information Systems and Business Intelligence (JEISBI) Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi
I Kadek Dwi Nuryana
Unknown Affiliation
Arts Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

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

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

 1 
Pemilihan Arsitektur Convolutional Neural Network (CNN) untuk Deteksi Tempat Wisata di Surabaya Zakaria Nur Abidin; I Kadek Dwi Nuryana
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Penelitian ini berfokus pada pemilihan arsitektur Convolutional Neural Network (CNN) untuk mendeteksi tempat wisata di Surabaya melalui klasifikasi citra digital. Latar belakang penelitian ini didasari oleh pentingnya teknologi kecerdasan buatan dalam mendukung promosi pariwisata yang lebih interaktif dan efisien. Data penelitian dikumpulkan dari berbagai sumber, yaitu Google, Google Maps, serta dokumentasi langsung, dengan total 21.500 citra yang terbagi ke dalam 43 kelas tempat wisata. Metodologi yang digunakan adalah CRISP-DM, mencakup tahapan pemahaman bisnis, persiapan data, pemodelan, evaluasi, hingga implementasi. Eksperimen dilakukan dengan enam arsitektur CNN, yaitu SENet, ResNeXt, Inception v4, ResNet, Inception v3, dan Inception v2. Selain itu, penelitian ini juga menguji kombinasi arsitektur untuk memperoleh performa lebih optimal. Hasil pengujian menunjukkan bahwa ResNet merupakan arsitektur tunggal terbaik dengan akurasi 83,49%. Namun, kombinasi ResNet dan SENet dengan optimizer RMSProp, learning rate 0,0001, serta batch size 32, menghasilkan performa tertinggi dengan akurasi 89,02%. Model terbaik ini kemudian diimplementasikan pada aplikasi web berbasis Flask, yang diuji melalui black box testing dan terbukti berjalan sesuai kebutuhan pengguna. Secara keseluruhan, penelitian ini berhasil menunjukkan efektivitas CNN dalam klasifikasi gambar tempat wisata, sekaligus memberikan kontribusi praktis berupa aplikasi web yang dapat membantu wisatawan mengenali destinasi wisata Surabaya. Dengan demikian, penelitian ini tidak hanya memperkuat pemanfaatan deep learning dalam sektor pariwisata, tetapi juga membuka peluang pengembangan teknologi serupa untuk promosi wisata di kota lain.   Kata Kunci— Convolutional Neural Network, Deteksi Citra, Tempat Wisata Surabaya, Deep Learning, Flask, Ensemble Learning.
Rancang Bangun Pembelajaran Smartnesa Berbasis Web Dengan Model Pembelajaran Blended Learning (Metode Flipped Classroom) Untuk Meningkatkan Keterampilan Menulis Karya Tulis Ilmiah Mahasiswa Arzaqi, Siftiyan; I Kadek Dwi Nuryana
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak - Rendahnya mutu karya tulis ilmiah mahasiswa masih menjadi tantangan dalam proses pembelajaran di perguruan tinggi, khususnya terkait penguasaan konsep penulisan akademik, ketepatan sistematika, serta kemampuan mengartikulasikan gagasan secara ilmiah. Kondisi tersebut dipengaruhi oleh keterbatasan ketersediaan media pembelajaran yang bersifat interaktif serta belum optimalnya integrasi teknologi dalam kegiatan pembelajaran. Oleh karena itu, penelitian ini diarahkan untuk merancang, mengembangkan, dan mengevaluasi efektivitas media pembelajaran Smartnesa berbasis website yang menerapkan model Blended Learning dengan pendekatan Flipped Classroom dalam meningkatkan kompetensi penulisan karya tulis ilmiah mahasiswa. Penelitian ini menggunakan metode Research and Development (R&D) dengan model ADDIE yang mencakup tahapan analisis, desain, pengembangan, implementasi, dan evaluasi. Penelitian dilaksanakan di Universitas Negeri Surabaya dengan melibatkan 76 mahasiswa Fakultas Teknik sebagai subjek penelitian. Pengumpulan data dilakukan melalui tes awal (pretest) dan tes akhir (posttest), angket validasi media dan materi, serta angket respon mahasiswa. Analisis data dilakukan menggunakan uji normalitas Kolmogorov–Smirnov, perhitungan N-gain, dan uji Wilcoxon. Hasil penelitian menunjukkan bahwa media pembelajaran Smartnesa memperoleh persentase kelayakan sebesar 83% dengan kategori sangat baik. Selain itu, penerapan Smartnesa dengan pendekatan Flipped Classroom terbukti mampu meningkatkan kompetensi penulisan karya tulis ilmiah mahasiswa, yang ditunjukkan oleh nilai rata-rata N-gain sebesar 0,556 pada kategori sedang serta hasil uji Wilcoxon yang menunjukkan nilai signifikansi 0,01 (p < 0,05). Temuan tersebut mengindikasikan adanya peningkatan kemampuan kognitif mahasiswa secara signifikan setelah mengikuti pembelajaran menggunakan Smartnesa. Kata Kunci— Smartnesa, Flipped Classroom, Learning Management System, Karya Tulis Ilmiah, Keterampilan.
Prediksi Kelulusan Tepat Waktu Mahasiswa Menggunakan Artificial Neural Network Berdasarkan Nilai Akademik Dan Kepuasan Penggunaan E-Learning (Studi Kasus: Universitas Negeri Surabaya) Rizky Pratama Syahrul Ramadhan; I Kadek Dwi Nuryana
Journal of Informatics and Computer Science (JINACS) Article In Press
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Salah satu elemen utama yang mempengaruhi mutu pendidikan tinggi adalah tingkat kelulusan mahasiswa tepat waktu. Melalui algoritma Jaringan Syaraf Tiruan (ANN), studi ini berfokus untuk menciptakan model yang mampu memprediksi kelulusan mahasiswa dalam waktu yang sesuai pada program Sistem Informasi dan Ilmu Komputer di Universitas Negeri Surabaya. Prediksi didasarkan pada kombinasi data nilai akademik (IPK semester 1-4) dan kepuasan penggunaan e-learning yang diukur menggunakan metode End User Computing Satisfaction (EUCS). EUCS atas lima aspek: content, accuracy, format, ease of use, dan timeliness. Informasi yang dipakai dalam penelitian ini berasal dari 68 siswa angkatan 2018–2022. Untuk menangani keterbatasan jumlah data, pengembangan model melibatkan pengoptimalan hyperparameter menggunakan Optuna dan evaluasi menggunakan Stratified 5-Fold Cross-Validation. Hasil pengujian menunjukkan bahwa model ANN yang dikembangkan sangat akurat, dengan akurasi rata-rata 95,38%, ketepatan 93,33%, recall 96,00%, dan skor F1 94,55%. Hasil ini menunjukkan bahwa integrasi data akademik dan kepuasan pengguna terhadap teknologi pembelajaran dapat menjadi dasar strategi intervensi yang efektif bagi institusi pendidikan.   Kata Kunci— Artificial Neural Network, EUCS, Kelulusan Tepat Waktu, E-learning, Data Mining.
Penyisipan Teks ke dalam Citra Digital menggunakan Kombinasi Beaufort Cipher dan Steganografi Least Significant Bit Muhammad Aswiandi; I Kadek Dwi Nuryana
Journal of Informatics and Computer Science (JINACS) Article In Press
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Penelitian ini menerapkan teknik pengamanan pesan teks berlapis dengan mengkombinasikan algoritma kriptografi Beaufort Cipher dan steganografi Least Significant Bit (LSB) pada citra digital. Pesan teks terlebih dahulu dienkripsi menggunakan Beaufort Cipher menghasilkan ciphertext, kemudian ciphertext disisipkan ke dalam citra cover berformat JPG (RGB Color Model) menggunakan metode LSB. Implementasi dilakukan pada aplikasi desktop berbasis Java yang mendukung proses enkripsi, steganografi, ekstraksi, serta fitur chat rahasia real-time. Pengujian dilakukan terhadap variasi panjang pesan 1000, 3000, dan 5000 karakter serta lima citra uji berbeda. Hasil pengujian menunjukkan nilai MSE sangat rendah dengan nilai antara 0.0012 - 0.2047 dan nilai rata-rata PSNR berkisar 55–77 dB (kategori Excellent), serta analisis histogram citra stego tetap seragam. Hal ini membuktikan bahwa citra hasil stego tidak mengalami perubahan visual signifikan dan sulit terdeteksi keberadaan pesan tersembunyi. Metode kombinasi Beaufort Cipher dan LSB efektif memberikan perlindungan berlapis terhadap pesan rahasia pada komunikasi digital.   Kata Kunci— Steganografi, Least Significant Bit, Beaufort Cipher, Citra Digital, Keamanan Informasi, PSNR, MSE
Co-Authors Achmad Mauludi Asror Alfi Azqia Uzzulfa Haq Alfina Dian Febyani Aries Dwi Indriyanti Arzaqi, Siftiyan Balqis Nur Aura Shaviradilla Bonda Sisephaputra Eugenea Chiquita Zahrani Assyarif Ghea Sekar Palupi Kistofer, Terdy Kurrotul Uyun M Wildan Kafafi M. Renaldi Wildan F Mawarni, Lintang Iqhtiar Dwi Muhammad Aswiandi Muhammad Fatkhur Rizal Mujianto, Ahmad Heru Mukhtarul Fata An Nadwi Rizky Pratama Syahrul Ramadhan Tanhella Zein Vitadiar Wilda Zakaria Nur Abidin