cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Martini Dwi Endah Susanti
Contact Email
jinacs@unesa.ac.id
Phone
-
Journal Mail Official
jinacs@unesa.ac.id
Editorial Address
Gedung A10 Teknik Informatika, Kampus Unesa Ketintang Surabaya, Jawa Timur 60231
Location
Kota surabaya,
Jawa timur
INDONESIA
Journal of Informatics and Computer Science (JINACS)
Published by Universitas Negeri Surabaya
ISSN : -     EISSN : 26862220     DOI : https://doi.org/10.26740/jinacs.v3n02
Core Subject : Science,
Computer Science & IT
JINACS (Journal of Informatics and Computer Science) diterbitkan oleh Program Studi S1 Teknik Informatika Universitas Negeri Surabaya dalam empat kali setahun dengan No ISSN Online : 2686-2220 JINACS merupakan jurnal ilmiah dalam bidang Teknik Informatika dan Computer Science. Jurnal ini mencakup bidang ilmu Rekayasa Perangkat Lunak, Jaringan dan Arsitektur Komputer, Komputasi Bergerak, Sistem Temu Kembali Informasi, Kecerdasan Buatan, Pengolahan Citra Digital, Data Mining dll. JINACS terbit 4 (empat) nomor dalam setahun, yaitu bulan September, Desember, Maret dan Juni. Artikel yang telah dinyatakan diterima akan diterbitkan dalam nomor In-Press sebelum nomor regular terbit.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 20 Documents
 1   2 
Search results for , issue "Article In Press(1)" : 20 Documents clear
Sistem Informasi Pengelolaan Stok barang berbasis web dengan Metode FEFO dan ROP (Studi Kasus: Toko Amin Jaya) Elsa Kristia Yefrianto; Paramitha Nerisafitra
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

Toko Amin Jaya merupakan agen cemilan kemasan di Surabaya yang masih mencatat transaksi dan stok secara manual, tanpa adanya pencatatan yang terstruktur dan terdokumentasi. Hal ini menyulitkan pemilik toko dalam memantau stok produk dan transaksi penjualan. Oleh karena itu, penelitian ini bertujuan mengembangun sistem informasi pengelolaan stok barang berbasis web untuk mencatat transaksi pembelian, penjualan, dan pengelolaan stok secara terstruktur. Sistem ini dikembangkan menggunakan MySQL, XAMPP dan Visual studio code, serta menerapkan metode First Expired First Out (FEFO) untuk mengatur pengeluaran produk berdasarkan tanggal kadaluwarsa, serta metode Re order Point (ROP) untuk menghitung batas minimum stok. Sistem ini dilengkapi dengan fitur pencatatan transaksi pembelian, penjualan, pengelolaan data produk dan supplier serta cetak nota. Pengujian sistem ini dilakukan menggunakan blackbox testing dan whitebox testing, hasil pengujian menunjukkan bahwa seluruh fitur berjalan dengan baik. Sistem ini dapat membantu toko dalam mengelola stok, mengurangi kerugian akibat barang kadaluwarsa dan mempermudah pencatatan transaksi. Kata Kunci: Sistem Informasi, Inventory Management, FEFO, ROP, Web-based System.
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) Article In Press(1)
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.
Perbandingan SVM dan XGBoost Menggunakan SMOTE pada Aplikasi KA Bandara PT. Railink Aulia Syalsabila Dian Yahya; Indriyanti, Aries Dwi
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— Perkembangan teknologi digital telah mendorong perusahaan transportasi seperti PT. Railink untuk menyediakan layanan berbasis aplikasi guna mempermudah pengguna dalam memesan tiket Kereta Api Bandara. Namun, berdasarkan ulasan pengguna di Google Play Store, aplikasi KA Bandara masih menghadapi berbagai keluhan, terutama terkait sistem pembayaran dan stabilitas aplikasi. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi KA Bandara menggunakan dua metode klasifikasi, yaitu Support Vector Machine (SVM) dan Extreme Gradient Boosting (XGBoost), serta membandingkan kinerjanya berdasarkan nilai akurasi, recall, precision, dan F1-score. Proses klasifikasi didahului dengan tahapan preprocessing teks, pembobotan menggunakan TF-IDF, dan penanganan data tidak seimbang menggunakan teknik SMOTE. Penelitian ini juga menggunakan dua pendekatan pelabelan data, yaitu manual dan lexicon-based. Hasil penelitian menunjukkan bahwa metode XGBoost memiliki performa yang paling unggul dengan nilai accuracy sebesar 89%. Penggunaan pelabelan lexicon secara signifikan meningkatkan akurasi kedua metode. Temuan ini diharapkan dapat menjadi acuan dalam mengevaluasi dan meningkatkan kualitas aplikasi KA Bandara agar lebih optimal dalam memenuhi kebutuhan pengguna.   Kata Kunci— Sentimen, Aplikasi KA Bandara, SVM, XGBoost, SMOTE
Penerapan Metode Rapid Application Development (RAD) Pada Aplikasi Administrasi Desa Tunjungmekar Berbasis Website Dan Whatsapp Perdiyana, Bunga Oktavia; Ronggo Alit
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 mengimplementasikan sistem informasi administrasi desa berbasis website dan WhatsApp Gateway di Kantor Balai Desa Tunjungmekar, Kabupaten Lamongan. Kondisi eksisting menunjukkan bahwa proses administrasi kependudukan masih dilakukan secara manual, sehingga menimbulkan antrean panjang, pelayanan lambat, dan beban kerja tinggi bagi perangkat desa. Tujuan penelitian ini adalah menghadirkan solusi digital yang efisien, transparan, serta mudah diakses masyarakat desa. Metode Rapid Application Development (RAD) digunakan dalam pengembangan sistem, dengan fokus pada siklus pembangunan cepat dan iteratif. Pendekatan ini melibatkan partisipasi aktif pengguna mulai tahap perencanaan kebutuhan, perancangan prototipe, pengujian, hingga implementasi. Pengujian sistem dilakukan menggunakan metode Blackbox Testing untuk memastikan seluruh fungsi berjalan sesuai harapan. Hasil pengujian menunjukkan validitas 100%, membuktikan bahwa fitur utama seperti pengajuan surat daring, manajemen data oleh admin, dan notifikasi otomatis melalui WhatsApp dapat berfungsi baik. Sistem ini berhasil memfasilitasi pelayanan administrasi secara digital, memungkinkan warga mengajukan surat dari mana saja serta memperoleh informasi real-time terkait status permohonan. Dengan demikian, implementasi aplikasi ini tidak hanya meningkatkan efisiensi dan kecepatan layanan, tetapi juga mengurangi kendala geografis maupun operasional, sehingga mendukung terwujudnya pelayanan publik yang lebih baik di tingkat desa. Kata Kunci—, Administrasi Desa, Website, WhatsApp.
Implementasi Metode Content-Based Filtering Pada Website Rekomendasi Pariwisata Di Kota Mojokerto Diana, Vannesa; Paramitha Nerisafitra
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 – Pariwisata berperan penting dalam pembangunan berkelanjutan, namun keterbatasan informasi wisata di Kota Mojokerto menurunkan minat kunjungan. Penelitian ini mengembangkan sistem rekomendasi pariwisata berbasis website dengan metode Content-Based Filtering menggunakan Weighted Sum Model dan Cosine Similarity, memanfaatkan atribut rating dan jumlah kunjungan. Sistem dibangun dengan framework Laravel serta dilengkapi fitur pengguna dan admin. Hasil pengujian menunjukkan seluruh fungsi berjalan baik melalui Black Box Testing, akurasi rekomendasi sistem mencapai 95% berdasarkan Precision Testing, dan performa optimal dengan Laravel Debugbar. Sistem ini berpotensi menjadi media promosi digital untuk meningkatkan kunjungan wisata di Kota Mojokerto.   Kata kunci – Pariwisata, Sistem Rekomendasi, Content-Based Filtering, Weighted Sum Model, Cosine Similarity.
Rancang Bangun Sistem Pendukung Keputusan Penentuan Lokasi Rumah Berbasis Metode Weighted Product (WP) di PT Blambangan Makmur Mandiri Wijaya, Okta; Paramitha Nerisafitra
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— PT Blambangan Makmur Mandiri merupakan perusahaan yang bergerak di bidang pengembangan dan pemasaran perumahan baik bersubsidi maupun komersial. Dalam proses pemilihan rumah, calon pelanggan sering mengalami kesulitan dalam menentukan pilihan yang sesuai dengan kebutuhan dan anggaran. Penelitian ini bertujuan untuk merancang dan membangun Sistem Pendukung Keputusan (SPK) berbasis web menggunakan metode Weighted Product (WP) dalam memberikan rekomendasi lokasi rumah terbaik. Metode WP dipilih karena mampu menilai alternatif rumah berdasarkan kriteria tertentu seperti harga, lokasi, luas tanah, luas bangunan, fasilitas, akses transportasi, dan jarak dari tempat kerja. Sistem dibangun menggunakan bahasa pemrograman PHP dengan basis data MySQL dan diuji menggunakan metode Blackbox Testing serta User Acceptance Test (UAT). Hasil pengujian menunjukkan bahwa sistem dapat memberikan rekomendasi rumah yang sesuai dengan kriteria pengguna. Nilai rata-rata UAT sebesar 4,29 menunjukkan tingkat kepuasan 85,7%, menandakan sistem mudah digunakan, fungsional, serta membantu pengguna dalam menentukan rumah yang sesuai. Dengan demikian, sistem ini dapat meningkatkan efektivitas pemasaran dan kepuasan pelanggan pada PT Blambangan Makmur Mandiri.   Kata Kunci— Sistem Pendukung Keputusan, Weighted Product, Perumahan, PT Blambangan Makmur Mandiri.
Analisis Sentimen Terhadap RUU TNI Di Platform X (Twitter) Menggunakan Metode Ensemble Berbasis Naïve Bayes Dan Support Vector Machine Nur Cholis Majid; Indriyanti, Aries Dwi
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— Revisi Rancangan Undang-Undang Tentara Nasional Indonesia (RUU TNI) menjadi isu strategis yang memicu dinamika opini publik di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Revisi RUU TNI di platform X (Twitter). Sebanyak 15.090 tweet dikumpulkan dan dianalisis menggunakan pendekatan machine learning untuk mengidentifikasi kecenderungan opini publik terhadap kebijakan tersebut. Data melalui beberapa tahap pengolahan, meliputi data cleaning, case folding, tokenization, stopword removal, dan TF-IDF vectorization sebelum dilakukan pelabelan dan pemodelan sentimen. Proses klasifikasi menggunakan tiga algoritma utama, yaitu Naïve Bayes, Support Vector Machine (SVM), serta metode Ensemble Weighted Soft Voting (Naïve Bayes–SVM) untuk memperoleh hasil yang lebih akurat dan stabil. Hasil penelitian menunjukkan bahwa sentimen publik di ruang digital terhadap Revisi RUU TNI cenderung negatif dan menunjukkan kekhawatiran terhadap meningkatnya peran militer dalam ranah sipil, sekaligus menggarisbawahi pentingnya komunikasi publik yang transparan dan partisipasi masyarakat dalam proses legislasi. Hasil klasifikasi menunjukkan bahwa opini publik didominasi oleh sentimen negatif sebesar 47,87%, diikuti sentimen netral sebesar 33,87%, dan positif sebesar 18,26%. Model SVM menghasilkan akurasi tertinggi sebesar 95,34%, diikuti Naïve Bayes dengan 93,67%, sementara ensemble Weighted Soft Voting mencapai 96,00%, meskipun peningkatan tersebut tidak signifikan secara statistik.   Kata Kunci— Analisis Sentimen, RUU TNI, Twitter, Naïve Bayes, Support Vector Machine, Ensemble, Framing Media.
Analisis Sentimen Pengguna X/Twitter Terhadap Timnas Sepakbola Indonesia di Era Shin Tae Yong dengan BERT&RNN Subroto, Jahfal Azzuhri; Ricky Eka Putra
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— Perkembangan media sosial, khususnya Twitter (X), menjadikan platform ini sebagai ruang utama bagi masyarakat untuk mengekspresikan opini terhadap performa Timnas Sepakbola Indonesia di bawah kepelatihan Shin Tae Yong (STY). Penelitian ini bertujuan untuk menganalisis dan membandingkan performa empat model analisis sentimen berbasis kombinasi IndoBERT dan arsitektur Recurrent Neural Network (RNN), yaitu IndoBERT + RNN, IndoBERT + LSTM, IndoBERT + BiLSTM, dan IndoBERT + GRU. Data dikumpulkan menggunakan Tweet Harvest dan melalui tahapan preprocessing meliputi cleaning, case folding, normalisasi, tokenizing, stopword removal, stemming, serta labeling menggunakan InSet Lexicon yang kemudian divalidasi secara manual. Setiap model dilatih menggunakan beberapa konfigurasi hyperparameter, seperti variasi hidden size, batch size, dropout, learning rate, serta jumlah unit RNN untuk menemukan performa optimal pada tahap pelatihan dan validasi. Konfigurasi terbaik dari masing-masing model kemudian digunakan sebagai model final untuk dievaluasi pada skenario tiga label (positif, netral, negatif) dan dua label (positif, negatif). Evaluasi dilakukan menggunakan classification report dan confusion matrix. Hasil penelitian menunjukkan bahwa pada skenario tiga label, model IndoBERT+RNN memberikan performa terbaik dengan akurasi 0,69 dan Macro F1-Score 0,68. Sementara itu, pada skenario dua label, model IndoBERT+GRU menghasilkan performa tertinggi dengan akurasi dan Macro F1-Score sebesar 0,83. Temuan ini menegaskan bahwa pemilihan konfigurasi optimal pada kombinasi model berbasis transformer dan jaringan berulang berpengaruh signifikan terhadap peningkatan akurasi analisis sentimen berbahasa Indonesia. Kata Kunci— Analisis sentimen, IndoBERT, RNN, Twitter, Timnas Indonesia
Implementasi Cowrie Honeypot Dan Snort Inline-Mode Untuk Mendeteksi Serangan Brute-Force Dan Simulasi Deteksi Serangan Dos Rudi Ardi Hamzah; Agus Prihanto
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— Pada era digital saat ini, keamanan jaringan menjadi perhatian utama seiring meningkatnya intensitas dan kompleksitas serangan siber. Dua serangan yang sering mengancam sistem adalah brute-force dan Denial of Service (DoS). Penelitian ini bertujuan untuk mengimplementasikan Cowrie Honeypot dan Snort Inline-Mode sebagai upaya mendeteksi dan memantau serangan brute-force serta simulasi deteksi serangan DoS. Cowrie Honeypot digunakan untuk menjebak dan mencatat aktivitas serangan brute-force, sedangkan Snort Inline-Mode diimplementasikan untuk mendeteksi dan memblokir lalu lintas mencurigakan yang mengindikasikan serangan DoS. Penelitian ini dilakukan dalam lingkungan jaringan virtual menggunakan Virtual Machine. Evaluasi kinerja sistem dilakukan dengan parameter Detection Rate, Prevention Rate, Accuracy, Resource Usage, dan Availability. Hasil penelitian menunjukkan bahwa kombinasi Cowrie dan Snort dapat mendeteksi aktivitas serangan brute-force dan DoS dengan efektivitas yang cukup baik, serta mampu memberikan data yang bermanfaat untuk analisis pola serangan. Temuan ini diharapkan dapat menjadi acuan bagi praktisi keamanan jaringan dalam mengembangkan sistem pertahanan terhadap serangan siber.   Kata Kunci - Cowrie Honeypot, Snort, keamanan jaringan
Analisis Sentimen Ulasan Google Maps Menggunakan Long Short-Term Memory (LSTM) (Studi Kasus: Kafe di Surabaya) Khusna, Asmaul; 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 – Pertumbuhan pesat kafe di Surabaya telah menjadikan ulasan Google Maps sebagai sumber informasi krusial bagi konsumen, namun volume ulasan yang besar menyulitkan untuk analisis secara manual. Penelitian ini bertujuan melakukan analisis sentimen pada ulasan kafe tersebut menggunakan metode Long Short-Term Memory (LSTM) yang diperkuat dengan mekanisme Attention. Data ulasan dikumpulkan melalui teknik scraping menggunakan SerpAPI (114.960 ulasan dari 218 kafe) dan dibagi secara sekuensial (Sequential split) untuk pelatihan dan pengujian. Ulasan diklasifikasikan ke dalam tiga kelas sentimen: positif, netral, dan negatif. Model dibangun dengan arsitektur spesifik: embedding layer berdimensi 128, LSTM (64 unit), attention layer, dropout (0,5), dan dense layer dengan tiga output neuron. Evaluasi kinerja model, yang diukur menggunakan akurasi, presisi, recall, dan F1-score, menunjukkan hasil terbaik dengan akurasi 92,45%, presisi 91,84%, recall 92,45%, dan F1-score 92,01%. Model terbukti cukup efektif dalam mendeteksi sentimen ekstrem (positif dan negatif), tetapi kesulitan dalam mengklasifikasikan kelas netral akibat ketidakseimbangan distribusi data. Hal ini menunjukkan bahwa penyeimbangan data atau penyederhanaan kelas sentimen diperlukan untuk meningkatkan performa model secara keseluruhan pada penelitian mendatang. Kata Kunci – Analisis Sentimen, LSTM, Google Maps, Ulasan Kafe, Deep Learning.

Page 2 of 2 | Total Record : 20

 1   2 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 7 No. 01 (2025) Vol. 6 No. 04 (2025) Vol. 6 No. 03 (2025) Article In Press(1) Vol. 6 No. 02 (2024) Vol. 6 No. 01 (2024) Vol. 5 No. 04 (2024) Vol. 5 No. 03 (2024) Vol. 5 No. 02 (2023) Vol. 5 No. 01 (2023) Vol 4 No 04 (2023) Vol 4 No 03 (2023) Vol 4 No 02 (2022) Vol 4 No 01 (2022) Vol 3 No 04 (2022) Vol 3 No 03 (2022) Vol 3 No 02 (2021) Vol 3 No 01 (2021) Vol 2 No 04 (2021) Vol 2 No 03 (2021) Vol 2 No 02 (2020) Vol 2 No 01 (2020) Vol 1 No 04 (2020) Vol 1 No 03 (2020) Vol 1 No 02 (2019) Vol 1 No 01 (2019) More Issue