cover
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)
ISSN : -     EISSN : 26862220     DOI : https://doi.org/10.26740/jinacs.v3n02
Core Subject : Science,
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.
Articles 7 Documents
Search results for , issue "Vol 1 No 04 (2020)" : 7 Documents clear
Perbandingan Performa Controller OpenDayLight dan Ryu pada Arsitektur Software Defined Network Abhimata Zuhra Pramudita; I Made Suartana
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (378.819 KB) | DOI: 10.26740/jinacs.v1n04.p174-178

Abstract

Abstrak—Teknologi jaringan sudah berkembang dengan sangat pesat. Jaringan statis konvensional kini mulai ditinggalkan dan digantikan dengan jaringan dinamis. Software Defined Network (SDN) salah satu contoh penggunaan jaringan dinamis. SDN memiliki banyak controller yang yang sudah dikembangan baik bersifat enterprise atau open source. Hal penting dalam pemilihan sebuah controller adalah performa dari controller itu sendiri, harus dipastikan bahwasannya controller bukan malah menjadi hambatan dalam pengembangan jaringan. Berdasarkan pengamatan beberapa penelitian menemukan bahwa sangat sedikit controller yang sesuai dengan OpenFlow 1.3 (atau versi yang lebih tinggi) dan memberikan dokumentasi yang cukup untuk pengembangan jaringan. Tujuan dari penelitian ini adalah untuk melakukan perbandingan antara controller Opendaylight (ODL) dan Ryu pada arsitektur Software Defined Network (SDN). Dari hasil pengujjian yang dilakukan performa controller Ryu lebih baik dengan rata-rata nilai throughput sebesar 325.682 Mb/s, rata-rata nilai delay sebesar 0.313395s dan rata-rata nilai Packet loss sebesar 4.59% daripada OpenDayLight yang memiliki nilai throughput sebesar 318.749 Mb/s, rata-rata nilai delay sebesar 0.622309s dan rata-rata nilai Packet loss sebesar 10.11% dalam 10 kali pengujian dengan menggunakan variasi beban traffic 100Mb-10Gb. Pengujian Resource Utilization, controller OpenDaylight memiliki hasil performa yang lebih baik dari controller Ryu dilihat dari event per second yang dihasilkan oleh performa CPU dan Memory. Kata Kunci— Software Definied Network(SDN), Controller, Ryu, OpenDayLight, mininet
Prediksi Kepribadian Pengguna Instagram Berdasarkan Model Big Five Personality Menggunakan Algoritma SVM Muhammad Ramadhan; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (924.097 KB) | DOI: 10.26740/jinacs.v1n04.p179-187

Abstract

Abstrak— Popularitas media sosial Instagram terus merangkak naik sejak debutnya pada tahun 2010. Popularitas tersebut membuat Instagram menjadi media sosial terbesar di dunia di samping Facebook dan Twitter. Kini sebagian besar perusahaan mulai menggunakan media sosial sebagai salah satu aspek untuk menilai kepribadian pelamar. Analisis kepribadian dapat dilakukan dengan mengamati aktivitas di media sosial. Hal ini menjadi alasan dibalik pentingnya pembuatan sistem prediksi kepribadian otomatis berdasarkan aktivitas di media sosial. Instagram dipilih sebagai sumber data pada penelitian ini, dan Big Five Personality dipilih sebagai model kepribadian untuk pelabelan data. Pengumpulan data dilakukan dengan melakukan tes kepribadian terhadap 191 pengguna Instagram, kemudian melakukan crawling feed akun Instagram menggunakan API Instagram. Berdasarkan hasil pengujian sistem, kombinasi algoritma Support Vector Machine dengan kernel RBF dan Bayesian Optimization mampu menghasilkan akurasi mencapai 60.34%, presisi 30.17%, dan recall 50% untuk mengklasifikasi kepribadian pengguna Instagram.   Kata Kunci— prediksi kepribadian, big five personality, instagram, support vector machine, bayesian optimization.
Implementasi Algoritma Fisher-Yates Shuffle Dan Fuzzy Tsukamoto Pada Game Petualangan Si Thole Berbasis Android Menggunakan Game Engine Unity Ahmad Haqi Annazili; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1088.43 KB) | DOI: 10.26740/jinacs.v1n04.p188-199

Abstract

Abstrak—Belajar secara konvensional dengan cara membaca buku membuat siswa merasa bosan dan mengurangi daya minat siswa dalam belajar, terlebih lagi belajar mata pelajaran yang dianggap sulit oleh siswa seperti matematika. Game merupakan suatu permainan yang saat ini banyak digemari oleh semua kalangan terutama pelajar. Game bukan hanya sebagai media rekreasi, namun juga bisa dimanfaatkan sebagai media edukasi dalam menyampaikan materi khususnya pelajaran matematika. Game edukasi merupakan game yang dirancang sebagai media dalam menyampaikan materi pembelajaran siswa, game edukasi saat ini kebanyakan berbentuk kuis dan mempunyai soal yang berulang-ulang atau tidak dinamis sehingga mudah ditebak dan membosankan. Algoritma fisher-yates shuffle merupakan algoritma yang digunakan untuk menghasilkan permutasi acak pada himpunan data, sehingga algoritma tersebut mampu menentukan solusi pengacakan yang tidak berulang-ulang dan menghasilkan data yang variatif. Fuzzy logic merupakan cara untuk mencari solusi yang dianggap samar, biasanya digunakan untuk menentukan keputusan dengan aturan-aturan yang sudah dibuat. Pada penelitian ini akan dirancang sebuah game yang diberi nama petualangan si thole, pada game ini akan diterapkan algoritma fisher-yates shuffle dan algoritma fuzzy tsukamoto. Algoritma fisher-yates shuffle merupakan algoritma yang digunakan untuk melakukan random atau pengacakan pada soal, sehingga soal yang akan ditampilkan akan berbeda dan tidak berulang - ulang. Algoritma fuzzy tsukamoto merupakan algoritma yang digunakan untuk menentukan skor akhir pada game dengan menggunakan beberapa parameter penentu, untuk menentukan skor akhir pada game menggunakan 4 variabel sebagai penentu keputusan hasil skor akhir yaitu poin, koin, nyawa, dan waktu. Dari hasil penelitian ini bahwa algoritma fisher-yates shuffle dapat menghasilkan pengacakan soal yang bervariasi dan tidak berulang-ulang. Algoritma fuzzy tsukamoto menghasilkan akurasi yang baik yaitu sebesar 100% dari perhitungan berdasarkan sistem di dalam game dengan perhitungan secara manual. Kata Kunci—Fisher-Yates Shuffle, Fuzzy, Fuzzy Tsukamoto, Game Edukasi, Game Adventure, Matematika Luas Dan Keliling Bangun Datar, Game Petualangan.
Transliterasi Aksara Jawa Tulisan Tangan ke Tulisan Latin Menggunakan CNN Fandi Ilham; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (606.957 KB) | DOI: 10.26740/jinacs.v1n04.p200-208

Abstract

Abstrak— Aksara jawa adalah hal yang menarik untuk diteliti. Namun sayangnya aksara jawa sudah tidak banyak lagi diminati. Maka dari itu, dengan adanya penelitian ini diharapkan dapat lebih menarik minat masyarakat umum untuk melakukan penelitian terhadap aksara jawa. Dalam penelitian ini kami mencoba mengusulkan sistem untuk melakukan pengenalan tulisan tangan aksara jawa dengan benar. Sistem segmentasi yang dirancang menerapkan kombinasi dua metode yaitu projection profile dan connected component labeling. Kedua metode tersebut adalah metode untuk segmentasi yang masih memiliki beberapa kekurangan untuk kasus aksara jawa. Kami mencoba menggabungkan dua metode tersebut untuk menutupi kekurangan-kekurangan sebelumnya. Metode klasifikasi yang digunakan adalah metode pembelajaran mendalam convolutional neural network. Data uji yang digunakan berupa 20 citra tulisan tangan aksara jawa yang diambil menggunakan kamera smartphone. Penelitian ini memperoleh hasil akurasi 90% pada tahap segmentasi karakter. Sehingga dapat diambil kesimpulan jika kombinasi metode projection profile dan connected component labeling dapat melakukan segmentasi citra dengan baik. Metode convolutional neural network pada saat melakukan learning terhadap data pembelajaran mendapatkan akurasi 0,9962. Pada saat pengujian, metode CNN mendapatkan akurasi 80% menggunakan 20 citra pengujian. Hal ini membuktikan bahwa CNN adalah metode yang baik untuk digunakan dalam pengenalan karakter.   Kata Kunci— projection profile, connected component labeling, aksara jawa, segmentasi, OCR
Implementasi Markerless Tracking Augmented Reality Pada Pengenalan Buah Menggunakan Metode User Defined Target Achmad Chairuddin; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (591.055 KB) | DOI: 10.26740/jinacs.v1n04.p209-216

Abstract

Abstrak— Dalam belajar, manusia dapat melalui berbagai cara yaitu, mendengar, melihat, membaca, dan mengamati. Dalam pembalajaran dibutuhkan perangkat yang dapat menunjang pembelajaran tersebut agar mudah dipahami, oleh karena itu pembelajaran erat dikaitkan dengan teknologi. Teknologi Augmented Reality adalah teknologi yang dapat diterapkan pada pembelajaran karena Augmented Realitymenggabungkan antara objek dunia maya dan dunia nyata sehingga menampilkan informasi lebih interaktif dan mudah untuk dipahami. Dengan markerless tracking menampilkan objek tidak perlu menggunakan marker khusus sehingga lebih fleksibel dalam penggunaannya, aplikasi yang akan dibuat adalah aplikasi pengenalan buah berbasis augmented reality. Didalam penelitian ini akan dilakukan pengujian pada metode markerless tracking dimana variabel yang akan diuji adalah jenis permukaan benda, intensitas cahaya, jarak, dan sudut yang berbeda-beda sehingga akan diketahui hasil dari penelitian ini apakah Aplikasi AR Pengenalan Buah yang dibuat dapat terbaca atau tidak. Dari penelitian ini dihasilkan bahwa target yang dapat dipindai dengan baik oleh kamera smartphoneaugmented reality menggunakan metode user defined target adalah target jenis permukaan yang memiliki motif atau tekstur didukung dengan kondisi intensitas cahaya yang baik, serta sudut kamera semakin tegak lurus semakin baik dalam memindai. Kata Kunci— Augmented Reality, Markerless Tracking, User Defined Target, Pengenalan Buah.
Game Edukatif Simulasi Pembuatan SIM Menggunakan Neural Network Backpropagation Sebagai Rekomendasi Penentu Kelulusan Wahyu Muhammad Citra Perdana; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (855.22 KB) | DOI: 10.26740/jinacs.v1n04.p217-227

Abstract

Abstrak— Surat Izin Mengemudi (SIM) merupakan identifikasi dan bukti registrasi yang diberikan oleh Kepolisian Republik Indonesia khususnya bagian Satlantas (Satuan Lalu Lintas) kepada warga yang memenuhi berbagai persyaratan seperti sehat jasmani dan rohani, administrasi, memahami peraturan lalu lintas dan terampil mengemudikan kendaraan bermotor. Seringkali pengguna kendaraan bermotor belum lulus ketika melaksanakan ujian SIM karena belum sepenuhnya mengetahui teori tentang rambu dan marka jalan maupun mahir dalam mengendarai kendaraan. Dengan digunakannya game sebagai media sosialisasi, Satlantas Polrestabes Surabaya dapat memberikan informasi mengenai pembuatan SIM secara inovatif dan tepat sasaran, sehingga dapat lebih menarik minat masyarakat untuk belajar. Neural Network Backpropagation merupakan algoritma pembelajaran untuk memperkecil tingkat error dengan cara menyesuaikan bobotnya berdasarkan perbedaan output dan target yang diinginkan. Algoritma Neural Network Backpropagation pada game ini digunakan untuk menentukan kelulusan berdasarkan skor akhir dan waktu dalam menyelesaikan tiap tes. Dalam penentuan skor akhir, untuk tes teori didasarkan pada tingkat kebenaran menjawab soal, sedangkan untuk tes praktik didasarkan pada keberhasilan menuju garis finish tanpa menyentuh apapun. Penerapan algoritma Neural Network Backpropagation pada game simulasi pembuatan SIM ini menghasilkan nilai Mean Absolute Error (MAE) yang baik yaitu sebesar 0% pada percobaan algoritma Neural Network Backpropagation dengan nilai max epoch = 1500, learning rate = 0.3, dan toleransi error = 0.41 ketika tes teori dan praktik dengan masing – masing sebanyak 10 kali percobaan. Dan akurasi yang dilakukan dengan pengujian K-Fold Cross Va1idation menghasilkan akurasi sebesar 100 %. Kata Kunci— SIM, neural network, backpropagation, game, android
Implementasi Algoritma Hill Cipher untuk Proses Enkripsi dan Dekripsi Citra Berwarna dengan Modifikasi Padding Dani Maulana Sholahudin; Asmunin Asmunin
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (630.564 KB) | DOI: 10.26740/jinacs.v1n04.p228-234

Abstract

Abstrak— Teknologi digital yang berkembang menciptakan kemudahan untuk mengakses data digital misalnya foto yang telah disimpan dalam komputer. Namun di sisi lain perkembangan teknologi juga menimbulkan sebuah peluang kepada tindak kejahatan di dunia maya untuk mencuri data, mengubah data atau merusak data. Informasi yang penting akan menjadi sebuah masalah apabila jatuh di tangan orang yang salah dan tidak bertanggung jawab. Kriptografi sudah lama di pakai untuk keamanan data salah satunya adalah hill cipher. Pada penelitian ini penulis mencoba untuk membuat aplikasi keamanan data gambar dengan menggunakan algoritma hill cipheruntuk enkripsi dan dekripsi gambar berwarna. Pada penelitian ini algoritma hill cipher dengan modifikasi paddingmampu mengenkripsi serta mendekripsi gambar dengan baik. Dengan adanya padding gambar tidak perlu di resize dan gambar murni dapat dienkripsi secara langsung. Kunci untuk enkripsi dan dekripsi gambar di masukan manual oleh pengguna agar memberikan keamanan yang kuat. Algoritma ini mampu mengenkripsi gambar dengan kecepatan kurang dari 1 detik namun kunci matriks harus matriks invertible. hill cipher dapat membaca beberapa ekstensi gambar misalnya jpg, png, tiff dan bmp. Kata Kunci— Hill Cipher, Enkripsi, Dekripsi, Ekstensi, Kriptografi Simetris, Padding , Gambar

Page 1 of 1 | Total Record : 7