Journal of Informatics and Computer Science (JINACS)
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
10 Documents
Search results for
, issue
"Vol 4 No 03 (2023)"
:
10 Documents
clear
<![CDATA[Perbandingan Cosine Similarity dan Euclidean Distance pada Model Rekomendasi Buku dengan Metode Item-based Collaborative Filtering. ]]>
<![CDATA[M Dzikri Hisyam Ilyasa]]>;
<![CDATA[Yuni Yamasari]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p264-274
<![CDATA[Model rekomendasi adalah metode penyaringan data atau informasi dengan menggunakan teknik analisis data untuk membantu pengguna dalam menemukan item yang diinginkan. Salah satu metode yang digunakan dalam model rekomendasi adalah item-based collaborative filtering. Metode ini merupakan teknik untuk menghitung nilai antara kesamaan item. Algoritma yang dapat digunakan untuk menghitung nilai kesamaan item pada penelitian ini adalah Cosine Similarity dan Euclidean Distance. Masalahnya adalah masih belum jelas algoritma kesamaan item mana yang lebih akurat antara model rekomendasi yang menggunakan Cosine Similarity atau Euclidean Distance. Tujuan dari penelitian ini adalah untuk mengetahui algoritma kesamaan item mana yang paling akurat antara Cosine Similarity dan Euclidean Distance. Dari hasil pengujian Mean Absolute Error (MAE) menggunakan K-Fold Cross Validation pada penelitian ini dapat disimpulkan bahwa rumus perhitungan Cosine Similarity mempunyai tingkat akurasi yang cukup baik yaitu 0.647352 dibandingkan dengan rumus perhitungan Euclidean Distance memilki nilai akurasi yaitu 0.676872 dengan skala MAE 0–1. Semakin kecil nilai MAE semakin tinggi akurasi prediksi yang dihasilkan. Hal ini menunjukan bahwa rumus perhitungan Cosine Similarity dapat menghasilkan rekomendasi yang lebih baik dari Euclidean Distance.]]>
<![CDATA[Simulasi Handover pada Jaringan Nirkabel Berbasis Software Defined Network ]]>
<![CDATA[Christoper Siahaan]]>;
<![CDATA[I Made Suartana]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p256-263
<![CDATA[Software Defined Network (SDN) merupakan sebuah metode atau paradigma dalam jaringan komputer dalam mendesain, membuat, dan mengelola sebuah infrastruktur jaringan. SDN memisahkan control plane dan data plane, SDN ini menjad solusi untuk perkembangan jaringan yang pesat. SDN memiliki kontrol yang terpusat sehingga mempermudah pengguna dalam mengelola dan mengonfigurasi sebuah jaringan dibandingkan dengan jaringan non-SDN dimana control plane dan data plane berada pada satu perangkat yang sama. Dengan SDN jaringan menjadi lebih fleksibel dan cerdas. Penerapan SDN pada jaringan wireless juga diharapkan dapan memberikan dampak positif dan meningkatkan kinerja dari jaringan WLAN. Handover terminal pada jaringan WLAN berbasis SDN dapat secara efektif meningkatkan QoS dan pemanfaatan sumber daya WLAN. Penelitian ini berfokus pada handover berbasis software defined wireless network (SDWN), penelitian ini dilakukan dengan menggunakan emulator Mininet-WiFi dengan model mobilitas random way point, random walk, dan random direction. Penelitian ini bertujuan mengetahui pengaruh pergerakan station dengan mobilitas terhadap jarak akses poin dengan jumlah station pada proses handover yang sudah ditentukan. Pada setiap model mobility pengujian untuk mendapatkan throughput, jitter, packet loss, dan RSSI. Dari hasil uji coba didapatkan mobilitas pada jaringan WLAN yang mengakibatkan perubahan topologi jaringan, mengakibatkan perubahan nilai parameter uji yang digunakan. Kata Kunci - Simulasi Handover, WLAN, Software Defined Network, Randomway Poin, Random Walk, Random Direction]]>
<![CDATA[Integrasi End-point Security Berbasis Agent dan Bot Messenger untuk Deteksi dan Monitoring Serangan pada Web Server secara Real-time ]]>
<![CDATA[Muhammad Alfian Fahrudi]]>;
<![CDATA[I Made Suartana]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p275-282
<![CDATA[Perkembangan teknologi mempengaruhi perusahaan atau instansi untuk memaksimalkan kinerjanya. Perusahaan menggunakan media internet untuk memberikan informasi, layanan, dan menyimpan data melalui web server. Mudahnya mendapatkan informasi pada media internet menimbulkan kejahatan siber dalam upaya untuk mengambil data pada web server. Salah satu pihak yang menangani dan melindungi keamanan jaringan sebuah perusahaan yaitu Security Operation Center (SOC). sangat berperan penting dalam kondisi ini. Pada penelitian ini mengusulkan sebuah sistem integrasi antara end-point security dengan bot messenger Telegram. Sistem integrasi akan membantu pengeluaran finansial perusahaan dan membantu kinerja SOC dalam memantau web server. Wazuh sebagai aplikasi end-point security yang diintegrasikan dengan bot Telegram. Wazuh merupakan aplikasi open source yang didirikan pada tahun 2015. Sistem integrasi Wazuh dengan bot Telegram mampu mengirim pesan dengan format penulisan sesuai kondisi aktivitas yang terjadi pada web server. Sistem integrasi juga mampu mengurangi pesan yang terkirim ketika terjadi aktivitas yang sama secara terus-menerus. Berdasarkan hasil penelitian yang dilakukan dapat disimpulkan bahwa integrasi sistem monitoring Wazuh dengan bot messenger Telegram berhasil mengirim pesan secara real-time.]]>
<![CDATA[Implementasi Sistem Informasi Geografis Jalur Pendakian Gunung Penanggungan Dengan Metode Dijkstra Dan Penerapan Fuzzy Dalam Rekomendasi Jalur ]]>
<![CDATA[Martha Yogi Yuda Rifendy]]>;
<![CDATA[Paramitha Nerisafitra]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p283-291
<![CDATA[Kegiatan mendaki gunung adalah kegiatan yang relatif tinggi tingkat bahayanya yang mengharuskan pendaki berjalan dihutan dan menghabiskan waktu yang cukup lama dengan kadar oksigen yang semakin menipis serta suhu yang sangat dingin bahkan bisa mencapai dibawah 0 derajat Celcius. Gunung Penanggungan merupakan objek untuk melakukan kegiatan pendakian bagi para pendaki. Untuk mendaki ke Gunung Penanggungan para pendaki bisa melalui beberapa jalur resmi pendakian yaitu Pendakian via Tamiajeng, Kedungudi, dan Jolotundo, namun kebanyakan para pendaki memilih jalur pendakian via Tamiajeng karena memiliki aksesibilitas yang tinggi dan jarak tempuh yang relatif singkat. Dari data tim SAR Gunung Penanggungan via Tamiajeng dari tahun 2015 - 2019 tercatat sebanyak 391 pendaki gunung mengalami kecelakaan saat pendakian, hal itu disebabkan oleh beberapa faktor yaitu tentang kurangnya pengetahuan gunung yang akan didaki, kurang mempersiapkan logistik yang diperlukan, dan jalur yang tidak sesuai dengan kemampuan pendaki. Tujuan dari penelitian ini akan membuat sebuah sistem informasi geografis berbasis website pendakian Gunung Penanggungan, yang mana website tersebut akan memakai Algoritma Dijkstra yang dipakai dalam memecahkan permasalahan jalur terpendek dari dengan menghitung cost (jarak) yang ada dan juga perhitungan Fuzzy Tahani untuk menentukan jalur rekomendasi pendakian terbaik sesuai dengan kriteria yang ditentukan. Dari semua masalah dan tujuan dilakukannya penelitian ini menghasilkan website sebagai media informasi pendakian Gunung Penanggungan sekaligus untuk pembelian tiket pendakian secara online.]]>
<![CDATA[Penerapan Metode Long Short Term Memory Untuk Klasifikasi Pada Hate Speech ]]>
<![CDATA[Bagus Arief Hamdi Kholifatullah]]>;
<![CDATA[Agus Prihanto]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p292-297
<![CDATA[Hate Speech atau ujaran kebencian merupakan tindakan seseorang atau kelompok dalam bentuk provokasi atau hinaaan kepada seseorang atau kelompok lain dalam berbagai faktor seperti suku, agama, ras, antar golongoan, gender, cacat, warna kulit, kewarganegaraan dan orientasi seksual yang dapat dilakukan dengan berbagai cara. Maka dilakukan penelitian dengan membentuk model pendeteksi Hate Speech menggunakan Metode Long Short Term Memory (LSTM). Metode LSTM merupakan suatu metode Deep Learning yang mampu mengingat informasi dari masa lalu dalam proses pembelajaran modelnya. Pada penelitian ini dataset didapat dari website kaggle dengan jumlah 13170 data. Dimana dataset tersebut dipisah menjadi 2 yaitu data latih dan data validasi dengan rasio perbandingan data latih dan data validasi sebesar 80% : 20%. Hasil pengujian menunjukkan bahwa : 1) Metode LSTM dapat diterapkan pada model untuk proses klasifikasi pada hate speech menggunakan data dari situs kaggle yaitu Indonesian Abusive and Hate Speech. Model yang dibentuk terdiri dari Embedding Layer, LSTM Layer, 2 Dense Layer dengan fungsi aktivasi ReLu, Dropout Layer dan Fully Connected Layer dengan fungsi aktivasi softmax dan fungsi rugi Binary Cross Entropy, 2) Model memiliki peforma terbaik dengan menggunakan 256 neuron LSTM. Akurasi yang diperoleh pada data latih sebesar 86.23% dan akurasi pada data validasi sebesar 87.10% dengan epoch sebanyak 10.]]>
<![CDATA[Analisis Perbandingan Algoritma Klasifikasi untuk Penyakit Jantung ]]>
<![CDATA[Jalis Dwi Muthohhar]]>;
<![CDATA[Agus Prihanto]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p298-304
<![CDATA[Penyakit jantung menjadi penyebab tertinggi kematian didunia setelah stroke. Dengan kemajuan teknologi yang sangat pesat mendorong berbagai penelitian untuk mempermudah dalam mendiagnosa penyakit jantung menggunakan klasifikasi machine learning. Model klasifikasi yang digunakan yaitu Decision Tree, Naive Bayes dan Random Forest Classifier. Model Decision Tree menggunakan pohon keputusan, metode Naïve Bayes menggunakan probabilitas disetiap data, sedangkan model Random Forest Classifier menggunakan sekumpulan pohon keputusan yang disatukan. Data yang digunakan adalah Heart Attack Analysis & Prediction Dataset diambil dari Kaggle. Penelitian ini bertujuan untuk medapatkan model yang terbaik untuk mengklasifikasikan data penyakit jantung dari ketiga model tersebut. Untuk mendapatkan model yang terbaik penelitian ini melakukan cross validation pada setiap model machine learning. Dari hasil cross validation didapatkan adanya overfiting pada setiap model. Untuk mengatasi overfiting peneliti melakukan fine tuning pada setiap model dengan parameter F1-Score. Berdasarkan rata-rata hasil pengujian model decision tree menggunakan evaluasi random search mendapatkan nilai 0.844 dan grid search 0.84. Kemudian hasil pengujian model naïve bayes tidak ada perbedaan antara evaluasi menggunakan random search maupun grid search yaitu sebesar 0.85. Selanjutnya hasil pengujian model random forest classifier menggunakan evaluasi random search mendapatkan nilai 0.852 dan grid search 0.868. Dengan demikian dapat dilihat dari hasil pengujian bahwa model random forest classifier merupakan model terbaik dalam mengklasifikasi penyakit jantung baik itu menggunakan hyperparamter tuning grid search.]]>
<![CDATA[Analisis Perbandingan Metode Burkhard Keller Tree dan SymSpell dalam Spell Correction Bahasa Indonesia ]]>
<![CDATA[Muhammad Hafizh Ferdiansyah]]>;
<![CDATA[I Kadek Dwi Nuryana]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p305-313
<![CDATA[Dalam pembuatan sistem spell correction banyak faktor yang perlu diperhatikan untuk membuat sistem yang efektif dan berkualitas, salah satunya adalah kecepatan dan kebutuhan sistem. Beberapa metode dapat diterapkan untuk membuat sistem ini. Salah satu metode yang sering ditemui adalah Burkhar Keller Tree atau BK Tree. BK Tree merupakan metode populer yang digunakan dalam sistem spell correction karena kemudahannya, kemudian ada metode Symmetric Delete Spelling Correction atau SymSpell yang dikatakan memiliki kinerja yang sangat baik. Penelitian ini dilakukan untuk menguji dan menganalisa kinerja dari kedua metode tersebut sebagai sistem spell correction untuk Bahasa Indonesia. Hasil penelitian dengan kamus berisi 1.597.416 kosakata membuktikan metode BK Tree memiliki kinerja kecepatan yang lebih rendah dimana dalam pengujian catatan waktu tertinggi metode ini menyentuh 52 detik, namun metode memiliki kebutuhan sistem yang lebih kecil. Sedangkan metode SymSpell memiliki kinerja kecapatan yang jauh lebih cepat dengan nilai catatan waktu dalam pengujian tertinggi adalah 0.05 detik, namun kebutuhan sistem yang lebih besar. Pada pengujian akurasi didapatkan bahwa kedua metode memiliki hasil yang sama dengan rata-rata nilai accuracy, precision, dan recall secara berurutan sebesar 0,95, 0,89, dan 0,73. Dalam penelitian juga diketahui pentingnya sumber corpus yang digunakan untuk menyusun kamus, dimana penggunaan corpus yang bersumber dari Wikipedia Indonesia yang digunakan dalam penelitian ini masih kurang tepat karena masih ditemukannya kata-kata yang salah dalam penulisan dalam corpus tersebut.]]>
<![CDATA[Desain dan Pengembangan Backend Aplikasi Bantucari Menggunakan Microservices ]]>
<![CDATA[M Saif Alikhan]]>;
<![CDATA[I Made Suartana]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p314-321
<![CDATA[BantuCari merupakan aplikasi untuk membantu seseorang apabila sedang kehilangan barang maupun menemukan barang. Aplikasi yang baik tentunya harus memiliki backend yang mumpuni. Salah satu cara untuk memnuhi backend mumpuni yakni dengan mengimplementasikan layanan microservices. Salah satu cara untuk membuktikan dengan pengujian stress test menggunakan aplikasi Apache JMeter dan dibandingkan dengan services lainnya seperti VPS dan Shared Hosting. Dengan menggunakan parameter response time, troughput, sent, receive dan error untuk mengetahui keunggulan microservices. Dan hasil yang didapatkan pada penelitian ini dengan penerapan microservices dan pengujian dengan skenario yang ditentukan, arsitektur microservices lebih unggul dibandingkan dengan layanan yang lainnya.]]>
<![CDATA[Aplikasi Android Untuk Terapi Arachnophobia Berbasis Markerless Augmented Reality ]]>
<![CDATA[Bramianto Gading Gumilang]]>;
<![CDATA[Anita Qoiriah]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p322-333
<![CDATA[Fobia adalah rasa ketakutan yang berlebihan pada sesuatu objek, kondisi atau fenomena. Fobia dapat menghambat kehidupan orang yang mengidapnya dari stres ringan hingga bunuh diri. Pada dasarnya fobia bisa dikatakan abnormalitas mental.Fobia dikolompakan dalam berbagai jenis Berdasarkan objek ketakutan, salah satunya adalah fobia spesifik/kusus yang memiliki objek ketakutan terhadap suatu benda, salah satunya hewan. Fobia bukanlah gangguan yang tidak bisa disembuhkan, Fobia dapat disembuhkan salah satunya dengan terapi. Namun di zaman modern ini pengobatan terapi fobia dengan menggunakan objek secara lanngsung dianggap kejam tidak etis terlebih untuk menggunakan hewan hidup asli yang berkemungkinan terbunuh saat praktik terapi dilakukan, dan disisi lain juga para terapis kesulitan untuk mendapatkan objek fobia untuk penterapian terutama objek hewan, terutama adalah objek hewan. Oleh karena itu untuk mempermudah para terapis serta menarik minat masyarakat pengidap fobia, perlu dikembangkanya penterapian melalui objek virtual dengan menggunakan Augmented Reality (AR). Augmented Reality sendiri sering digunakan sebagai media pembelajaran maupun hiburan yang ada pada smartphones. Dengan begitu praktik terapi akan lebih mudah dan menarik dengan adanya aplikasi yang dibangun. Tujuan dari dibentuknya penelitian ini adalah untuk mengembangkan aplikasi yang mampu menunjang pengobatan terapi dengan bantuan objek dari Augmented Reality. Hasil penelitian ini adalah aplikasi sebagai media terapi fobia Laba-laba berbasis Augmented Reality dengan menggunakan Markerless AR agar mempermudah terapis dalam melakukan terapi.]]>
<![CDATA[Analisis Sentimen Pengguna Sistem Pay Later Menggunakan Support Vector Machine Metode Pembobotan Lexicon ]]>
<![CDATA[Ferra Junian Wahidna]]>;
<![CDATA[Paramitha Nerisafitra]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jinacs.v4n03.p334-343
<![CDATA[Layanan pay later sangat mudah dengan cepat populer di masyarakat, hal ini disebabkan karena fitur ini cenderung mudah digunakan dan populer karena tertanam pada e-commerce. Banyaknya penyedia layanan pay later menyebabkan diperlukannya pemilahan penyedia paylater mana yang akan digunakan berdasarkan berbagai pertimbangan termasuk review dari pengguna lain. Di sisi lain, review pengguna lain dapat diperoleh dari Twitter. Data dari Twitter menunjukkan terdapat ribuan tweets pada tahun 2021 hingga 2022 berisikan opini masyarakat terkait penggunaan pay later. Tweets tersebut membahas tentang keunggulan, keluhan, dan ulasan dari penggunaan pay later. Namun, beberapa keunggulan, keluhan, dan ulasan tersebut banyak yang bersifat abstrak sehingga masih belum optimal pemanfaatannya. Penelitian ini bertujuan untuk mengklasifikasikan data tweet yang berkaitan dengan pay later menggunakan algoritma Support Vector Machine (SVM). Dari penelitian ini telah berhasil dibangun model klasifikasi SVM untuk kasus sentimen Shopee Paylater dan Go Paylater. Pada pemodelan sentimen Shopee Paylater diperoleh bahwa model telah dapat memprediksi kelas data uji dengan akurasi 89.74%. Pada pemodelan sentimen Go Paylater diperoleh bahwa model telah dapat memprediksi kelas data uji dengan akurasi 90.27%. Kata Kunci : Analisis Sentimen, Klasifikasi, Pay later, SVM, Lexicon]]>
