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 13 Documents
Search results for , issue "Vol. 5 No. 01 (2023)" : 13 Documents clear
Role Of Gray Level Co-Occurrence Matrix for Convolution Neural Network Transfer Learning in Coffee Bean Classification Maharani, Herlina Syafhita; Dwi Nuryana, I Kadek
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p1-6

Abstract

Penerapan Progressive Web Apps untuk Pengembangan Fitur Push Notification dan Multi-Platform Installable pada Aplikasi Beasiswa Billah, Hilmi Almuhtade; Dwi Nuryana, I Kadek
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p7-15

Abstract

Sistem Informasi Geografis Berbasis Web untuk Pemetaan Pondok Pesantren di Kabupaten Tuban Menggunakan Library Leaflet Js Nurtaqiya, Ifa; Prismana, IGL Putra Eka
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v4n04.p28-36

Abstract

Perbandingan Kinerja Concurrent Connection pada Apache HTTP Server dan Node.js Ali As Shuffi, Muhammad Fakhri; Prihanto, Agus
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p37-47

Abstract

Permintaan pengguna terhadap internet semakin mengalami peningkatan dari waktu ke waktu sehingga pemilihan teknologi web server yang tepat sangat penting dalam menangani permintaan pengguna yang kian meningkat. Saat ini teknologi web server yang digunakan masih didominasi oleh Apache HTTP Server. Namun, baru-baru ini Node.js mulai digandrungi pengembang web sebagai teknologi web server alternatif terbaik selain Apache dalam pengembangan web, tetapi hal ini tidak membuat popularitas Apache HTTP Server menjadi menurun. Penelitian ini bertujuan untuk mengetahui kinerja concurrent request berupa konsumsi sumber daya dan output request pada kedua web server dengan diujikan pada skenario pengujian yang paling ringan sampai ke yang paling berat. Pengujian dilakukan diatas virtual machine melalui platform Google Cloud Compute Engine. Adapun model pengujian yang dilakukan yaitu Static I/O Test, Computation Test, dan Serving File Test dengan jumlah client yang diujikan sebesar 100, 500, dan 1000 concurrent request. Indikator kinerja yang diukur diantaranya CPU, memory, total request dan error timeout. Hasil pengujian menunjukkan bahwa secara keseluruhan Node.js unggul dalam semua skenario concurrent request dan model pengujian dibandingkan dengan Apache yang mulai mengalami struggle pada 500 dan 1000 concurrent request. Node.js tercatat hanya mengalami error timeout pada pengujian Serving File Test (1000) dengan total rata-rata sebesar 5.8 error, sedangkan Apache menunjukkan kinerja terbaiknya pada skenario 100 concurrent request namun masih tidak mampu melebihi total request yang sudah diperoleh dari Node.js.
Penerapan Metode Deep Learning Menggunakan Algoritma CNN Dengan Arsitektur VGG Net Untuk Pengenalan Cuaca Tilasefana, Rhyosvaldo Aurellio; Putra, Ricky Eka
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p48-57

Abstract

Dengan berkembangnya teknologi, kini komputer dapat memberikan informasi tidak hanya dalam bentuk teks saja, melainkan juga bentuk image, suara, dan video. Perubahan cuaca ekstrim sering terjadi di Indonesia dapat mengganggu aktivitas sehari-hari. Sehingga menarik minat masyarakat akan kebutuhan informasi mengenai cuaca dan iklim. Oleh karena itu, perlu adanya perkiraan cuaca yang tepat. Tetapi, hingga kini pembuatan proses perkiraan cuaca dan iklim masih terbatas dari masukan data pemodelan. Ternyata didalam pemodelan tersebut masih terdapat kekurangan seperti penggunaan jumlah parameter, asumsi-asumsi matematis dan formulasi persamaan yang sangat rumit. Dalam mengatasi hal tersebut, maka perlu mengembangkan kemampuan menganalisa dan menarik kesimpulan pada komputer. Kemampuan tersebut dikenal dengan deep learning yang memiliki cara kerja mirip jaringan saraf tiruan. Yang membedakan kalau jaringan syaraf tiruan hanya mengandalkan 1 layer, sedangkan deep learning lebih dari 1 layer semakin tinggi layer yang digunakan, learning komputer juga semakin lama. Penelitian ini dilakukan dengan memakai algoritma CNN dari deep learning yang dirancang untuk mengolah data 2 dimensi, sehingga telah sukses mengidentifikasi citra cuaca dengan nilai tertinggi pada akurasi data latih sebesar 94,16% dan akurasi data testing sebesar 65,00% dengan menggunakan epoch sebanyak 150 epoch. Data citra yang digunakan masing-masing 90 untuk data latih dan 10 untuk data testing. Dapat disimpulkan bahwa training yang besar mampu mempengaruhi algoritma CNN, semakin besar data training maka semakin tinggi pula ketepatan yang didapatkan berdasarkan penelitian-penelitian terdahulu. Jumlah epoch yang dipakai dalam arsitektur CNN mempengaruhi hasil ketepatan, semakin banyak epoch maka semakin tinggi juga ketepatan yang didapatkan.
Analisis Sentimen terhadap Opini Publik Mengenai Childfree dalam Pernikahan pada Twitter Menggunakan K-Nearest Neighbor (K-NN) Fadhilah, Putri Nur; Indriyanti, Aries Dwi
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p58-62

Abstract

Perbandingan Sent2vec TF-IDF Logistic Regression dan Word2vec CNN pada hasil Sentiment Analysis Youtube Comment Dyantono, Aganda Maulan Dan; Putra, Ricky Eka
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p63-72

Abstract

Klasifikasi Tingkat Stres Mahasiswa Menggunakan Metode Berbasis Tree Anjani, Ayu; Yamasari, Yuni
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p83-89

Abstract

Strategi Marketing Event Organizer Menggunakan Metode K-Means Clustering Berbasis Web di Surabaya Putri, Fitriayu Priyadi; Nuddin, Salamun Rohman
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p73-82

Abstract

Prediksi Kelulusan Tepat Waktu Menggunakan Pendekatan Pohon Keputusan Algoritma Decision Tree Moerdyanto, Octarian Prasetya; Nuryana, I Kadek Dwi
Journal of Informatics and Computer Science (JINACS) Vol. 5 No. 01 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v5n01.p90-96

Abstract

Page 1 of 2 | Total Record : 13