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 30 Documents
 1   2   3 
Search results for , issue "Vol. 7 No. 02 (2025)" : 30 Documents clear
Analisis Sentimen Berbasis Aspek Kinerja Pemerintah Kota Surabaya Menggunakan Algoritma Naïve Bayes Ahmad Mustofa Akbar; Anita Qoiriah
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—Dalam era digital, media sosial menjadi sarana yang sangat penting bagi masyarakat untuk menyuarakan opini terhadap kinerja pemerintah. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kinerja Pemerintah Kota Surabaya berdasarkan aspek infrastruktur, ekonomi, pendidikan, dan kesehatan. Data dikumpulkan dari komentar publik di Instagram menggunakan teknik crawling dan dilabeli secara manual berdasarkan aspek dan polaritas sentimen. Setelah melalui tahapan pra-pemrosesan dan transformasi dengan TF-IDF, model dilatih menggunakan algoritma Multinomial Naïve Bayes. Hasil evaluasi menunjukkan performa model yang bervariasi pada setiap aspek. Pada aspek ekonomi, model mencapai akurasi 90%, dengan f1-score 0,93 (negatif) dan 0,82 (positif). Pada aspek kesehatan, akurasi sebesar 92%, dengan f1-score 0,93 (negatif) dan 0,90 (positif). Aspek pendidikan memperoleh akurasi 89%, dengan f1-score 0,92 (positif). Sementara itu, aspek infrastruktur memiliki performa terendah dengan akurasi 69%, dan f1-score hanya 0,45 untuk sentimen positif. Penelitian ini membuktikan bahwa pendekatan aspect-based sentiment analysis menggunakan Naïve Bayes efektif untuk mengidentifikasi persepsi masyarakat, serta memberikan kontribusi dalam pengambilan kebijakan berbasis data yang lebih responsif.   Kata Kunci— Analisis Sentimen, Aspect-Based Sentiment Analysis, Multinomial Naïve Bayes, Media Sosial, Infrastruktur, Ekonomi, Pendidikan, Kesehatan, Pemerintah Kota Surabaya.
Sistem Pendukung Keputusan Diagnosis Tipe Penyakit Diabetes Berbasis Web Menggunakan Metode Simple Additive Weighting (SAW) Aprilia Listiani, Disti; Dwi Indriyanti, Aries
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

Abstract - Meningkatnya prevalensi  Diabetes Melitus (DM) di Indonesia menuntut adanya sistem diagnosis yang lebih efisien, cepat, dan akurat. Proses diagnosis di rumah sakit umumnya masih dilakukan secara manual dan bergantung pada jumlah dokter spesialis yang terbatas, sehingga dapat menghambat pelayanan di tengah meningkatnya jumlah pasien. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web untuk membantu proses identifikasi tipe diabetes menggunakan metode Simple Additive Weighting (SAW). Sistem dirancang untuk membedakan empat tipe diabetes, yaitu Tipe 1, Tipe 2, Gestasional, dan Latent Autoimmune Diabetes in Adults (LADA), berdasarkan 12 kriteria diagnosis yang terdiri atas faktor klinis, gejala, dan indikator laboratorium. Metode SAW diterapkan melalui tahap normalisasi matriks keputusan, pembobotan, dan perhitungan nilai preferensi untuk memperoleh hasil diagnosis yang paling sesuai dengan kondisi pasien. Hasil pengujian pada studi kasus menunjukkan bahwa nilai preferensi tertinggi diperoleh pada Diabetes Tipe 1 sebesar 0,845, diikuti LADA sebesar 0,57, Gestasional 0,4625, dan Tipe 2 sebesar 0,435. Nilai tersebut menggambarkan tingkat kesesuaian profil pasien terhadap masing-masing tipe diabetes. Selain itu, pengujian blackbox menunjukkan seluruh fitur sistem, mulai dari login, input data pasien, proses perhitungan, hingga manajemen pengguna, berjalan dengan status Pass. Penelitian ini membuktikan bahwa metode SAW efektif diterapkan pada SPK berbasis web untuk mempercepat proses diagnosis, meningkatkan akurasi identifikasi tipe diabetes, serta mendukung tenaga medis dalam pengambilan keputusan klinis.   Kata Kunci— Sistem Pendukung Keputusan; Diabetes Melitus; Simple Additive Weighting; Diagnosis Diabetes; Sistem Berbasis Web.
Validasi Data Kemiskinan Berbasis Web Menggunakan Algoritma Isolation Forest di Mojo Surabaya Pradangga, Aryo; Yamasari, Yuni
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

Validitas data kemiskinan pada permukiman padat penduduk di Surabaya kerap terdistorsi oleh subjektivitas dan keterbatasan proses verifikasi manual. Kondisi ini meningkatkan risiko ketidaktepatan penyaluran bantuan sosial, baik berupa exclusion error maupun inclusion error. Penelitian ini bertujuan mengembangkan sistem validasi data kemiskinan berbasis web yang mengintegrasikan algoritma Isolation Forest guna mendeteksi anomali data secara otomatis. Pengembangan sistem mengadopsi metodologi Design Science Research (DSR) dengan arsitektur terpisah (decoupled) yang menghubungkan framework Laravel dan layanan analitik FastAPI. Variabel penelitian meliputi indikator kapabilitas ekonomi warga, mencakup total pendapatan, jumlah tanggungan, skor penggunaan listrik, kepemilikan kendaraan bermotor, dan akses internet. Strategi pemisahan dataset (data splitting) diterapkan berdasarkan status awal warga (Miskin dan Non-Miskin) untuk menjamin deteksi anomali yang kontekstual. Pengujian empiris dilakukan menggunakan data riil dari 248 warga di RT 04 RW 05, Kelurahan Mojo, Surabaya. Hasil penelitian menunjukkan bahwa sistem berhasil mengidentifikasi 18 data anomali (7,3%) dengan karakteristik yang menyimpang dari populasi mayoritas. Lebih lanjut, sistem terbukti efektif dalam menyingkap kasus exclusion error pada kelompok rentan. Evaluasi utilitas sistem menggunakan Technology Acceptance Model (TAM) menghasilkan skor Perceived Usefulness sebesar 4,52 (kategori "Sangat Bermanfaat"), yang mengindikasikan efektivitas sistem dalam meningkatkan efisiensi dan objektivitas verifikasi data. Kata Kunci: Deteksi Anomali, Isolation Forest, Verifikasi Data Kemiskinan, Bantuan Sosial, Design Science Research, Technology Acceptance Model (TAM).
Pengembangan Sistem Informasi Persediaan Gudang Bahan Campuran Pakan Hewan Ternak pada Peternakan Sumber Alam Sejahtera Menggunakan Metode PIECES Wardana, Prima Lukito; Yamasari, Yuni
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— Peternakan Sumber Alam Sejahtera merupakan salah satu perternakan skala besar yang memproduksi pakan hewan ternak secara mandiri untuk mendukung produktivitas dan kualitas hasil ternak, khususnya telur ayam. Dalam praktiknya, proses pencatatan dan pengelolaan persediaan bahan campuran pakan masih dilakukan secara manual menggunakan buku dan catatan kertas. Hal ini menyebabkan sering terjadi keterlambatan informasi, kesalahan pencatatan, dan rendahnya efisiensi kerja di gudang. Penelitian ini bertujuan untuk mengembangkan sistem informasi persediaan gudang berbasis web guna mempermudah proses pencatatan barang masuk dan keluar, serta pengelolaan stok secara otomatis. Pengembangan sistem dilakukan menggunakan metode PIECES (Performance, Information, Economy, Control, Efficiency, and Service) sebagai dasar analisis kebutuhan sistem. Hasil penelitian menunjukkan bahwa sistem informasi yang dikembangkan mampu meningkatkan akurasi data, mempercepat pencatatan transaksi, serta menyediakan informasi stok secara real-time. Dengan demikian, sistem ini dapat menjadi solusi efektif dalam mendukung manajemen persediaan bahan campuran pakan di Peternakan Sumber Alam Sejahtera. Kata Kunci— Sistem Informasi, Persediaan Gudang, PIECES, Web.
Automasi Pakan Ternak Ayam Berbasis IoT Menggunakan Protokol MQTT Naufal Yasir Muafa; Agus Prihanto
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— Peternakan ayam merupakan sektor penting dalam penyediaan pangan yang menuntut efisiensi dalam manajemen pemberian pakan guna menunjang pertumbuhan dan produktivitas ternak. Pemberian pakan secara manual memiliki keterbatasan dalam hal efisiensi waktu terutama bagi peternak dengan aktivitas padat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem otomatisasi pemberian pakan ayam berbasis Internet of Things (IoT) menggunakan protokol MQTT. Sistem dibangun dengan perangkat keras seperti ESP8266, servo motor, sensor ultrasonik, dan modul RTC (Real-Time Clock), serta perangkat lunak berbasis web untuk memantau dan mengatur jadwal pemberian pakan secara daring. Dashboard Web berbasis React digunakan untuk pemantauan dan pengendalian jarak jauh. Data jadwal disimpan secara lokal menggunakan EEPROM sehingga tetap dapat berfungsi saat koneksi internet terputus. Evaluasi meliputi latensi komunikasi end-to-end, ketepatan eksekusi jadwal terhadap waktu RTC, akurasi estimasi level pakan pada tiga kondisi (penuh, setengah, kosong), kinerja sistem saat offline, dan kuantitas keluaran pakan berdasarkan durasi bukaan servo. Hasil pengujian menunjukkan latensi komunikasi kurang dari 1 detik, deviasi eksekusi jadwal ±1 detik, akurasi estimasi level pakan rata-rata 80%, keberhasilan eksekusi penjadwalan 100% dalam kondisi offline, dan pengujian durasi bukaan 1.000 ms menghasilkan keluaran rata-rata 14,2g. Kata Kunci— Internet of Things, MQTT, Pakan Ayam, ESP8266, Peternakan
Pengembangan Sistem Antrian Digital Berbasis Website untuk Layanan Multi-Kelompok Achmad Zidan Ramdani; Agus Prihanto
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

Sistem antrian konvensional sering kali mengalami kendala signifikan dalam mengelola layanan multi-kelompok, seperti ketimpangan distribusi beban kerja antar loket dan ketidakpastian waktu tunggu pelanggan. Kondisi ini sering memicu penumpukan antrian yang tidak terurai serta ketidakadilan distribusi pelayanan yang berdampak negatif pada kepuasan pelanggan. Penelitian ini bertujuan merancang dan membangun sebuah sistem antrian digital berbasis website untuk menangani masalah tersebut dengan menerapkan model Multi-Queue. Pengembangan sistem dilakukan menggunakan framework Laravel serta integrasi teknologi WebSocket (Laravel Reverb) untuk memfasilitasi komunikasi data secara real-time. Model pengembangan yang diterapkan adalah Waterfall yang meliputi tahapan analisis, desain, implementasi, hingga pengujian. Evaluasi kualitas sistem dilakukan secara komprehensif melalui serangkaian pengujian kuantitatif. Pengujian fungsionalitas menggunakan metode black-box testing memastikan seluruh fitur berjalan sesuai rancangan. Evaluasi keadilan (Fairness) menggunakan metrik Jain’s Fairness Index (JFI) menghasilkan nilai sempurna 1.0 pada skenario beban seimbang, serta membuktikan keberhasilan isolasi antrian di mana antrian layanan yang padat tidak menghambat antrian layanan yang sepi. Dari sisi respon sistem, pengujian mencatat rata-rata Response Time (TTFB) yang sangat responsif, yaitu 35-56 ms, jauh melampaui standar rekomendasi Google (< 800 ms). Audit kualitas teknis frontend menggunakan Google Lighthouse juga memberikan skor 100 pada aspek Performance. Penelitian ini menyimpulkan bahwa sistem antrian Multi-Queue berbasis web yang dikembangkan tidak hanya berhasil secara fungsional dalam mendigitalkan proses antrian, tetapi juga terbukti adil, responsif, dan memiliki standar kualitas kode yang optimal. Kata Kunci— Sistem Antrian, Multi-Queue, Response Time, Google Lighthouse, Websocket.
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.
Deteksi Penyakit pada Tanaman Tomat Menggunakan Model Inception V3 Berbasis Mobile Rahmaditya Putri Lailatul 'Ismi; Salamun Rohman Nudin
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 - Tomat merupakan salah satu komoditas hortikultura yang memiliki tingkat konsumsi tinggi di masyarakat serta berperan penting dalam sektor ekonomi pertanian. Meskipun demikian, produktivitas tanaman tomat kerap mengalami penurunan akibat serangan berbagai penyakit. Terdapat sembilan jenis penyakit utama yang umum menyerang tanaman tomat, yaitu Bacterial Spot, Early Blight, Late Blight, Leaf Mold, Septoria Leaf Spot, Spider Mite, Target Spot, Yellow Leaf Curl Virus, dan Mosaic Virus. Oleh karena itu, upaya deteksi penyakit pada tahap awal menjadi sangat krusial agar petani dapat melakukan langkah pencegahan dan pengendalian secara tepat. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksian penyakit daun tomat berbasis Convolutional Neural Network (CNN) sebagai pendekatan inovatif dalam meningkatkan akurasi identifikasi penyakit. Dataset yang digunakan dalam penelitian ini adalah PlantVillage Dataset, yang terlebih dahulu melalui tahap pra-pemrosesan sebelum dilakukan proses pelatihan menggunakan arsitektur Inception V3 dengan Adam Optimizer. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mencapai tingkat akurasi sebesar 98% dalam mengklasifikasikan jenis penyakit pada daun tomat. Temuan ini mengindikasikan bahwa model Inception V3 memiliki potensi yang sangat baik untuk diimplementasikan sebagai sistem pendukung bagi petani dalam memantau kesehatan tanaman serta meningkatkan kualitas dan kuantitas hasil produksi tomat. Kata Kunci— Tanaman Tomat, Penyakit, Convolutional Neural Network, Inception V3, Mobile.
Rancang Bangun Sistem Reservasi Hotel Online Untuk Mendukung Digitalisasi Layanan Hotel X Basvira, Bennett Ibrahim; Prapanca, Aditya
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— Perkembangan teknologi informasi yang pesat telah mendorong transformasi signifikan dalam industri perhotelan, khususnya melalui penerapan sistem e-commerce untuk pemesanan kamar secara daring. Pemanfaatan teknologi ini memberikan kemudahan bagi pelanggan dalam mencari, membandingkan, dan memesan kamar hotel kapan saja dan dimana saja, sekaligus meningkatkan efisiensi operasional bagi pihak hotel. OmahPutih sebagai penyedia layanan akomodasi masih menggunakan metode reservasi manual, sehingga menimbulkan keterbatasan dalam akses dan efisiensi pelayanan. Untuk menjawab permasalahan tersebut, penelitian ini membangun sistem pemesanan hotel berbasis website dengan menggunakan metode Waterfall. Metode ini dipilih karena pendekatannya yang terstruktur dan sistematis melalui tahapan analisis, perancangan, implementasi, hingga pengujian. Hasil dari penelitian ini diharapkan mampu memberikan solusi berupa sistem pemesanan yang efisien dan akurat, sehingga dapat meningkatkan kepuasan pelanggan, memperluas pasar, dan memperkuat daya saing OmahPutih di era digitalisasi. Kata Kunci : Sistem Pemesanan Hotel, E-commerce, Website, Waterfall
Comparative Analysis of Traditional Machine Learning Models (SVM, KNN, and Linear Regression) for KSE 100 Stock Price Forecasting Febriansyah, Aldin; Ervin Yohannes
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

Abstract—The erratic volatility of stock prices presents a significant challenge for analysts and investors when making informed investment decisions. Although the Efficient Market Hypothesis suggests that price prediction is theoretically impossible, numerous studies indicate that predictive models can yield high-quality results. This research compares the effectiveness of three traditional machine learning algorithms—Support Vector Machine (SVM), K-Nearest Neighbors (KNN), and Linear Regression (LR)—in forecasting the daily stock prices of the KSE 100 Index from the Pakistan Stock Exchange (PSX). The study utilized 3,221 daily closing prices recorded between February 22, 2008, and February 23, 2021. The models were implemented in Python and optimized through hyperparameter tuning using GridSearchCV. To ensure robust evaluation, five distinct data-splitting techniques were employed: a chronological split of 2020 and proportional splits of 80:20, 75:25, and 70:30. Performance was measured using MSE, RMSE, MAE, MAPE, and Accuracy metrics. The findings reveal that Linear Regression (LR) consistently delivered the best and most stable performance across all testing schemes. LR achieved its highest accuracy of 97.9% and lowest error (MSE 0.000404) in the 70:30 split, while maintaining a 97.3% accuracy in the 2020 test data. In contrast, KNN was the most sensitive model, with accuracy dropping to 92.2% in the 30% test scheme. These results underscore that LR is the most accurate and dependable option for stock price time-series prediction among these traditional models, proving that simpler models can remain highly competitive. Keywords— Stock Price Forecasting, Machine Learning, Linear Regression (LR), Support Vector Machine (SVM), K-Nearest Neighbors (KNN).

Page 3 of 3 | Total Record : 30

 1   2   3 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Article In Press Vol. 7 No. 02 (2025) Vol. 7 No. 01 (2025) Vol. 6 No. 04 (2025) Vol. 6 No. 03 (2025) 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