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 422 Documents
Penerapan Algoritma Fp-Growth dan K-Means pada Data Transaksi Minimarket Natalia Mamahit; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (394.745 KB) | DOI: 10.26740/jinacs.v1n02.p78-83

Abstract

Abstrak— Dalam berbelanja kebutuhan sehari-hari seringkali pembeli mengalami kesulitan dalam mencari barang-barang kebutuhan sehari-hari. Salah satu faktor penyebab hal ini karena prosedur penataan produk dalam minimarket yang masih dilakukan secara acak dan belum sesuai dengan pola belanja pembeli. Di sisi lain pada umumnya pembeli ingin membeli produk melalui paket produk kebutuhan sehari-hari, namun paket-paket produk tersebut umumnya belum tersedia di minimarket. Untuk mengatasi permasalahan penataan produk dan pembuatan paket produk di minimarket dapat digunakan prosedur yang lebih efektif dengan cara menemukan pola hubungan dari data transaksi pada Minimarket. Dalam menemukan pola hubungan pada penelitian ini akan digunakan metode association rule untuk melihat keterkaitan antara barang yang satu dengan lainnya dalam data transaksi. Pada penelitian ini menggunakan algoritma FP-Growth dan K-Means. Algoritma K-Means berguna untuk cluster data, sedangkan algoritma FP-Growth berguna untuk proses asosiasi. Dalam proses K-Means dataset dibagi ke dalam 10 kelompok karena jumlah kelompok yang lebih besar atau lebih kecil dari 10 kelompok menghasilkan rule yang lebih sedikit dibandingkan dengan 10 kelompok. Serta pada proses FP-Growth berdasarkan ukuran yang digunakan untuk memilih aturan yang ada yaitu menggunakan minimum support, minimum confidence dan lift ratio maka minimum support yang digunakan sebesar 20% dan minimum confidence sebesar 50%. Karena memiliki nilai minimum support, minimum confidence dan lift ratio yang cukup besar. Hasil dari penelitian ini menghasilkan rekomendasi penataan pada 10 rak di minimarket dan menghasilkan rekomendasi paket berupa 21 paket/bundle.Kata Kunci— Association Rule, FP-Growth, K-Means, Penataan Produk, Paket Produk.
Perbandingan Efisiensi Algoritma RSA dan RSA-CRT Dengan Data Teks Berukuran Besar Sulistiyorini Sulistiyorini; Agus Prihanto
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (641.183 KB) | DOI: 10.26740/jinacs.v1n02.p84-90

Abstract

Abstrak— RSA (Rivest Shamir Adleman) merupakan algoritma asimetris yang paling banyak digunakan dalam kriptografi. Dalam beberapa penelitian menyebutkan bahwa proses RSA memakan waktu yang cukup lama. Untuk mempercepat waktu proses dari RSA dilakukan penambahan suatu algoritma CRT (Chinese Remainder Theorem) untuk mengurangi perhitungan aritmatika modular dengan modulus besar dalam RSA yang disebut RSA-CRT. Dalam penelitian ini penulis akan membandingkan dua algoritma asimetris yaitu RSA (Rivest Shamir Adleman) dengan modifkasi RSA yaitu RSA-CRT (Rivest Shamir Adleman-Chinese Remainder Theorem) pada data teks berukuran besar dari segi efisiensi waktu. Algoritma RSA dan RSA-CRT digunakan untuk mengenkripsi dan mendekripsi suatu data teks berukuran 5 mb, 10 mb, 15 mb dan 20 mb untuk dibandingkan efisiensi waktu atau segi kecepatan prosesnya. Hasil pengujian waktu dari penilitian ini menunjukkan bahwa nilai waktu dari proses enkripsi antara algoritma RSA dan RSA-CRT tergolong sama sebab kunci publik yang digunakan rumusnya memang sama. Sedangkan dari proses dekripsi menunjukkan bahwa algoritma RSA-CRT lebih cepat dari pada algoritma RSA biasa. Dari pengujian kecocokan kunci menunjukkan bahwa kunci yang bangkitkan dan digunakan untuk proses enkripsi dekripsi harus berpasangan antara kunci publik dan kunci privatnya. Hasil pengujian ukuran file dari proses enkripsi mengalami kenaikan dengan rata-rata 42.757 kb, sedangkan dari proses dekripsi berkurang dengan rata-rata 0,007 kb dikarenakan terdapat karakter yang tidak dikenali sistem yaitu simbol bullets list yang mengakibatkan file tidak dapat kembali 100% seperti semula. Sehingga dapat disimpulkan bahwa dalam proses dekripsi suatu data teks berukuran besar algoritma RSA- CRT memiliki efisiensi waktu 50% dibandingkan dengan algoritma RSA biasa.Kata Kunci— Algoritma Elgamal, Kriptografi, Enkripsi, Dekripsi, Gambar Warna.
Klasifikasi Citra Buah Menggunakan Convolutional Neural Network Febian Fitra Maulana; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (257.966 KB) | DOI: 10.26740/jinacs.v1n02.p104-108

Abstract

Abstrak— Deep Learning merupakan sebuah pengembangan dari teknologi Machine Learning yang menggunakan algoritma yang dibuat berdasarkan pada hukum matematik yang bekerja layaknya otak manusia. Salah satu pemanfaatan dari deep learning adalah dalam bidang image processing atau pengolahan citra digital. Image Processing dimanfaatkan untuk membantu manusia dalam mengenali dan/atau mengklasifikasi objek dengan cepat, tepat, dan dapat melakukan proses dengan banyak data secara bersamaan. Salah Satu algoritma dari Deep learning yang digunakan dalam image processing adalah Convolutional Neural Network (CNN). Algoritma CNN terdiri dari 3 layer utama yaitu Convolutional Layer, Pooling Layer, dan Fully Connected Layer. Pada penelitian ini menggunakan arsitektur CNN dengan perpaduan 3 Convolutional Neural Network dan 2 Fully Connected Layer. Pada tahap pembuatan system klasifikasi yang menggunakan deep learning terdapat beberapa tahapan proses utama yaitu pengumpulan data, perancangan system, training, dan testing. Dataset yang diolah adalah dataset citra buah-buahan yang berasal dari dataset Fruit-360. Kelas data yang digunakan yaitu sejumlah 15 kelas dari 111 kelas pada dataset fruit-360.  Hasil dari proses learning didapatkan model CNN dengan akurasi 100% dan loss sebesar 0,012. Pada proses pengujian model CNN yang mengguakan 45 sampel citra buah didapatkan akurasi sebesar 91,42%. Sehingga dapat disimpulkan bahwa metode CNN yang dirancang pada penelitian ini dapat mengklasifikasi citra dengan baik. Kata Kunci— Deep Learning, Image Processing, Convolutional Neural Network, Fruit-360.
Analisis Performa Load Balancing Algoritma Weighted Round Robin di Infrastruktur BPBD Provinsi Jawa Timur Molion Surya Pradana; Aditya Prapanca
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.501 KB) | DOI: 10.26740/jinacs.v1n02.p109-114

Abstract

Abstrak— Bencana alam terus terjadi dengan waktu kejadian yang tidak dapat diprediksi. Pada saat bencana terjadi seluruh masyarakat ingin mendapatkan informasi yang benar dan akurat. Sumber informasi tersebut dapat diperoleh pada website lembaga pemerintahan non-departemen yang bergerak di bidang social yaitu Badan Penanggulangan Bencana Daerah (BPBD) Provinsi Jawa Timur.Meningkatnya jumlah pengunjung setiap tahun pada website BPBD Jatim membuat kondisi web server akan overload sehingga tidak semua orang dapat mengakses website untuk mencari informasi. Untuk menghindari hal tersebut, dengan memasang aplikasi load balancer pada web server dapat menambah performa web server menjadi lebih cepat dan semua request yang masuk akan terkelola dengan baik.Dari hasil penelitian ini dapat dinyatakan bahwa Algoritma weighted round robin dengan rasio (2:3) yang terpasang pada load balancer dapat membantu meningkatkan performa parameter Troughput sebanyak 113 KB/s, dan Request error sebanyak 986 client pada web server yang belum menggunakan load balancer.Kata Kunci— Bencana alam, BPBD, Overload, Load Balancer, Web Server, Weighted Round Robin.
Penerapan Algoritma Kriptografi Asimetris Elgamal dengan Modifikasi Pembangkit Kunci terhadap Enkripsi dan Dekripsi Gambar Warna Nonik Indahwati; Agus Prihanto
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1126.813 KB) | DOI: 10.26740/jinacs.v1n02.p97-103

Abstract

Abstrak— Perkembangan yang terjadi pada teknologi digital diikuti pula dengan perkembangan perilaku pada masyarakat yang dengan mudahnya menciptakan data maupun mengakses data pada media digital, kemudahan menggunakan media digital untuk mendokumentasikan momen dalam bentuk foto maupun video. Hal tersebut bukan hanya menimbulkan sebuah peluang dalam pengembangan aplikasi, namun juga akan membuka peluang adanya ancaman terhadap manipulasi, perusakan hingga pencurian data tersebut. Pentingnya nilai dari data dan informasi mengakibatkan data hanya boleh diakses oleh orang tertentu, apalagi jika data dan informasi tersebut merupakan aset bernilai yang diharuskan untuk dilindungi dengan perlindungan yang aman. Pada keamanan jaringan sangat diperlukan untuk menanggulangi ancaman pencurian data tersebut sehingga membutuhkan sebuah penerapan mekanisme keamanan jaringan menggunakan teknik-teknik penyandian. Penelitian ini mencoba untuk membuat sistem yang digunakan untuk proses enkripsi dan dekripsi gambar warna yang menggunakan algoritma asimetris elgamal dengan modifikasi pada pembangkit kunci. Adapun metode yang digunakan adalah algoritma elgamal.Pada penelitian ini algoritma elgamal dengan modifikasi pembangkit kunci mampu dengan baik memproses enkripsi dan dekripsi pada gambar warna. Perbandingan antara gambar asli dan gambar yang telah dienkripsi menggunakan PSNR (Peak Signal Noise Ratio). Secara keseluruhan sistem yang dihasilkan dari penelitian ini sudah berjalan dengan baik dan sesuai dalam melakukan enkripsi dan dekripsi. Waktu yang dibutuhkan untuk melakukan proses bergantung pada ukuran file serta untuk proses enkripsi lebih lama dibandingan dengan waktu yang dibutuhkan untuk proses dekripsi. Hasil perbandingan dari gambar yang diuji coba menghasilkan beberapa perbedaan yaitu gambar asli dengan gambar setelah dienkripsi terdapat perbedaan, sedangkan perbandingan gambar asli dengan gambar setelah didekripsi tidak terdapat perbedaan.Kata Kunci— Algoritma Elgamal, Kriptografi, Enkripsi, Dekripsi, Gambar Warna.
Implementasi Multichain sebagai Alternatif Solusi Keamanan dan Privasi Data pada Komunikasi Perangkat Pintar Rumah Dimas Yoan Rizaldi; Ibnu Febry Kurniawan
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1942.603 KB) | DOI: 10.26740/jinacs.v1n02.p115-121

Abstract

Abstrak— IoT berkembang dengan cepat dan diperkirakan akan tumbuh hingga 26 miliar perangkat di tahun 2020. Keamanan dan privasi dianggap sebagai hambatan utama agar paradigma IoT dapat diterima secara penuh. Keterbatasan pada perangkat IoT dan jaringan juga mengakibatkan sulitnya menerapkan solusi keamanan yang ada secara langsung, khususnya protokol keamanan tradisional dan kriptografi primitif yang membutuhkan banyak memori dan sumber daya komputer. Pada penelitian ini menerapkan teknologi yang menopang sistem cryptocurrency bitcoin yaitu blockchain, untuk memberikan keamanan dan privasi data pada arsitektur IoT dalam konteks smart home. Jenis blockchain yang digunakan adalah private blockchain dengan menggunakan platform MultiChain. Dengan menggunakan MultiChain maka hanya perangkat yang memiliki izin saja yang dapat bergabung ke dalam jaringan blockchain.  Dari pengujian yang telah dilakukan didapatkan hasil bahwa teknologi private blockchain dapat diterapkan dengan baik dengan menggunakan platform MultiChain.  Hasil dari pengujian keamanan menunjukkan bahwa permissionless device tidak dapat menyimpan data ke dalam blockchain ataupun mencari dan membaca data yang berasal dari dalam blockchain tanpa seizin node admin baik melalui API yang dimiliki MultiChain atau melalui aplikasi yang bertindak sebagai perangkat smart home yang mengirimkan data sehingga data di dalam blockchain menjadi aman dan kerahasiaannya terjaga. Kata Kunci— Blockchain, Smart Home, Keamanan, Privasi, Internet of Things.
Analisis Kepribadian Melalui Tulisan Tangan Menggunakan Metode Support Vector Machine Ulifatur Rosyidah; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (873.346 KB) | DOI: 10.26740/jinacs.v1n02.p91-96

Abstract

Abstrak— Analisis Tulisan Tangan atau yang dikenal dengan sebutan Grafologi merupakan suatu metode yang digunakan untuk mengidentifikasi kepribadian dari seseorang melalui pola tulisan tangan dengan cara mengevaluasi berbagai fitur dari tulisan tangan. Tulisan tangan dapat menjadi cerminan dari kepribadian masing-masing individu. Telah ada beberapa penelitian yang berkaitan dengan tulisan tangan dengan menggunakan metode yang berbeda-beda. Beberapa penelitian ada yang menggunakan fitur tulisan tangan berupa spacing, size, slant, shape, loop, dot, pressure, signature, zones dan page margin serta menggunakan fuzzy sugeno. Penelitian lain menggunakan fitur tulisan tangan berupa Alignment, Pen pressure, Thickness dan Shape dengan metode Neural Network. Pada penelitian ini akan menggunakan enam fitur tulisan tangan yakni ukuran huruf (size) , kemiringan tulisan (slant), garis dasar (baseline), tekanan penulisan (pen pressure), jarak antar baris (line spacing) dan jarak antar kata (word spacing) serta menggunakan metode Support Vector Machine dengan kernel linier. Hasil dari penelitian ini berupa enam kepribadian dan hasil akurasi. Enam kepribadian tersebut meliputi emosional, komunikasi, konsentrasi, mental energi, keharmonisan dan sosial. Penelitian ini memberikan nilai akurasi yang baik dengan menggunakan fungsi kernel linier. Estimasi akurasi yang didapat mencapai 99,9%.Kata Kunci— Klasifikasi kepribadian, tulisan tangan, Grafologi, Support Vector Machine.
Analisis Pemilihan Aplikasi Opensource ERP terhadap UKM Menggunakan Metode Kombinasi ANP dan PROMETHEE Miftakhul Alief Faturrahman; Wiyli Yustanti
Journal of Informatics and Computer Science (JINACS) Vol 1 No 03 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (284.296 KB) | DOI: 10.26740/jinacs.v1n03.p122-127

Abstract

Abstrak— Untuk melakukan pertimbangan dalam pengembangan proses bisnis dari UKM, maka perlu dilakukan penerapan aplikasi ERP. Pada saat ini semakin banyak vendor aplikasi ERP, baik yang opensource maupun berlisensi. Agar meminimalisir resiko implementasi ERP, penulis menggunakan aplikasi ERP yang bersifat opensource. Tujuan dari penelitian ini diantaranya untuk (1) membantu UKM dalam memilih software opensource ERP yang tepat, (2) sebagai pertimbangan bagi UKM dalam pengembangan proses bisnis dan teknologi informasinya.Penelitian ini menggunakan metode Analytical Network Process dan Preference Ranking Organization Method for Enrichment Evaluation. Metode ANP digunakan untuk mendapatkan bobot dari subkriteria dan Metode PROMETHEE digunakan untuk mendapatkan ranking prioritas dari alternatif aplikasi opensource ERP yang didasarkan oleh informasi yang didapatkan dari sejumlah UKM yang berpartisipasi dalam penelititan ini.Metode yang digunakan dalam penelitian ini berhasil mendapatkan 3 top kriteria atau kriteria yang mempunyai bobot tertinggi antara lain (1) Brand Image 15.20% (2) Market Position 13.70% (3) References 12.52% serta hasil akhir dari penelitian ini adalah mendapatkan peringkat alternatif aplikasi opensource ERP yang terbaik yaitu (1) Openbravo (2) Odoo (3) WebERP Kata Kunci— UKM, Opensource ERP, ANP, PROMETHEE, MCDA
Implementasi Kompresi Data dengan Modifikasi Algoritma Lempel-Ziv-Welch (LZW) untuk File Dokumen Dian Oktaviani; I Made Suartana
Journal of Informatics and Computer Science (JINACS) Vol 1 No 03 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (396.234 KB) | DOI: 10.26740/jinacs.v1n03.p128-137

Abstract

Abstrak—Teknologi informasi saat ini telah berkembang sangat pesat khusus nya dalam hal mengolah data. Semakin banyak data yang dimiliki maka semakin besar pula penyimpanan data yang dibutuhkan. Untuk mengatasi hal ini dapat dilakukan dengan menggunakan metode kompresi data. Kompresi data digunakan untuk memampatkan ukuran data suatu file sehingga akan mengurangi ukuran asli dari file tersebut namun dengan tetap mempertahankan data di dalamnya. Pada penelitian ini peneliti mengusulkan menggunakan metode LZWM (Lempel-Ziv-Welch) Modifikasi yaitu metode LZW (Lempel-Ziv-Welch) yang dimodifikasi pada bagian jumlah bit. Tujuan dari LZWM adalah untuk lebih menghemat ruang agar proses kompresi menjadi lebih cepat dan memiliki ukuran akhir yang lebih kecil. Penerapan metode LZWM berhasil melakukan proses kompresi lebih cepat dibandingkan dengan metode LZW jika diterapkan pada data dengan ukuran diatas 100KB serta menghasilkan ukuran data yang lebih kecil dibandingkan dengan metode LZW jika diterapkan pada data dengan ukuran diatas 500KB. Semakin besar ukuran data yang diproses maka perbandingan ukuran dan kecepatannya akan semakin besar. Pada file dengan ukuran 30MB metode LZWM dapat menghemat ukuran data hingga 15MB lebih kecil dan waktu proses yang lebih cepat hingga 200 detik. Berdasarkan hasil penelitian yang dilakukan dapat disimpulkan bahwa metode LZWM berhasil melakukan proses kompresi yang lebih cepat dan menghasilkan ukuran data yang lebih kecil dibandingkan dengan metode LZW. Kata Kunci— Kompresi File, Algoritma LZW, Rasio Kompresi, Faktor Kompresi, Persentase Penghematan.
Klasifikasi Kesahihan Hadits Berdasarkan Perawi Hadits Menggunakan Principal Component Analysis (PCA) dan Backpropagation Neural Network (BPNN) Ulin Nuha; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 1 No 03 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (422.978 KB) | DOI: 10.26740/jinacs.v1n03.p138-143

Abstract

Abstrak—Hadits merupakan sumber hukum kedua bagi umat muslim setelah Al-Qur’an. Hampir seluruh tata cara beribadah dalam islam dijelaskan dalam hadits secara mendetail. Penilitian ini dapat membantu umat muslim menemukan jenis kesahihan dari hadits yang beredar sekarang. Penulis mengklasifkasikan hadits menurut kesahihannya bersadasarkan perawi hadits menggunakan metode Backpropagation Neural Network sebagai classifier dan Principal Component Analysis sebagai pereduksi dimensi fitur. Ada tiga target kategori yang digunakan dalam penelitian ini yaitu sahih, hasan, dan dhaif. Set data hadits sahih diambil dari kitab Sahih Bukhori, hasan dari kitab Sahih Sunan Tirmidzi, dan dhaif dari kitab Dhaif Abu Daud. Penulis memanfaatkan fungsi split dan unique dari bahasa pemrograman python untuk mengambil dan memfilter nama-nama perawi yang ada pada set data. Nama-nama perawi yang sudah terseleksi dikonversi menggunakan Tf-Binary. Setelah mencoba beberapa model pada proses validasi, didapatkan bahwa hasil akurasi yang terbaik adalah dengan menggunakan model PCA sebanyak 1500 fitur dari 3330 dan BPNN menggunakan satu hidden layer dengan jumlah node sebanyak 100 yakni sebesar 86,53%. Kata Kunci— Klasifikasi Hadits, Backpropagation Neural Network, Principal Component Analysis, PCA, BPNN.

Page 2 of 43 | Total Record : 422