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 439 Documents
 18   19   20   21   22 
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

Data Preprocessing Pola Pada Penilaian Mahasiswa Program Profesi Guru Daniswara, Anak Agung Aryasatya; 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.p97-100

Abstract

Dalam era digital, jumlah data di bidang pendidikan semakin kompleks. Preprocessing data penting dalam analisis data mining untuk membersihkan, mengubah format, dan mempersiapkan data agar lebih mudah dan akurat. Artikel ini menjelaskan tahap preprocessing data untuk data penilaian per kelas per mahasiswa. Tahapannya mencakup pembersihan data, transformasi data, seleksi fitur, encoding variabel kategorikal, dan pengurangan dimensi. Setelah preprocessing, data siap digunakan dalam analisis data mining seperti clustering, klasifikasi, dan prediksi. Implementasi preprocessing data berdampak positif pada kualitas pendidikan dan pengambilan keputusan yang lebih cerdas. Studi kasus digunakan untuk analisis data penilaian per kelas per mahasiswa dengan teknik data mining dan preprocessing data. Hasilnya memberikan wawasan bermanfaat untuk bidang pendidikan.
Pengaruh Mobilitas Terhadap Kualitas Throughput pada Jaringan Wireless Sholikhah, Kartika Nafius; Suartana, I Made
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.p119-125

Abstract

Meningkatnya pengguna jaringan wireless dari waktu ke waktu dalam proses komunikasi, didukung dengan banyaknya perangkat yang dikembangkan seperti ponsel pintar, laptop, notebook, dan lain sebagainya yang digunakan untuk menunjang kebebasan pergerakan penggunanya. Namun, di sisi lain adanya pergerakan atau mobilitas yang terjadi menjadi salah satu faktor yang dapat mempengaruhi kinerja suatu jaringan wireless, memungkinkan adanya peningkatan ataupun penurunan terhadap proses transmisi data yang terjadi melalui suatu jaringan wireless. Penelitian ini menganalisa pengaruh mobilitas terhadap kualitas throughput pada jaringan wireless. Analisa dihasilkan melalui pengujian yang disimulasikan menggunakan OMNeT++. Menyimulasikan dua model mobilitas, antara Gauss Markov dan Random Waypoint dalam jaringan wireless. Pengujian dilakukan pada lingkungan jaringan wireless yang meliputi 1 node sumber, 1 node tujuan, dan node perantara yang berjumlah 5, 10, 15 dengan kecepatan 2m/s, 10m/s, dan 20m/s. Hasil parameter kinerja throughput memiliki nilai yang lebih baik pada model mobilitas Random Waypoint. Nilai throughput dengan model mobilitas Gauss Markov mengalami penurunan ketika kecepatannya semakin tinggi. Nilai throughput dengan model mobilitas Random Waypoint mengalami peningkatan pada nilai kecepatan yang tinggi, dan terjadi peningkatan secara berturut-turut pada setiap pertambahan jumlah node. Nilai throughput dengan model mobilitas Gauss Markov dapat menghasilkan nilai yang lebih baik ketika model mobilitas bergerak dalam kecepatan yang rendah dengan jumlah node yang tidak terlalu banyak. Sedangkan, nilai throughput dengan model mobilitas Random Waypoint mampu menghasilkan nilai throughput yang stabil dan tinggi walaupun dengan jumlah node yang banyak dalam kecepatan yang rendah maupun tinggi.
Perbandingan Metode Naïve Bayes Dan Random Forest Pada Deteksi Penyakit Stroke Menggunakan Teknik SMOTE (Synthetic Minority Over-Sampling Technique) Salahuddin, Muhammad Rico; 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.p101-110

Abstract

Stroke disebabkan karena kurangnya pasokan darah ke otak dan terjadinya penyumbatan di dalam otak atau terjadinya pecahnya pembuluh darah di dalam otak. Selain memiliki dampak kesehatan personal, stroke juga membebani negara Indonesia dalam pembiayaan kesehatan dan masih menjadi faktor penyebab kematian terbesar di indonesia maupun di dunia. Dengan pesatnya perkembangan teknologi dan adanya model sistem deteksi penyakit stroke diharapkan dapat berkontribusi secara signifikan terhadap pencegahan dan perawatan penyakit stroke secara dini. Oleh karena itu penelitian ini dilakukan dengan menggunkan metode naïve bayes dan random forest. Hal ini untuk membandingkan kinerja kedua metode yang digunakan dalam penelitian ini dan juga padapenelitian ini juga menerapkan teknik SMOTE dikarenakan ditemukannya imbalance class dalam dataset yang digunakan. Setelah melalui proses tahapan alur system yang sudah ditentukan dan dapat disimpulkan bahwa metode random forest lebih optimal daripada metode naïve bayes dalam deteksi penyakit stroke yang menggunakan dataset pada penelitian ini dengan pembagian 10% data test dan 90% data train random forest mendapatkan score akurasi sebesar 95% sedangkan naïve bayes mendapatkan score sebesar 79% . Meskipun terjadi penurunan score dari yang tidak menggunakan teknik SMOTE ke yang menggunakan teknik SMOTE yang tidak signifikan pada aspek akurasi pada confusion matrix akan tetapi terjadi kenaikan kinerja yang signifikan pada aspek precission, recall dan f1 score.
Deteksi Serangan Denial Of Service (DoS) pada Cloud Menggunakan Security Onion Wicaksono, Farry Cendekiawan Budi; Suartana, I Made
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.p111-118

Abstract

Cloud computing yang semakin marak digunakan menjadi salah satu layanan yang sering dijadikan sebagai target serangan siber. Peran Network Security Monitoring (NSM) semakin besar dalam penggunaan cloud computing, karena dapat memberikan informasi terkait adanya penyerangan yang yang tengah terjadi. Denial of Service (DoS) sebagai serangan yang paling sering menargetkan cloud computing, dipilih sebagai metode serangan pada penelitian ini untuk melihat kemampuan Security Onion sebagai NSM yang di integrasikan dengan Elastic Cloud Compute (EC2) pada Amazon Web Service (AWS). Sebagai Network Intrusion Detection System (NIDS) di Security Onion, Suricata berhasil mendeteksi serangan DoS yang menargetkan service yang dimonitor dan mengirimkan alert untuk di tampilkan ke Security Onion. Kesimpulan dari hasil yang diperoleh, Security Onion yang diintegrasikan dengan AWS Cloud dapat mendeteksi adanya serangan DoS yang terjadi dan memberikan alert berdasarkan rules suricata yang telah diterapkan.

Page 20 of 44 | Total Record : 439

 18   19   20   21   22 

Filter by Year

2019 2026


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