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
 29   30   31   32   33 
Klasifikasi Cyberbullying Pada Media Sosial Dengan Menggunakan Metode Recurrent Neural Network Dan Long Short Term Memory Chuluq, Khusnul; Nudin, Salamun Rohman
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p501-509

Abstract

Pesatnya Kemajuan media sosial dan teknologi komunikasi berbasis online sangat memberikan dampak yang signifikan pada pola interaksi dan komunikasi antar individu satu dengan individu yang lain. Cyberbullying sangat sukar untuk dilacak dan telah menjadi bahasan studi yang sering diteliti akhir-akhir ini. Beberapa studi yang memiliki kaitan dengan Twitter untuk melacak user media sosial yang mendapat ancaman Cyberbullying. Salah satu studi Cyberbullying via media sosial Twitter mengikhtisarkan bahwa terdapat hubungan antara user Twitter terhadap apa yang mereka ketik di media sosial mengilustrasikan Cyberbullying. Tujuan dari penelitian ini yaitu untuk pengembangan dan pengoptimalan dari penelitian sebelumnya dengan mengadaptasi metode yang berbeda yakni Recurrent Neural Network dan Long Short Term Memory, dan Pengklasifikasian Cyberbullying pada data tweet berbahasa Indonesia. Dataset yang digunakan berjumlah 13.169 baris tweet, dataset tersebut telah dilakukan pelablean data, proses preprocessing dilakukan pada dataset sebelum dataset tersebut diolah pada proses training. Hasil dari penelitian dengan menggunakan metode Recurrent Neural Network dan Long Short Term Memory mendapatkan nilai F1-score sebesar 94%, nilai presisi sebesar 93%, recall sebesar 94% dan akurasi sebesar 94%. Klasifikasi Cyberbullying diharapkan mampu memberikan bantuan bagi peneliti lain untuk tujuan Analisa banyaknya depresi di masyarakat pengguna media sosial. Kata Kunci - Pengguna Twitter, Media Sosial, Cyberbullying, Klasifikasi, Recurrent Neural Network dan Long Short Term Memory.
Pengembangan Website E-Ticketing Multi-Platform dan Algoritma Non-Iteratif di Sampoerna Academy Surabaya Ramadhan, Dani; Yamasari, Yuni
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p510-521

Abstract

Perbandingan Mekanisme Rendering Untuk Optimasi Website Dengan Studi Kasus Website Penitipan Hewan Noer, Moh Alvian; Suartana, I Made
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p522-531

Abstract

Studi Komparasi Local Outlier Factor (LOF) dan Isolation Forest (IF) pada Analisis Anomali Kinerja Dosen Mutmainah, Mutmainah; Yustanti, Wiyli
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p532-540

Abstract

Pada setiap semester dalam universitas terdapat kuisioner berupa penilaian terhadap kinerja dosen. Evaluasi kinerja dosen yang terdapat di Universitas Negeri Surabaya merupakan proses penting untuk memastikan bahwa dosen telah memenuhi tugas dan tanggung jawabnya dalam menyampaikan pendidikan berkualitas terhadap mahasiswanya. Pada penelitian ini terdapat 22 instrumen pertanyaan menggunakan Skala Likert yang diisi oleh mahasiswa untuk menilai kinerja dosen. Terdapat 1055 dosen yang diolah untuk mendeteksi bagaimana kinerja dosen apakah sesuai dengan Rancangan Pembelajaran Semeste (RPS) atau terdapat dosen yang ketika mengajar tidak sesuai RPS. Oleh karena itu, metode deteksi anomali diterapkan untuk mengetahui kinerja dosen yang menyimpang atau tidak seperti biasanya. Dengan metode tersebut, maka dapat digunakan algoritma Local Outlier Factor (LOF) dan Isolation Forest karena lebih efisien dalam menangani data yang besar dan bekerja dengan cepat dalam ruang fitur. Data yang digunakan belum terdapat label untuk menghitung sehingga digunakan metode klastering kmeans untuk memperoleh label dari LOF dan IF. Kemudian pada cluster kmeans didapatkan 3 cluster, yaitu cluster 0 terdiri dari 279 data points, cluster 1 terdiri dari 597 data points, dan cluster 2 terdiri dari 179 data points. Dari hasil cluster tersebut akan digunakan untuk memperoleh nilai dari label LOF dan label IF dalam perhitungan evaluasi hasil komparasi. Pada anomali yang diterapkan dengan algoritma LOF yaitu terdapat 19 dosen terdeteksi anomali dan pada algoritma IF terdapat 22 dosen terdeteksi anomali. Pada evaluasi yang digunakan untuk memperoleh hasil komparasi yaitu menggunakan rand index score dan silhouette score. Didapatkan nilai dari rand index dari LOF sebesar 0.438 dan IF sebesar 0.441. Kemudian hasil dari silhouette score LOF sebesar 0.0019 dan IF sebesar 0.0377. Kata Kunci : Kinerja dosen, LOF, IF, rand index, silhouette score
Perbandingan Performa Client Side Rendering pada Implementasi Static Website (Studi Kasus Barokah RentCar) Khasanah, Miftakhul Ulum; Suartana, I Made
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p541-550

Abstract

Perancangan Desain User Interface dan User Experience Website Monitoring Siswa dengan Metode Design Thinking Dui Maharani, Kharisma Intan; Alit, Ronggo
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p557-565

Abstract

Sistem Deteksi Ekspresi Siswa Dalam E-Learning Menggunakan Metode Convolutional Neural Network (CNN) Niasmara, Jeptika Herni; Nuryana, I Kadek Dwi
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p551-556

Abstract

Proses pembelajaran jarak jauh memiliki keunggulan seperti memperoleh fleksibilitas saat belajar dalam waktu dan tempat yang berbeda. Akan tetapi proses pembelajaran dari jarak jauh memiliki kekurangan yaitu guru tidak dapat memantau siswa mengenai antusiasme siswa dalam proses belajar. Dengan menggunakan sistem deteksi ekspresi siswa pada saat proses pembelajaran guru dapat memantau siswa. Sistem deteksi ekspresi siswa dalam e-learning menggunakan metode Convolutional Neural Network (CNN) dan menggunakan dataset dari Kaggle yaitu The Facial Expression Recognition 2013 (FER-2013). FER-2013 terdapat tujuh kategori emosi yaitu marah, jijik, takut, senang, sedih, terkejut dan biasa. Sistem deteksi ekspresi siswa akan menganalisis emosi siswa pada saat proses pembelajaran berlangsung. Kemudian sistem deteksi ekspresi akan menunjukan nilai presentase ekspresi positif ataupun negatif dan kondisi emosi siswa. Setelah itu, sistem akan menyimpan hasil dari deteksi ekspresi berupa video dan dokumen teks. Hasil pengujian dari sistem deteksi ekspresi siswa dalam e-learning menggunakan metode CNN dengan menggunakan arsitektur AlexNet dapat mengklasifikasi ekspresi wajah dan didapatkan hasil training accuracy 94,81%, training loss 15,30%. Pada pengujian model CNN menggunakan arsitektur LeNet dapat mengklasifikasi wajah dan didapatkan hasil training accuracy 98,84%, training loss 6,92%.
Klasterisasi Musik Menggunakan K-Means Farhani, Farih Sartika; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p566-572

Abstract

Analisis Sentimen Opini Publik Terhadap Program Merdeka Belajar Kampus Merdeka Dengan Algoritma Naive Bayes - Support Vector Machine (NBSVM) Uyun, Qurrotul; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p589-605

Abstract

Abstrak— Pendidikan memegang peran penting untuk mendorong pengembangan dan penyebaran teknologi  secara inklusif. Untuk mendorong hal itu Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi mengeluarkan kebijakan penyelenggaraan program Merdeka Belajar – Kampus Merdeka (MBKM). Permasalahan serta manfaat yang ingin didapatkan melalui program MBKM menimbulkan pro dan kontra dari akademisi maupun khalayak umum. Pro dan kontra tersebut diutarakan oleh publik melalui media sosial Twitter (X) dan membentuk beragam jenis sentimen. Pada penelitian ini dilakukan klasifikasi terhadap opini positif, negatif, dan netral dengan metode Naive Bayes - Support Vector Machine dengan data bersumber dari media sosial Twitter. Kombinasi antara metode Naive Bayes yang sesuai untuk melakukan klasifikasi pada cuplikan singkat dari dokumen dan Support Vector Machine yang cocok untuk teks dalam jumlah relatif banyak diharapkan mampu menunjukkan gambaran umum persepsi publik terhadap pelaksanaan Program Merdeka Belajar - Kampus Merdeka. Penelitian ini merupakan penelitian eksperimen yang memanfatkan metode kuantitatif. Dalam penelitian ini, data yang telah melewati tahap prapemrosesan dibagi menjadi data latih dan data uji. Data yang telah melalui proses ekstraksi fitur dirangkai menjadi unigram, bigram, dan trigram yang digunakan untuk melatih Model Naive Bayes - Support Vector Machine. Pengolahan data pada model NBSVM penelitian ini memanfaatkan pemrosesan serial. Pada tahap terakhir dilakukan uji performansi pada model yang telah dilatih. Uji performansi pada model menunjukkan metode Naive Bayes - Support Vector Machine (NBSVM) dengan memanfaatkan K-fold Cross Validation untuk pembagian data menunjukkan akurasi yang paling optimal dengan nilai fold yaitu 25. Adapun hasil akurasi yang didapatkan sebesar 95%, precision 95%, recall dan f1-score sebesar 94%.   Kata Kunci— n-gram, analisis sentimen, NBSVM, kampus merdeka, kombinasi metode.
Penerapan Push Notification Booking Perlengkapan Outdoor Menggunakan Firebase Cloud Messaging Fadli An Naufal, Muhammad Alimul; Suartana, I Made
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p573-580

Abstract

Di dalam penilitian ini membahas terkait penerapan push notification pada sistem booking perlengkapan outdoor dengan menerapkan FCM. Semakin berkembangnya teknologi digital, kebutuhan sistem yang efektif dan efisien pada pengelolaan pemesanan perlengkapan outdoor semakin meningkat pesat. Push notification menjadi salah satu solusi dan ide yang dapat diterapkan serta memberikan informasi secara langsung untuk pengguna mengenai ketersediaan stock barang. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan penerapan push notification dengan menggunkan FCM atau yang dikenal memiliki kemampuan dalam mengirimkan pesan yang cepat dan dapat diintegrasikan dengan berbagai macam platform. Metode yang diterapkan di dalam penelitian ini meliputi analisis kebutuhan perancangan sistem implementasi dan evaluasi kinerja sistem dari push notification. Hasil dari penelitian ini mampu menunjukkan bahwa penerapan FCM dapat meningkatkan efisiensi komunikasi antara user dan administrator dan meningkatkan kepuasan user melalui informasi yang tepat dan akurat. Selain itu FCM memiliki tujuan utama dalam meningkatkan efisiensi dan efektivitas melalui pemberitahuan secara real-time dalam website perlengkapan outdoor. Dalam penerapan FCM dapat menjadi acuan untuk pengembangan sistem informasi sejenis pada pengembangan serupa. Melalui hasil pengujian menunjukan bahwa push notification dapat berfungsi dengan baik karena dapat melakukkan pengiriman notifikasi secara real-time. Notifikasi dapat berhasil diterima oleh user dalam berbagai kondisi perangkat maupun jaringan dengan durasi pengiriman yang stabil dan konsisten. Penerapan FCM ini terbukti menjadi Solusi yang baik dalam meningkatkan kinerja dan penggalaman user melalui push notification pada website perlengkapan outdoor. KATA KUNCI: Push Notification, FCM, Outdoor, Website

Page 31 of 44 | Total Record : 439

 29   30   31   32   33 

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