Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Journal of Informatics and Computer Science (JINACS)

jinacs
Website

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 422 Documents

2 3 4 5 6

Performa Clustering Controller pada Arsitektur Software Defined Network Mokhammad Aguk Nur Anggraini; I Made Suartana
Journal of Informatics and Computer Science (JINACS) Vol 2 No 01 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak -- Software Defined Network (SDN) saat ini telah menjadi sebuah paradigma baru dalam teknologi jaringan karena kemampuan manajemen jaringannya yang secara terpusat serta arsitektur yang berbasis software dan programmable. Dalam implementasinya, SDN memisahkan antara control plane dan data plane, control plane dilakukan oleh controller dan data plane dilakukan oleh switch. Controller menjadi pusat kontrol dari sebuah jaringan SDN, dengan begitu beban semua kontrol jaringan berada pada controller. Semakin besar jaringan yang ditangani oleh suatu controller mengakibatkan semakin besar beban controller tersebut, yang berakibat juga pada performa jaringan, sehingga perlu adanya solusi untuk dapat mengurangi beban jaringan yang ditangani controller agar performa jaringan tetap terjaga bahkan menjadi lebih baik. Pada penelitian ini dilakukan clustering-controller dengan menggunakan 3 controller, 1 sebagai master controller dan 2 sebagai slave controller, dengan begitu beban jaringan dapat dibagi pada 3 controller. Uji coba pada penelitian ini menggunakan Open daylight sebagai controller. Dari hasil pengujian end-to-end QoS yang telah dilakukan menggunakan parameter throughput, delay, jitter dan packet poss menunjukkan bahwa jaringan SDN dengan clustering controller lebih baik dari pada jaringan SDN yang menggunakan single-controller dan multi-controller tanpa clustering. Pengujian dilakukan dengan variasi ukuran paket UDP sebesar 100Mb-15Gb. Rata-rata keseluruhan hasil pengujian parameter throughput, delay, jitter dan packet loss dari clustering-controller berturut-turut yaitu 12762,14Kbps, 16,954ms, 3,142ms, dan 0,08%. Sedangkan pada jaringan dengan multi-controller tanpa clustering yaitu 12327,80Kbps, 205,828ms, 16,968ms dan 2,21%, dan hasil pada jaringan dengan single-controller yaitu 12331,93Kbps, 207,087ms, 15,691ms dan 2,19%. Kata Kunci— Software Defined Network(SDN), Controller, Clustering-Controller, OpenDayLight.

Klasifikasi Gambar Asli dan Manipulasi Menggunakan Error Level Analysis (ELA) Sebagai Proses Komputasi Metode Convolutional Neural Network (CNN) Probo Novian Candra; Aditya Prapanca
Journal of Informatics and Computer Science (JINACS) Vol 2 No 01 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak– Salah satu contoh penyebaran gambar palsu yang ada di media sosial dapat membuat gambar diragukan keasliaanya, forensik gambar bisa menjadi alternatif untuk menguji kebenaran gambar tersebut. Umumnya mekanisme forensik gambar dapat digunakan dalam bidang studi untuk mengidentifikasi keaslian suatu gambar dari struktur kualitas gambar tersebut. Ada beberapa mekanisme yang dapat diterapkan untuk menentukan tingkat keaslian gambar, salah satunya dengan menentukan kualitas hasil tingkat kompresi gambar pada mekanisme error level analysis(ELA). Dalam pengembangan image processing, convolutional neural network(CNN) merupakan salah satu algoritma dari deep learning multi layer perceptron(MLP) dirancang sebagai pengelolah data dalam bentuk gridpada citra dua dimensi gambar atau suara terdiri dari layerutama convulutional layer, polling layer, dan fully connected Layersehingga juga bisa mendetekesi atau mengklasifikasi gambar yang termodifikasi. Pada penelitian ini metode convolutional neural networkdigunkaan sebagai klsifikasi data yang terlabel dengan menggunakan mekanisme supervised learning. Mekanisme dari supervised learningyaitu terdapat data yang dilatih dan terdapat variabel yang ditargetkan. Tujuan dalam penelitian ini yaitu memanfaatkan mekanisme yang dihasilkan error level analysis(ELA) dengan mengkonversi nilai gambar RGB ke YcrCb berformat JPEGuntuk mencari nilai rata–rata luminancedan chrominancesehingga menghasilkan gambar lossy,yang mampu membantu sebagai pengenalan ekstraksi objek pada proses komputasi learning convulutional neural network(CNN) dengan dengan 5 layerutama convulutional layer, polling layer, dan 3 fully connected layer. Sehingga hasil dari penelitian yang didapat mengahsilkan akurasi klasikasi 97% dalam menetukan gambar asli dan manipulasi dengan nilai konverhensi mencapai 150 epoch. Kata Kunci— Classification Image Manipulation, Error Level Analysis (ELA), Deep Learning, convulutional neural network (CNN).

Algoritma Stemming Nazief & Adriani dengan Metode Cosine Similarity untuk Chatbot Telegram Terintegrasi dengan E-layanan Aan Choesni Herlingga; IGL Putra Eka Prismana; Dedy Rahman Prehanto; Dodik Arwin Dermawan
Journal of Informatics and Computer Science (JINACS) Vol 2 No 01 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak—Sistem Informasi yang berkembang memiliki sejumlah pertanyaan yang sering diajukan kepada customer servicedengan tingkat kesamaan pertanyaan yang tinggi. Untuk membantu hal tersebut dibuat FAQ terkait sistem informasi. FAQmemiliki banyak informasi sehingga pengguna bingung dan memerlukan waktu untuk mencari informasi. Pengguna lebih untuk mengajukan pertanyaan ke customer service. Chatbot merupakan salah cara untuk membantu pengguna dan customer service dalam masalah ini. Customer servicedapat menjawab pertanyaan secara otomatis dan pengguna dapat mengajukan pertanyaan seolah-olah bertanya kepada customer servicesecara langsung. Pada penelitian ini peneliti akan menerapkan algoritma Nazief & Adriani yang digunakan untuk melakukan stemming karena algoritma ini merupakan salah satu algoritma yang efektif dalam stemming bahasa Indonesia. Dan metode cosine similarity untuk mencari tingkat kemiripan dari pertanyaan dengan FAQyang ada dalam database FAQ. Dengan mengimplementasikan algoritma dan metode tersebut dalam chatbot dengan bantuan layanan MessangerTelegrammenghasilkan jawaban yang relative sesuai dengan yang diharapkan pengguna. Cara ini merupakan cara yang efektif untuk menjawab pertanyaan secara otomatis. Dan jika pertanyaan yang diajukan tidak menemukan jawaban atau jawaban tidak sesuai maka pertanyan akan di sampaikan dalam e-Layanan PPTI UNESA. Kata Kunci—algoritma nazief & andriani, cosine similarity, chatbot, bot.

Implementasi Markerless Tracking Augmented Reality Pada Pengenalan Buah Menggunakan Metode User Defined Target Achmad Chairuddin; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak— Dalam belajar, manusia dapat melalui berbagai cara yaitu, mendengar, melihat, membaca, dan mengamati. Dalam pembalajaran dibutuhkan perangkat yang dapat menunjang pembelajaran tersebut agar mudah dipahami, oleh karena itu pembelajaran erat dikaitkan dengan teknologi. Teknologi Augmented Reality adalah teknologi yang dapat diterapkan pada pembelajaran karena Augmented Realitymenggabungkan antara objek dunia maya dan dunia nyata sehingga menampilkan informasi lebih interaktif dan mudah untuk dipahami. Dengan markerless tracking menampilkan objek tidak perlu menggunakan marker khusus sehingga lebih fleksibel dalam penggunaannya, aplikasi yang akan dibuat adalah aplikasi pengenalan buah berbasis augmented reality. Didalam penelitian ini akan dilakukan pengujian pada metode markerless tracking dimana variabel yang akan diuji adalah jenis permukaan benda, intensitas cahaya, jarak, dan sudut yang berbeda-beda sehingga akan diketahui hasil dari penelitian ini apakah Aplikasi AR Pengenalan Buah yang dibuat dapat terbaca atau tidak. Dari penelitian ini dihasilkan bahwa target yang dapat dipindai dengan baik oleh kamera smartphoneaugmented reality menggunakan metode user defined target adalah target jenis permukaan yang memiliki motif atau tekstur didukung dengan kondisi intensitas cahaya yang baik, serta sudut kamera semakin tegak lurus semakin baik dalam memindai. Kata Kunci— Augmented Reality, Markerless Tracking, User Defined Target, Pengenalan Buah.

Game Edukatif Simulasi Pembuatan SIM Menggunakan Neural Network Backpropagation Sebagai Rekomendasi Penentu Kelulusan Wahyu Muhammad Citra Perdana; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak— Surat Izin Mengemudi (SIM) merupakan identifikasi dan bukti registrasi yang diberikan oleh Kepolisian Republik Indonesia khususnya bagian Satlantas (Satuan Lalu Lintas) kepada warga yang memenuhi berbagai persyaratan seperti sehat jasmani dan rohani, administrasi, memahami peraturan lalu lintas dan terampil mengemudikan kendaraan bermotor. Seringkali pengguna kendaraan bermotor belum lulus ketika melaksanakan ujian SIM karena belum sepenuhnya mengetahui teori tentang rambu dan marka jalan maupun mahir dalam mengendarai kendaraan. Dengan digunakannya game sebagai media sosialisasi, Satlantas Polrestabes Surabaya dapat memberikan informasi mengenai pembuatan SIM secara inovatif dan tepat sasaran, sehingga dapat lebih menarik minat masyarakat untuk belajar. Neural Network Backpropagation merupakan algoritma pembelajaran untuk memperkecil tingkat error dengan cara menyesuaikan bobotnya berdasarkan perbedaan output dan target yang diinginkan. Algoritma Neural Network Backpropagation pada game ini digunakan untuk menentukan kelulusan berdasarkan skor akhir dan waktu dalam menyelesaikan tiap tes. Dalam penentuan skor akhir, untuk tes teori didasarkan pada tingkat kebenaran menjawab soal, sedangkan untuk tes praktik didasarkan pada keberhasilan menuju garis finish tanpa menyentuh apapun. Penerapan algoritma Neural Network Backpropagation pada game simulasi pembuatan SIM ini menghasilkan nilai Mean Absolute Error (MAE) yang baik yaitu sebesar 0% pada percobaan algoritma Neural Network Backpropagation dengan nilai max epoch = 1500, learning rate = 0.3, dan toleransi error = 0.41 ketika tes teori dan praktik dengan masing – masing sebanyak 10 kali percobaan. Dan akurasi yang dilakukan dengan pengujian K-Fold Cross Va1idation menghasilkan akurasi sebesar 100 %. Kata Kunci— SIM, neural network, backpropagation, game, android

Implementasi Algoritma Hill Cipher untuk Proses Enkripsi dan Dekripsi Citra Berwarna dengan Modifikasi Padding Dani Maulana Sholahudin; Asmunin Asmunin
Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak— Teknologi digital yang berkembang menciptakan kemudahan untuk mengakses data digital misalnya foto yang telah disimpan dalam komputer. Namun di sisi lain perkembangan teknologi juga menimbulkan sebuah peluang kepada tindak kejahatan di dunia maya untuk mencuri data, mengubah data atau merusak data. Informasi yang penting akan menjadi sebuah masalah apabila jatuh di tangan orang yang salah dan tidak bertanggung jawab. Kriptografi sudah lama di pakai untuk keamanan data salah satunya adalah hill cipher. Pada penelitian ini penulis mencoba untuk membuat aplikasi keamanan data gambar dengan menggunakan algoritma hill cipheruntuk enkripsi dan dekripsi gambar berwarna. Pada penelitian ini algoritma hill cipher dengan modifikasi paddingmampu mengenkripsi serta mendekripsi gambar dengan baik. Dengan adanya padding gambar tidak perlu di resize dan gambar murni dapat dienkripsi secara langsung. Kunci untuk enkripsi dan dekripsi gambar di masukan manual oleh pengguna agar memberikan keamanan yang kuat. Algoritma ini mampu mengenkripsi gambar dengan kecepatan kurang dari 1 detik namun kunci matriks harus matriks invertible. hill cipher dapat membaca beberapa ekstensi gambar misalnya jpg, png, tiff dan bmp. Kata Kunci— Hill Cipher, Enkripsi, Dekripsi, Ekstensi, Kriptografi Simetris, Padding , Gambar

Pengembangan Sistem Informasi Pembinaan Karyawan (SI-BINA) pada PT. Infomedia Nusantara Menggunakan Metode Pembinaan SDM Code Of Conduct Chusnul Nuur Fadillah; Aries Dwi Indriyanti
Journal of Informatics and Computer Science (JINACS) Vol 2 No 01 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak- Perusahaan yang bergerak dalam bidang jasa telekomunikasi tentu memiliki nilai kualitas karyawan yang baik untuk setiap karyawannya. Pada perusahaan itu membutuhkan pembinaan yang akan menguji kualitas kinerja dari para karyawan. Pembinaan yang diterapkan pada perusahaan yang bergerak dalam jasa telekomunikasi adalah pembinaan code of conduct.Pembinaan code of conduct merupakan pembinaan yang menjunjung tinggi nilai etika dan perilaku setiap kinerja karyawannya. Sehingga diperlukan sistem informasi pembinaan yang dapat mempermudah dalam mengawal setiap kinerja karyawan perusahaan dalam kesehariannya. Berdasarkan permasalahan yang terjadi dibutuhkannya sebuah rancangan sistem yang terkomputer agar dapat mengurangi kesalahan pada proses pembuatan laporan maupun proses pencatatan pembinaan. Hasil dari sistem informasi ini diharapkan dapat menjaga kualitas kinerja karyawan. Code of conduct yang akan diterapkan pada Sistem Informasi pembinaan Karyawan diharakan dapat membentuk karyawan yang beretika dan berkualitas baik yang mencerminkan perusahaan. Kata Kunci: Sistem Informasi Pembinaan, Pembinaan Code Of Conduct, Aplikasi Website

Opinion Mining Terhadap Pemberitaan Corona di Instagram menggunakan Convolutional Neural Network Ahmad Rizki Maulana; Naim Rochmawati
Journal of Informatics and Computer Science (JINACS) Vol 2 No 01 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak—Keadaan Indonesia di tengah pandemi yang sedang terjadi saat ini menjadi berita yang sangat dibutuhkan oleh masyarakat Indonesia. Penyebaran berita saat ini sudah banyak dilakukan melalui media sosial, karena kemudahan akses dan jangkauan pasar yang sangat luas menjadikan media sosial sebagai lahan untuk menyebarkan berita. Perusahaan penyedia berita nasional telah ikut bergabung di beberapa platform media sosial. Instagram merupakan salah satu media sosial dengan pengguna terbanyak di Indonesia. Pemberitaan mengenai corona di Indonesia melalui Instagram mengizinkan pembacanya untuk dapat mengetahui reaksi pembaca lainnya terhadap berita tersebut. Opinion miningadalah suatu analisis yang dilakukan terhadap opini untuk diklasifikasikan kedalam beberapa kelas. Convolutional Neural Networkmerupakan algoritma yang dapat menganalisis dan mengklasifikasikan opini kedalam kelas yang telah ditentukan. Penelitian ini melakukan proses opinion miningmenggunakan data komentar di Instagramterhadap unggahan pemberitaan terkait corona pada tiga akun berita nasional, yaitu @kompascom,@cnnindonesia,dan@detikcom.Prosesklasifikasi yang dilakukan menggunakan algoritma Convolutional Neural Networkmengasilkan akurasi sebesar 88% pada data training, 82% pada data testing, nilai presisi sebesar 96% dan recall sebesar68%. Kata Kunci—Opinion Mining, CNN, Komentar Instagram, Corona

Implementasi Algoritma Best-First Search untuk Aplikasi Mesin Pencari Handphone pada E-commerce (Apenphone) Laili Indah Liana; Salamun Rohman Nudin
Journal of Informatics and Computer Science (JINACS) Vol 2 No 01 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak— Aplikasi mesin pencari handphone pada e-commerce (Apenphone) adalah sebuah platform aplikasi pencarian berbasis website yang bertujuan untuk memudahkan pengguna untuk menentukan pilihan dalam membeli handphone yang diinginkan dilihat dari tiga e-comerce yaitu shopee, elevenia, dan bukalapak. Pengambilan data dari masing-masing e-commerce tersebut dilakukan melalui proses crawling. Aplikasi ini menyediakan berbagai macam pilihan filter yang bisa digunakan pengguna dalam mempertimbangkan handphone yang akan dibeli. Filter yang tersedia adalah terdekat, terlaris, terbaik, serta rentang harga yang diinginkan. Algoritma best-first search diterapkan untuk melakukan pencarian solusi otomatis pada aplikasi yang akan dibangun. Algoritma best-first search merupakan salah satu algoritma pencarian yaitu heuristic yang merupakan kombinasi antara dua algoritma pencarian yaitu breadth first search dan depth first search dengan mengambil masing-masing kelebihan dari kedua algoritma tersebut. Hasil yang akan diperoleh dari aplikasi yang dibangun adalah bahwa implementasi algoritma best first search dapat diterapkan dalam pembuatan aplikasi Apenphon. Sehingga bisa memudahkan pengguna memilih handphone yang akan dibeli dengan perbandingan dari tiga e-commerce. Hasil akhir dari pengujian aplikasi Apenphone dengan menggunakan metode alfa dan beta diperoleh hasil sebesar 85.45% dimana rentang ini termasuk kedalam kategori Sangat Setuju untuk penggunaan Apenphone sebagai aplikasi untuk membantu pencarian handphone pada e-commerce. Kata Kunci— crawling, algoritma best first search, heuristic

Penerapan Graph Coloring Menggunakan Algoritma Greedy Pada Aplikasi Pemesanan Tiket Kapal Penyeberangan Celia Angelina Nogo Koban; Salamun Rohman Nudin
Journal of Informatics and Computer Science (JINACS) Vol 2 No 01 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak— Peningkatan kemajuan teknologi di Indonesia memberikan dampak yang cukup besar di berbagai bidang. Peningkatan kemajuan teknologi ini dimanfaatkan oleh manusia untuk menciptakan sebuah media yang dapat mengelola informasi dengan cepat dan akurat. Mengelola data dan informasi dengan teknologi yang sering disebut website sudah banyak diterapkan berbagai macam perusahaan. Namun banyak juga perusahaan yang masih mengelola data secara manual seperti perusahaan transportasi laut. Perusahaan transportasi laut masih lambat memberikan informasi mengenai jadwal keberangkatan maupun proses pemesanan tiket. Calon penumpang masih harus ke tempat penjualan tiket untuk memesan tiket maupun hanya menanyakan informasi jadwal pelayaran. Aplikasi pemesanan tiket kapal penyeberangan dalam penelitian ini dibuat agar penumpang tidak lagi menghabiskan waktu dan tenaga untuk sekedar mencari informasi jadwal pelayaran maupun memesan tiket. Aplikasi ini menerapkan metode graph coloring dengan algoritma greedyuntuk menampilkan denah kursi penumpang dan mengoptimasinya sehingga calon penumpang tidak hanya bisa memesan tiket tetapi bisa memilih tempat duduk yang diinginkan. Aplikasi pemesanan tiket ini memberikan kenyamanan pada penumpang agar tidak terpisah jauh dari teman seperjalanannya. Selain itu dapat menguntungkan perusahaan dengan mengoptimalkan penjualan kursi dengan maksimum kapasitas penumpang. Pembangunan aplikasi tersebut diawali dengan analisis kebutuhan sistem, desain sistem, dilanjutkan dengan implementasi atau pembuatan sistem dan diakhiri dengan pengujian alphauntuk meminimalisir error dan memastikan aplikasi berjalan dengan baik. Selain itu dilakukan pengujian betadan didapatkan nilai yang sangat baik yaitu 85.94% dari 20 responden. Kata Kunci— website, graph coloring, greedy, pengujian alpha, pengujian beta.

Page 4 of 43 | Total Record : 422

2 3 4 5 6

Filter by Year

2019 2025

Filter By Issues

All Issue Vol. 7 No. 01 (2025) Vol. 6 No. 04 (2025) Vol. 6 No. 03 (2025) Article In Press(1) 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

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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