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
 40   41   42   43   44 
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).
Rancang Bangun Sistem Tryout CPNS dengan Rekomendasi Materi menggunakan Metode Content Based Filtering Apin; Alit, Ronggo
Journal of Informatics and Computer Science (JINACS) Article In Press
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Seleksi Calon Pegawai Negeri Sipil (CPNS) di Indonesia memiliki tingkat persaingan yang sangat ketat sehingga memerlukan strategi persiapan yang terstruktur dan relevan. Penelitian ini bertujuan untuk merancang dan membangun sistem tryout CPNS berbasis web yang dilengkapi fitur rekomendasi materi pembelajaran menggunakan metode Content-Based Filtering (CBF). Sistem dikembangkan menggunakan framework Laravel dan MySQL sebagai basis data. Evaluasi sistem dilakukan melalui pengujian Blackbox Testing untuk menguji fungsionalitas sistem yang menunjukkan hasil 100% skenario lulus pada sisi administrator dan pengguna, pengujian System Usability Scale (SUS) yang menunjukkan skor rata-rata 80,51% dalam kategori "Baik" yang mengindikasikan tingkat penerimaan dan kemudahan penggunaan yang tinggi, serta evaluasi efektivitas rekomendasi menggunakan validasi akurasi secara manual terhadap 20 sampel data soal yang menunjukkan tingkat ketepatan 75% yang berarti mayoritas materi relevan dengan kebutuhan pengguna dan metode pretest-posttest dengan analisis Normalized Gain (N-Gain) terhadap 20 pengguna yang menghasilkan rata-rata N-Gain sebesar 50,50% dalam kategori "Cukup Efektif" dengan 70% pengguna mengalami peningkatan skor. Hasil penelitian membuktikan bahwa sistem tryout CPNS berbasis CBF efektif sebagai sarana pendukung belajar untuk meningkatkan kesiapan peserta dalam menghadapi ujian CPNS. Kata Kunci— CPNS, Content Based Filtering, Sistem Rekomendasi, Cosine Similarity, Sistem Tryout.
Rancang Bangun Sistem E-Commerce “BEMMATRONIKA” Untuk Meningkatkan Manajemen Pengelolaan Produk-Produk Dan Rekomendasi Penjualan CV BEMMA Surabaya Rochman, Yogi Yanuar; Alit, Ronggo
Journal of Informatics and Computer Science (JINACS) Article In Press
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Perkembangan teknologi informasi dan komunikasi di era digital telah mendorong transformasi di berbagai sektor, termasuk perdagangan. Salah satu tantangan utama yang dihadapi pelaku usaha kecil dan menengah (UKM) adalah adaptasi terhadap sistem digital, khususnya dalam pengelolaan operasional dan pelayanan pelanggan. CV BEMMA Surabaya, perusahaan yang bergerak di bidang perdagangan barang elektronik, masih menggunakan sistem manual dalam pengelolaan stok, transaksi, dan analisis data pelanggan, sehingga menimbulkan berbagai kendala dalam efisiensi operasional dan kualitas layanan. Sebagai solusi, dikembangkanlah BEMMATRONIKA, sebuah platform e-commerce yang dirancang untuk mendukung proses transaksi daring serta meningkatkan kualitas pelayanan melalui fitur-fitur digital. Salah satu fitur utama dalam sistem ini adalah penerapan metode User-Based Collaborative Filtering sebagai sistem rekomendasi produk, yang dapat memberikan saran produk sesuai preferensi pengguna. Penerapan sistem ini diharapkan mampu meningkatkan efisiensi internal perusahaan, memperluas jangkauan pasar, serta meningkatkan kepuasan dan loyalitas pelanggan. Pengembangan BEMMATRONIKA diharapkan tidak hanya memberikan dampak positif bagi CV BEMMA Surabaya, tetapi juga menjadi kontribusi nyata dalam pengembangan e-commerce berbasis teknologi rekomendasi di sektor UKM lokal Indonesia. Kata Kunci— E-commerce, UMKM, Sistem Rekomendasi, Collaborative Filtering, Transformasi Digital, Manajemen Produk, CV BEMMA Surabaya.
Sistem Pendukung Keputusan Penentuan Bonus Tahunan Karyawan Berdasarkan Kinerja Proyek Dengan Metode SAW Pada PT Wipin Tech Group Ningrum, Windy Aditya; Alit, Ronggo
Journal of Informatics and Computer Science (JINACS) Article In Press
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Seleksi Pemberian bonus tahunan karyawan sering menghadapi permasalahan subjektivitas akibat belum tersedianya sistem penilaian kinerja yang terukur dan transparan. Kondisi tersebut berpotensi menurunkan motivasi kerja serta kepercayaan karyawan terhadap manajemen. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) berbasis web dalam menentukan bonus tahunan karyawan pada PT Wipin Tech Group dengan menggunakan metode Simple Additive Weighting (SAW). Penilaian kinerja dilakukan berdasarkan lima kriteria, yaitu durasi proyek, kepuasan pelanggan, kualitas proyek, ketepatan laporan dan dokumen, serta inisiatif dan kemampuan problem solving. Pengembangan sistem mengikuti tahapan Software Development Life Cycle (SDLC) dengan prototype model yang melibatkan pengguna secara iteratif. Hasil penelitian mengungkapkan bahwa sistem mampu melakukan perhitungan skor kinerja, perankingan karyawan, serta penentuan bonus secara objektif dan otomatis. Serta hasil evaluasi menyatakan bahwa metode SAW memiliki tingkat akurasi yang sangat baik dengan persentase kelayakan sebesar 98,68%, sehingga metode ini dinilai efektif dan layak digunakan sebagai metode pendukung pengambilan keputusan dalam sistem penentuan bonus tahunan karyawan. Pengujian sistem menggunakan Black Box, User Acceptance Testing (UAT) dan  UI/UX Testing yang melibatkan user internal perusahaan dan 40 responden eksternal.  Hasil testing memperoleh tingkat penerimaan sebesar 85,12% dengan kategori sangat baik. Dengan demikian, sistem yang dikembangkan dapat mendukung pengambilan keputusan manajemen secara adil, transparan, dan terstruktur. Kata Kunci— Sistem Pendukung Keputusan, Simple Additive Weighting (SAW), Penilaian Kinerja, Bonus Tahunan, Prototype Model.
Perancangan Dan Implementasi Sistem Penyimpanan Digital Berbasis WEB di CV. SKM INDONESIA. Dafino Haryonida, Mochamad; Aditya Prapanca
Journal of Informatics and Computer Science (JINACS) Article In Press
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Perkembangan teknologi informasi mendorong perusahaan skala kecil dan menengah untuk beralih ke sistem pengelolaan data yang lebih efisien, aman, dan terpusat. CV. SKM Indonesia masih menggunakan metode penyimpanan file secara manual yang berpotensi menimbulkan permasalahan seperti kehilangan data, duplikasi file, keterbatasan akses, dan rendahnya efisiensi kerja. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem penyimpanan digital berbasis WEB menggunakan PHP Franework Codeigniter dan MySQL guna meningkatkan efisiensi, keamanan, dan aksesibilitas pengelolaan dokumen internal perusahaan. Metode penelitian meliputi analisis kebutuhan, perancangan sistem, implementasi, serta pengujian sistem menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mempermudah proses unggah, unduh, pengelolaan file dan folder, serta meningkatkan aksesibilitas data dalam lingkungan kerja hybrid. Sistem ini terbukti membantu staf dalam mempercepat distribusi dokumen dan meningkatkan keamanan penyimpanan data. Kata Kunci— Sistem Penyimpanan Digital, Cloud Storage, PHP, MySQL, Sistem Informasi Berbasis Web.
Analisis Sentimen Sebagai Deteksi Sarkasme di Media Sosial X Berbahasa Indonesia Menggunakan Transformer dengan Model XLNet Haqqul Amal Jiddan; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Article In Press
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Media sosial, khususnya X, sering memuat ujaran sarkastik yang sulit dikenali tanpa pemahaman konteks. Penelitian ini bertujuan mendeteksi sarkasme pada teks berbahasa Indonesia di X menggunakan model berbasis transformer XLNet. Data diambil dari Hugging Face dan melalui preprocessing untuk memastikan konsistensi. Kemudian, data dibagi ulang menjadi tiga skenario yaitu 70:15:15, 60:20:20, dan 80:10:10. Model dilatih (fine-tuning) dengan variasi learning rate, batch size, dropout, sequence length, dan epoch. Pemilihan kandidat mempertimbangkan macro-F1 dan recall pada label sarkasme. Hasil menunjukkan pada skenario 70:15:15, XLNet percobaan ke-17 menjadi model terbaik pada penelitian ini, meraih Accuracy 0.81 dan Macro-F1 0.81 dan pada classification report pada label non-sarkasme memeroleh Precision 0.82, Recall 0.78, dan F1-Score 0.80. Lalu, pada label sarkasme memperoleh Precision 0.79, Recall 0.83, F1-Score 0.81).  Temuan ini diharapkan menjadi referensi pengembangan sistem analisis opini atau ujaran sarkastik pada platform media sosial di Indonesia.   Kata Kunci— Analisis sentimen, Sarkasme, XLNet, X, Transformer
Model Klasifikasi Serangan DoS pada Jaringan Blockchain Menggunakan Algoritma Proximal Policy Optimization Iffo Elsande Pratama Putra; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Article In Press
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Teknologi blockchain menghadirkan pendekatan baru dalam pengelolaan sistem informasi terdesentralisasi yang mampu menjaga keamanan, transparansi, dan integritas data. Namun, karakteristik tersebut menjadikan teknologi blockchain rentan terhadap ancaman siber, terutama serangan Denial of Service (DoS) yang berfokus pada gangguan ketersediaan layanan melalui pembanjiran lalu lintas pada node blockchain. Penelitian ini bertujuan untuk merancang dan mengembangkan model klasifikasi serangan DoS pada jaringan blockchain dengan menggunakan algoritma Proximal Policy Optimization (PPO). Algoritma PPO merupakan salah satu metode dari reinforcement learning yang dikenal memiliki kestabilan tinggi dan efisiensi dalam proses pembaruan kebijakan. Dataset yang di gunakan dalam penelitian ini ada Blockchain Network Attack Traffic (BNaT), yang mencakup lalu lintas normal dan serangan DoS pada jaringan Ethereum privat. Proses penelitian meliputi tahap pengumpulan data, pre-pemrosesan (preprocessing), pelatihan model, dan evaluasi kinerja menggunakan metrik accuracy, precision, recall, F1-Score, dan Area Under the Curve (AUC). Hasil pengujian menunjukkan bahwa model PPO berhasil mencapai akurasi 99,65% dan F1-Score sebesar 99,65%, dengan nilai AUC mencapai 99,99%. Nilai-nilai tersebut menunjukkan bahwa PPO mampu mengenali pola serangan DoS secara adaptif dan stabil. Oleh karena itu, pendekatan reinforcement learning berbasis PPO dapat menjadi alternatif yang menjanjikan untuk pengembangan sistem deteksi ancaman pada jaringan blockchain yang bersifat dinamis dan kompleks.   Kata Kunci— Blockchain, Denial of Service, Proximal Policy Optimization, Reinforcement Learning, Keamanan Siber

Page 44 of 44 | Total Record : 439

 40   41   42   43   44 

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