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 548 Documents
 46   47   48   49   50 
Perbandingan Performa Cloud Native Storage pada Kubernetes Muhammad Istiqlal; I Made Suartana
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak - Kubernetes membutuhkan solusi penyimpanan data persisten yang terintegrasi secara native. Rook-Ceph dan Longhorn adalah dua solusi cloud native storage terpopuler dengan arsitektur terdistribusi yang berbeda. Penelitian ini membandingkan performa kedua teknologi tersebut di dalam klaster Kubernetes mandiri berbasis RKE2. Pengujian menggunakan Flexible I/O Tester (FIO) dan Kubestr melalui lima skenario: Database OLTP, Pure Latency, Web Server, Data Analytics, dan Logging/Backup. Metrik utama mencakup IOPS, throughput, latensi, dan penggunaan sumber daya. Hasil penelitian menunjukkan performa sangat dipengaruhi karakteristik beban kerja. Longhorn mendominasi skenario mixed workload (OLTP) dengan lonjakan performa melampaui 500% (549,57 IOPS read; 239,05 IOPS write vs Rook-Ceph 87,18 IOPS read; 38,85 IOPS write). Longhorn juga unggul pada latensi penulisan Pure Latency (2,62 ms vs 13,04 ms) dan throughput Logging/Backup (52,64 MB/s vs 44,94 MB/s). Sebaliknya, Rook-Ceph sangat superior pada skenario read-heavy seperti Web Server dengan 27.254,95 IOPS dan 106,48 MB/s (vs Longhorn 11.959,81 IOPS; 46,73 MB/s) serta Data Analytics dengan throughput 582,64 MB/s (vs 258,88 MB/s). Kesimpulannya, keunggulan Rook-Ceph pada operasi pembacaan didukung arsitektur klaster RADOS terdistribusi dan caching efisien, meski overhead tinggi pada penulisan acak. Longhorn, dengan arsitektur microservices pengontrol tunggal, sangat lincah untuk beban kerja transaksional dan penulisan, namun rentan bottleneck saat pembacaan paralel berkonkurensi tinggi. Kata Kunci - Rook-Ceph, Longhorn, Cloud Native Storage, Kubernetes, Performance.
Rancang Bangun Chatbot Whatsapp Terintegrasi LMS Untuk Mendukung Efisiensi Kinerja Guru Raka Tegar Wicaksono; Elvira Wardah
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Perkembangan teknologi informasi membuka peluang peningkatan efisiensi pengelolaan pembelajaran. Namun, guru masih menghadapi tantangan serius mengelola penugasan secara manual melalui WhatsApp—mulai dari distribusi tugas, pemantauan pengumpulan, hingga penilaian yang dilakukan dengan menelusuri pesan satu per satu. Kondisi ini tidak efisien dan berpotensi menimbulkan kesalahan pencatatan. Penelitian ini bertujuan merancang dan membangun sistem chatbot WhatsApp terintegrasi Learning Management System (LMS) berbasis website bernama Kinanti untuk mendukung efisiensi kinerja guru. Penelitian menggunakan model ADDIE dengan tahap analisis, perancangan, pengembangan, implementasi, dan evaluasi. Sistem diuji melalui validasi media dan angket, pengujian black box, uji non-fungsional, User Acceptance Test (UAT), System Usability Scale (SUS), serta uji efisiensi dengan pre-test dan post-test pada 61 guru. Hasil penelitian menunjukkan sistem Kinanti sangat valid dengan skor validasi media 99% dan angket 97%. Seluruh fitur berjalan sesuai harapan, SUS mencapai skor sempurna 100, dan uji Paired Sample T-Test menunjukkan nilai p < 0,001, membuktikan peningkatan signifikan efisiensi kinerja guru   Kata Kunci— Chatbot, WhatsApp, Learning Management System, Efisiensi kinerja guru
Rancang Bangun Learning Management System Berbasis Web dengan Online Compiler dan OOP Analyzer Muhammad Zaini Rochman; Martini Dwi Endah Susanti; Rindu Puspita Wibawa; Mohammad Wildan Habibi
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak—Penelitian ini bertujuan untuk merancang dan membangun sebuah Learning Management System (LMS) berbasis website yang dilengkapi fitur Online Compiler dan OOP Analyzer untuk mendukung praktik Pemrograman Berorientasi Objek (OOP) pada siswa Sekolah Menengah Kejuruan (SMK). Penelitian ini menggunakan metode Research and Development (R&D) dengan model pengembangan ADDIE (Analysis, Design, Development, Implementation, Evaluation). LMS dikembangkan dengan arsitektur full-stack menggunakan Next.js dan basis data Supabase (PostgreSQL). Fitur Java Online Compiler diintegrasikan dengan Piston API, sedangkan OOP Analyzer dibangun berbasis Regular Expression (Regex) untuk mendeteksi penerapan lima pilar OOP secara real-time. Sistem ini juga dilengkapi modul Catatan Aktivitas (Logbook) Proyek untuk mendukung monitoring proyek pada pembelajaran model Project-Based Learning (PjBL). Perancangan sistem dimodelkan menggunakan use case diagram, activity diagram, dan class diagram. Pengujian fungsional dan non-fungsional melalui metode blackbox testing menunjukkan sistem berjalan dengan validitas 99%. Hasil ini menunjukkan bahwa seluruh modul sistem, termasuk Online Compiler dan OOP Analyzer, dapat berjalan sesuai rancangan tanpa kecacatan (bug) mayor. Dengan demikian, LMS yang dikembangkan dapat diimplementasikan sebagai media pembelajaran praktik pemrograman berbasis website yang dapat dijalankan melalui browser tanpa memerlukan instalasi compiler tambahan pada perangkat siswa. Kata Kunci— Learning Management System, Online Compiler, OOP Analyzer, Next.js, Supabase, Research and Development, Blackbox Testing.
Perbandingan Performa Model Klasifikasi Random Forest dan XGBoost untuk Deteksi Dini Diabetes Berdasarkan Teknik Imputasi Cindy Viona Dzul Qurnayn; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Missing value pada dataset medis dapat menurunkan kualitas data dan memengaruhi performa model machine learning dalam prediksi penyakit. Pada Pima Indians Diabetes Dataset, beberapa fitur seperti glucose, bloodpressure, skinthickness, insulin, dan BMI memiliki nilai 0 yang dianggap tidak valid secara medis. Penelitian ini bertujuan untuk menganalisis pengaruh missing value terhadap performa model klasifikasi diabetes, membandingkan teknik imputasi, serta menentukan kombinasi model terbaik untuk implementasi sistem prediksi diabetes berbasis web. Penelitian menggunakan model Random Forest, XGBoost, dan Stacking dengan teknik imputasi KNN, MICE, dan Autoencoder (AE). Evaluasi dilakukan menggunakan K-Fold CV dengan k=5, 10, dan 20 serta metrik AUC-ROC, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penanganan missing value berpengaruh signifikan terhadap performa model. Teknik imputasi KNN dan MICE menghasilkan performa yang lebih baik dibandingkan AE. Kombinasi terbaik diperoleh pada model XGB_KNN dengan nilai AUC-ROC sebesar 0.8458, accuracy 0.7772, precision 0.7249, dan F1-score 0.649 pada k=10. Model terbaik kemudian berhasil diimplementasikan ke dalam sistem prediksi diabetes berbasis web menggunakan Flask.   Kata Kunci— Diabetes melitus, Missing value, Imputasi data, K-Fold Cross Validation, Machine learning.
Klasifikasi Halusinasi pada LLM menggunakan XGBoost dengan Ekstraksi Fitur FastText dan Optimizer PSO Anindha Arsya Dhaniswara; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Halusinasi pada Large Language Models (LLM) merupakan kondisi ketika model menghasilkan informasi yang tidak sesuai dengan fakta. Penelitian ini bertujuan menganalisis kinerja XGBoost dengan representasi teks FastText untuk mendeteksi halusinasi, serta mengevaluasi pengaruh teknik balancing dan optimasi hyperparameter menggunakan Particle Swarm Optimization (PSO). Metode balancing yang digunakan meliputi Random Oversampling, SMOTE, dan Random Undersampling. Hasil pengujian menunjukkan bahwa model baseline memperoleh akurasi terbaik sebesar 91,48% pada rasio pembagian data 70:30. Penerapan balancing belum memberikan peningkatan yang berarti, sedangkan optimasi menggunakan PSO mampu meningkatkan akurasi menjadi 92,71% dengan nilai AUC sebesar 97,63%. Temuan ini menunjukkan bahwa optimasi hyperparameter menggunakan PSO lebih efektif dalam meningkatkan performa model dibandingkan teknik balancing pada penelitian ini.   Kata Kunci— Deteksi Halusinasi, Large Language Model, FastText, Teknik Balancing, XGBoost, PSO
Implementasi Xendit Payment Link dan Webhook untuk Otomatisasi Penagihan Langganan pada Bot Telegram Renaldy Permana Sundawa; Agus Prihanto
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Layanan Rafess, yaitu layanan automenfess  yang menerapkan sistem berlangganan berbasis bot Telegram, menghadapi permasalahan pada proses penagihan yang masih dilakukan secara manual sehingga rawan kesalahan dan bergantung pada ketersediaan admin. Oleh karena itu, penelitian ini menawarkan solusi melalui implementasi sistem otomatisasi penagihan langganan dengan integrasi Xendit Payment Link dan webhook yang memungkinkan pembuatan tautan pembayaran otomatis, pembaruan status langganan secara real-time, serta pengiriman pengingat kepada pelanggan menjelang masa berakhir langganan. Hasil pengujian fungsional menggunakan metode Black Box Testing menunjukkan bahwa seluruh fitur utama sistem berjalan sesuai spesifikasi kebutuhan yang telah ditetapkan. Pengujian waktu respon terhadap 30 sampel transaksi menghasilkan rata-rata durasi end-to-end sebesar 1,963 detik (SD = 0,146 detik), menunjukkan sistem merespons secara konsisten di seluruh sampel pengujian. Komponen pemrosesan webhook internal mencatatkan rata-rata 0,535 detik dengan standar deviasi 0,012 detik, menunjukkan arsitektur FastAPI dan MongoDB mampu menangani pemrosesan secara stabil meskipun sistem berjalan pada infrastruktur terbatas. Sistem juga terbukti andal dalam menangani skenario gangguan melalui mekanisme retry webhook otomatis, sinkronisasi manual, serta idempotency untuk mencegah duplikasi data transaksi. Kata Kunci— Xendit Payment Link, Webhook, Bot Telegram, Otomatisasi Penagihan, FastAPI, MongoDB.
Kombinasi LSTM dan GRU Untuk Prediksi Harga Bitcoin Derri Nuril Wardana; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Bitcoin merupakan aset kripto yang memiliki tingkat besaran jarak naik dan turunnya harga yang sangat tinggi sehingga sulit diprediksi secara akurat. Pergerakan harga dipengaruhi dari berbagai faktor, termasuk sentimen pasar dari para pelaku pasar, situasi ekonomi global, dan aktivitas perdagangan. Tujuan penelitian ini adalah mengembangkan model peramalan harga Bitcoin menggunakan kombinasi Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Dataset yang digunakan berbentuk data historis harga penutupan Bitcoin per USD yang diperoleh dari Yahoo Finance dengan periode Oktober 2014 hingga Februari 2023. Data diproses melalui tahap normalisasi menggunakan Min-Max Scaling dan menggunakan metode sliding window dengan ukuran window 30 dan 60. Pengujian dilakukan dengan beberapa skenario pembagian data, yaitu 90:10, 85:15, 80:20, 70:30, 60:40, dan 50:50, dengan jumlah epoch sebanyak 50 dan 100. Evaluasi model dilakukan menggunakan R², MAE, RMSE, dan MSE. Hasil penelitian menunjukkan bahwa model kombinasi LSTM dan GRU menghasilkan performa yang sangat baik dengan nilai yang diperoleh pada window size 30, pembagian data 60:40, dan epoch 50, yaitu R² sebesar 0,991726, MAE sebesar 0,013888, RMSE sebesar 0,020943, dan MSE sebesar 0,000439.   Kata Kunci— Bitcoin, Prediksi Harga, Deep Learning, Long Short-Term Memory, Gated Recurrent Unit, Time Series.
Rancang Bangun UI/UX Website KEMBANGDAMAN Menggunakan Pendekatan User Centered Design Angelita Firdaus; Paramitha Nerisafitra
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Transformasi digital dalam pelayanan publik mendorong instansi pemerintah menghadirkan layanan yang efektif dan mudah diakses. Website KEMBANGDAMAN (Kementerian Agama Jombang dalam Genggaman) milik Kantor Kementerian Agama Kabupaten Jombang masih memiliki beberapa kendala pada aspek UI/UX, seperti navigasi yang kurang intuitif, struktur informasi yang tidak terorganisir, dan tampilan yang kurang menarik. Penelitian ini bertujuan merancang ulang antarmuka dan pengalaman pengguna website KEMBANGDAMAN menggunakan pendekatan User Centered Design (UCD) serta mengevaluasi hasilnya menggunakan User Experience Questionnaire (UEQ). Metode UCD diterapkan melalui empat tahap, yaitu Understand Context of Use, Specify User Requirements, Design Solutions, dan Evaluate Design. Data diperoleh melalui wawancara kepada 8 partisipan yang terdiri dari 6 pengguna, 1 admin, dan 1 penanggung jawab website. Hasil analisis digunakan sebagai dasar perancangan wireframe, high fidelity design, dan prototype menggunakan Figma. Evaluasi UEQ terhadap 33 responden menunjukkan seluruh dimensi memperoleh kategori Excellent, yaitu Attractiveness 2,13, Perspicuity 2,12, Efficiency 2,06, Dependability 2,12, Stimulation 2,02, dan Novelty 2,05. Hasil tersebut menunjukkan bahwa penerapan metode UCD dan UEQ efektif meningkatkan kualitas UI/UX website layanan publik berbasis digital. Kata Kunci— Perancangan Ulang UI/UX, User Centered Design (UCD), User Experience Questionnaire (UEQ), Website KEMBANGDAMAN, Pelayanan Publik Digital.
Implementasi Game Based Learning 2D untuk Mengasah Kemampuan Dasar Baca dan Berhitung Siswa di Sanggar Belajar Beranang Malaysia Kadek Pramita; Paramitha Nerisafitra
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— Akses pendidikan bagi anak-anak Pekerja Migran Indonesia (PMI) di Malaysia masih menghadapi berbagai tantangan, termasuk keterbatasan dokumen legalitas dan minimnya fasilitas belajar formal. Penelitian ini mengembangkan game edukasi 2D platformer berbasis web berjudul Smart Adventure sebagai media pembelajaran literasi dan numerasi dasar bagi siswa Sanggar Belajar Beranang, Semenyih, Malaysia. Pengembangan dilakukan menggunakan metode Multimedia Development Life Cycle (MDLC) yang terdiri dari enam tahapan: concept, design, material collecting, assembly, testing, dan distribution. Game dibangun menggunakan Unity Engine dengan output WebGL sehingga dapat diakses langsung melalui browser tanpa instalasi. Sistem penilaian performa pemain menggunakan algoritma Fuzzy Sugeno dengan tiga variabel input: nilai kuis, sisa nyawa, dan waktu penyelesaian level. Hasil blackbox testing menunjukkan 49 dari 49 test case valid (100%). Validasi ahli materi menghasilkan persentase 90,20% dengan kategori Sangat Layak. Uji respon pengguna terhadap 11 siswa menghasilkan persentase 94,88% dengan kategori Sangat Baik. Hasil penelitian menunjukkan bahwa game Smart Adventure layak digunakan sebagai media pembelajaran berbasis game-based learning untuk meningkatkan kemampuan calistung siswa usia dasar.   Kata Kunci— game edukasi, 2D platformer, game based learning, fuzzy sugeno, MDLC, literasi, numerasi
Pengaruh Integrasi Explainable MCDM Terhadap Kualitas Sistem Pendukung Keputusan Seleksi Peserta Magang PT. Semen Indonesia Haykal Aulil Albab; Paramitha Nerisafitra
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Proses seleksi peserta magang di perusahaan masih menghadapi kendala berupa penilaian kandidat yang dilakukan secara manual, membutuhkan waktu relatif lama, serta kurang transparan dalam menjelaskan alasan pemeringkatan kandidat. Kondisi tersebut berpotensi menimbulkan subjektivitas dan mengurangi kualitas pengambilan keputusan. Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) seleksi peserta magang berbasis Explainable Multi-Criteria Decision Making (MCDM) menggunakan metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) yang terintegrasi dengan Explainable Artificial Intelligence (XAI). Sistem dikembangkan menggunakan Laravel, Livewire, PostgreSQL, dan Groq API untuk menghasilkan penjelasan otomatis terhadap hasil seleksi kandidat. Kriteria yang digunakan meliputi GPA, Certification Count, CV Evaluation Score, Education Requirement Match, dan Field Match Score. Tahapan penelitian meliputi pembobotan kriteria menggunakan AHP, proses pemeringkatan menggunakan TOPSIS, implementasi explainability, serta pengujian kualitas perangkat lunak dan algoritma. Pengujian menunjukkan bahwa kualitas sistem berdasarkan standar ISO 9126 memperoleh nilai rata-rata 1,58 dengan kategori sesuai. Hasil eksperimen perbandingan metode menunjukkan kombinasi AHP–TOPSIS menghasilkan korelasi Spearman tertinggi sebesar 0,9643 dibandingkan metode tunggal, sehingga memiliki tingkat kesesuaian yang sangat kuat terhadap pemeringkatan manual HR. Selain itu, pengujian XAI menghasilkan ranking consistency sebesar 100%, explainability score sebesar 92,50%, transparency score sebesar 91,25%, computational processing time rata-rata 16,40 detik (kategori baik), serta XAI Layering Score sebesar 92,04% dengan kategori sangat baik. Hasil tersebut menunjukkan bahwa sistem mampu menghasilkan proses seleksi yang lebih objektif, akurat, konsisten, transparan, dan efisien sehingga layak digunakan sebagai pendukung pengambilan keputusan seleksi peserta magang.   Kata Kunci— Sistem Pendukung Keputusan, Seleksi Magang, Explainable Artificial Intelligence, Multi-Criteria Decision Making, AHP, TOPSIS.

Page 48 of 55 | Total Record : 548

 46   47   48   49   50 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 7 No. 04 (2026) Vol. 7 No. 03 (2026) Article In Press(1) 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