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
 47   48   49   50   51 
Pengembangan Aplikasi Terpusat Berbasis Modular Monolith Architecture Studi Kasus: UKM Peduli Kemanusiaan Muhammad Hafid Afandi; 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— UKM Peduli Kemanusiaan (UKM-PK) UNESA mengalami kendala pengelolaan data anggota, kegiatan, dan donasi secara manual dan terpencar, menyebabkan redundansi, inkonsistensi, dan sulit koordinasi. Dibutuhkan sistem terpusat yang mudah dipelihara dan dikembangkan lintas periode kepengurusan. Penelitian ini menerapkan dan mengevaluasi arsitektur modular monolith sebagai solusi, dipilih karena menyeimbangkan kesederhanaan monolith dan modularitas microservices tanpa kompleksitas distribusi berlebihan untuk skala UKM. Sistem dikembangkan dengan Go dan pendekatan hexagonal architecture pada sembilan modul: Dashboard, Authentication, User Management, Company Profile, Recruitment, Activity Progress, Donation, Inventory Assets, dan Documentation. Evaluasi kuantitatif menggunakan custom AST analyzer untuk metrik coupling, cohesion, dan maintainability index, lalu dibandingkan dengan arsitektur monolith dan microservices pada domain serupa. Hasilnya, seluruh modul mencapai coupling rata-rata 1,111 (rendah) dengan message coupling (tipe terbaik), cohesion tinggi, dan maintainability index sangat mudah dipelihara. Dibandingkan kedua arsitektur lain, modular monolith menunjukkan keseimbangan optimal antara modularitas terukur dan kemudahan pemeliharaan, sehingga terbukti sesuai untuk organisasi skala UKM.   Kata Kunci— modular monolith, hexagonal architecture, coupling, cohesion, maintainability index, metrik kualitas perangkat lunak
Perancangan Sistem E-Submission Proposal Program Kerja Ormawa Fakultas Teknik Menggunakan Metode Extractive Summarization TextRank Bayu Wahyu Pambudi; 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— Organisasi Mahasiswa (Ormawa) Fakultas Teknik memerlukan pengajuan proposal program kerja sebagai bentuk koordinasi dan pertanggungjawaban kepada fakultas. Proses pengajuan yang masih dilakukan secara manual menimbulkan berbagai kendala, seperti keterlambatan evaluasi, minimnya dokumentasi revisi, serta risiko kehilangan berkas. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem E-Submission Proposal Program Kerja Ormawa berbasis web menggunakan pendekatan Unified Modeling Language (UML), yang dilengkapi fitur ringkasan otomatis proposal menggunakan metode Extractive Summarization TextRank untuk mempercepat proses evaluasi oleh pembina. Penelitian ini menggunakan metode Research and Development (R&D) dengan teknik pengumpulan data berupa observasi, wawancara, dan studi literatur. Sistem dikembangkan menggunakan framework Laravel dengan database server XAMPP, sedangkan metode TextRank diimplementasikan melalui tahap ekstraksi teks, preprocessing, perhitungan cosine similarity antar kalimat, pembentukan graf kalimat, dan perhitungan skor TextRank secara iteratif. Hasil penelitian menunjukkan bahwa sistem berhasil mengintegrasikan proses pengajuan, validasi administrasi, dan evaluasi proposal dalam satu platform, serta mampu menghasilkan ringkasan otomatis yang representatif terhadap isi proposal. Hasil pengujian fungsional menunjukkan seluruh fitur berjalan tanpa kesalahan signifikan, sedangkan hasil User Acceptance Testing (UAT) dengan 6 responden memperoleh persentase penerimaan sebesar 88,67% dengan kategori “Sangat Baik”, yang menunjukkan bahwa sistem mampu meningkatkan efisiensi, transparansi, dan kualitas tata kelola administrasi Ormawa Fakultas Teknik Universitas Negeri Surabaya. Kata Kunci— E-Submission, Organisasi Mahasiswa, TextRank, extractive summarization, sistem informasi, Unified Modeling Language, Laravel.
Penerapan Usability Testing UI/UX pada Evaluasi Website Loket.Com dalam Pembelian Tiket Konser K-Pop Laila Rahmania Anjani; 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— Pertumbuhan pesat industri konser K-Pop di Indonesia turut mendorong tingginya permintaan terhadap platform penjualan tiket konser secara daring. Salah satu platform yang banyak digunakan adalah Loket.com, namun layanan ini masih menghadapi berbagai keluhan pengguna, antara lain kesulitan navigasi, antrian virtual yang tidak transparan, batas waktu checkout yang terlalu singkat, serta gangguan performa sistem saat lonjakan traffic. Permasalahan tersebut berpotensi menurunkan tingkat kepuasan pengguna dalam proses pembelian tiket. Penelitian ini bertujuan mengukur tingkat usability website Loket.com pada konteks pembelian tiket konser K-Pop serta merumuskan rekomendasi perbaikan antarmuka berdasarkan hasil evaluasi tersebut. Metode yang digunakan adalah Usability Testing berbasis model Nielsen, yang mencakup lima aspek yaitu learnability, efficiency, memorability, error, dan satisfaction. Pengujian dilakukan terhadap tiga orang tester melalui serangkaian test case pada mockup antarmuka website, dengan pendekatan penelitian kuantitatif deskriptif. Hasil pengujian menunjukkan bahwa secara keseluruhan Loket.com memiliki tingkat usability yang baik, terutama pada aspek efficiency dan error yang menunjukkan performa sistem cukup andal dengan tingkat kesalahan rendah. Meskipun demikian, masih ditemukan kendala pada aspek learnability dan memorability yang berkaitan dengan konsistensi navigasi dan tampilan antarmuka, sehingga pengguna baru memerlukan waktu lebih lama untuk memahami alur sistem. Berdasarkan temuan tersebut, penelitian ini merekomendasikan perbaikan pada desain navigasi, penyederhanaan alur, peningkatan konsistensi antarmuka, serta penambahan fitur bantuan seperti tutorial guna meningkatkan kenyamanan dan kepuasan pengguna secara berkelanjutan.   Kata Kunci— Usability Testing, Antarmuka Pengguna, Evaluasi Website, Loket.com, Penjualan Tiket Konser K-Pop.
Faster R-CNN-Based Deep Q-Network for Smart Traffic Light Control Muhammad Dzaki Salman; Ervin Yohannes
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

Abstract—Conventional fixed-time traffic light control systems cannot accommodate real-time fluctuations in vehicle volume, making adaptive approaches based on reinforcement learning an increasingly popular alternative. This study implements a Deep Q-Network (DQN) architecture combined with a Faster R-CNN ResNet-50 FPN v2 object detection sensor for smart traffic light control. Traffic data were collected from CCTV recordings of a T-intersection in the city of Surabaya via the SITS application and processed into a Discrete Traffic State Encoding (DTSE) representation sized 4×20×3 as the model input. Evaluation was carried out under three time conditions (morning, afternoon, and night) using the average queue length, average reward, and total departed metrics. The Faster R-CNN detector achieved a recall of 96.21%, outperforming comparable single-stage detection methods and providing more reliable traffic observations for the reinforcement learning agent. Among the evaluated checkpoints, the model trained for 500 episodes delivered the best overall performance, with an average queue length of 127.34, an average reward of 161.75, and 1,046.97 departed vehicles. These findings suggest that accurate vehicle detection plays an important role in improving reinforcement learning performance for adaptive traffic signal control. Keywords—Deep Q-Network, Faster R-CNN, Adaptive Traffic Light, DTSE, Reinforcement Learning.
Rancang Bangun Sistem Informasi Untuk Manajemen Magang Menggunakan Metode Rule-Based System untuk Penentuan Requirements SRS Aryeswara Lintang Eka Kusuma; 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— Pengelolaan program magang di PT Greatsoft Solusi Indonesia masih dilakukan secara manual melalui berbagai kanal yang tidak terintegrasi sehingga menyebabkan inkonsistensi data, pemborosan waktu hingga 30–45 menit per hari untuk monitoring logbook, serta kesulitan koordinasi antara HRD, Mentor, dan Mahasiswa. Penelitian ini bertujuan untuk: (1) merancang model Rule-Based System (RBS) menggunakan mekanisme Forward Chaining untuk memprioritaskan kebutuhan dari berbagai pemangku kepentingan; (2) menganalisis hasil validasi model RBS melalui Expert Validation; dan (3) menganalisis hasil validasi fungsional sistem menggunakan Black Box Testing, dengan pengembangan menggunakan metode Waterfall dan technology stack Golang (Go 1.21+), Nuxt.js 14+, serta PostgreSQL 15+. Proses analisis kebutuhan menghasilkan 29 fakta kebutuhan atomik dari wawancara semi-terstruktur dengan empat responden, di mana model RBS dengan enam basis aturan berhasil mengklasifikasikan 14 fakta sebagai P1 (Wajib) yang selanjutnya didokumentasikan dalam dokumen SRS Versi 1.0 berbasis standar IEEE 830-1998. Hasil Expert Validation menunjukkan skor rata-rata 5,00 dari skala 5 dengan seluruh fakta P1 disetujui 100% tanpa revisi, sedangkan Black Box Testing terhadap sistem yang diimplementasikan menghasilkan tingkat keberhasilan 100% (79 dari 79 test case Berhasil), membuktikan bahwa penerapan metode Rule-Based System dalam tahap analisis kebutuhan menghasilkan dokumen SRS yang terstruktur, tervalidasi, dan efektif sebagai cetak biru implementasi sistem. Kata Kunci— Sistem Informasi Manajemen Magang, Rule-Based System, Forward Chaining, Software Requirements Specification, Black Box Testing.
Analisis Sentimen Masyarakat Terhadap Fenomena Sound Horeg Pada Platform X Dengan Menggunakan Metode K-Nearest Neighbour (K-NN) Bilaldi Alim Ghunadi; 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— tujuan dari penelitian ini yaitu untuk mengkaji pendapat publik tentang fenomena suara horeg di platform X dengan menerapkan algoritma K-nearest neighbor (K-NN). Publik melihat fenomena ini sebagai hiburan atau sebagai sumber polusi suara yang mengganggu ketertiban umum. Data penelitian terdiri dari 762 tweet yang didapatkan melalui platform X, yang kemudian diproses dan diekstraksi fiturnya menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Kemudian, data yang sudah didapat displit menjadi data latih dan uji menggunakan proporsi 70:30 sebelum algoritma K-NN diterapkan untuk proses pengklasifikasian sentimen menjadi positif, netral, ataupun negatif. Hasil dari penelitian ini menyatakan metode K-NN dapat mengkategorikan sentimen dengan akurasi 63,76%, precision 63,13%, recall 63,76%, dan untuk F1-Score 62,01%. Temuan ini memperlihatkan bahwa algoritma K-NN dapat digunakan untuk menganalisis pendapat publik mengenai fenomena Sound Horeg di Platform X   Kata Kunci— Analisis Sentimen, Sound Horeg, K-Nearest Neighbor, TF-IDF, Platform X.
Implementasi Session-Based Forward Secure Field Encryption untuk Protocol Buffers dalam Microservice gRPC Architecture Dyan Dananjaya Tejo Pamungkas; 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— Komunikasi antar layanan pada arsitektur microservice berbasis gRPC umumnya hanya mengandalkan Transport Layer Security (TLS). Mekanisme ini melindungi data selama berada dalam transmisi, tetapi tidak menjamin kerahasiaannya dalam jangka panjang karena kompromi kunci di kemudian hari berpotensi mengungkap seluruh komunikasi historis. Sifat enkripsi TLS yang menyeluruh (all-or-nothing) juga tidak memungkinkan perlindungan selektif terhadap field yang benar-benar sensitif. Berdasarkan permasalahan tersebut, penelitian ini merancang dan mengimplementasikan framework Session-Based Forward Secure Field Encryption (SBFSFE) menggunakan bahasa Go 1.25.0. Framework ini menggabungkan enkripsi pada tingkat field melalui anotasi Protobuf [(options.sensitive) = true], pertukaran kunci ephemeral ECDHE P-256 yang memberikan forward secrecy pada setiap sesi, serta integrasi transparan melalui gRPC interceptor sehingga logika bisnis yang telah berjalan tidak perlu diubah. Setiap field sensitif dienkripsi dengan AES-256-GCM menggunakan kunci independen hasil derivasi HKDF-SHA256, sedangkan konteks sesi disimpan secara terdistribusi pada Redis. Sepuluh skenario pengujian keamanan seluruhnya lolos, yang menunjukkan terpenuhinya forward secrecy, isolasi antar sesi, keamanan memori, dan ketahanan terhadap replay attack. Pengujian performa memperlihatkan overhead enkripsi yang besar pada payload kecil, namun pada payload besar (sekitar 100 KB dan 1 MB) sistem terenkripsi mencatat latensi lebih rendah dengan throughput 28 sampai 48% lebih tinggi dibanding baseline. Dengan demikian, framework ini paling sesuai diterapkan pada sistem medis, keuangan, maupun transfer data berukuran besar yang mengutamakan keamanan jangka panjang. Kata Kunci— gRPC, microservice, forward secrecy, Protocol Buffers, field-level encryption, AES-256-GCM, ECDHE..
Perbandingan Performa dan Skalabilitas Arsitektur Multi-Tenant Database pada Sistem Backend Point of Sale Ahmad Nur Sajidan; 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— Sistem Point of Sale (POS) berbasis Software as a Service (SaaS) menghadapi tantangan penting dalam memilih arsitektur basis data multi-tenant yang tepat, yaitu antara pendekatan single-database (shared-schema) dan multi-database per tenant, karena masing-masing membawa konsekuensi berbeda terhadap performa, skalabilitas, dan efisiensi sumber daya. Perbandingan kedua arsitektur dilakukan melalui pengujian eksperimental menggunakan API berbasis Golang, basis data PostgreSQL, dan workload generator Locust dengan mengadaptasi pola benchmark TPC-C. Skala pengujian divariasikan dari skala kecil (5 tenant, 50 user) hingga ekstrem (150 tenant, 1.500 user). Hasil pengujian menunjukkan kedua arsitektur memberikan performa setara dan stabil, dengan throughput mencapai 170 RPS, waktu respons di bawah 12 milidetik, dan error rate 0% pada beban puncak, serta mampu berskala secara hampir linear terhadap peningkatan beban. Perbedaan signifikan justru terlihat pada efisiensi server basis data: arsitektur single-database terbukti 2,65 kali lebih hemat memori, stabil pada penggunaan sekitar 950 MB RAM, dan mampu mempertahankan cache hit ratio 98,88%. Sebaliknya, arsitektur multi-database mengalami lonjakan konsumsi RAM hingga 210,9% (mencapai 2.518 MB) akibat beban pemeliharaan ratusan connection pool independen, disertai peningkatan aktivitas disk write 16%-40%. Temuan ini menunjukkan bahwa arsitektur single-database lebih sesuai untuk platform POS berskala startup atau UMKM karena efisiensi biaya infrastruktur, dengan syarat penerapan validasi kode yang ketat, sedangkan arsitektur multi-database lebih cocok bagi bisnis berskala korporasi (enterprise) yang membutuhkan isolasi privasi absolut meskipun harus mengalokasikan kapasitas infrastruktur yang lebih besar. Kata Kunci— Point of Sale (POS), SaaS, Multi-tenant, Arsitektur Basis Data, Performa, Skalabilitas.
Sistem Validasi Integritas Dokumen Digital Menggunakan Merkle Tree Hashing Kartika Dwi Prayoga; 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— Peralihan pengelolaan dokumen fisik menuju dokumen digital menuntut adanya mekanisme yang dapat menjamin keaslian serta keutuhan berkas secara teknis, mengingat banyak sistem yang masih hanya mengandalkan penyimpanan berkas dan pengaturan hak akses tanpa metode kriptografis yang mampu mendeteksi perubahan isi secara presisi. Penelitian ini bertujuan merancang dan membangun platform berbasis web untuk penerbitan serta validasi dokumen digital dengan menerapkan struktur Merkle Tree yang dipadukan fungsi hash SHA-256, sehingga sekumpulan dokumen dapat diringkas menjadi satu nilai Merkle root dan diverifikasi melalui mekanisme Merkle proof. Pendekatan yang digunakan bersifat eksperimental dengan tahapan rekayasa perangkat lunak, mencakup perancangan arsitektur sistem berbasis framework Laravel, pembentukan struktur pohon hash secara batch, serta pengujian performa pada variasi jumlah dokumen. Hasil uji menunjukkan bahwa algoritma SHA-256 terbukti unggul dibandingkan MD5 dalam mencegah collision, tetap konsisten menghasilkan Merkle root yang sama pada kondisi jumlah dokumen genap maupun ganjil, serta mampu mendeteksi manipulasi sekecil satu karakter dengan avalanche effect mendekati 50%. Mekanisme Merkle proof mencatatkan tingkat akurasi verifikasi sebesar 100%, dengan waktu pembentukan pohon yang meningkat seiring jumlah dokumen namun waktu verifikasi yang tetap stabil karena kedalaman pohon hanya bertumbuh secara logaritmik. Dapat disimpulkan bahwa sistem yang dikembangkan efektif menjaga integritas dokumen digital secara efisien meski volume dokumen terus bertambah. Kata Kunci— Integritas Dokumen, Merkle Tree, SHA-256, Merkle proof, Validasi Digital
Employee Attrition Prediction Using Temporal Convolutional Network (TCN) on HR Time Series Dataset to Support Employee Retention Strategies Muhammad Farrell Saifulloh; Ervin Yohannes
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

Abstract— Employee attrition continues to be a major challenge for organizations because high turnover increases recruitment costs, disrupts business operations, and affects workforce stability. Predictive analytics provides an opportunity to identify employees who are at risk of leaving before turnover occurs. A Human Resources dataset collected between 2018 and 2024 served as the basis for evaluating the Temporal Convolutional Network (TCN) in employee attrition prediction. The dataset contains 16,050 employee records described by 25 attributes covering demographic information, job characteristics, compensation, and work experience. Data preprocessing included feature selection, categorical encoding, normalization, and sequence preparation before model training. The proposed model was evaluated using three train–validation–test splitting strategies and assessed with Accuracy, Precision, Recall, F1-score, and Area Under the ROC Curve (AUC). Experimental results show that the TCN model consistently achieved high predictive performance across different experimental settings, with the best configuration obtaining an Accuracy of 98.35%, an F1-score of 0.8976, and an AUC of 0.9819. These findings demonstrate that TCN provides stable and reliable employee attrition prediction and has the potential to support Human Resource Analytics through earlier identification of employees with a higher risk of leaving the organization. Keywords—Employee Attrition, Temporal Convolutional Network, Deep Learning, Human Resource Analytics, Employee Retention.

Page 49 of 55 | Total Record : 548

 47   48   49   50   51 

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