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
 48   49   50   51   52 
Klasifikasi Deteksi Tautan Menggunakan Random Forest dan Metode Seleksi Fitur Berbasis Website Lidya Marcelena; Anita Qoiriah
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 — Phishing merupakan salah satu bentuk kejahatan siber yang bertujuan mencuri informasi pribadi pengguna melalui tautan palsu atau tiruan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi deteksi tautan phishing dan legitimate menggunakan algoritma machine learning dan metode seleksi fitur berbasis website. Algoritma yang digunakan dalam penelitian ini adalah algoritma Random Forest dengan metode seleksi fitur Chi-Square. Proses penelitian meliputi pra pemrosesan data, ekstraksi fitur berdasarkan struktur dan konten website dalam sebuah tautan, seleksi fitur, hyperparameter tuning, serta evaluasi model klasifikasi. Kinerja model dievaluasi menggunakan beberapa metrik pengujian untuk menentukan model terbaik dalam mendeteksi tautan phishing. Hasil penelitian menunjukkan bahwa algoritma machine learning dan metode seleksi fitur mampu digunakan untuk mendeteksi tautan phishing secara efektif. Model terbaik kemudian diimplementasikan ke dalam sistem berbasis website sehingga dapat membantu pengguna mengidentifikasi tautan berbahaya secara realtime. Sistem yang dikembangkan diharapkan dapat meningkatkan keamanan pengguna saat mengakses internet serta menjadi solusi pendukung dalam upaya pencegahan serangan phishing yang semakin berkembang.     Kata Kunci — Phishing. Machine Learning, Random Forest, Logistic Regression, Chi-Square.
Eksplorasi Teknik Balancing pada Klasifikasi Sentimen SVM dengan K-Fold Cross Validation Septi Kirana Damai Lestari; Anita Qoiriah
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—Media social merupakan ruang public digital yang memungkinkan Masyarakat bebas dalam menyampaikan opini tentang berbagai hal, salah satunya kinerja pemerintah daerah. Komentar media social menjadi sumber informasi penting dalam memahami opini public dan kecenderungan sentiment publik. Namun, terdapat beberapa tantangan dalam analisis komentar media social, seperti karakteristik teks yang pendek dan informal serta distribusi kelas yang cenderung tidak seimbang sehingga model cenderung bias ke kelas mayoritas. Penelitian ini malakukan eksplorasi Teknik balancing pada model SVM dengan representasi fitur TF-IDF. Penelitian mengeksplorasi lima strategi penanganan ketidakseimbangan kelas, yaitu tanpa balancing (baseline), class weighting, random undersampling, random oversampling, dan SMOTE Seluruh eksperimen dievaluasi menggunakan Stratified K-Fold Cross-Validation (K=5) untuk memperoleh estimasi performa yang lebih stabil dan representatif. Dataset terdiri atas 3.957 komentar dari platform TikTok dan X/Twitter terkait kinerja Pemerintah Kota Malang periode Maret–Desember 2025 dengan distribusi 86,92% komentar negatif dan 13,08% komentar positif. Teknik resampling diterapkan hanya pada data training di setiap fold dengan tujuan menghindari data leakage. Hasil eksplorasi menunjukkan bahwa penerapan class weighting menghasilkan Mean Macro F1 tertinggi sebesar 0,6399 ± 0,0232, melampaui baseline (0,6350), random undersampling (0,5690), oversampling (0,6327), dan SMOTE (0,5956). Analisis confusion matrix agregat menunjukkan bahwa random undersampling menghasilkan False Positive Rate sebesar 30,9%, hal ini mengindikasikan bahwa hampir sepertiga kritik masyarakat salah diklasifikasikan sebagai apresiasi. Berdasarkan eksplorasi dapat disimpulkan bahwa class weighting merupakan strategi yang paling sesuai untuk dataset komentar media sosial berbahasa Indonesia karena kemampuan sensitivitas model terhadap kelas minoritas tanpa mengubah distribusi data dan risiko overfitting akibat duplikasi atau sampel sintetik. Kata Kunci— analisis sentimen, class imbalance, K-Fold cross-validation, media sosial, SVM, strategi balancing.
Penerapan Certainty Factor pada Sistem Pakar Skrining Kesehatan Mental Anak Korban Perceraian Fiqa Nur Akhmayanti; Ronggo Alit
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— Tingginya angka perceraian di Indonesia sering kali menimbulkan dampak psikologis mendalam bagi anak, memicu risiko depresi hingga kecemasan. Terbatasnya akses ke psikolog, mahalnya biaya, serta stigma sosial menjadi hambatan utama dalam melakukan deteksi dini terhadap kelompok tersebut. Penelitian ini bertujuan merancang dan membangun sistem pakar berbasis web bernama "Pulih Bersama" sebagai solusi deteksi dini tingkat risiko gangguan kesehatan mental anak korban perceraian, yang terintegrasi dengan fitur rekomendasi penanganan. Sistem ini menerapkan metode Certainty Factor (CF) untuk menghitung tingkat ketidakpastian dari berbagai gejala psikologis, serta pendekatan Rule-Based untuk memetakan hasil diagnosis menjadi rekomendasi konten edukasi. Sistem dikembangkan menggunakan metode Agile secara iteratif untuk memastikan kesesuaian kebutuhan pengguna. Evaluasi sistem dilakukan melalui pengujian Black Box untuk memvalidasi fungsionalitas dan pengujian White Box untuk menjamin akurasi logika komputasi. Hasil pengujian menunjukkan bahwa sistem beroperasi 100% valid dan terbebas dari cacat logika, dengan seluruh jalur independen (independent path) pada algoritma Certainty Factor. Selain keberhasilan teknis, evaluasi tingkat kemudahan penggunaan melalui System Usability Scale (SUS) mencatat peningkatan skor rata-rata dari 50,13 pada iterasi pertama menjadi 75,89 pada iterasi kedua. Pencapaian ini menempatkan sistem pada kategori Acceptable (Dapat Diterima), yang membuktikan bahwa website ini tervalidasi layak, ramah pengguna, dan efektif sebagai media pertolongan pertama psikologis secara mandiri.   Kata Kunci— Anak Korban Perceraian, Certainty Factor, Kesehatan Mental, Sistem Pakar, System Usability Scale.
Pengembangan Perangkat Lunak Virtual Tour dan Rekomendasi Penginapan Menggunakan Metode Agile Development Novia Putri Rahmadani; Ronggo Alit
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— Kabupaten Gresik memiliki potensi pariwisata yang sangat besar, namun penyajian informasi wisata saat ini masih bersifat statis dan terpisah dari informasi penginapan. Penelitian ini bertujuan untuk merancang dan membangun website virtual tour interaktif objek wisata di Kabupaten Gresik yang terintegrasi dengan fitur rekomendasi penginapan berdasarkan preferensi pengguna. Sistem dikembangkan menggunakan metode Agile untuk memberikan fleksibilitas dalam penyesuaian dan perbaikan berdasarkan umpan balik pengguna. Fitur rekomendasi penginapan dibangun menggunakan metode Haversine Formula untuk menghitung jarak lokasi terdekat dan Content-Based Filtering (CBF) dengan perhitungan TF-IDF serta Cosine Similarity untuk mencocokkan preferensi pengguna. Hasil pengujian menunjukkan bahwa perhitungan jarak dengan Haversine Formula memiliki tingkat kesesuaian sebesar 97,48%. Pengujian algoritma Content-Based Filtering menghasilkan nilai rata-rata Recall sebesar 100%, yang berarti sistem berhasil merekomendasikan seluruh penginapan yang relevan. Pengujian menggunakan System Usability Scale (SUS) memperoleh skor rata-rata 75.8 yang menunjukkan bahwa sistem sangat mudah digunakan oleh pengguna. Dengan demikian, platform G-Lens berhasil memberikan pengalaman eksplorasi wisata yang interaktif serta menyajikan rekomendasi penginapan yang akurat sesuai dengan kebutuhan wisatawan.   Kata Kunci— Virtual Tour, Haversine Formula, Content-Based Filtering, Agile, System Usability Scale, Sistem Rekomendasi
Pengembangan Sistem Manajemen Gudang Berbasis Web Dengan Event-Driven Architecture Candra Bagus Ainur Rochman; 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 manajemen gudang berbasis web rentan mengalami degradasi kinerja saat menangani lonjakan transaksi secara bersamaan, terutama ketika arsitektur yang digunakan memproses seluruh alur bisnis secara sinkron dalam satu jalur permintaan. Penelitian ini bertujuan mengimplementasikan Event-Driven Architecture (EDA) sebagai penyesuaian arsitektur pada sistem WMS berbasis web dan mengevaluasi pengaruhnya terhadap latensi serta throughput dibandingkan arsitektur modular monolith. Penelitian menggunakan desain eksperimen kuantitatif before after pada sistem WMS yang dibangun dengan stack Laravel React MySQL dan dijalankan di lingkungan Docker Kubernetes. Penerapan EDA dilakukan dengan memindahkan proses pendukung (pencatatan log, notifikasi, dan pembaruan dashboard) ke pemrosesan asinkron menggunakan Laravel Queue dengan Redis sebagai message broker. Pengujian dilakukan pada tiga use case, yaitu Inbound/Receiving, Stock Adjustment, dan Outbound Confirmation, dengan beban bertahap 50, 100, dan 200 request per second menggunakan k6, serta pemantauan sumber daya melalui Hasil pengujian menunjukkan EDA unggul signifikan pada Inbound dan Outbound. Pada beban normal Outbound, latensi end-to-end turun dari 18,84 detik menjadi 204 milidetik dan throughput meningkat 55,09%. Pada stress test UC-03, throughput meningkat 645,95% dengan success rate 100%, sementara modular monolith mengalami kegagalan fungsional hingga 81% akibat database lock contention. Sebaliknya, EDA menunjukkan keterbatasan pada adjustment karena overhead antrian dan validasi duplikasi data memperparah kontesi basis data yang menggunakan pessimistic locking. Disimpulkan bahwa penerapan EDA secara inkremental efektif meningkatkan kinerja dan skalabilitas WMS, khususnya pada operasi dengan alur bisnis kompleks. Disarankan penerapan eventual consistency secara penuh dan penggantian pessimistic locking dengan optimistic locking untuk mengoptimalkan performa pada seluruh skenario.   Kata Kunci— Warehouse Management System, Event-Driven Architecture, Modular Monolith, Latensi, Throughput, Skalabilitas.
Sistem Irigasi Vertical Garden Berbasis IoT dengan Penjadwalan Adaptif Faizah; Agus Prihanto
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— Tanaman pada lingkungan hunian perkotaan sering mengalami penyiraman yang tidak konsisten akibat aktivitas pengguna yang padat serta perubahan kondisi lingkungan. Penelitian ini mengembangkan sistem irigasi otomatis berbasis Internet of Things (IoT) untuk vertical garden skala kecil menggunakan mikrokontroler ESP32 sebagai perangkat edge. Sistem bekerja berdasarkan jadwal penyiraman yang diperbarui secara adaptif menggunakan data historis kelembaban media tanam tanpa bergantung pada layanan cloud. Data kelembaban tanah direkam setiap 15 menit dan disimpan secara lokal untuk dianalisis menggunakan algoritma berbasis aturan if–then. Algoritma menghitung perubahan kelembaban tanah sebelum dan sesudah penyiraman (delta), kemudian mengklasifikasikan kondisi media tanam menjadi KERING, CUKUP, atau KEBANYAKAN sebagai dasar penyesuaian durasi dan jadwal penyiraman pada siklus berikutnya. Verifikasi dilakukan dengan membandingkan hasil perhitungan otomatis pada ESP32 dan perhitungan manual menggunakan dataset yang sama, termasuk pengujian tambahan menggunakan data sintesis. Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan keputusan klasifikasi, perubahan durasi, dan pembaruan jadwal yang sesuai dengan hasil perhitungan manual, sehingga algoritma adaptif yang diterapkan dapat mendukung mekanisme penjadwalan penyiraman berbasis data historis pada sistem irigasi vertical garden.   Kata Kunci— Internet of Things (IoT), vertical garden, penjadwalan adaptif, soil moisture, data historis, irigasi otomatis.
Deteksi Plagiarisme Jawaban Antar Siswa Berbasis Google Form Menggunakan BERT dan Cosine Similarity Talitha irwan; Anita Qoiriah
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— Plagiarisme antar siswa pada jawaban esai masih menjadi tantangan dalam pembelajaran daring, terutama pada pengumpulan jawaban melalui Google Form. Proses pemeriksaan kemiripan jawaban secara manual memerlukan waktu yang lama dan sulit untuk mengidentifikasi kemiripan semantik antar jawaban siswa. Penelitian ini bertujuan untuk mengembangkan sistem deteksi plagiarisme jawaban antar siswa menggunakan Sentence-BERT (all-MiniLM-L12-v2) dan cosine similarity. Tahapan penelitian meliputi text preprocessing, pembentukan sentence embedding, perhitungan skor kemiripan, penentuan batas ambang (threshold), serta klasifikasi jawaban ke dalam kategori plagiarisme, parafrase, dan tidak plagiarisme. Pelabelan manual dilakukan oleh dua penilai, yaitu peneliti dan guru mata pelajaran, untuk menetapkan ground truth. Tingkat kesepakatan antara kedua penilai kemudian dievaluasi menggunakan Cohen's Kappa yang menghasilkan nilai 0,8954 menunjukkan tingkat kesepakatan hampir sempurna. Berdasarkan evaluasi menggunakan confusion matrix terhadap empat skenario threshold, skenario 2 memberikan performa terbaik dengan akurasi sebesar 94,42%. Skenario tersebut menggunakan batas ambang similarity ≥80% untuk kategori plagiarisme, 60%–79% untuk kategori parafrase, dan <60% untuk kategori tidak plagiarisme. Nilai F1-score yang diperoleh masing-masing sebesar 0,99 pada kategori plagiarisme, 0,93 pada kategori parafrase, dan 0,88 pada kategori tidak plagiarisme.      Kata Kunci— Plagiarisme, Sentence-BERT, cosine similarity, Google Form, NLP.
Pengembangan Aplikasi Web Layanan Kesehatan Fisioterapi Dengan Penerapan Sistem Autentikasi Json Web Token (JWT) Untuk Manajemen Role-Based Access Control (RBAC) Adi Indra Pratama; I Made Suartana
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— Penelitian Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi web layanan fisioterapi yang aman dan efisien dengan menerapkan autentikasi berbasis JSON Web Token (JWT) serta manajemen hak akses berbasis peran (Role-Based Access Control/RBAC). Latar belakang penelitian ini adalah kebutuhan pengelolaan data pasien yang sensitif dan pentingnya kontrol akses yang terstruktur untuk menjaga kerahasiaan dan integritas informasi medis. Sistem dikembangkan menggunakan Laravel sebagai backend, Vite/React sebagai frontend, serta MySQL sebagai basis data, dan diuji melalui unit testing, API testing, dan end-to-end testing menggunakan Mock Service Worker. JWT memungkinkan pengelolaan sesi secara stateless, sementara RBAC mengatur hak akses sesuai peran pengguna (admin, terapis, pasien). Hasil implementasi menunjukkan aplikasi mampu menyediakan autentikasi yang aman, pengelolaan hak akses yang tepat, serta interaksi real-time antara pengguna. Evaluasi menggunakan metrik keamanan dan fungsionalitas mengindikasikan bahwa kombinasi JWT dan RBAC efektif meningkatkan keamanan data serta efisiensi operasional aplikasi. Dengan demikian, penelitian ini memberikan kontribusi pada pengembangan layanan kesehatan digital yang aman, terkontrol, dan sesuai standar perlindungan data. Kata Kunci— : Fisioterapi, JSON Web Token, RBAC, Laravel, Vite/React, Keamanan Data, Aplikasi Web.
Studi Komparasi Arsitektur GoogLeNet dan CNN untuk Klasifikasi Gambar Penyakit Daun Mangga M. Alfan Tsalits; Aries Dwi Indriyanti
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— Penyakit daun mangga secara signifikan mempengaruhi produktivitas pertanian, sehingga diperlukan sistem identifikasi otomatis dan efisien. Penelitian ini bertujuan untuk melakukan studi komparasi antara arsitektur Convolutional Neural Network (CNN) konvensional dengan arsitektur GoogLeNet dalam mengklasifikasikan delapan kategori kondisi daun mangga. Metodologi penelitian ini menggabungkan pendekatan SEMMA (Sample, Explore, Modify, Model, Assess) untuk tahapan pengembangan model, serta metode RAD (Rapid Application Development) untuk tahapan implementasi sistem dashboard berbasis website. Hasil eksperimen menunjukkan bahwa GoogLeNet mengungguli CNN konvensional, mencapai akurasi validasi yang lebih tinggi sebesar 90,68% dan loss validasi yang lebih rendah sebesar 0,2580, dibandingkan dengan akurasi CNN sebesar 89,55% dan loss 0,3309. Selain aspek akurasi, GoogLeNet jauh lebih efisien secara komputasi karena hanya menggunakan 2,87 juta parameter sementara CNN konvensional memerluka hingga 25,8 juta parameter. Melalui implementasi sistem yang telah dibangun, model terbaik mampu menyajikan hasil diagnosis penyakit dan nilai confidence score secara real-time. Kata Kunci— Penyakit Daun Mangga, Deep Learning, Convolutional Neural Network, GoogLeNet, Klasifikasi Citra.
Rancang Bangun LMS Mindlab Berbasis Web dengan Online Compiler dan Profile Showcase Rino Raihan Gumilang; Rizky Basatha
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—Penelitian ini bertujuan untuk merancang dan membangun sebuah Learning Management System (LMS) "Mindlab" berbasis website yang dilengkapi dengan fitur Compiler Online dan Profile Showcase untuk mendukung praktik Pemrograman Terstruktur. Terdapat kebutuhan akan platform sistem informasi terpusat yang mampu menyediakan lingkungan eksekusi kode pemrograman secara real-time langsung di dalam peramban, serta fitur dokumentasi portofolio digital yang saling terintegrasi dalam satu sistem, guna mengatasi keterbatasan spesifikasi perangkat keras dan fragmentasi platform. Sistem dibangun menggunakan arsitektur full-stack dengan framework Next.js, basis data Supabase (PostgreSQL), serta integrasi layanan pihak ketiga berupa Piston API dan Wandbox sebagai mesin kompilator kode online. Metode pengembangan sistem menggunakan pendekatan Research and Development (R&D) melalui tahapan siklus perancangan ADDIE (Analyze, Design, Development, Implementation, dan Evaluation). Pengujian fungsionalitas sistem dievaluasi menggunakan metode Black Box Testing yang menghasilkan tingkat validitas sebesar 99,07% dari 216 skenario uji, membuktikan bahwa fungsionalitas sistem berjalan dengan sangat baik dan tanpa kecacatan (bug) mayor. Selain itu, evaluasi non-fungsional dari sisi antarmuka dan pengalaman pengguna diukur menggunakan User Experience Questionnaire (UEQ). Hasil pengukuran UEQ menunjukkan bahwa lima dari enam skala berada pada posisi Above Average terhadap tolok ukur (benchmark) global produk digital. Kesimpulannya, rancang bangun sistem LMS Mindlab terbukti andal secara teknis, fungsional, dan mampu memberikan kualitas pengalaman pengguna yang sangat baik sebagai platform eksekusi dan manajemen pemrograman terstruktur.   Kata Kunci— Learning Management System, Mindlab, Compiler Online, Next.js, Black Box Testing, User Experience Questionnaire, Full-stack Development.

Page 50 of 55 | Total Record : 548

 48   49   50   51   52 

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