cover
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)
ISSN : -     EISSN : 26862220     DOI : https://doi.org/10.26740/jinacs.v3n02
Core Subject : Science,
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.
Articles 568 Documents
Penerapan UMAP dan HDBSCAN untuk Pengelompokan Semantik Judul Buku Menggunakan Embedding Sentence-BERT Syelma Rohmatil Fatikh; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Article In Press(1)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Pengorganisasian koleksi buku pada perpustakaan skala besar masih menghadapi tantangan karena proses pengelompokan umumnya dilakukan secara manual. Selain itu, karakteristik judul buku yang berupa short text menyebabkan informasi semantik yang tersedia terbatas sehingga pengelompokan otomatis menjadi lebih sulit dilakukan. Penelitian ini mengusulkan model pengelompokan judul buku secara otomatis dengan mengintegrasikan tiga pendekatan, yaitu Sentence-BERT (SBERT) untuk ekstraksi representasi semantik, Uniform Manifold Approximation and Projection (UMAP) untuk reduksi dimensi, dan Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) untuk pembentukan kelompok berdasarkan kepadatan data. Dataset yang digunakan terdiri atas 13.846 judul buku dari repositori publik GitHub. Sebelum proses pemodelan, dilakukan tahapan preprocessing sehingga diperoleh 12.211 judul buku, kemudian setiap judul buku direpresentasikan menjadi vektor embedding menggunakan SBERT. Konfigurasi parameter UMAP dan HDBSCAN dioptimasi menggunakan metode One Factor at a Time (OFAT) dan dievaluasi menggunakan Silhouette Score, Davies–Bouldin Index (DBI), dan Calinski–Harabasz Index (CHI). Konfigurasi terbaik menghasilkan 63 kelompok dengan nilai Silhouette Score 0,6289, DBI 0,5029, CHI 16.342,15, dan proporsi noise 31,00%. Setiap kelompok kemudian diberi label kategori berdasarkan kata dan frasa dominan dengan mengacu pada sistem Dewey Decimal Classification (DDC). Hasil tersebut menunjukkan bahwa pendekatan yang diusulkan mampu menghasilkan pengelompokan judul buku yang lebih representatif berdasarkan kemiripan semantik sehingga dapat mendukung pengelolaan koleksi perpustakaan secara lebih efektif. Kata Kunci— Clustering, HDBSCAN, Judul Buku, Sentence-BERT, UMAP.
Analisis Stabilitas Popularitas Game Digital Menggunakan Clustering K-Means Berdasarkan Data Historis Aktivitas Tasya Aulia Maqhfiro; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Article In Press(1)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Perkembangan industri game digital yang pesat menyebabkan tingginya persaingan antar game dalam mempertahankan popularitasnya. Popularitas suatu game tidak hanya diukur dari banyaknya jumlah pemain dan interaksi pengguna pada suatu waktu, namun juga dari kemampuan game dalam mempertahankan keberlanjutan dan pengelolaan untuk jangka panjang. Maka dari itu dilakukan pengelompokkan tingkat stabilitas popularitas dari game Roblox menggunakan algoritma K-Means untuk mengetahui kondisi karakteristik game berdasarkan data historis aktivitasnya. Dataset yang digunakan terdiri dari 5.985 data game dengan atribut numerik seperti jumlah suka, pemain aktif, favorit, kunjungan dan atribut waktu seperti umur game dan jarak pembaruan. Tahapan penelitian meliputi prapemrosessan, rekayasa fitur, transformasi logaritmik, penskalaan RobustScaler, reduksi dimensi menggunakan Principal Component Analysis (PCA), pembentukan skenario clustering k=2 hingga k=9, dan evaluasi hasil cluster. Hasil evaluasi menunjukkan k=4 berada pada titik elbow yang jelas dengan Silhouette sebesar 0,6868, DBI sebesar 0,4884, dan CHI sebesar 21879,81. Sedangkan k=9 menghasilkan Silhouette sebesar 0,5527, DBI sebesar 0,6473, CHI sebesar 25766,54. Berdasarkan hasil analisis, k=9 mampu merepresentasikan variasi tingkat popularitas dan stabilitas yang lebih rinci dari yang tinggi, sedang, dan rendah. Maka penelitian ini tidak hanya mempertimbangkan kualitas metrik, namun juga kemampuan cluster dalam merepresentasikan variasi data sesuai tujuan analisis. Kata Kunci— Stabilitas Popularitas, Game Roblox, Clustering, K-Means.
Detection of Potholes and Speed Bumps Using One-Stage and Two-Stage Detectors Sinta Ayu Dwi Ardita; Ervin Yohannes
Journal of Informatics and Computer Science (JINACS) Article In Press(1)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstract – Road damage and road-control objects, particularly potholes and speed bumps, can affect driving comfort and traffic safety. Conventional inspection depends on direct observation and can require substantial time and human resources. This study evaluates object detection approaches based on one-stage and two-stage detectors for automatically identifying potholes and speed bumps. YOLOv11 and Single Shot Detector (SSD) are evaluated as one-stage detectors, while Faster R-CNN is evaluated using ResNet50, ResNet101, MobileNetV2, and MobileNetV3 backbones. A conventional image-processing approach is also included as a baseline. The dataset consists of 790 images containing two object classes, pothole and speedbump, and is divided into training, validation, and testing subsets. Evaluation uses mAP@0.5:0.95, mAP@0.5, mAP@0.75, recall, confusion matrix, and qualitative testing on images and video. The results show that YOLOv11 achieves the highest overall performance with mAP@0.5:0.95 of 49.30%, mAP@0.5 of 85.90%, mAP@0.75 of 47.40%, and recall of 84.30%. Among Faster R-CNN backbones, MobileNetV3 provides the best performance with mAP@0.5:0.95 of 45.37%, mAP@0.5 of 83.74%, mAP@0.75 of 40.85%, and recall of 53.34%. The conventional image-processing approach obtains substantially lower results. Overall, YOLOv11 provides the best balance of detection performance and real-time capability for the dataset used in this study. Keywords – pothole, speedbump, object detection, YOLOv11, SSD, Faster R-CNN, deep learning.
Klasifikasi Tingkat Kecanduan Internet Pada Pelajar SMK Menggunakan Algoritma C5.0 Berbasis Chatbot Telegram Oktania Arlingga Wilujeng; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Article In Press(2)
Publisher : Universitas Negeri Surabaya

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

Abstract

Perkembangan teknologi informasi dan internet telah memberikan kemudahan dalam komunikasi, akses informasi, dan proses pembelajaran. Di sisi lain, penggunaan internet secara berlebihan dapat memicu Internet Addiction Disorder (IAD), terutama pada pelajar Sekolah Menengah Kejuruan yang memiliki intensitas penggunaan perangkat digital cukup tinggi. Oleh karena itu, diperlukan suatu metode yang dapat membantu mengidentifikasi dan mengklasifikasikan tingkat kecanduan secara dini. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kecanduan internet pada pelajar SMK menggunakan algoritma C5.0 yang diintegrasikan ke dalam Chatbot Telegram. Data penelitian diperoleh melalui serangkaian pertanyaan yang disusun berdasarkan indikator kecanduan internet, kemudian diolah untuk menentukan kategori tingkat kecanduan pengguna. Implementasi chatbot Telegram berfungsi sebagai antarmuka yang memungkinkan pelajar, orang tua, dan guru melakukan pemeriksaan awal secara real-time melalui perangkat yang mudah diakses. Hasil penelitian menunjukkan bahwa algoritma C5.0 mampu melakukan klasifikasi tingkat kecanduan internet dengan tingkat akurasi sebesar 94%. Nilai akurasi tersebut menunjukkan bahwa algoritma C5.0 memiliki performa yang sangat baik dalam proses klasifikasi data dan hasil tersebut dapat digunakan sebagai bahan pertimbangan dalam menentukan langkah pencegahan, pendampingan, serta penanganan awal terhadap penggunaan internet yang berlebihan pada pelajar. Dengan adanya chatbot Telegram, sistem dapat menjadi salah satu media yang interaktif dan mudah di akses untuk membantu proses deteksi dini tingkat kecanduan internet. Kata Kunci— Algoritma C5.0, Chatbot Telegram, Internet Addiction Disorder, kecanduan internet, klasifikasi, pelajar SMK.
Sistem Absensi Multi-Tenant dengan Validasi Geofencing Berlapis untuk Mitigasi GPS-Spoofing Muhammad Zaky Adinata; Ronggo Alit
Journal of Informatics and Computer Science (JINACS) Article In Press(2)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Kecurangan kehadiran melalui manipulasi lokasi menjadi tantangan pada sistem absensi berbasis geofencing, mengingat aplikasi GPS Spoofing dapat diakses secara bebas dan digunakan untuk memalsukan koordinat perangkat. Di sisi lain, penerapan arsitektur multi-tenant pada sistem absensi digital masih jarang dikombinasikan dengan mekanisme validasi lokasi yang lebih ketat. Berangkat dari permasalahan tersebut, penelitian ini merancang sebuah sistem absensi berbasis Android yang mengintegrasikan tiga aspek: isolasi data multi-tenant, validasi geofencing, dan deteksi GPS Spoofing melalui validasi lokasi berlapis. Pengembangan sistem dilakukan menggunakan metode Research and Development (R&D) model Borg & Gall, dengan Kotlin sebagai bahasa pengembangan aplikasi dan Supabase (PostgreSQL) sebagai backend yang menerapkan Row-Level Security (RLS) untuk isolasi data antar tenant. Jarak lokasi absensi dihitung menggunakan Haversine Formula, sementara deteksi GPS Spoofing dilakukan melalui pemeriksaan Developer Options, deteksi Mock Location, serta analisis anomali pada parameter speed, bearing, accuracy, dan spatial variation. Pengujian black-box dan evaluasi kinerja menunjukkan bahwa sistem berhasil menjaga isolasi data antar tenant, membatasi absensi sesuai radius geofence, serta mendeteksi seluruh percobaan spoofing yang diujikan dengan precision 66,67%, recall 100,00%, dan F1-score 80,00%   Kata Kunci— Geofencing, GPS Spoofing, Multi-Tenant, Row-Level Security, Sistem Absensi, Android
Integrasi MFA Self-Register Moodle dengan Google Authenticator, Whatsapp OTP dan Email Dony Setyo Nugroho; Agus Prihanto
Journal of Informatics and Computer Science (JINACS) Article In Press(2)
Publisher : Universitas Negeri Surabaya

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

Abstract

Layanan self-register Moodle mempermudah pengguna dalam membuat akun secara mandiri, tetapi autentikasi yang hanya mengandalkan kata sandi masih memiliki risiko ketika kredensial diketahui pihak yang tidak berwenang. Penelitian ini bertujuan mengintegrasikan Multi-Factor Authentication (MFA) pada layanan self-register Moodle menggunakan Google Authenticator, WhatsApp OTP dan Email OTP serta menganalisis kinerja masing-masing metode. Penelitian menggunakan Design Science Research Methodology (DSRM) dengan evaluasi kuantitatif deskriptif melalui 16 skenario pengujian yang mencakup integrasi self-register, Google OAuth 2.0, validasi OTP, hold mechanism, lockout mechanism, penggunaan ulang kode dan pengukuran latensi. Hasil pengujian menunjukkan bahwa seluruh 16 skenario memenuhi indikator fungsi utama, terdiri atas 12 skenario berstatus Lulus Pengujian dan empat skenario Lulus Pengujian dengan Catatan. Google Authenticator berhasil menghasilkan dan memvalidasi TOTP secara lokal tanpa proses pengiriman kode melalui jaringan. WhatsApp OTP berhasil diintegrasikan melalui microservice Node.js dengan rata-rata waktu pemrosesan internal sebesar 400,185 ms, sedangkan Email OTP melalui SMTP Gmail dengan TLS memperoleh rata-rata latensi 5,2 detik. Sistem juga berhasil menahan akses sebelum konfigurasi MFA selesai dan menerapkan penangguhan setelah tiga kali kegagalan autentikasi. Hasil penelitian menunjukkan bahwa ketiga metode MFA dapat diterapkan pada Moodle dengan karakteristik kinerja dan ketergantungan infrastruktur yang berbeda.   Kata Kunci— Moodle, Multi-Factor Authentication, Google Authenticator, WhatsApp OTP, Email OTP
Perancangan Game Arsitektur Komputer dengan Skema Cerita dalam Bentuk Visual Novel Tykea Farraz Zafira; Aditya Prapanca
Journal of Informatics and Computer Science (JINACS) Article In Press(2)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Perkembangan teknologi dan industri game PC di era modern telah menjadikan permainan digital sebagai sarana hiburan utama dalam lingkup komunitas maupun keluarga. Di tengah pesatnya perkembangan visualisasi game yang kompleks, genre visual novel tetap mempertahankan eksistensinya melalui konsep kesederhanaan yang berfokus pada kekuatan narasi dan ilustrasi. Penelitian ini bertujuan untuk merancang sebuah game visual novel yang mengintegrasikan unsur narasi cerita mengenai dasar-dasar komputer dengan elemen visual seperti karakter dengan desain yang bervariasi, latar tempat yang unik, dan ilustrasi musik yang tepat guna menciptakan pengalaman yang imersif. Metode yang digunakan dalam pengembangan game ini menekankan pada interaktivitas, di mana pemain tidak hanya berperan sebagai pembaca pasif, tetapi juga terlibat aktif dalam pengambilan Keputusan yang menjadi kunci utama alur cerita berjalan. Hasil dari penelitian ini menunjukkan bahwa implementasi pilihan-pilihan strategis dalam alur cerita mampu memengaruhi narasi secara dinamis dan menghasilkan akhir cerita (multiple endings) yang bervariasi. Melalui pendekatan ini, visual novel yang dikembangkan berhasil menjadi media hiburan yang interaktif dan bermanfaat bagi pemain. Kata Kunci— Visual Novel, Game PC, Narasi Interaktif, Ren'Py, Komputer Dasar.
Vehicle Speed Estimation Modeling Using YOLOv8 and DeepSORT on Road Traffic Videos Farell Hafidz Irkhami; Ervin Yohannes
Journal of Informatics and Computer Science (JINACS) Article In Press(2)
Publisher : Universitas Negeri Surabaya

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

Abstract

Vehicle speed monitoring is an important component of traffic analysis because excessive speed can increase traffic risk. This study develops a video-based vehicle speed estimation system using YOLOv8 for vehicle detection and DeepSORT for multi-object tracking. The system processes a public road-traffic video frame by frame, assigns a consistent tracking ID to each detected vehicle, determines its movement direction, and estimates speed from the travel time between two virtual lines. A pixel-to-meter conversion factor is applied to obtain the distance used in the speed calculation. The main model uses YOLOv8n with a confidence threshold of 0.45, while DeepSORT uses max-age 30, n-init 3, and max cosine distance 0.4. The results show that most YOLOv8-DeepSORT speed estimates are concentrated around 40–90 km/h, with an average estimated speed of 70.4 km/h. One extreme observation approaches 200 km/h and is treated as an outlier. As an additional baseline, SSD was tested on the same video. SSD produced 57 upward and 14 downward vehicle records, while its speed distribution was more dispersed, with an average of 91.3 km/h and several high-valued observations. Because the study does not use ground-truth speed or direct real-world distance calibration, the results are interpreted in terms of system consistency rather than absolute speed accuracy. Overall, YOLOv8 combined with DeepSORT is more suitable for the speed-estimation task evaluated in this study.   Keywords – vehicle speed estimation, YOLOv8, DeepSORT, object detection, object tracking, traffic video, SSD.
Hybrid Deep Learning Architecture for Phishing Detection Using Transformer Encoders and GATv2 Raynald Sumarga; Ervin Yohannes
Journal of Informatics and Computer Science (JINACS) Article In Press(2)
Publisher : Universitas Negeri Surabaya

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

Abstract

Phishing attacks are becoming increasingly evasive, exploiting valid HTTPS certificates, disguised domains, and web pages that are nearly indistinguishable from legitimate ones, which limits the effectiveness of traditional blacklist- and rule-based detection. This study proposes a hybrid deep learning architecture that represents a URL and its corresponding HTML content within a single graph rather than processing them separately. URL components (domain, subdomain, path, query) and HTML elements are each embedded through dedicated Transformer Encoders, connected via a virtual [DOC] node, and propagated through a three-layer residual GATv2 network; the resulting graph representation is further enriched with eleven handcrafted URL features and nine handcrafted HTML features designed to capture typosquatting and domain-generation patterns. The model is evaluated on a roughly 3,000-sample subset of the PhreshPhish dataset across three train-validation-test split scenarios (90:10, 80:20, 70:30), with an identical, fixed 1,000-sample test set across all three. The model attains its best result under the 90:10 split, with 89.60% accuracy, 89.78% F1-score, and 95.42% AUC-ROC, and remains stable across all three splits (accuracy 85.80%-89.60%, AUC-ROC consistently above 93%), although the 70:30 split stands out with a markedly different error profile (precision 92.20%, recall 80.40%) compared to the other two splits. These results show that implicit, graph-level fusion of URL and HTML modalities is a viable direction for phishing detection, though further refinement is needed to improve consistency across data splits.   Keywords— phishing URL detection, graph attention network, transformer encoder, multimodal fusion, hybrid deep learning, feature engineering
Pengukuran QoS Jaringan Wireless LAN di SLB Negeri Porong Sidoarjo Damara Gesa Tristya Inzaghi Albanire
Journal of Informatics and Computer Science (JINACS) Article In Press(2)
Publisher : Universitas Negeri Surabaya

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

Abstract

Perkembangan teknologi telekomunikasi yang sangat pesat menjadikan wireless LAN sebagai salah satu sarana utama pertukaran data antarpengguna dalam satu jaringan. Agar layanan jaringan dapat dimanfaatkan dengan baik, kinerjanya perlu dievaluasi berdasarkan standar parameter Quality of Service (QoS). Penelitian ini bertujuan untuk mengetahui kinerja jaringan wireless LAN di SLB Negeri Porong Sidoarjo melalui pengukuran parameter QoS, yaitu throughput, delay, jitter, dan packet loss. Metode penelitian meliputi identifikasi permasalahan, pengumpulan data melalui studi literatur, internet, dan wawancara, perencanaan analisa kerja, persiapan alat dan perangkat, pengukuran parameter kinerja jaringan, serta analisa data hasil pengukuran. Pengukuran dilakukan dengan menangkap lalu lintas paket data menggunakan aplikasi Wireshark saat pengguna mengakses layanan streaming YouTube, kemudian hasilnya diklasifikasikan berdasarkan standar TIPHON. Nilai setiap parameter kemudian dibandingkan dengan kategori standar TIPHON untuk menentukan kualitas layanannya. Berdasarkan hasil tersebut dapat disimpulkan bahwa kinerja jaringan wireless LAN di SLB Negeri Porong Sidoarjo sudah bagus dan layak digunakan. Kata Kunci— Quality of Service, wireless LAN, Wireshark, throughput, delay, jitter, packet loss, TIPHON.