Journal of Informatics and Computer Science (JINACS) https://ejournal.unesa.ac.id/index.php/jinacs <p>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 :&nbsp;2686-2220</p> <p align="left">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.</p> <p align="left">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.</p> <p align="left">Template dapat diunduh <a href="https://drive.google.com/file/d/1iMbSZmV1hJ6lvyDC2j_FZmixIeRTXoh-/view?usp=sharing">di sini</a></p> Universitas Negeri Surabaya en-US Journal of Informatics and Computer Science (JINACS) 2686-2220 Manajemen Quality of Service pada Jaringan Software Defined Network Menggunakan Opendaylight Controller https://ejournal.unesa.ac.id/index.php/jinacs/article/view/42718 <p>Kamajuan teknologi jaringan berkembang sangat pesat. Hal ini mengakibatkan tingkat konfigurasi pada jaringan semakin rumit, sehingga jaringan menjadi tidak fleksibel dan susah diatur. <em>Software Defined Network </em>(SDN) merupakan jaringan yang cukup fleksibel dan dapat dengan mudah untuk diatur. Jaringan SDN ini dapat mengatur dan mengelola sampai ribuan perangkat jaringan melalui pusat manajemen, pengoptimalan pada komponen jaringan meliputi pengoptimalan <em>bandwidth</em>, <em>load balancing, traffic engineering </em>yang bersangkutan dengan <em>programmability</em> dan <em>scalability. Quality of Service</em> (QoS) adalah suatu kemampuan dalam menyediakan layanan lalu lintas jaringan yang berbeda dengan kelas yang berbeda pula untuk menyediakan sebuah layanan jaringan agar menjadi lebih baik dan dapat terencana dengan <em>jitter</em> dan <em>bandwidth</em> yang khusus, serta kemampuan untuk kehilangan sebuah latensi yang dapat terkontrol. Dalam beberapa penelitian menunjukkan bahwa sistem yang telah dibangun dapat berhasil menjalankan manajemen QoS secara baik pada jaringan dan kualitas jaringan dapat meningkat. Tujuan dari penelitian ini adalah untuk melakukan perbandingan dari jaringan SDN yang menggunakan QoS dengan jaringan SDN yang tidak menggunakan QoS menggunakan <em>controller</em> Opendaylight. Dari hasil pengujian yang telah dilakukan kinerja dari jaringan SDN yang menggunakan QoS lebih baik dibandingkan jaringan SDN yang tidak menggunakan QoS baik dalam pengujian yang menggunakan <em>background traffic</em> maupun tidak.</p> Abdur Rozaq ##submission.copyrightStatement## 2021-08-23 2021-08-23 3 02 89 94 Mengenali Jenis Tanaman Obat Berbasis Pola Citra Daun Dengan Algoritma K-Nearest Neighbors https://ejournal.unesa.ac.id/index.php/jinacs/article/view/42746 <p><em>Abstrak</em>—Indonesia merupakan salah satu negara yang memiliki keberanekaragaman tumbuhan yang meilmpah di muka bumi.. Beranekaragam jenis tumbuhan terdapat di Indonesia, termasuk dalam jenis tanaman obat. Namun, &nbsp;sedikit spesies digunakan sebagai bahan untuk pengobatan konvensional. Kondisi ini dipicu dengan banyaknya jenis tanaman herbal tetapi masih kurangnya pengetahuan masyarakat tentang jenis tanaman obat herbal. Proses identifikasi jenis tanaman sangat bergantung pada pengetahuan dari ahli botani dengan metode manual yang mengandalkan indra penglihatan berdasarkan ciri morfologi. Dengan kemajuan teknologi, pengenalan citra daun dapat dilakukan menggunakan <em>computer vision. </em>Seseorang dapat dengan mudah mengenali jenis tanaman obat melalui teknologi yang canggih. Proses pengenalan dapat diterapkan pada berbagai bagian tanaman, seperti buah, bunga, biji, daun atau lainnya. Penelitian ini mengusulkan proses pengenalan jenis tanaman obat berdasarkan pola citra daun. Proses identifikasi ini menggunakan metode K-NN <em>(K-Nearest Neighbors)</em>. Uji coba dilakukan dengan menggunakan 15 jenis daun tanaman obat dengan masing-masing 20 citra yang berbeda untuk data latih. Proses pengujian dilakukan dengan menggunakan tahapan <em>pre-processing, </em>pelabelan, dan <em>feature extraction </em>terlebih dahulu. Proses identifikasi memanfaatkan strategi K-NN dengan memanfaatkan nilai <em>k </em>berbeda yaitu 1 sampai 10 dan parameter jarak <em>Euclidean. </em>Setelah dilakukan pengujian terhadap 75 citra daun diperoleh sebanyak 3 daun yang tidak sesuai dan 72 daun berhasil diidentifikasi dengan benar. Hasil uji coba menunjukkan bahwa nilai akurasi tertinggi diperoleh pada <em>k=</em>10 dengan akurasi sebesar 96%.</p> <p>Kata Kunci— Identifikasi, Pengolahan citra, <em>K-Nearest Neighbors, </em>Citra Daun, Tanaman Obat</p> Ika Putri Arisanti ##submission.copyrightStatement## 2021-08-29 2021-08-29 3 02 95 103 Analisis Algoritma Penjadwalan Priority Queueing (PQ) terhadap Quality of Service (QoS) pada Jaringan Mobile WiMAX menggunakan OPNET Modeler https://ejournal.unesa.ac.id/index.php/jinacs/article/view/42830 <p>Kualitas sebuah layanan pada jaringan&nbsp;<em>mobile WiMAX&nbsp;</em>bergantung pada&nbsp;<em>service class</em> dan penjadwalan yang digunakan.&nbsp;<em>Priority Queueing&nbsp;</em>merupakan algoritma penjadwalan dimana sebuah antrian diurutkan berdasarkan urutan antrian, paket dengan prioritas tinggi akan dipilih dan mendapatkan urutan paling awal. Adanya algoritma penjadwalan bertujuan untuk adil terhadap&nbsp;<em>QoS</em> pada layanan-layanan yang digunakan&nbsp;seperti <em>FTP</em>, <em>HTTP</em>, <em>video</em> <em>conference</em> dan <em>VoIP</em>. Pada <em>simulator OPNET Modeler</em> yang digunakan layanan menggunakan <em>Type of Service</em> untuk mengidentifikasi sebuah antrian. Lalu layanan tersebut disesuaikan dengan <em>service class</em> yang digunakan pada <em>WiMAX</em>. Hasilnya, pada penggunaan algoritma <em>Priority Queueing</em> nilai <em>throughput </em>terbaik pada masing-masing layanan yaitu, layanan <em>FTP</em> sebesar 2259.30954 bps, layanan <em>HTTP</em> sebesar 3112.70472 bps, <em>video</em> <em>conference</em> sebesar 4000.45667 bps dan, layanan <em>VoIP</em> sebesar 3200.45111 bps. Nilai <em>delay</em> terbaik pada masing-masing layanan yaitu, layanan <em>FTP</em> sebesar 5255.47904 ms, layanan <em>HTTP</em> sebesar 587.16361 ms, layanan <em>video</em> <em>conference</em> sebesar 2.28657 ms dan, layanan <em>VoIP</em> sebesar 260.62925 ms. Nilai <em>jitter</em> terbaik pada masing-masing layanan yaitu, layanan <em>FTP</em> sebesar 0.0000000000142109 ms, layanan <em>HTTP</em> sebesar 0.04461279 ms, layanan <em>video</em> <em>conference</em> sebesar 0.000164906 ms dan, layanan <em>VoIP</em> sebesar 0.00009812018 ms. Nilai <em>packet loss </em>pada masing-masing layanan yaitu, layanan <em>FTP</em> sebesar 0%, layanan <em>HTTP</em> sebesar 0%, layanan <em>video</em> <em>conference</em> sebesar 0.02830% dan, layanan <em>VoIP</em> sebesar 0.00353%. Jadi rata-rata nilai <em>QoS</em> pada 4 layanan yang diuji mendapatkan nilai 3.1875 masuk pada kategori ”Memuaskan”.<br><br></p> <p>Kata Kunci— <em>Mobile WiMAX, Priority Queueing, Throughput, Delay, Jitter, Packet Loss.</em></p> Yoga Pradafa Harahap ##submission.copyrightStatement## 2021-09-08 2021-09-08 3 02 104 112 NBC Berbasis Ekstraksi Fitur untuk Analisis Sentimen Masyarakat terhadap Fluktuasi Harga Saham https://ejournal.unesa.ac.id/index.php/jinacs/article/view/42839 <p>Saat ini, banyak orang memulai investasi karena ingin mencapai kebebasan finansial. Investasi juga penting untuk melindungi aset dari penurunan nilai akibat inflasi. Investasi saham termasuk salah satu jenis investasi yang popular di Indonesia. Karena harganya yang terjangkau, investasi saham juga sangat mudah dilakukan dan sifatnya <em>fleksibel</em>. Berkaitan dengan investasi saham, banyak orang mencari informasi melalui media sosial, yang salah satunya adalah instagram. Banyak akun instagram yang membuat konten tentang edukasi saham yang sangat bermanfaat. Akun tersebut biasanya melakukan update tentang fluktuasi Indeks Harga Saham Gabungan (IHSG). Keadaan inilah yang menjadi penguat bahwa perlu dilakukannya penelitian ini. Penelitian ini fokus pada analisis sentimen masyarakat terhadap fluktuasi IHSG berdasarkan komentar instagram. Komentar pada media sosial ini perlu diklasifikasi karena beberapa unggahan yang sedang trend memantik ratusan komentar. &nbsp;Teknik klasifikasi yang diterapkan adalah teknik <em>Naïve Bayes Classifier</em> (NBC) dengan ekstraksi fitur N-Gram. Pengujian dilakukan menggunakan 2 cara yaitu pengujian menggunakan <em>k-fold cross validation</em> dan parameter dengan <em>unigram, bigram dan trigram</em>. Hasil ujicoba memperlihatkan <em>cross-validation</em> menghasilkan akurasi tertinggi sebesar 97%. Hasil ini dicapai pada penerapan <em>bigram</em> dengan k=8 dan <em>trigram</em> dengan k= 2, k=4, k=5.&nbsp; Untuk pengujian parameter, level akurasi tertinggi sekitar 97% dicapai pada penerapan <em>trigram</em> dengan α = 0,2 dan α = 0,3.</p> <p>Kata Kunci: Saham, Naïve Bayes Classifier, N-Gram, Instagram</p> Tazki Yatun Niyah ##submission.copyrightStatement## 2021-09-08 2021-09-08 3 02 113 122 Penerapan Algoritma Content Based Filtering dan Frequent Pattern Growth Pada Sistem Rekomendasi Program Mahasiswa Wirausaha di Universitas Negeri Surabaya https://ejournal.unesa.ac.id/index.php/jinacs/article/view/42921 <p>Sistem rekomendasi mulai sering digunakan seiring dengan perkembangan aktivitas dan media berbasis internet. Saat ini belum ada sistem untuk mendukung mahasiswa yang ingin mengikuti kegiatan Program Mahasiswa Wirausaha (PMW) dengan memberikan informasi gambaran judul PMW yang pernah diterima dengan merekomendasikan judul dan perkiraan dana yang sesuai dengan ide dan minat mahasiswa. Sehingga perlu dilakukan analisis terhadap kesesuaian ide dan minat mahasiswa dengan merekomendasikan judul dan perkiraan dana berdasarkan mahasiswa yang sudah lolos PMW sebelumnya. Proses penentuan dan analisis program mahasiswa wirausaha di Universitas Negeri Surabaya dapat dikerjakan dengan menyusun sistem asosiasi. Di dalam data mining, untuk menyusun sistem asosiasi dapat menggunakan algoritma Content Based Filtering dan algoritma Frequent Pattern Growth (FP-Growth). Pencarian judul dan perkiraan dana menjadi lebih mudah dengan adanya sistem yang dibangun. Tujuan dari penelitian ini adalah untuk mengembangkan sistem rekomendasi program mahasiswa wirausaha di Universitas Negeri Surabaya untuk mahasiswa yang mengikuti kegiatan PMW. Hasil dari penelitian ini adalah rekomendasi Content Based Filtering dengan mengukur nilai Cosine Similarity terhadap vektorisasi dokumen lebih memudahkan mahasiswa untuk melakukan pencarian terhadap judul dan perkiraan dana yang di butuhkan. Dari hasil 10 pengujian terhadap data baru kemiripan tertinggi yaitu 47.83% dengan rata-rata 44.2%. Dan kemiripan terendah yaitu 23.43% dengan rata-rata&nbsp; 19.29%.</p> <p><strong>Kata Kunci</strong>— Sistem Rekomendasi, Content Based Filtering, FP-Growth,&nbsp; Wirausaha, PMW</p> Atikah Adawiyyah ##submission.copyrightStatement## 2021-09-22 2021-09-22 3 02 123 130