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">Artikel yang diterbitkan telah melalui tes plagiasi maksimal 25%.</p> <p align="left">Template dapat diunduh <a href="https://drive.google.com/file/d/1iMbSZmV1hJ6lvyDC2j_FZmixIeRTXoh-/view?usp=sharing">di sini</a>&nbsp;. Artikel yang diunggah maksimum berukuran 2 MB. Harap mengisikan semua author yang terlibat dalam penulisan artikel.</p> Universitas Negeri Surabaya en-US Journal of Informatics and Computer Science (JINACS) 2686-2220 RiasPedia sebagai Aplikasi Rekomendasi Jasa Tata Rias dengan Metode Fuzzy Tahani https://ejournal.unesa.ac.id/index.php/jinacs/article/view/49084 <p>Perkembangan bisnis jasa tata rias saat ini sangat berkembang pesat dengan adanya teknologi sebagai sarana penunjang bisnis. Hal ini membuat persaingan bisnis dibidang tersebut menjadi lebih banyak. Dengan adanya banyak penyedia jasa tata rias yang menawarkan jasa membuat konsumen bingung dalam menentukan pilihan yang tepat sesuai dengan kriteria yang diinginkan seperti lokasi, harga dan ulasan dari konsumen lain yang pernah mendapatkan pelayanan. Penyedia jasa yang baik tentunya memiliki pelayanan yang baik kepada konsumen terutama dalam hal kenyamanan, dan harga yang lebih terjangkau yang membuat daya tarik tersendiri. Dalam mengetahui kualitas penyedia jasa tertentu, konsumen biasanya lebih memperhatikan ulasan dan skor rating dari konsumen yang pernah menggunakan jasa yang lebih dulu akan tetapi terkadang konsumen belum bisa memastikan secara keseluruhan dari rating yang diberikan dalam suatu aplikasi. Dengan permasalahan tersebut penelitian ini memberikan alternatif solusi yang berguna dalam menentukan penyedia jasa tata rias sesuai kriteria dengan Fuzzy Tahani dan menggunakan pendekatan analisis sentimen terhadap suatu ulasan yang positif atau negatif, data kriteria diolah untuk mendapatkan hasil data yang direkomendasikan kepada calon konsumen.&nbsp;Data yang disajikan memiliki nilai fire strength atau tingkat kesesuaian kriteria dengan berkisar antara 0 (nol) sampai dengan angka 1 (satu) sangat sesuai. Tujuan dalam penelitian ini adalah menerapkan logika fuzzy tahani dalam membantu memberikan rekomendasi penyedia jasa tata rias kepada konsumen sesuai dengan kriteria yang telah ditentukan. Hasil akhir penelitian ini adalah aplikasi RiasPedia yang memberikan rekomendasi dan membantu pengambilan keputusan dalam memilih penyedia jasa tata rias.</p> Wahyu Prasetyo Paramitha Nerisafitra ##submission.copyrightStatement## 2022-08-12 2022-08-12 Perbandingan Algoritma Cosine Similarity dan Euclidean Distance pada Sistem Rekomendasi Film dengan Metode Item-Based Collaborative Filtering https://ejournal.unesa.ac.id/index.php/jinacs/article/view/49300 <p>Sistem rekomendasi saat ini semakin dibutuhkan seiring dengan semakin banyaknya film yang ada, terutama di media digital. <em>Item-Based Collaborative Filtering</em> adalah salah satu dari sekian banyak metode dalam sistem rekomendasi. Metode <em>Item-Based Collaborative Filtering</em> menentukan film yang direkomendasikan berdasarkan kemiripan dengan film lainnya berdasarkan film-film lain yang telah diberi <em>rating</em>. Pada serangkaian proses yang ada dalam <em>Item-Based Collaborative Filtering</em>, terdapat satu tahapan dengan algoritma untuk menentukan similaritas atau kemiripan antar <em>item</em>. Penelitian ini membandingkan dua algoritma untuk menentukan kemiripan antar <em>item</em>. Algoritma yang dibandingkan yaitu <em>Cosine Similarity</em> dan <em>Euclidean Distance</em>. Kedua algoritma tersebut diterapkan dan dilakukan pengujian pada sistem rekomendasi film dengan metode <em>Item-Based Collaborative Filtering</em> pada data <em>rating</em> film MovieLens. Perbandingan dilakukan dengan menghitung nilai <em>Mean Absolute Error</em> dan <em>Root Mean Square Error</em> untuk mengevaluasi hasil akurasi pada tiap algoritma yang digunakan. Pada percobaan dengan menggunakan algoritma <em>Cosine Similarity</em> menghasilkan nilai akurasi dengan <em>Mean Absolute Error</em> sebesar 2,21 serta nilai <em>Root Mean Square Error</em> sebesar 2,51. Sedangkan pada percobaan dengan menggunakan algoritma <em>Euclidean Distance</em> menghasilkan nilai akurasi dengan <em>Mean Absolute Error</em> sebesar 2,24 serta nilai <em>Root Mean Square Error</em> sebesar 2,55. Dari hasil penelitian yang telah dilakukan, algoritma <em>Cosine Similarity</em> memiliki tingkat akurasi lebih baik dibandingkan dengan algoritma <em>Euclidean Distance</em>. Hal tersebut dapat dilihat dari nilai <em>Mean Absolute Error</em> dan juga <em>Root Mean Square Error</em> pada algoritma <em>Cosine Similarity</em> yang lebih memiliki nilai lebih kecil dari algoritma <em>Euclidean Distance</em>.</p> Muhammad Alfian Ma'ruf Anita Qoiriah ##submission.copyrightStatement## 2022-09-20 2022-09-20