DECODE: Jurnal Pendidikan Teknologi Informasi
DECODE: Jurnal Pendidikan Teknologi Informasi adalah jurnal penelitian yang diterbitkan oleh Program Studi Pendidikan Teknologi Informasi FKIP Universitas Muhammadiyah Kendari. Terbitan dimulai pada bulan Maret 2021 dalam bentuk versi online. Jurnal ini terbit 2 kali setahun yaitu periode Maret dan September. Artikel yang dapat dipertimbangkan untuk dimuat dalam jurnal ini adalah hasil penelitian yang sesuai dengan focus dan scope jurnal diantaranya: (1) Jaringan Komputer, (2) Rekayasa Perangkat Lunak, (3) Data Mining, (4) Software Engineering, (5) Multimedia , (6) Pembelajaran Berbasis TIK , (7) Mobile Learning, (8) Blended Learning, (9) Desain Pembelajaran, (10) Kebijakan TI dalam Pendidikan, (11) Inovasi dan Trend TI dalam Pendidikan, (12) Teknologi Informasi
Articles
25 Documents
Search results for
, issue
"Vol. 3 No. 2: SEPTEMBER 2023"
:
25 Documents
clear
<![CDATA[Optimasi Feature Selection Pada Komentar Media Sosial Terhadap Peralihan Tv Digital Menggunakan Naïve Bayes, Support Vector Machine dan K-Nearest Neighbor ]]>
<![CDATA[Nova Tri Romadloni]]>;
<![CDATA[Nisa Dwi Septiyanti]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.121
<![CDATA[Dalam menghadapi perubahan pada salah satu media informasi yaitu televisi yang semula menggunakan signal analog beralih menjadi TV dengan signal digital. Hal tersebut disebabkan bahwa siaran dengan transmisi analog rentan terhadap gangguan sehingga peralihan ini sebagai upaya dalam menikmati konten siaran televisi yang lebih baik. Namun, pada kenyataannya terdapat beberapa kesulitan yang dialami oleh beberapa pihak atau kalangan dengan berbagai alasan. Hal tersebut dapat diketahui melalui platform media sosial seperti twitter dan instagram. Dengan adanya kerjadian tersebut maka dapat diambil beberapa komentar positif dan negatif untuk mengetahui dampak dari peralihan signal digital tersebut. Dalam penelitian ini terdapat 1177 data komentar yang didapatkan sehingga membutuhkan teknologi untuk mendeteksi komentar tersebut positif atau negatif. Pada penelitian ini untuk optimasi komentar berbasis Pearson Correlation dengan menggunakan metode Naïve Bayes, Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Hasil akurasi yang didapatkan dari ujicoba tersebut dengan metode Naïve Bayes 61,22%, SVM 80,10 %, dan KNN 79,93%. Jika ditambahan dengan Feature Selection mendapatkan hasil Naïve Bayes 63,68%, SVM 80,19%, dan KNN 80,02%. Berdasarkan hasil percobaan yang dilakukan digunakan untuk mengetahui berapa banyak perbandingan komentar positif dan negatif serta mengetahui perbandingan dari beberapa macam algoritma dengan seleksi fitur sehingga dapat menjadikan hasil yang optimal.]]>
<![CDATA[Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet “Mental Health” ]]>
<![CDATA[Dianda Rifaldi]]>;
<![CDATA[Abdul Fadlil]]>;
<![CDATA[Herman]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.131
<![CDATA[Indonesia merupakan salah satu negara di kategorikan pengguna media sosial twitter terbanyak yaitu mencapai 18,45 pada periode januari tahun 2022 juta pengguna sehingga data pada twitter dapat digunakan dalam melakukan bebagai penelitian. Data penelitian ini menggunakan data media sosial twitter yang diambil dengan metode crawling dan mendapatkan data sebanyak 9739 yang diambil dari tanggal 19 oktober 2022 sampai 4 desember 2022 dengan menggunakan keyword “mental health”. Data hasil crawling masih berbentuk mentah dan tidak terstruktur, sehingga perlu dilakukan preprocessing agar data dapat di proses ke tahap selanjutnya dan menghasilkan data yang dapat diolah menggunakan tools pengolah data. Tujuan penelitian ini adalah melakukan preprocessing pada data yang sudah diperoleh melalui twitter. Pengolahan data menggunakan model machine learning diperlukan tahap persiapan data yaitu dengan melakukan preprocessing agar data yang digunakan dapat diolah dengan baik. hasil penelitian ini adalah data yang melewati tahap preprocessing telah berbentuk kata dasar dan siap diolah untuk melakukan penelitian terkait mental health. Beberapa tahapan yang dilakukan pada preprocessing yaitu perubahan bentuk kata dasar, menghapus kata yang tidak penting, menghapus imbuhan, dan konjungsi dari dokumen tweet. Selanjutnya data yang telah melewati tahap preprocessing siap untuk dilakukan pembuatan model analisis sentimen yang berguna dalam pengambilan keputusan terhadap permasalahan tersebut.]]>
<![CDATA[Design Thinking untuk Analisis Masalah Pembelajaran Daring Pada Masa Pandemi Covid-19 di Indonesia ]]>
<![CDATA[Muhammad Irfan Luthfi]]>;
<![CDATA[Nisa Dwi Septiyanti]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.146
<![CDATA[Pandemi Covid-19 berdampak signifikan tehadap kehidupan manusia, baik kesehatan, ekonomi, maupun Pendidikan di dunia. Di Indonesia, pemerintah telah menerapkan berbagai langkah untuk menekan penyebaran virus dengan memberlakukan kebijakan lockdown. Kebijakan tersebut berdampak di segala sektor, tak terkecuali sektor pendidikan. Kementerian Pendidikan dan Kebudayaan Republik Indonesia mulai memberlakukan kegiatan pembelajaran dalam jaringan (daring). Guru sebagai pendidik harus mampu berinovasi untuk kelangsungan proses pembelajaran. Mereka melakukan berbagai hal untuk memastikan siswa dapat menerima dan memahami topik pembelajaran. Namun, pada pelaksanaan kegiatan pembelajaran daring ini tidak luput dari masalah. Penelitian ini mencoba menemukan permasalahan tersebut dengan menerapkan metode design thinking. Pendekatan design thinking berfokus pada pemahaman kebutuhan dan perspektif pengguna dalam memecahkan masalah yang mengutamakan empati, kreativitas, dan pembuatan prototipe. Design thinking menawarkan kerangka kerja yang kuat untuk mengembangkan keterampilan abad ke-21. Siswa dan guru dari berbagai tingkatan terlibat dalam penelitian ini dan mencoba untuk menemukan dan fokus pada masalah dalam pembelajaran daring. Siswa dan guru menemukan solusi untuk memecahkan masalah dalam pembelajaran daring dengan melakukan peningkatan interaksi antara guru dan siswa.]]>
<![CDATA[Pembentukan Model Recurrent Neural Network dan Connectionist Temporal Classification Pada Pengenalan Kata Tulisan Tangan Offline ]]>
<![CDATA[Diana Tri Susetianingtias]]>;
<![CDATA[Rini Arianty]]>;
<![CDATA[Rodiah]]>;
<![CDATA[Eka Patriya]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.151
<![CDATA[Pengolahan informasi sebagai bentuk dari pengembangan teknologi yang semakin pesat adalah pengenalan tulisan tangan. Pengenalan tulisan tangan saat ini banyak diimplementasikan untuk melakukan identifikasi dokumen-dokumen penting berbentuk digital. Pengenalan tulisan tangan cetak dengan benar dan akurat dapat digunakan untuk menunjang kegiatan manusia baik dalam kegiatan sehari – hari, sekolah, maupun pekerjaan. Pada penelitian ini, peneliti akan melakukan pengenalan tulisan tangan cetak menggunakan Convolutional Neural Network pada perangkat mobile. Penelitian juga akan mengimplementasikan model CNN yang dihasilkan pada android dan mengidentifikasi tulisan tangan yang diambil secara langsung menggunakan kamera. Proses pelatihan menggunakan library tensorflow pada bahasa pemrograman python, dilakukan secara online. Model CNN berhasil dibentuk dengan jumlah 11 hidden layer, terdiri dari 5 lapisan konvolusi, 3 lapisan max pooling, 1 lapisan flatten, dan 2 lapisan fully connected. Model mengambil masukan berupa citra berukuran 28 x 28 piksel dan menghasilkan keluaran berupa pengenalan tulisan tangan cetak. Total parameter bobot yang dimiliki oleh model berjumlah 1.556.495 variabel. Model CNN yang sudah dilatih berhasil diimplementasikan dan dijalankan pada aplikasi android. Berdasarkan perhitungan Global Performance Metric, Aplikasi berhasil mengenali citra tulisan tangan 1 kata dengan akurasi 82,12%. Hasil penelitian diharapkan dapat mengenali tulisan tangan cetak dengan akurasi tinggi pada perangkat android.]]>
<![CDATA[Analisis Performansi Jaringan Komputer Menggunakan Metode Unequal Load Balance Pada Jaringan Lokal ]]>
<![CDATA[Putri Agustyaningsih]]>;
<![CDATA[Cahyo Prihantoro]]>;
<![CDATA[Iqsyahiro Kresna A]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.159
<![CDATA[Salah satu kendala jaringan yang perlu diwaspadai adalah putusnya jalur koneksi yang menyebabkan jaringan sama sekali tidak dapat melakukan pengiriman data. Untuk mengatasi hal tersebut, dilakukan teknik load balance dengan metode unequal load balance. Dengan metode unequal load balance selain untuk mengantisipasi koneksi terputus, teknik ini juga dapat meringankan beban traffic karena tidak hanya satu jalur yang akan menopang traffic jaringan komputer. Penerapan unequal load balance dilakukan secara simulasi pada emulator network GNS3 pada jaringan lokal dengan menggunakan router cisco 7200 sebanyak 8 buah yang terbagi menjadi empat jalur untuk mencapai router tujuan. Adapun hasil pengukuran Quality of Service (QoS) pada unequal load balance yaitu throughput sebesar 2105,832 Kbps dan masuk pada kategori througput yang sangat bagus, untuk delay sebesar 0,0042640 ms dan masuk pada kategori delay yang sangat bagus, untuk jitter sebesar 0,0000003769 ms masuk pada kategori jitter yang sangat bagus, serta untuk packet loss yaitu 0% sehingga masuk pada kategori packet loss yang sangat bagus. Hasil delay perpindahan link sebelum unequal load balance berpengaruh pada link/jalur mana yang diputus, apakah link pada jalur utama atau link pada jalur cadangan yang di putus. Sedangkan hasil delay perpindahan link sesudah unequal load balance tidak berpengaruh dengan jalur mana yang diputus.]]>
<![CDATA[Kajian Sistematis Metode Analisis Gelombang Pasang Surut Untuk Sistem Pendeteksi Tsunami Dalam Ragam Literatur ]]>
<![CDATA[Melyana]]>;
<![CDATA[Wahyu Cesar]]>;
<![CDATA[Deni Mahdiana]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.160
<![CDATA[Indonesia merupakan negara yang rentan akan terjadinya bencana gempa bumi, hal ini dikarenakan Indonesia dilalui oleh jalur tiga lempeng tektonik. Ketiga lempeng tekntonik jalur pertemuan tersebut mayoritas ada di laut sehingga jika terjadi gempa bumi yang besar pada kedalaman laut dangkal akan berpotensi menimbulkan bencana tsunami. Analisis yang akurat terhadap ketinggian gelombang pasang surut air laut untuk mendeteksi bencana tsunami merupakan tugas yang pen ting untuk menjaga keamanan juga keselamatan penduduk di sekitar wilayah laut dan pesisir. Metode analisis gelombang pasang surut yang cepat dan akurat dapat memberikan peringatan awal potensi terjadinya tsunami kepada populasi manusia untuk menyelamatkan nyawa. Tujuan penelitian ini melakukan tinjauan literatur sistematis untuk membandingkan metode analisis gelombang pasang surut untuk pendeteksi tsunami terkini yang cukup akurat dari berbagai literatur untuk digunakan sebagai informasi pendukung dalam rancangan sistem pendukung keputusan pada sistem peringatan dini tsunami di Indonesia. Penelitian ini dimaksudkan untuk memberikan data perbandingan hasil tinjauan metode pendeteksi tsunami kepada komunitas peneliti serta praktisi terkait dengan cakupan yang luas terkait konsep, akurasi, serta kelebihan dan kekurangan dari metode sistem pendeteksi tsunami yang menjanjikan keberhasilan di masa depan.]]>
<![CDATA[Sistem Pakar Diagnosis Penyakit Epilepsi Pada Anak Di RSUD Dengan Forward Chaining Method ]]>
<![CDATA[Nurlailah Ramadhani]]>;
<![CDATA[Rizky Fauziah]]>;
<![CDATA[Zulfan Efendi]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.164
<![CDATA[Tujuan dari perancangan sistem pakar diagnosis penyakit epilepsi pada anak ini untuk membantu penanganan konsultasi di RSUD H. Abdul Manan Simatupang. Dokter Spesialis Saraf yang menangani penyakit epilepsi pada anak juga tergolong masih sedikit dan memiliki jam (praktek) yang terbatas sehingga tidak mungkin bisa menangani pasien epilepsi dalam waktu yang cepat dan singkat. Dari permasalahan yg dialami oleh pihak rumah sakit, maka dilakukan penelitian menggunakan metode penelitian SDLC (System Development Life Cycle), dimana metodologi penelitian yang digunakan dalam sistem pakar ini memiliki tingkat akurasi yang baik dalam penarikan kesimpulannya. Berdasarkan dari hasil penelitian ini menghasilkan sebuah aplikasi sistem pakar berbasis website yang dapat membantu pasien atau masyarakat, dimana diagnosa yang dihasilkan oleh sistem ini dilengkapi dengan 2 jenis penyakit epilepsi pada anak beserta pencegahan dan solusi pengobatannya. Dengan adanya program aplikasi sistem pakar ini maka masyarakat tidak perlu mengantri untuk mendapatkan obat, pasien cukup beli ke apotik terdekat dengan resep yang sudah tertera pada sistem website yang dibuat secara akurat dan efektif.]]>
<![CDATA[Pengembangan Website Administrasi Skripsi Program Studi Pendidikan Informatika ]]>
<![CDATA[Luluk Mauli Diana]]>;
<![CDATA[Evy Maya Stefany]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.167
<![CDATA[Administrasi skripsi sangat penting bagi mahasiswa semester akhir untuk mengetahui yang perlu dipersiapkan dalam mendaftar seminar proposal sampai ujian skripsi. Selama ini informasi terkait seminar proposal dan skripsi hanya diinformasikan di website prodi tetapi masih belum spesifik informasinya. Hal ini menunjukkan bahwa perlu adanya website khusus berkaitan dengan administrasi skripsi. Tujuan penelitian adalah untuk menghasilkan website administrasi skripsi di prodi pendidikan informatika yang meliputi seminar proposal, skripsi, dokumen unduhan, dan berita. Model yang digunakan dalam penelitian ini adalah model ADDIE yang terdiri dari tahapan desain, analisa, imlementasi, pengembangan dan evaluasi. Penelitian ini melibatkan ahli desain dan ahli materi. Pengumpulan data menggunakan angket (kuosioner). Hasil penelitian ini adalah adanya website administrasi skripsi pada program studi Pendidikan informatika yang layak digunakan dengan perolehan uji ahli materi sebesar 86% dengan kategori sangat valid. Pada validitas ahli media mendapatkan persenntase 98% dengan kategori sangat valid. Mahasiswa memberikan respon positif terhadap pengembangan website administrasi skripsi dengan capaian presentase sebesar 98%.]]>
<![CDATA[Analisis Sentimen Pada Proyeksi Pemilihan Presiden 2024 Menggunakan Metode Support Vector Machine ]]>
<![CDATA[Asno Azzawagama Firdaus]]>;
<![CDATA[Anton Yudhana]]>;
<![CDATA[Imam Riadi]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.172
<![CDATA[Indonesia menganut sistem demokrasi dan Pemilihan Umum sebagai penerapan dari sistem tersebut. Pemilihan Presiden dan Wakil Presiden dilaksanakan tahun 2024 dan isu tersebut menjadi fokus perbincangan publik. Calon-calon dan koalisi pengusung terus melakukan kampanye politik secara tradisional maupun melalui media sosial. Twitter menjadi platform media sosial yang banyak digunakan oleh masyarakat untuk membicarakan isu Pemilihan Presiden. Keberpihakan masyarakat dapat diketahui pada diskusi yang ada di Twitter, namun diperlukan pembelajaran komputer yang mampu mengklasifikasi sentimen tersebut. Analisis sentimen digunakan sebagai salah satu teknik untuk mengklasifikasi sentimen masyarakat di Twitter tentang isu Pemilihan Presiden. Metode yang digunakan yaitu Support Vector Machine (SVM) untuk klasifikasi teks. Didapatkan hasil sentimen berdasarkan tiga dataset kandidat yang dipilih, yaitu anies baswedan 65,62%, ganjar pranowo 73,58%, dan prabowo subianto 66,34%. Hasil akurasi metode yang dimiliki oleh ketiga dataset yaitu anies baswedan 73%, ganjar pranowo 79% dan prabowo subianto 79%. Berdasarkan wordcloud popularitas kata yang muncul di Twitter dengan pembahasan Presiden 2024 secara berturut-turut adalah “prabowo subianto”, “presiden ri”, “calon presiden”, “ganjar pranowo”, hingga “anies baswedan”.]]>
<![CDATA[Rancang Bangun Manajemen Bandwidth Jaringan Pada Laboratorium Teknik Komputer dan Jaringan ]]>
<![CDATA[Muhammad Akbar Al Maruf]]>;
<![CDATA[Darman]]>;
<![CDATA[Zila Razilu]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.177
<![CDATA[Teknologi jaringan komputer sudah diterapkan di beberapa sekolah, salah satunya SMK Negeri 4 Kendari. Untuk keperluan sharing informasi antar lab komputer yang digunakan oleh TKJ SMKN 4 Kendari, harus ada infrastruktur jaringan yang handal dan stabil. Setiap klien yang terhubung ke internet melalui jaringan yang tidak mengelola bandwidth akan menerima jumlah bandwidth yang berbeda dan membuat kemacetan di dalam jaringan yang dapat mengganggu lalu lintas data penting, sehingga transmisi data menjadi kurang efisien. Network Development Life Cycle juga dikenal sebagai NDLC, adalah model untuk menentukan proses pengembangan sistem komputer tertentu (seperti membangun, menerapkan, dan memelihara). Berikut merupakan tahapan dari metode NDLC yakni Analisis, Design, Simulasi Prototype, Implementasi, Monitoring, dan Management. Pengujian dengan manajemen bandwidth memiliki nilai rata-rata throughput sebesar 822.34kb/s lebih besar dari rata-rata throughput tanpa manajemen bandwidth. Pengujian dengan manajemen bandwidth memiliki nilai rata-rata packet loss sebesar 0.09% dibandingkan tanpa menggunakan manajemen bandwidth. Selanjutnya pengujian dengan manajemen bandwidth memiliki nilai rata-rata delay sebesar 6.21538 ms dibandingkan dengan tanpa menggunakan manajemen bandwidt. Hal ini menunjukkan bahwa manajemen bandwidth dalam penelitian ini berhasil memberikan pembagian bandwidth kepada client dapat dibagi secara merata sehingga penggunaan jaringan terhadap client dapat stabil di masing-masing client.]]>
