cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hendra Nelva Saputra
Contact Email
hendra.nelva@umkendari.ac.id
Phone
+6282193165892
Journal Mail Official
jurnal.decode@umkendari.ac.id
Editorial Address
Jl. K.H. Ahmad Dahlan No. 10, Gedung E Lantai 2
Location
Kota kendari,
Sulawesi tenggara
INDONESIA
DECODE: Jurnal Pendidikan Teknologi Informasi
Published by Universitas Muhammadiyah Kendari
ISSN : 27752984     EISSN : 27751813     DOI : 10.51454
Core Subject : Science, Education,
Computer Science & IT Education Languange, Linguistic, Communication & Media Other
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
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 39 Documents
 1   2   3   4 
Search results for , issue "Vol. 4 No. 3: NOVEMBER 2024" : 39 Documents clear
Analisis Pengenalan Pola Pada Citra Digital Untuk Prediksi Berat Buah Sawit Ardi Wijaya; Daryono, Basofi Rachmadani; Rozali Toyib; Yovi Apridiansyah
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.481

Abstract

Bobot kelapa sawit merupakan salah satu faktor yang menunjang keberhasilan petani  kelapa sawit dalam mencapai hasil panen yang memuaskan. Informasi berat buah sawit biasanya diperoleh dengan menggunakan timbangan tangan yaitu timbangan gantung atau timbangan dacin. Cara lain untuk menentukan berat buah sawit adalah dengan menggunakan metode pengolahan citra. Pendekatan ini didasarkan pada metode deteksi tepi sobel untuk mendeteksi bobot buah sawit. Metode deteksi tepi Sobel adalah teknik dalam pengolahan citra untuk menemukan tepi atau perubahan tajam dalam intensitas piksel pada citra dan bertujuan untuk menentukan kontur buah sawit sehingga membantu dalam proses pengukuran berat. Pengolahan citra ini nantinya berupa foto digital yang diolah untuk memperoleh informasi berat buah sawit. Selanjutnya dilakukan studi kelayakan, analisis perhitungan akurasi system. Setelah rancangan ini selesai kemudian dibandingkan dan diuji dengan hasil bobot buah sawit yang diperoleh dengan timbangan Dacin. Adapun hasil dari penelitian ini yang telah diuji pada 50 citra buah sawit dengan jarak pengambilan gambar 1 meter menggunakan kamera Handphone telah diuji tingkat keberhasilan penelitian menggunakan Precission, Recall, dan Accuracy. Adapun hasil yang didapat dari Precission, Recall, dan Accuracy dari penelitian ini yaitu  Precission sebesar 82%, Recall sebesar 100%, dan Accuracy 82%.
Penerapan Metode Single Exponential Smoothing Prediksi Stok Sembako Pada Toko Suci Berkah di Sei Piring Kecamatan Pulau Rakyat Nur Mayni; Nuriadi Manurung; Nur Karim Nehe
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.495

Abstract

Toko Suci Berkah adalah salah satu toko sembako yang menjual berbagai macam sembako. Toko Suci Berkah melakukan pengambilan (reorder) stok sembako ke produsen, dan untuk proses pengambilan (reorder) pemilik Toko Suci Berkah harus memprediksi terlebih dahulu berapakah yang harus diambil untuk dijadikan barang stok digudang Toko Suci Berkah. Selama ini pemilik Toko Suci Berkah hanya memprediksi dengan hanya mengangan – angan saja tanpa ada perhitungan yang jelas dan tepat maka dari itu kadang Toko Suci Berkah terlalu sedikit mengambil stok padahal kebutuhan konsumen sedang meningkat. Hasil dari penelitian ini adalah prediski stok sembako pada Toko Suci Berkah dengan menggunakan sistem peramalan dengan menggunakan metode Single Exponential Smoothing dengan hasil prediksi sembako seperti beras dengan hasil prediksi 409,95 dengan nilai alpha 0.9,  MAPE 10,47%, kemudian telur dengan hasil prediksi 198,19, dengan nilai alpha 0.9, MAPE 15.78%, kemudian minyak dengan hasil prediksi 2545,50, dengan nilai alpha 0.9, MAPE 8.49%, kemudian susu dengan hasil prediksi 12,64, dengan nilai alpha 0.8, MAPE 24.72%, dan kemudian gula dengan hasil prediksi 934,31, dengan nilai alpha 0.9, MAPE 29.20%. dengan ada sistem tersebut pihak toko dapat mejaga stabilitas sembako di tokonya
Penerapan Metode Trend Moment Dalam Memprediksi Penjualan Rumah KPR Bersubsidi Pada Perumahan Irna Azizah; Fauriatun Helmiah; Chitra Latiffani
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.509

Abstract

Perumahan Duta Mas Indah Kisaran yang bergerak dibidang real estate dan properti hadir sebagai penyedia rumah yang terjangkau, murah, layak huni, dan sederhana di Kota Kisaran. Agar dapat meningkatkan volume dan mengetahui trend penjualan Rumah KPR Bersubsidi Tipe 36 pada Perumahan Duta Mas Indah dimasa yang akan datang, oleh karena itu maka di Kantor Pemasaran Duta Mas Indah Kisaran dirasa perlu untuk membuat sistem informasi peramalan penjualan rumah untuk tahun 2024 dan menggunakan metode Trend Moment di dalam membuat forecasting penjualannya. Peramalan adalah teknik yang digunakan dalam proses memprediksi atau meramalkan peristiwa dimasa yang akan datang sehingga penggunanya dapat melakukan langkah-langkah efektif yang dapat dilakukan selanjutnya. Hasil penerapan metode Trend Moment dalam memperediksi peningkatan penjualan Rumah KPR Bersubsidi Tipe 36 di Kantor Pemasaran Duta Mas Indah Kisaran, berdasarkan hasil pengujian pada tahun berikutnya yaitu tahun 2024 menghasilkan 191 rumah yang terjual dengan tingkat akurasi kesalahan Mean Absolute Deviation (MAD) yaitu 4,61, Mean Square Error (MSE) yaitu 40,41, dan Mean Absolute Perscentage Error (MAPE) yaitu 2,57%. Akan dirancang sebuah sistem informasi peramalan penjualan rumah dengan menggunakan bahasa pemrograman PHP dan Database MySQL.
Implementasi Sistem Seleksi Calon Penerima Subsidi Program Keluarga Harapan Dengan Metode SAW Di Kelurahan Sijambi Mangunsong, Ummu Salamah; Arridha Zikra Syah; Endra Saputra
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.559

Abstract

Perkembangan teknologi informasi khususnya di bidang komputer, saat ini sangat berperan penting dalam proses pengambilan keputusan. Para pengambil keputusan menggunakan sistem pendukung keputusan untuk mempercepat proses pengambilan keputusan, khususnya di Kantor Lurah Kelurahan Sijambi Tanjungbalai. Tujuan dari penelitian ini secara umum untuk membantu pihak Kelurahan Sijambi dalam proses penentuan penerima bantuan (subsidi) program keluarga harapan (PKH) dari Pemerintah. Metode penelitian yang digunakan adalah metode kuantitatif dengan teknik pengumpulan data menggunakan wawancara, observasi dan kepustakaan. Metode perancangan program menggunakan Simple Additive Weihting (SAW) dengan bahasa pemrograman PHP dan MySQL. Dari 7 Warga sebagai sampel Alternatif yang mengikuti seleksi, diperoleh skor untuk warga yang layak sebagai calon penerima pkh yaitu peringkat 1 = 0.93, peringkat 2 = 0.92 dan peringkat 3 = 0.88 dengan bobot kriteria tertinggi yaitu Pendidikan 0.3 (30%) dan terendah yaitu Lansia 0.05 (5%). Hasil yang cepat dan akurat ini membantu pihak Kelurahan dalam pengambilan keputusan bagi warga yang layak atau tidak sebagai calon penerima pkh.
Sistem Rekomendasi Skincare Menggunakan Metode Content Based Filtering dan Collaborative Filtering Yanisa Putri, Komang Sri; I Made Agus Dwi Suarjaya; Wayan Oger Vihikan
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.601

Abstract

Seiring berjalannya waktu, setiap orang akan mengikuti perkembangan zaman yang semakin modern dalam segala hal terutama dalam hal perawatan kesehatan kulit wajah yang mengakibatkan kebutuhan akan produk perawatan kulit sangat diperlukan. Meningkatnya penggunaan teknologi digital dan maraknya berbagai macam jenis skincare membuat sistem rekomendasi produk skincare menjadi semakin penting. Sistem rekomendasi untuk pemilihan skincare ini dibuat untuk dapat merekomendasikan skincare yang cocok dengan tipe wajah pengguna serta kandungan yang sesuai dengan kulit wajah pengguna berdasarkan preferensi dari pengguna lain. Terdapat beberapa metode untuk implementasi dari sistem rekomendasi, yakni menggunakan metode Hybrid Filtering dengan mengkombinasikan Content Based Filtering yang diimplementasikan dengan pembobotan TF-IDF dan Collaborative Filtering yang diimplementasikan menggunakan algoritma Convolutional Neural Network (CNN). Pengujian metode Hybrid Filtering dilakukan dengan menghitung banyaknya jumlah relevan dari hasil rekomendasi berdasarkan input pengguna yang dikumpulkan dengan metode survei. Pada pengujian metode Hybrid Filtering menunjukkan bahwa rata-rata nilai precision terbesar dengan menampilkan top 5 produk hasil rekomendasi dengan nilai precision sebesar 0.776 dibandingan dengan menampilkan 10 sampai dengan 15 produk hasil rekomendasi. Untuk mengukur tingkat kepuasan terhadap hasil sistem rekomendasi dari pengguna pada penelitian ini dihitung dengan metode CSAT yang dimana skor CSAT dari hasil survei kepada pengguna sebesar 80% yang tergolong dalam ‘Excellent CSAT’.
Implementasi Metode YOLOv8 Pada Mobile Apps Untuk Klasifikasi Kain Endek Bali Rahaditya Kusuma, Nyoman Tri; I Made Agus Dwi Suarjaya; Wayan Oger Vihikan
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.610

Abstract

Seiring dengan kemajuan teknologi dan era yang semakin modern mengakibatkan kebudayaan kain tenun endek di Bali kurang diperhatikan dan dilestarikan oleh masyarakat setempat. Nyatanya banyak masyarakat yang tidak mengenali berbagai corak dari kain tenun endek Bali karena kurangnya perhatian dari masyarakat utamanya anak generasi muda. Hal ini jelas menjadi perhatian sehingga perlu dibuat klasifikasi yang jelas untuk mengedukasi dengan mudah kepada masyarakat terkait motif kain endek Bali. Penelitian yang dibangun diimplementasikan dengan model YOLOv8 menggunakan Bahasa Pemrograman Python sehingga dapat mendeteksi motif dari kain endek dengan akurat pada mobile apps yang dibuat menggunakan Android Studio. Sebelum melakukan implementasi pada Android Studio, perlu dilakukan analisis dan evaluasi terlebih dahulu pada model YOLOv8 sehingga bisa memberikan hasil deteksi yang maksimal dengan menggunakan dataset dari gambar kain endek yang telah dilakukan augmentasi dan anotasi dengan total dataset sebanyak 1.524 data gambar kain endek. Evaluasi yang dilakukan pada model YOLOv8 dengan menghitung nilai precission, recall, mAP50, mAP50-95. Hasil evaluasi menunjukkan bahwa model YOLOv8 menghasilkan precision dengan nilai 0.943, recall dengan nilai 0.954, 0.956 untuk nilai tertinggi pada mAP50, serta 0.8 untuk nilai tertinggi pada mAP50-95, yang sudah bagus untuk mendeteksi motif dari kain endek untuk kemudian diimplementasikan pada mobile apps.
Penerapan Kombinasi Metode Simple Additive Weighting dan Technique for Order Preference by Similarity to Ideal Solution dalam Pemilihan Dosen Pembimbing Skripsi Joko Kuswanto
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.629

Abstract

Penetapan atau pemilihan dosen pemblimbling skripsi di Program Studi Informatika Universitas BLaturaja bliasanya dilakukan atas usulan dari mahasiswa. Pemilihan terseblut umumnya dilakukan secara manual dan blelum dilakukan dengan sistem yang terkomputerisasi. Selain itu, penetapan dosen pemblimbling skripsi terkadang mengesampingkan jumlah blimblingan yang mengakiblatkan kurang seimblangnya jumlah blimblingan dari setiap dosen dan terkadang tidak sesuai dengan kompetensi dosen. Melihat kondisi terseblut, maka diperlukan sebluah yang dapat mendukung dalam pengamblilan keputusan untuk pemilihan dosen pemblimbling skripsi. Penelitian ini blertujuan menerapkan komblinasi metode SAW dengan TOPSIS dalam pemilihan Dosen Pemblimbling Skripsi. Metode SAW digunakan terleblih dahulu untuk menghitung nilai pembloblotan pada setiap kriteria di tiap altenatif dan metode TOPSIS seblagai tahapan proses akhir untuk melakukan proses perangkingan terhadap alternatif. Dari hasil perhitungan dengan menerapkan komblinasi metode SAW dan TOPSIS  didapatkan 3 nilai tertinggi seblesar 0,7338, 0.5805, dan 0.5302 pada Alternatif 5, 6, dan 3. BLerdasarkan hasil perhitungan dapat disimpulkan blahwa penerapan komblinasi metode SAW dan TOPSIS dapat diimplementasikan ke dalam sistem pemilihan dosen pemblimbling skripsi.
Implementasi Smart Contract dalam Aplikasi Website Digitalisasi Realisasi Anggaran OPEX Aida Lestari; Alfa Ryano Yohannis
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.630

Abstract

Pemalsuan data merupakan masalah serius yang dapat merugikan berbagai pihak. Dalam era digital, teknologi blockchain menawarkan solusi dengan menyimpan data secara permanen dan aman. Penelitian ini bertujuan mengembangkan sistem berbasis smart contract pada platform blockchain Ethereum untuk digitalisasi realisasi anggaran Operational Expenditure (OPEX) perusahaan, menggunakan metode SDLC Waterfall. Metode ini dipilih karena dapat menyelesaikan tantangan waktu pengembangan dan tidak melibatkan respons pengguna pada tahap awal. Hasil penelitian menunjukkan bahwa sistem ini mampu mengotomatisasi proses persetujuan anggaran, mengurangi waktu dan biaya, serta meningkatkan transparansi dan akuntabilitas. Hasil pengujian Unit Testing menunjukkan bahwa sistem berjalan sesuai harapan tanpa kesalahan. Pengujian gas rata-rata menunjukkan penggunaan 106.375,3 gas dengan biaya sekitar 0,00208 ETH atau Rp 139.129. Pada end-to-end testing menggunakan skenario proses pembelian server IBM, dimulai dari Budgeting Staff Controller yang menginput harga Rp 150.000.000 untuk pembelian IBM Power System S822LC Rack Server. Setelah pengajuan realisasi diajukan, kepala departemen melakukan pengecekan dan persetujuan, yang berlanjut melalui beberapa tahap hingga seluruh pengajuan disetujui. Implementasi teknologi ini diharapkan dapat meningkatkan efisiensi, transparansi, dan keamanan dalam pengelolaan anggaran di perusahaan.
Identifikasi Fitur Suara Menggunakan Model Convolutional Neural Network (CNN) pada Speech-to-Text (STT) Rodiah; Susetianingtias, Diana Tri; Eka Patriya
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.631

Abstract

Identifikasi pola ucapan dilakukan untuk dapat mengenali kata yang diucapkan. Salah satu metode yang dapat digunakan untuk mengidentifikasi Speech-to-Text (STT) adalah dengan menggunakan Convolutional Neural Network (CNN). Penelitian ini menggunakan metode CNN untuk mengidentifikasi STT pada raw speech dari sejumlah 23000 data dari open dataset suara Kaggle. Tahap awal dilakukan resampling durasi, untuk mengambil data rekaman yang memiliki durasi yang cukup untuk masuk dalam proses selanjutnya yaitu inisialisasi frekuensi. Tahap ini mengubah frekuensi asli dari suara rekaman. Inisialisasi dilakukan dengan mengubah frekuensi dari 16000Hz menjadi rentang 8000Hz. Tahap selanjutnya pelabelan data, yaitu data input dan output diberi label untuk klasifikasi sebagai dasar pembelajaran untuk pemrosesan data. Data yang sudah dilabeli kemudian dilakukan pembagian kedalam rasio 8:2. Tahap Akhir Perancangan arsitektur model CNN dilakukan untuk dapat mengenali pola suara yang sudah direkam pada dataset dan dapat mengidentifikasi ucapan. Hasil penelitian bertujuan untuk mengidentifikasi pola suara yang diucapkan dengan akurasi tinggi.
Computer-Aided Diagnosis (CAD) of Stroke in The Brain CT-Scan Images Using Integration of Grey Level Co-Occurrence Matrix (GLCM) Texture Feature Extraction And K-Nearest-Neighbour (KNN) Classification Casidi, Casidi; Syukur, Abdul; Soeleman, M. Arief; Nurhindarto, Aris
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.646

Abstract

This study presents an advanced and efficient computer-aided diagnosis (CAD) system for stroke detection using brain CT images, integrating Grey Level Co-Occurrence Matrix (GLCM) feature extraction and K-Nearest Neighbour (KNN) classification. The objective is to enhance stroke detection accuracy and efficiency in clinical settings. A dataset of 400 brain CT images, divided into 300 for training and 100 for testing with equal normal and stroke classes, was used to evaluate performance. The GLCM texture features significantly differentiated between normal and stroke images. The optimized KNN model demonstrated high performance, achieving 99% classification accuracy, 100% sensitivity, 98% specificity, 97% precision, a 99% F1 score, 100% positive predictive value, and 98% negative predictive value. The average computation time per image was 3.2 seconds, indicating feasibility for real-time application. In conclusion, the GLCM-KNN integrated CAD system proves to be an accurate and efficient method for stroke diagnosis on brain CT scans, offering a potential solution for early stroke detection in resource-limited healthcare facilities.

Page 1 of 4 | Total Record : 39

 1   2   3   4 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 4 No. 3: NOVEMBER 2024 Vol. 4 No. 2: JULI 2024 Vol. 4 No. 1: MARET 2024 Vol. 3 No. 2: SEPTEMBER 2023 Vol. 3 No. 1: MARET 2023 Vol. 2 No. 2: SEPTEMBER 2022 Vol. 2 No. 1: MARET 2022 Vol. 1 No. 2: SEPTEMBER 2021 Vol. 1 No. 1: MARET 2021