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
hendra.nelva@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 : https://doi.org/10.51454/decode
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Education Languange, Linguistic, Communication & Media Other
DECODE: Jurnal Pendidikan Teknologi Informasi publishes articles in English and Indonesian which will be published 3 times a year, namely March, July and November. Articles that can be considered for publication in this journal are the results of research that is in accordance with the focus and scope of the journal including: (1) Software Engineering, (2) Data Mining, (3) Artificial Intelligence, (4) Computer Network, (5) Robotics System, (6) Information Security, (7) Mobile Learning, (8) Online Learning, (9) Multimedia, (10) Development Learning Media, (11) Integration of Technology in Learning.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 107 Documents
 1   2   3   4   5 
Search results for , issue "Vol. 4 No. 3: NOVEMBER 2024" : 107 Documents clear
Implementasi Metode Naïve Bayes Dalam Memprediksi Kelulusan Mahasiswa Tepat Waktu Pada Program Studi Pendidikan Teknologi Informasi Darman, Darman; Zila Razilu
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.v4i3.456

Abstract

Program Studi Pendidikan Teknologi Informasi merupakan salah satu program studi baru di fakultas keguruan dan ilmu Pendidikan, Data dari pangkalan Data mahasiswa aktif sampai tahun 2023 ini berjumlah 520 orang, dari jumlah mahasiswa tersebut, ada sebanyak 27 orang mahasiswa yang telah lulus studi. Jika melihat data kelulusn berdasarkan angkatannya maka setidaknya ada 21 data lulusan mahasiswa Angkatan 2018 dari total penerimaan Angkatan pertama 97 mahasiswa, selanjutnya 6 mahasiswa lulus dari 146 mahasiswa Angkatan 2019. Penelitian ini bertujuan untuk: 1) Memodelkan prediksi kelulusan mahasiswa tepat waktu dengan melibatkan factor-faktor yang mendukung kelulusan mahasiswa tepat waktu. 2) Melakukan analisis factor-faktor penentu kelulusan mahasiswa tepat waktu dengan metode naïve bayes, dan 3) untuk mengetahui apakah metode naïve bayes dapat digunakan dalam memprediksi kelulusan mahasiswa tepat waktu.  Metode penelitianyang digunakan adalah kuantitatif. Hasil dari penelitian ini adalah: Memodelkan prediksi kelulusan mahasiswa tepat waktu dan tidak tepat waktu dengan melibatkan faktor-faktor yang mendukung kelulusan mahasiswa tepat waktu dan tidak tepat waktu, Metode naïve bayes dapat digunakan dalam memprediksi kelulusan mahasiswa tepat waktu, dengan probobalitas Kelulusan Tepat Waktu Sebesar 11% dan Tidak Tepat Waktu Sebesar 89%. Dengan Akurasi 100%, dengan hasil pelatihan dan pengujian tanpa error. Ini dibuktikan pada data pengujian model melalui RapidMiner.
Pengembangan Multimedia Interaktif Berbasis Android dengan Model Problem Based Learning Pada Pelajaran Informatika Diana, Luluk Mauli; Ana Yuniasti Retno Wulandari; Wiwik Melliana
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.v4i3.551

Abstract

Penggunaan teknologi multimedia dapat memperkaya proses pembelajaran dengan menyajikan konten yang visual, interaktif, dan menarik bagi siswa. Melalui multimedia interaktif, Pelajaran informatika dapat disajikan secara lebih interaktif dan memungkinkan siswa untuk secara aktif terlibat dalam pemecahan masalah. Penelitian ini bertujuan untuk mengetahui kelayakan dan respon siswa pengembangan multimedia interaktif berbasis android dengan model Problem Based Learning pada mata pelajaran informatika Kelas X. Metode penelitian yang digunakan adalah R&D dengan model ADDIE yang terdiri dari tahapan analysis, design, development, implementation dan evaluation. Pengumpulan data menggunakan angket (kuosioner). Hasil dari penelitian ini mendapatkan hasil sangat layak karena mendapatkan rata-rata 92,5% dari ahli materi dan 92,3% dari ahli media. Sedangkan respon siswa dilakukan pada uji coba perorangan memperoleh persentase 93,7%, uji coba kelompok kecil memperoleh persentase 94,8%, dan kelompok besar memperoleh persentase 92,6%. Dapat disimpulkan bahwa pengembangan multimedia interaktif berbasis Android dengan menerapkan model Problem Based Learning pada pelajaran Informatika kelas X sangat layak digunakan sebagai multimedia dalam kegiatan pembelajaran.
Effect of Learning Rate on VGG19 Model Architecture for Human Skin Disease Classification Habie, Khairul Fathan; Murinto, Murinto; Sunardi, Sunardi; Khusna, Arfiani Nur
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.v4i3.576

Abstract

The skin is the largest external organ that serves to protect human internal organs and is very sensitive to various diseases, so early detection is very important to reduce the risk and increase the chance of recovery. This study aims to classify skin disease types using CNN algorithm with VGG19 architecture and learning rate adjustment to get a more optimal model, using a dataset from Kaggle consisting of 3,295 images with six classes, including several types of skin diseases and one healthy skin class. The preprocessing process includes dividing the data into training and testing sets, resizing the images to fit the VGG19 architecture, and normalization to scale the pixel values from 0-255 to a range of 0-1. The results show that using a learning rate of 0.00003 produces the best performance with 97.29% accuracy, 97.36% precision, 97.29% recall, and 97.30% F1-score. These findings confirm that the CNN algorithm with VGG19 architecture can classify skin disease types well.
Analysis of Information Security Readiness Using the Index KAMI Nugroho, Suryanto; Rochmadi, Tri
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.v4i3.602

Abstract

Hospitals are institutions that store sensitive data. Information security needs to be implemented and audited regularly. Evaluation of information security can use the KAMI Index to determine the readiness of the application of information technology in terms of information security. Research shows that PKU Muhammadiyah Surakarta scores 31 on the electronic system assessment and 356 on the five implementation aspects. These results indicate that PKU Muhammadiyah Surakarta is in a position to implement the framework, so it is necessary to develop both technical and non-technical to be more prepared to face the digitalization era. The results of this study indicate that the KAMI index can be used as a tool and method in measuring information security readiness towards ISO 27001:2013. Based on the evaluation of the level of information security at PKU Muhammadiyah Surakarta, it is in the high category with a score of 31. The assessment of the five aspects gets a score of 356, so it is still at the stage of fulfilling the basic framework and at maturity levels I+ to II. PKU Muhammadiyah Surakarta should regularly evaluate its information security to assess progress in the five key areas outlined in the ISO 27001/SNI information security standards.
Analysis of Agile Concept Application in Lectures Conduction at UTM Jakarta and STIKOM CKI Miswanto; Romadloni, Nova Tri
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.v4i3.639

Abstract

In today’s fast-paced tech world, it’s important to understand and adapt to new methods like Agile. Agile is commonly used in project and product management to help with planning, executing, monitoring, and completing projects based on user needs. This approach can also be applied in education, especially in classroom lectures. This research examines how Agile is used in lectures at UTM Jakarta and STIKOM CKI Jakarta. It looks at students’ understanding of Agile, their creativity during lectures, and the impact of a new curriculum on classroom learning. To analyse this, the study used descriptive statistics to measure students' understanding of Agile, a correlation test to see connections between different aspects of lectures, and a regression test to examine the new curriculum's impact. The goals are to 1) Measure students' understanding of Agile concepts. 2) Assess students' creativity in class, and 3) Analyze how curriculum changes affect classroom activities. Results show that students have a moderate understanding of Agile, and their creativity is evident in how they apply concepts, document work, and present material. The regression model shows that the new curriculum has a positive impact on classroom learning, and the findings are valid and reliable. Overall, Agile methods can enhance learning and creativity in the classroom.
Implementasi Algoritma Ratcliff/Obershelp pada Pendeteksian Similaritas Dokumen Maukar; Sutanty, Ety; Rini Arianty; Esti Setiyaningsih
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.v4i3.643

Abstract

Plagiarism merupakan tindakan menjiplak karya orang lain dan mengakui sebagai hasil karya pribadinya. Pada penelitian ini melakukan pendeteksian similaritas dari dokumen dengan menghitung similaritas dokumen menggunakan algoritma Ratcliff/Obershelp. Tipe dokumen yang diuji adalah .pdf. Dokumen yang digunakan untuk perbandingan teks ini adalah dokumen yang berbahasa Indonesia. Tahapan preprocessing pada penelitian ini dilakukan dengan menghitung nilai similaritas yang terdiri dari case folding, tokenisasi, filtering, dan stemming. Setelah proses preprocessing maka tahap selanjutnya adalah dilakukan perhitungan menggunakan algoritma Ratcliff/Obershelp. Pada pengujian menggunakan 150 data dokumen yang akan dihitung nilai similaritasnya menggunakan algoritma Ratcliff/Obershelp menghasilkan nilai similaritas dokumen dengan tingkat kemiripan berdasarkan tiga kategori (tinggi, sedang dan rendah). Hasil deteksi similaritas pada penelitian ini diharapkan dapat membantu proses pengerjaan pendeteksian perbandingan dua buah dokumen dalam jumlah yang sangat banyak.
The Use of Google Classroom in Learning Writing: A Study of EFL Students’ Attitude Tohamba, Citra Prasiska Puspita; Hendra Nelva Saputra; Sulfian, Sulfian
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.v4i3.665

Abstract

This study is aimed to determine EFL student attitudes towards the use of Google Classroom in writing. It was conducted at the SMPN 14 Kendari. This study's participants are four students from class IX2. Purposive sampling was used to choose study participants depending on the criteria required by the researcher. The design of this study was based on case study methods. Data collection was done through an interview. The results showed that there were five student affective attitudes toward using Google Classroom in writing, namely: 1). Usefulness: students can write sentences in English in Google Classroom, but students cannot write sentences in English in Google Classroom. 2) ease of use: students find it easy to do writing assignments in English in Google Classroom; 3) accessability: students feel the process of learning in Google Classroom is easily accessible, and students find the learning process in Google Classroom difficult to access. 4) Engagement: students are actively engaged in the writing process when using Google Classroom, as it provides interactive features and tools that enhance their learning experience. Additionally, students may feel less motivated to participate in writing activities if they encounter technical difficulties or limitations within the platform. 5) Collaboration: Google Classroom allows for seamless collaboration among students, enabling them to work together on writing assignments and provide feedback to one another. However, some students may struggle with collaborative tasks or feel hesitant to share their work with peers.
Analisis Kesuksesan Pengguna Website E-Learning Menggunakan Model DeLone & McLean Pambudi, Rahmat; Berlilana, Berlilana; Karyono, Giat
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.v4i3.683

Abstract

E-learning merupakan sebuah proses belajar dan mengajar, yang memanfaatkan media elektronik, secara khusus yaitu internet, sebagai sistem pembelajarannya. Hasil  dari wawancara ke mahasiswa dan dosen, didapatkan adanya kekurangan dalam pemanfaatan e-learning Universitas Muhammadiyah Purwokerto. Kekurangan tersebut   diantaranya terkadang mengalami kesulitan dalam berkomunikasi antara mahasiswa  dan  dosen  melalui e-learning  Universitas Muhammadiyah Purwokerto. Niat  subyek  dalam  menggunakan e-learning Universitas Muhammadiyah Purwokerto untuk  mendukung  proses  perkuliahan  sudah baik, namun masih ada beberapa mahasiswa yang tidak pernah mengakses website. Tujuan dari penelitian ini adalah untuk menganalisis penggunaan website e-learning dengan menggunakan model kesuksesan DeLone & McLean di Universitas Muhammadiyah Purwokerto. Metode yang digunakan dalam penelitian ini yaitu metode deskriptif. Dalam hal ini peneliti mengevaluasi e-learning Universitas Muhammadiyah Purwokerto menggunakan  model  kesuksesan  sistem  informasi  DeLone  &  McClean. Hasil penelitian menunjukkan keberhasilan atau kesuksesan dengan model DeLone & McLean. Hal ini dibuktikan dengan hasil pengumpulan data dari angket dan wawancara. Pada kualitas sistem, kualitas informasi, kualitas layanan, penggunaan, kepuasan pengguna, dan aspek manfaat bersih, responden menunjukkan jawaban puas terhadap website e-learning yang ada di Universitas Muhammadiyah Purwokerto.
Optimasi Support Vector Machines (SVM) Menggunakan Particle Swarm Optimization (PSO) pada Analisis Sentimen Ulasan Pengguna Layanan Bukalapak di Twitter Wildan Nugraha; Mardi Hardjianto
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.v4i3.686

Abstract

Kegiatan bertransaksi secara online sudah seringkali dilakukan oleh berbagai kalangan baik itu kaum anak muda sampai orang tua. Melihat dari tren kunjungan dari setiap marketplace di Indonesia memiliki tren yang berbeda-beda, ada yang mengalami kenaikan dan ada yang mengalami penurunan salah satunya adalah Bukalapak. Dari 3 marketplace terbesar di Indonesia, Bukalapak terus mengalami tren penurunan kunjungan dari tahun 2019 sampai tahun 2022. Pada penelitian ini, bertujuan untuk mengetahui setiap ulasan/komentar di Twitter dan menghitung berapa capaian ulasan yang positif, negatif, atau netral dan juga mengetahui tingkat akurasi terbaik. Metode yang akan digunakan dalam penelitian ini adalah Support Vector Machine (SVM) dan metode untuk optimasi dengan menggunakan Particle Swarm Optimization (PSO). Hasil dari penelitian ini ditampilkan dengan rasio data latih 80% dan data uji 20% yang menggunakan metode Support Vector Machines (SVM) saja, mendapatkan nilai akurasi sebesar 95,94%, precision sebesar 94,92%, dan recall sebesar 96,14%. Sedangkan untuk pengujian kedua menggunakan metode Support Vector Machines (SVM) dan optimasi menggunakan fitur seleksi pada metode Particle Swarm Optimization (PSO) menghasilkan nilai akurasi sebesar 96,22%, precision sebesar 95,24%, dan recall sebesar 96,18%. Pada percobaan kedua ini juga mendapatkan paramater C dan gamma terbaik yaitu parameter C sebesar 0.8036 dan parameter gamma sebesar 1.616.
Pemodelan Prediksi Alokasi Pagu Belanja Pegawai dengan Metode Neural Network dan Linear Regression Rudi Hartono; Hendra Adi Saputra; Gandung Triyono
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.v4i3.708

Abstract

Belanja Pegawai meupakan belanja rutin yang diterima Aparatur Sipil Negara (ASN) yang merupakan hak pegawai sebagai wujud penghargaan atau kompensasi atas tugas yang telah dilaksanakan untuk mendukung fungsi dan tugas unit organisasi pemerintah. Penelitian ini bertujuan untuk memprediksi alokasi pagu belanja pegawai tersebut dengan mengimplementasikan dan membandingkan kinerja algoritma Neural Network dan Linear Regression. Penelitian ini menggunakan rasio data pelatihan dan pengujian 90:10, 80:20 dan 70:30 dengan hasil pengujian menggunakan algoritma neural network mendapatkan nilai RMSE sebesar 1.528.548.203,391, 1.574.970.259,712, dan 1.502.955.371,784, sedangkan Linear Regression mendapatkan nilai RMSE sebesar 1.525.213.978,925, 1.612.945.104,455, dan 1.540.826.342,006. Berdasarkan hasil perbandingan pada rasio ideal data uji dan latih 80:20, dapat disimpulkan bahwa algoritma Neural Network dengan nilai RMSE 1.574.970.259,712 menunjukkan nilai kinerja yang lebih baik dari pada Linear Regression dengan nilai RMSE 1.612.945.104,455, diharapkan hasil tersebut dapat digunakan untuk membantu prediksi penyedian alokasi pagu belanja pegawai dimasa yang akan datang.

Page 3 of 11 | Total Record : 107

 1   2   3   4   5 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 6 No. 1: MARET 2026 Vol. 5 No. 3: NOVEMBER 2025 Vol. 5 No. 2: JULI 2025 Vol. 5 No. 1: MARET 2025 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 More Issue