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 26 Documents
 1   2   3 
Search results for , issue "Vol. 5 No. 1: MARET 2025" : 26 Documents clear
Optimisasi Implementasi Sistem Informasi Reminder Treatment pada Pasien Berbasis SMS Gateway
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.832

Abstract

Perkembangan teknologi yang pesat mendorong aktifnya digunakan perangkat tekknologi dalam bisnis. Salah satu bidang bisnis yang dikembangkan seiring dengan teknologi adalah pemanfaatan SMS gateway dalam melakukan pengingat pada penggunanya. Salah satu bisnis yang menggunakan SMS gateway untuk memberikan pengingat pada pasien adalah klinik kecantikan Hayyu. Penelitian ini ditujukan untuk menganalisa bagaimana sistem SMS gateway dapat dioptimalisasikan sebagai media reminder treatment berdasarkan feedback dari pengguna. Optimisaasi dilakukan dengan memberikan survei terhadap sejumlah sampel pengguna aplikasi dan menganalisis data hasil penelitian tersebut menggunakan metode perhitungan rata-rata tiap UEQ. Nilai UEQ diakhir ini akan digunakan sebagai pertimbangan keoptimalan aplikasi ini saat digunakan untuk reminder treatment dimana diakhir penelitian nilai yang diperoleh untuk UEQ memiliki rata-rata yang tinggi untuk tiap aspek UEQ.  Hasil dari penelitian ini menggunakan metode UEQ pada Skala Benchmark menunjukkan aspek ketepatan memiliki nilai tertinggi yakni sebesar 1,071. Hal ini dapat disimpulkan bahwa sistem informasi reminder treatment ini dianggap dapat dipercaya karena menjalankan fungsinya tanpa kesalahan atau gangguan yang signifikan, memberi pengguna rasa aman dan yakin dengan informasi atau pengingat yang mereka berikan.
Analisis Sentimen Tanggapan Masyarakat Tentang Garuda IKN Menggunakan Metode Naive Bayes
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.860

Abstract

Ibu Kota Nusantara (IKN) adalah proyek besar yang bertujuan memindahkan ibu kota negara dari Jakarta ke Kalimantan Timur untuk mengurangi beban Jakarta dan mendorong pertumbuhan ekonomi di Indonesia. Salah satu ikon utama dari IKN adalah Patung Garuda, simbol kekuatan dan kebanggaan nasional. Namun, desain Patung Garuda ini mendapat berbagai kritik dari masyarakat, mulai dari aspek estetika hingga penggunaan anggaran yang dianggap berlebihan. Kritik ini banyak disampaikan melalui media sosial, terutama Twitter, yang menjadi platform utama untuk mengungkapkan pandangan secara terbuka. Penelitian ini bertujuan menganalisis sentimen publik terhadap desain Patung Garuda IKN melalui data dari Twitter dengan menggunakan metode Naive Bayes. Hasilnya menunjukkan bahwa metode Naive Bayes memberikan akurasi sebesar 0,82 dalam klasifikasi sentimen. Penelitian ini juga membuktikan bahwa Naive Bayes lebih akurat dibandingkan pustaka TextBlob. Melalui analisis ini, diharapkan dapat diperoleh pemahaman lebih mendalam mengenai pandangan publik dan isu-isu utama yang menjadi fokus kritik terhadap proyek ini. Hasil penelitian diharapkan dapat menjadi masukan berharga untuk perencanaan dan pengambilan keputusan proyek serupa di masa depan.
Integrasi Serious Games dalam Pengembangan Platform Pembelajaran Pemrograman
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.864

Abstract

Penelitian ini mengembangkan platform pembelajaran pemrograman berbasis serious games untuk meningkatkan keterlibatan, motivasi, dan pemahaman mahasiswa terhadap konsep pemrograman. Pendekatan model waterfall pada penelitian ini mencakup analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Platform ini dirancang untuk mendukung pembelajaran interaktif melalui fitur seperti live coding, tantangan berbasis misi, serta penghargaan berupa poin dan badge. Pengujian dilakukan pada mahasiswa program studi Informatika Universitas Wijaya Kusuma Surabaya dengan menggunakan instrumen EUCS. Hasil pengujian menunjukkan tingkat kepuasan pengguna yang tinggi pada 5 aspek: accuracy, content, ease of use, format, dan timeliness, dengan skor rata-rata di atas 4,00. Temuan ini mengindikasikan bahwa integrasi serious games dapat menciptakan pengalaman belajar yang menarik dan personal. Meskipun penelitian ini terbatas pada bahasa pemrograman C++ dan pengujian skala kecil, hasilnya menunjukkan potensi besar untuk diterapkan secara lebih luas dalam pembelajaran berbasis teknologi. Penelitian ini berkontribusi pada pengembangan teknologi pembelajaran, khususnya dalam game-based learning, sekaligus membuka peluang untuk penelitian lanjutan yang mengeksplorasi aplikasi pada konteks dan bahasa pemrograman lainnya.
Peramalan Kadar PM10 Menggunakan Algoritma Long Short-Term Memory (LSTM) Sebagai Acuan Ketersediaan Ruang Terbuka Hijau Di Kota Jambi
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.866

Abstract

Pada tahun 2023 jumlah kendaraan bermotor di Kota Jambi hampir mencapai 960.814 unit. Peningkatan volume lalu lintas akan menyebabkan peningkatan emisi polusi udara, yang dapat mengurangi kualitas udara. Salah satu polutannya adalah PM10, yang berkontribusi terhadap polusi udara. Particulate matter 10 (PM10) adalah partikel materi yang berukuran kurang dari 10 mikrometer. PM10 dapat berdampak negatif pada sistem pernapasan, seperti serangan asma, penurunan fungsi paru-paru, dan bahkan kematian. Salah satu solusi untuk mengatasi masalah polusi udara di Jambi adalah melalui pengembangan prediksi temporal kualitas udara menggunakan data historis. Dengan membangun model prediksi berdasarkan indeks polutan, kita dapat memproyeksikan kualitas udara secara harian. Penelitian ini bertujuan untuk membuat model prediksi konsentrasi PM10 di Kota Jambi dengan metode Long Short Term Memory. Data yang digunakan adalah data konsentrasi PM10 pada bulan Januari sampai Juni 2024 menggunakan algoritma jaringan saraf tiruan Long Short-Term Memory (LSTM). Penelitian ini dilakukan melalui beberapa tahapan yaitu pengumpulan data, praproses data, pembagian data, pembuatan model prediksi konsentrasi PM10, dan MAPE. Penelitian ini menghasilkan model prediksi konsentrasi PM10 dengan nilai RMSE sebesar 0,021 dan MAPE 0,11%, yang berarti model peramalan memiliki peramalan yang sangat akurat. Dengan kemampuannya memprediksi kadar PM10 di masa depan berdasarkan pola historis. Informasi ini krusial dalam menentukan prioritas pengembangan RTH.
Sistem Pendukung Keputusan Pemeringkatan Kinerja Satuan Pengamanan menggunakan AHP dan TOPSIS
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.891

Abstract

Penilaian kinerja satuan pengamanan (Satpam) secara objektif dan transparan merupakan tantangan penting di PT Jakarta International Security Service (JISS) Indonesia. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan (SPK) berbasis metode Analytic Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) guna mendukung evaluasi kinerja Satpam. Metode AHP digunakan untuk menentukan bobot kriteria penilaian berdasarkan tingkat kepentingannya, sementara TOPSIS digunakan untuk merangking alternatif berdasarkan kriteria yang telah dibobot. Kriteria yang digunakan meliputi kepuasan user, absensi, penguasaan SOP, laporan bulanan, kemampuan penanganan kasus, perencanaan kerja, tugas dan tanggung jawab, serta pengontrolan administrasi. Hasil penelitian menunjukkan bahwa kriteria “kepuasan user” dan “absensi” memiliki bobot tertinggi masing-masing sebesar 25,57%. Perankingan dengan TOPSIS menghasilkan Satpam nomor 17 sebagai peringkat terbaik dengan nilai closeness 0,810731, diikuti oleh Satpam nomor 4 dan 11. Sistem ini memberikan evaluasi yang lebih transparan, akurat, dan berbasis data, mendukung pengambilan keputusan yang lebih baik di PT JISS. Penelitian ini menyimpulkan bahwa kombinasi metode AHP dan TOPSIS efektif untuk mengatasi subjektivitas dalam evaluasi kinerja dan dapat dikembangkan lebih lanjut untuk aplikasi yang lebih luas.
Sistem Pendukung Keputusan Keberlanjutan UMKM Menggunakan Algoritma ID3 di Wilayah Perbatasan RI-RDTL
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.946

Abstract

UMKM (Usaha Mikro, Kecil dan Menengah) merupakan salah satu sektor penggerak bagi pendapatan untuk kehidupan masyarakat mengengah ke bawah. Bagi masyarakat wilayah perbatasan RI-RDTL khususnya di Kabupaten Timor Tengah Utara (TTU), melalui UMKM dapat memperbaiki stabilitas keuangan mereka. Dalam dua tahun terkahir UMKM di wilayah ini bertumbuh dua kali lipat yakni sejumlah 10.806. Melihat pertumbuhan pesat ini, menjadi kabar baik atas dukungan yang sudah diberikan oleh negara melalui Pemeritah TTU sebagai fasilitator, regulator, dan katalisator. Sebuah UMKM yang sehat tentunya memiliki ciri-ciri yang baik jika dilihat dari segi Lokasi, Harga Produk, Kondisi Keuangan, Inovasi, dan Pemanfaatan Teknologi. Penelitian ini membangun SPK (Sistem Pendukung Keputusan) sebagai solusi dalam memberikan keputusan keberlanjutan dari satu UMKM yang dianalisis. Dalam menganalisis data, digunakan Model Decision Tree (DT) atau Pohon Keputusan. Cara kerja model DT adalah membetuk sebuah pohon mulai dari akar, cabang, dan daun. Pembangunan pohon keputusan menggunakan Algoritma ID3 yang dikenal dengan Iterative Dichotomiser 3. SPK yang dikembangankan terbukti dapat membangun Aturan Pohon Keputusan dengan 300 data training dan 20 data testing dengan hasil akurasi sebesar 80%.
Pengembangan Media Augmented Reality dalam Pembelajaran Alat Musik Tradisional: Angklung, Gong, Saron, Gendang, dan Kenong
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.1036

Abstract

Alat musik tradisional merupakan Instrumen yang diwariskan secara berkelanjutan dari satu generasi ke generasi berikutnya. Karena perkembangan zaman, Alat musik tradisional semakin terpinggirkan akibat dominasi alat musik modern yang dianggap lebih praktis dan mudah digunakan dibandingkan dengan alat musik tradisional. Penelitian ini bertujuan untuk mengembangkan media pembelajaran yang memanfaatkan teknologi Augmented Reality guna memperkenalkan alat musik tradisional Indonesia kepada siswa secara interaktif dan menarik. Metode penelitian yang digunakan adalah model ADDIE, meliputi tahapan analisis, desain, pengembangan, implementasi, dan evaluasi. Penilitian ini menghasilkan aplikasi yang dilengkapi fitur-fitur seperti visualisasi 3D alat musik, materi pembelajaran, dan kuis interaktif untuk evaluasi. Hasil pengujian menunjukkan bahwa media pembelajaran ini sangat layak digunakan, dengan tingkat kebermanfaatan, kemudahan, dan kepuasan mencapai 86%. Aplikasi ini tidak hanya mendukung proses pembelajaran yang inovatif tetapi juga berkontribusi pada upaya melestarikan budaya tradisional di era digital. Dengan pendekatan ini, diharapkan siswa lebih memahami dan menghargai keberagaman budaya lokal.
Pengembangan Media Pembelajaran Komponen Komputer dan Jaringan Dasar Berbasis Augmented Reality
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.1037

Abstract

Kesulitan dalam memahami konsep komputer dan jaringan dasar pada jurusan teknik komputer dan jaringan, menyebabkan minat para siswa dalam belajar menjadi rendah. Hal ini menunjukan bahwa pembelajaran belum efektif. Penelitian ini bertujuan untuk menghasilkan media pembelajaran berbasis Augmented Reality untuk mendukung pengenalan komputer dan jaringan dasar, sekaligus untuk meningkatkan efektivitas dan daya tarik dalam proses pembelajaran. Untuk uji kelayakan menggunakan uji alpha yang dilakukan kepada ahli media dan ahli materi dan uji beta dilakukan kepada siswa. Penelitian ini menggunakan metode Research and Development (R&D) dengan pendekatan model ADDIE sebagai dasar pengembangannya. dengan tahapan analisis, perancangan, pengembangan, implementasi dan (pengujian), serta analisis data yang digunakan deskriptif kuantitatif. Hasil pengujian terhadap media pembelajaran menghasilkan persentase sebesar 97,39%.  Hasil uji ahli materi menunjukkan persentase 90%, sementara hasil uji responden, memperoleh persentase sebesar 82,56%, Demikian media pembelajaran berbasis Augmented Reality untuk pengenalan komponen komputer dan jaringan dasar yang telah dikembangkan sebagai alternatif untuk mendukung kegiatan pembelajaran siswa dikategorikan sangat layak.
Klasifikasi dan Pengenalan Emosi dari Ekspresi Wajah Menggunakan CNN-BiLSTM dengan Teknik Data Augmentation
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.1038

Abstract

Teknologi computer vision terus berkembang dan diterapkan dalam berbagai bidang, termasuk interaksi manusia dan komputer (human-computer interaction), khususnya dalam pengenalan emosi dari ekspresi wajah atau facial expression recognition (FER). Penelitian ini bertujuan untuk mengembangkan model CNN-BiLSTM yang dilengkapi dengan data augmentation untuk mendeteksi emosi seperti marah, bahagia, takut, sedih, terkejut, jijik, dan netral. Dataset yang digunakan dalam penelitian ini adalah dataset publik FER2013, yang terdiri dari 35.887 gambar wajah grayscale berukuran 48x48 piksel. Teknik augmentasi data meliputi rotasi, flipping, dan pergeseran gambar untuk meningkatkan keragaman data dan mencegah overfitting. Model dilatih menggunakan optimizer Adam, dengan hyperparameter berupa batch size sebesar 32, jumlah epoch sebanyak 100, dan learning rate 0.001. Hasil pengujian menunjukkan bahwa model CNN-BiLSTM mencapai akurasi validasi sebesar 95%, lebih tinggi dibandingkan CNN yang hanya mencapai akurasi 70%. Selain itu, validation loss pada CNN-BiLSTM lebih stabil, menunjukkan kemampuan generalisasi yang lebih baik dibandingkan CNN, yang mengalami fluktuasi signifikan akibat kemungkinan overfitting dan kurang optimalnya parameter seperti learning rate. Analisis menggunakan confusion matrix menunjukkan bahwa CNN-BiLSTM menghasilkan klasifikasi yang lebih akurat untuk setiap emosi. Model CNN-BiLSTM memberikan kinerja lebih unggul dalam mendeteksi emosi pada FER, terutama dalam menghadapi tantangan seperti pencahayaan, posisi wajah, dan kompleksitas ekspresi.
Diabetes Mellitus Disease Prediction Using Logistic Regression (LR) and Support Vector Machine (SVM) Methods
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.1039

Abstract

Diabetes Mellitus (DM), also known as diabetes or sugar disease, marked by high blood sugar levels and poses a major health issue in Indonesia with the number of cases increasing every year. Often referred to as the silent killer, DM often goes unnoticed due to its subtle symptoms, increasing the risk of severe complications if not treated promptly. The lack of information or awareness about the early symptoms of DM, limited time and cost in conducting health checks, and limited access to health services are challenges in detecting DM disease early. To overcome this problem, the development of a prediction model is essential to prevent serious complications. This study aims to create a predictive model using LR and SVM methods based on parameters such as pregnancy, glucose levels, blood pressure, skin thickness, insulin, BMI, diabetes pedigree, age, and outcome. The dataset used is DM disease risk data collected by Kaggle from the National Institute of Diabetes and Disgetive and Kidney Disease (NIDDK). Based on the research results, the LR method shows a better level of accuracy compared to the SVM method. The accuracy of the model using the Logistic Regression method is 79.31% while the SVM method has an accuracy value of 77.24%, with a difference in accuracy of 2.07%. This research applies hyperparameter tuning with Grid Search to find the best combination of hyperparameter.

Page 1 of 3 | Total Record : 26

 1   2   3 

Filter by Year

2025 2025


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