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 45 Documents
 1   2   3   4   5 
Search results for , issue "Vol. 5 No. 3: NOVEMBER 2025" : 45 Documents clear
Improving Information Technology Service Management Effectiveness through ITIL Implementation at SMPN 7 IT Manggelewa
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1317

Abstract

Information Technology (IT) services are essential in enhancing the efficiency of administrative and learning processes in schools. However, many public junior high schools still manage IT services manually, without clear documentation or standard operating procedures, which leads to delayed responses, system unreliability, and low user satisfaction. This study aims to improve the effectiveness of IT service management at SMPN 7 IT Manggelewa through the implementation of a simplified model based on the ITIL (Information Technology Infrastructure Library) Service Operation framework. Employing a qualitative descriptive approach with an evaluative and model development orientation, data were collected through observations, interviews, document analysis, and questionnaires involving school stakeholders. The findings reveal major gaps between current practices and ITIL standards across five key processes: Incident Management, Request Fulfillment, Access Management, Problem Management, and Event Management. As a result, a contextualized ITIL-based model was developed, including SOPs, service request forms, access control procedures, a root-cause analysis template, and manual monitoring tools. The model was validated through a focus group discussion and revised for school-level applicability. This study concludes that the application of a school-adapted ITIL model improves service responsiveness, documentation practices, and stakeholder accountability in managing IT services.
Pengembangan Media Trainer Perakitan Laptop Terintegrasi Troubleshooting Untuk Peningkatan Kompetensi Siswa SMK di Kabupaten Bima
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1337

Abstract

Kemajuan teknologi informasi (IT) membawa perubahan besar dalam pendidikan, meningkatkan akses, efisiensi, dan kualitas pembelajaran. Sekolah perlu beradaptasi agar pembelajaran efektif, inovatif, dan relevan dengan kebutuhan zaman. Seluruh unsur pendidikan—guru, siswa, dan tenaga kependidikan—harus memiliki kompetensi menghadapi era digital. Fasilitas belajar menjadi faktor penting menciptakan lingkungan belajar kondusif. Namun, di SMK Kabupaten Bima belum tersedia trainer perakitan laptop terintegrasi troubleshooting sebagai media pembelajaran, sementara sarana praktik masih terbatas sehingga pembelajaran kurang optimal. Penelitian ini bertujuan mengembangkan media trainer dan modul troubleshooting untuk meningkatkan kompetensi siswa, memotivasi belajar, serta mempersiapkan mereka menghadapi tantangan dunia usaha dan industri. Metode penelitian Research and Development (R&D) menggunakan model ADDIE (Analisis, Perancangan, Pengembangan, Implementasi, Evaluasi) dan pendekatan Contextual Teaching and Learning (CTL). Dari validasi 4 ahli media memperoleh rerata 95,59% (skala Likert 4,78), dan 3 ahli materi 96,67% (skala Likert 4,83), keduanya sangat layak. Uji coba efektivitas menunjukkan nilai kompetensi siswa 85,25, sedangkan respon siswa 91,74% (skala Likert 4,50), artinya sangat praktis. Media trainer terintegrasi troubleshooting ini dinilai efektif meningkatkan kompetensi siswa SMK.
Integrating Staggered and Collaborative Learning for Ethical AI-Assisted Academic Writing
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1340

Abstract

The rapid advancement of artificial intelligence (AI) has prompted a paradigm shift in higher education, demanding innovative instructional models that not only leverage technological tools but also foster ethical, critical, and adaptive thinking among students. This study explores the implementation of a staggered and collaborative learning approach for teaching AI-assisted academic writing in the Software Measurement and Quality course at Universitas Ma Chung. The instructional design began with the formation of small student groups, followed by a structured introduction to generative AI tools—such as ChatGPT Plus and Consensus—paired with discussions on ethical use, fact-checking, and reference validation. Rather than emphasizing technical details, the concept of prompt engineering was taught as a set of adaptable, strategic principles, enabling students to construct effective prompts as technology evolves. Through staggered, step-by-step activities, students were guided from initial brainstorming and article drafting to in-depth literature reviews and iterative revision, with each group collaborating internally and across teams to share references and insights using tools like Mendeley Reference Manager. The lecturer’s ongoing formative feedback, combined with originality checks via Turnitin, ensured both academic integrity and continuous improvement. At the end of the process, students submitted their articles to designated journals and completed a feedback questionnaire. The analysis of student responses revealed overwhelmingly positive outcomes: nearly all participants reported a clearer understanding of course objectives, increased motivation, and greater creativity. Students highlighted the ease and effectiveness of AI tools in supporting their research, the value of collaborative reference sharing, and the importance of ethical AI practices. The majority also recognized that prompt engineering requires strategic, iterative approaches rather than fixed formulas. In conclusion, the findings demonstrate that the staggered and collaborative learning model not only enhances academic writing skills and ethical awareness but also prepares students for lifelong learning and responsible technology use in an AI-driven academic landscape.
Development of a Hybrid Voting Model with SMOTE and Random Search for Classification of Religious Facility Grant Recipients
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1342

Abstract

The process of determining recipients of religious facility grants requires high accuracy to ensure that aid is distributed fairly and supports equitable community services. Manual selection methods often face challenges such as data imbalance, diverse assessment criteria, and subjective decision-making, which can reduce accuracy and efficiency. This study proposes a hybrid machine learning model using Voting Ensemble (Hard and Soft), combining Logistic Regression (LR), Support Vector Machine (SVM), and K-Nearest Neighbor (KNN), optimized with Random Search and supported by SMOTE to handle class imbalance. The dataset consists of religious facility grant applications in Riau Province, with preprocessing, SMOTE balancing, and Stratified K-Fold Cross Validation applied for robust evaluation. The experimental results show that the Hybrid Voting model outperforms single models, achieving an average accuracy of 99.46%, with precision, recall, and F1-score consistently above 96%, and some folds achieving 100% accuracy. These findings demonstrate that the hybrid approach enhances prediction stability, reduces misclassification of minority classes, and provides a decision-support system that is objective, accurate, and efficient for grant recipient selection.
Permodelan Data Warehouse Penerimaan Negara untuk Mendukung Treasury Open Data Dengan Metode Kimball
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1343

Abstract

Pengembangan data warehouse dalam rangka pengelolaan penerimaan negara merupakan langkah strategis untuk mendukung transparansi serta efisiensi tata kelola keuangan negara. Penelitian ini akan merancang dan mengimplementasikan model data warehouse berbasis four step Kimball Method, dengan fokus pada integrasi data transaksi penerimaan negara ke dalam satu platform terpadu. Sumber data berasal dari berbagai jenis transaksi penerimaan negara. Model data dirancang menggunakan star schema yang mencakup satu tabel fakta serta beberapa tabel dimensi. Sistem ini dirancang untuk memenuhi kebutuhan tiga kelompok pemangku kepentingan: (1) pimpinan instansi yang membutuhkan dashboard realisasi yang ringan dan cepat; (2) pengelola keuangan yang memerlukan integrasi data secara akurat; serta (3) pihak-pihak lain yang membutuhkan data terkait penerimaan negara. Desain yang fleksibel memungkinkan eksplorasi data berdasarkan tahun anggaran, jenis penerimaan, serta penerimaan perwilayah. Hasil implementasi menunjukkan bahwa arsitektur data warehouse ini mampu menyediakan data yang konsisten, terstandar, dan mudah diolah untuk keperluan pelaporan dan analitik. Selain meningkatkan efisiensi pelaporan internal, sistem ini juga membuka potensi integrasi dengan inisiatif Treasury Open Data, guna memperluas akses publik terhadap data penerimaan negara. Dengan demikian, model ini mendukung penguatan prinsip good governance dalam pengelolaan pendapatan nasional.
Deteksi dan Respon Insiden Terotomatisasi Menggunakan Kerangka Kerja NIST dengan Metode Robust Random Cut Forest dan Random Forest Regressor
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1348

Abstract

Meningkatnya ancaman serangan siber dan kebocoran data menuntut organisasi menerapkan pendekatan keamanan yang lebih canggih dan proaktif. Sistem deteksi berbasis tanda tangan dinilai tidak lagi memadai karena kurang mampu mengenali serangan baru maupun varian modifikasi. Di sisi lain, implementasi Undang-Undang Nomor 27 Tahun 2022 tentang Perlindungan Data Pribadi (UU PDP) mempertegas kewajiban organisasi untuk melindungi data melalui sistem deteksi dan respons insiden yang cepat serta andal. Penelitian ini bertujuan merancang sistem deteksi dan respons insiden siber terotomatisasi dengan memadukan machine learning untuk deteksi anomali dan klasifikasi serangan. Metode yang digunakan menggabungkan Robust Random Cut Forest (RRCF) untuk deteksi anomali unsupervised pada data streaming dan Random Forest Regressor (RFR) untuk pemodelan prediktif, menciptakan pendekatan hybrid yang lebih akurat. Untuk klasifikasi serangan digunakan Random Forest Classifier (RFC). Seluruh rancangan mengacu pada kerangka kerja NIST Cybersecurity Framework dan diintegrasikan dengan platform SIEM Wazuh guna memungkinkan peringatan dini dan respons otomatis. Hasil pengujian menunjukkan RFC mencapai kinerja optimal pada dataset UNSW-NB15, CIC-IDS-2017, dan data nyata, bahkan memperoleh skor sempurna dalam beberapa skenario. Sementara itu, kombinasi RRCF dan RFR terbukti efektif mendeteksi anomali real-time tanpa false positive. Kesimpulannya, sistem yang dibangun responsif, adaptif, akurat, serta mendukung kepatuhan regulasi UU PDP, sehingga berkontribusi nyata bagi penguatan keamanan siber organisasi di era digital.
Perancangan Sistem Pergudangan Usaha Mikro Kecil (UMK) melalui Pemodelan Data Flow Diagram (DFD) dan Analisis MoSCoW
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1349

Abstract

Usaha Mikro dan Kecil (UMK) di Indonesia umumnya masih mengelola stok barang secara manual menggunakan buku tulis atau spreadsheet sederhana, yang rentan terhadap kesalahan pencatatan, kehilangan data, dan keterlambatan informasi. Penelitian ini bertujuan untuk merancang sistem informasi pergudangan berbasis digital dengan pendekatan pemodelan Data Flow Diagram (DFD) secara bertingkat. Metode yang digunakan meliputi studi literatur, pengumpulan data melalui observasi, wawancara, dan kuesioner terhadap 30 pelaku Usaha Mikro Kecil (UMK) di Balikpapan, serta analisis kebutuhan menggunakan matriks MoSCoW. Hasilnya, proses bisnis sistem pergudangan berhasil dianalisis dan dimodelkan dalam tiga tingkat DFD, yaitu DFD Level 0 (diagram konteks), DFD Level 1 (proses utama), dan DFD Level 2 (subproses teknis). Pemodelan ini menghasilkan arsitektur alur data yang logis dan sesuai dengan kebutuhan nyata pengguna. Selain itu, setiap fitur yang ada akan dikelomppokkan berdasarkan 3 pengguna, yaitu superadmin, gudang, dan viewer. Kontribusi penelitian ini terletak pada integrasi pemodelan DFD hingga Level 2 dengan analisis prioritas fitur menggunakan metode MoSCoW serta visualisasi alur bisnis melalui diagram swimlane. Pendekatan ini memberikan kerangka perancangan sistem informasi gudang yang lebih komprehensif dibanding studi sebelumnya, sekaligus menawarkan solusi praktis yang dapat menjadi fondasi transformasi digital UMK dalam pengelolaan persediaan secara efisien, adaptif, dan mudah diimplementasikan.
Prediksi Jumlah Kunjungan Wisatawan Nusantara ke Sulawesi Tenggara Menggunakan Pendekatan Machine Learning
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1352

Abstract

Prediksi jumlah kunjungan wisatawan merupakan aspek penting dalam perencanaan dan pengambilan kebijakan di sektor pariwisata. Penelitian ini bertujuan untuk menganalisis perbandingan kinerja model Support Vector Regression (SVR) dan Long Short-Term Memory (LSTM) dalam memprediksi jumlah kunjungan wisatawan nusantara ke Provinsi Sulawesi Tenggara. Data yang digunakan diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sulawesi Tenggara periode Januari 2018 hingga Desember 2023. Model SVR dan LSTM masing-masing diuji menggunakan metrik Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE) untuk mengukur tingkat akurasi hasil prediksi. Hasil penelitian menunjukkan bahwa model SVR menghasilkan nilai RMSE dan MAE yang lebih rendah pada 13 dari 17 kabupaten/kota, sehingga memiliki tingkat akurasi yang lebih baik dibandingkan model LSTM. Sementara itu, LSTM cenderung lebih sensitif terhadap fluktuasi data yang ekstrem pascapandemi, sehingga menghasilkan prediksi yang kurang stabil. Berdasarkan hasil tersebut, dapat disimpulkan bahwa model SVR lebih sesuai digunakan untuk memprediksi jumlah kunjungan wisatawan di wilayah dengan karakteristik data yang bersifat musiman dan fluktuatif seperti Sulawesi Tenggara. Temuan ini diharapkan dapat menjadi dasar dalam pengembangan sistem prediksi pariwisata berbasis machine learning yang lebih akurat dan adaptif.
Perbandingan Algoritma K-Nearest Neighbour dan C4.5 Decision Tree Untuk Klasifikasi Penerima Bantuan Program Keluarga Harapan
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1353

Abstract

Program Keluarga Harapan (PKH) merupakan bantuan sosial bersyarat yang ditujukan bagi keluarga dengan kondisi ekonomi rentan. Tantangan utama dalam implementasinya adalah memastikan ketepatan sasaran penerima bantuan. Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan C4.5 dalam mengklasifikasikan kelayakan penerima PKH. Data penelitian diambil dari Dinas Sosial Kabupaten Wakatobi tahun 2023, kemudian melalui tahap praproses, pembagian data menggunakan K-Fold Cross Validation (K=7), serta pelatihan dan pengujian model dengan perangkat lunak RapidMiner. Evaluasi dilakukan berdasarkan akurasi, presisi, dan recall. Hasil analisis menunjukkan bahwa algoritma C4.5 memberikan kinerja lebih baik dengan akurasi 96,22%, presisi “YES” 95,71%, dan recall “YES” 94,89%. Sebaliknya, KNN memperoleh akurasi 81,44%, presisi “YES” 69,66%, dan recall “YES” 95,74%. Temuan ini menunjukkan bahwa C4.5 lebih efektif dan konsisten dalam mengklasifikasikan penerima bantuan dibandingkan KNN. Model pohon keputusan yang dihasilkan juga memberikan kejelasan logis terhadap faktor-faktor penentu kelayakan. Penelitian ini berpotensi dikembangkan melalui integrasi model ke dalam sistem berbasis web atau aplikasi untuk meningkatkan efisiensi proses seleksi penerima bantuan.
Prototyping Aplikasi Penjadwalan Konsultasi Dokter Menggunakan Framework Model View Controller
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1356

Abstract

Kemajuan teknologi informasi mendorong digitalisasi layanan kesehatan, namun banyak fasilitas kesehatan primer masih mengandalkan prosedur manual yang berpotensi menyebabkan inefisiensi, waktu tunggu yang panjang, serta ketidakteraturan jadwal praktik dokter. Penelitian ini bertujuan merancang dan mengembangkan prototype aplikasi penjadwalan konsultasi dokter berbasis web menggunakan framework Laravel dan arsitektur Model View Controller (MVC) untuk meningkatkan efisiensi pelayanan di Klinik dr. Yudi Dimyati. Metode pengembangan menggunakan pendekatan prototyping melalui tahapan pengumpulan kebutuhan, perancangan antarmuka, evaluasi iteratif, dan pengembangan sistem. Pengujian dilakukan menggunakan black-box testing untuk memverifikasi kesesuaian fungsi. Hasil menunjukkan bahwa pada sisi pengguna, seluruh 15 skenario pengujian berhasil dijalankan (100%), sedangkan pada sisi administrator 29 dari 30 skenario berhasil (96,67%), sehingga tingkat keberhasilan keseluruhan mencapai 97,8%. Temuan tersebut menunjukkan bahwa prototype telah memenuhi spesifikasi fungsional dan mampu mendukung alur pendaftaran, pemesanan janji, pengelolaan jadwal, dan pembaruan status pembayaran secara otomatis. Secara praktis, sistem ini berpotensi meningkatkan efisiensi operasional klinik, sementara secara teoretis penelitian ini memperkuat bukti empiris mengenai efektivitas arsitektur MVC dan pendekatan prototyping dalam pengembangan sistem informasi kesehatan.

Page 2 of 5 | Total Record : 45

 1   2   3   4   5 

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