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 6 Documents
 1 
Search results for , issue "Vol. 6 No. 1: MARET 2026" : 6 Documents clear
Prediksi Curah Hujan Harian Menggunakan Metode Principal Component Analysis (PCA) dan Long Short-Term Memory (LSTM)
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1451

Abstract

Intensitas curah hujan memiliki keterkaitan erat dengan berbagai aspek kehidupan, khususnya dalam sektor lingkungan, transportasi, dan mitigasi bencana. Pengukuran curah hujan di Indonesia umumnya dilakukan oleh Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) menggunakan alat konvensional yang berpotensi mengalami penurunan akurasi akibat faktor teknis maupun lingkungan. Oleh karena itu, diperlukan metode prediksi sebagai alternatif untuk menghindari kekosongan data serta sebagai acuan pengambilan keputusan. Penelitian ini bertujuan memprediksi curah hujan harian di Tanjung Perak, Surabaya, menggunakan kombinasi Principal Component Analysis (PCA) dan Long Short-Term Memory (LSTM). PCA digunakan untuk mereduksi dimensi variabel meteorologi sehingga diperoleh fitur yang paling berpengaruh terhadap curah hujan, sedangkan LSTM digunakan untuk memodelkan data deret waktu. Data yang digunakan merupakan data observasi harian BMKG periode 1 Januari 2020 hingga 31 Desember 2024. Hasil PCA menunjukkan bahwa temperatur rata-rata, kelembapan rata-rata, dan kecepatan angin rata-rata merupakan variabel dominan. Model terbaik diperoleh pada konfigurasi 150 hidden layer, batch size 256, dan learn rate drop period 50 dengan nilai MAAPE sebesar 0,5662. Hasil tersebut menunjukkan bahwa kombinasi metode PCA-LSTM mampu memprediksi curah hujan harian dengan kinerja yang cukup baik.
Analisis Penerapan Prinsip Multimedia Mayer dalam Video Pembelajaran Bahasa Arab di Channel YouTube Learn Arabic with Asmae
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1487

Abstract

Penelitian ini menganalisis kualitas desain dan respons audiens terhadap video pembelajaran bahasa Arab pada channel YouTube Learn Arabic with Asmae. Dengan pendekatan kualitatif deskriptif dengan metode analisis konten, peneliti mengkaji penerapan delapan prinsip multimedia Mayer dan mengklasifikasikan motif audiens berdasarkan teori Uses and Gratification (U&G). Data dikumpulkan melalui observasi non-partisipan dan dokumentasi terhadap dua video dan analisis 120 komentar teratas. Temuan menunjukkan bahwa video-video tersebut, secara umum telah menerapkan prinsip Mayer dengan baik, dengan enam dari delapan prinsip diterapkan secara konsisten dan efektif. Prinsip personalisasi, segmentasi, dan persinyalan menjadi pilar utama dalam memfasilitasi pemahaman dan membangun keterlibatan emosional. Namun, prinsip koherensi dan multimedia, khususnya relevansi gambar menunjukkan beberapa inkonsistensi. Analisis respons audiens menunjukkan adanya motif afektif (59,2%) yang mendominasi di samping motif kognitif (35,0%). Data ini menunjukkan bahwa video-video tersebut berhasil memberikan pengalaman pembelajaran yang menyenangkan. Sebagai Kesimpulan, keberhasilan video pembelajaran ini dikarnakan desain multimedia yang terintegrasi dengan baik dan kemampuan untuk memenuhi motivasi intrinsic audiens. Temuan penelitian ini dapat membantu pengembang konten edukasi dalam merancang video pembelajaran yang efektif dan engaging.
Efektivitas Penggunaan Discord Sebagai Media E-learning Pada Mata Kuliah Microteaching di Prodi Pendidikan Teknologi Informasi
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1488

Abstract

Perkembangan teknologi digital telah mendorong transformasi signifikan dalam sistem pendidikan, terutama melalui penerapan pembelajaran daring yang membutuhkan media interaktif dan kolaboratif. Salah satu platform yang mulai dimanfaatkan adalah Discord, yang awalnya berfokus pada komunikasi komunitas, namun kini berkembang menjadi sarana pembelajaran berbasis interaksi real-time. Penelitian ini bertujuan menganalisis efektivitas penggunaan Discord sebagai media e-learning pada mata kuliah Microteaching di Program Studi Pendidikan Teknologi Informasi, Universitas Pendidikan Muhammadiyah Sorong. Penelitian menggunakan metode deskriptif kuantitatif dengan melibatkan 40 mahasiswa sebagai sampel, serta instrumen pretest dan posttest berbasis model USE. Analisis data dilakukan melalui uji validitas, uji reliabilitas, uji-t berpasangan, dan perhitungan N-Gain Score untuk melihat tingkat peningkatan pemahaman. Hasil penelitian menunjukkan seluruh butir instrumen dinyatakan valid dan reliabel, serta terdapat peningkatan hasil belajar yang signifikan. Nilai N-Gain menunjukkan 70% mahasiswa berada pada kategori peningkatan sedang dan 30% pada kategori rendah, sehingga efektivitas Discord tergolong cukup kuat dalam meningkatkan pemahaman konsep, interaksi, dan keterlibatan mahasiswa dalam pembelajaran daring Microteaching.
Sentiment Analysis of Wargaku Surabaya Apps Reviews using Naive Bayes and Support Vector Machine (SVM) Methods
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1565

Abstract

Digital public service applications in Indonesia are increasingly used to improve citizens access to government services, generating large volumes of feedback that are difficult to analyze manually. Moreover, many previous studies focus on polarity-based sentiment, which may not adequately capture specific user emotions. This study analyzes feedback on the Wargaku Surabaya application by classifying emotions into five categories: anger, disappointment, sadness, pride, and happiness. A total of 1,406 texts were collected (2021–2025), with 1,386 retained after preprocessing. Data were primarily sourced from Google Play Store reviews, supplemented by comments from Threads and YouTube. The research employs text preprocessing, TF-IDF weighting, and lexicon-based labelling with the generated labels reviewed on a subset of the dataset before model training. Emotion classification was performed using Naive Bayes (NB) and Support Vector Machine (SVM), evaluated via a train–test split and confusion matrix. Results show that SVM achieved 84% accuracy, 85% precision, 84% recall, and an 84% F1-score, outperforming NB with 58% accuracy. These findings indicate that SVM is more reliable for multi-class emotion classification in digital public services.
Analisis Sentimen Pemindahan Ibu Kota Nusantara (IKN) dengan Algoritma Random Forest, Naive Bayes, dan Support Vector Machine
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1567

Abstract

Reaksi masyarakat Indonesia terhadap pemindahan Ibu Kota Nusantara (IKN) bervariasi, terutama di media sosial, yang merupakan platform utama untuk menyuarakan pendapat. Tujuan penelitian ini adalah untuk mengevaluasi persepsi publik tentang rencana pemindahan IKN dengan menggunakan tiga metode klasifikasi yaitu Random Forest, Naïve Bayes, dan Support Vector Machine (SVM). Data diproses melalui beberapa tahap preprocessing, Tahap-tahap ini termasuk tokenisasi, penghilangan kata umum, pemrosesan huruf, pembersihan teks, dan pengurangan kata dasar. Pelabelan data mengelompokkan komentar dalam kategori sentimen positif dan negatif, sedangkan ekstraksi fitur dilakukan dengan metode TF-IDF. Dataset tersebut kemudian dibagi menjadi dua, 20% untuk data pengujian dan 80% untuk data latihan. Hasil penelitian ini menunjukkan bahwa setiap model memiliki tingkat akurasi yang berbeda, dengan Random Forest mencapai 98%, Naïve Bayes 91%, dan SVM 97%, yang menunjukkan bahwa Random Forest adalah algoritma ensemble yang paling akurat dan dapat digunakan untuk analisis sentimen.Studi ini menemukan bahwa setiap model memberikan tingkat akurasi yang berbeda. Hasil penelitian ini menunjukkan bahwa Random Forest adalah algoritma ensemble terbaik untuk mengelompokkan sentimen publik tentang masalah pemindahan IKN. Kesimpulan penelitian ini menekankan bahwa menggunakan algoritma ensemble seperti Random Forest dapat menghasilkan analisis sentimen yang lebih akurat, dan ini dapat digunakan sebagai pedoman untuk proses pengambilan keputusan di masa mendatang tentang evaluasi kebijakan publik
Sistem Pakar untuk Identifikasi Masalah pada Siswa SMK Yadika Palu dengan Menggunakan Metode Certainty Factor
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1600

Abstract

Layanan bimbingan dan konseling di sekolah masih menghadapi kendala dalam mengidentifikasi permasalahan siswa secara objektif akibat keterbatasan waktu, rendahnya keterbukaan siswa, dan subjektivitas analisis guru BK. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web untuk mengidentifikasi permasalahan siswa menggunakan metode Certainty Factor (CF). Metode CF digunakan untuk memodelkan ketidakpastian penilaian gejala melalui nilai measure of belief dan measure of disbelief yang diperoleh dari pakar. Penelitian ini menggunakan pendekatan Research and Development yang meliputi analisis kebutuhan, perancangan basis pengetahuan, implementasi sistem berbasis PHP–MySQL, serta pengujian fungsional dan akurasi. Pengujian dilakukan menggunakan 20 data siswa dengan membandingkan hasil identifikasi sistem dan analisis guru BK. Hasil pengujian menunjukkan tingkat kesesuaian sebesar 85%, yang menunjukkan bahwa metode CF efektif dalam merepresentasikan penalaran pakar pada konteks bimbingan dan konseling. Kontribusi utama penelitian ini terletak pada integrasi metode Certainty Factor dengan data dari Teknik Penyusunan Program Pelayanan Konseling di Satuan Pendidikan Berbasis IKMS untuk menghasilkan identifikasi masalah siswa secara kuantitatif dan terukur. Secara praktis, sistem mampu menyajikan tingkat keyakinan dalam bentuk persentase sehingga mendukung pengambilan keputusan guru BK secara lebih objektif dan berbasis data.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2026 2026


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