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 591 Documents
 14   15   16   17   18 
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.
Rancang Bangun Game Mobile Pencarian Jejak Untuk Pembelajaran Pramuka Menggunakan Metode Pengembangan Game Development Life Cycle (GDLC) Steven Oscar; Sutanto, Imam
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.v4i3.710

Abstract

Pramuka merupakan salah satu bentuk pendidikan non-formal yang secara khusus ditujukan untuk meningkatkan nilai-nilai etika, akhlak mulia, pengendalian diri, serta potensi diri. Kegiatan pramuka yang telah menjadi kurikulum di berbagai tingkat pendidikan menandakan pentingnya prinsip-prinsip kepramukaan sebagai bagian dari pembentukan karakter dan keterampilan. Namun, pembelajaran pramuka seringkali memiliki permasalahan terkait dengan pembina, materi, maupun peserta didik itu sendiri. Untuk mengatasi permasalahan tersebut, peneliti membuat aplikasi yang bertujuan untuk membantu proses pembelajaran pramuka melalui gamifikasi aktivitas pramuka dengan permainan pencarian jejak. Penelitian ini menggunakan metode pengembangan GDLC (Game Development Life Cycle) yang mencakup tahapan Initiation, Pre-production, Production, Alpha testing, Beta testing, dan Release. Aplikasi ini dibuat menggunakan framework Flutter dan mencakup modul materi kepramukaan, Syarat Kecakapan Umum, dan permainan pencarian jejak. Hasil pengujian dari aplikasi ini menunjukkan bahwa aplikasi ini berjalan dengan baik secara fungsional dan berhasil mendapatkan rata-rata skor 77.8 berdasarkan kuesioner SUS. Hal ini membuktikan bahwa aplikasi telah diterima dengan baik oleh pembina dan anggota pramuka.
Implementasi Sistem Informasi Geografis Terhadap Pemetaan Mitra Layanan Brilink Di Kota Tanjung Balai Najla Ulfah Lubis; Zikra Syah, Arridha; Saputra, Endra
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.v4i3.725

Abstract

BRI merupakan salah satu bank BUMN yang terus berinovasi untuk memberikan pelayanan terbaik ke setiap nasabah. Contoh inovasi layanan yaitu dalam bentuk mitra layanan BRILink. Tujuan layanan BRILink yaitu memudahkan para nasabah dalam melakukan transaksi keuangan melalui mitra yang telah bekerjasama. Untuk memudahkan pendataan lokasi mitra BRILink, dibutuhkan sebuah sistem pemetaan yang terintegrasi. Meskipun pihak BRI memiliki sistem pemetaan mitra dari BRILink, tetapi masih terlihat kurang efektif mengingat aplikasi pemetaan yang ada belum memberikan informasi yang lengkap. Tujuan penelitian ini untuk membantu pihak BRI khususnya di kota Tanjung Balai dalam mendata dan memetakan lokasi dari mitra BRILink. Penelitian menggunakan metode kualitatif dengan analisis berdasarkan obsevasi dan dokumentasi berkaitan dengan data mitra layanan BRILink. Hasil penelitian menyimpulkan bahwa GIS dengan menggunakan Google MAP API membantu memudahkan masyarakat untuk mengetahui lokasi mitra layanan BRILink dengan menampilkan informasi yang lengkap, mudah dan akurat di Kota Tanjung Balai.
Perancangan UI/UX untuk Aplikasi Tafsir Al-Quran Berbasis Mobile Menggunakan Metode HDC (Human Centered Design) Rifky Nurfauzi Rahman; Chairuddin
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.v4i3.726

Abstract

Perkembangan teknologi mempermudah akses dan pembacaan Al-Quran beserta tafsirnya melalui aplikasi smartphone. Membaca dan memahami tafsir Al-Quran merupakan ibadah utama bagi umat Muslim. Aplikasi tafsir Al-Quran kini menawarkan teks Arab, terjemahan, dan tafsir dari berbagai sumber, meningkatkan kenyamanan pengguna. Desain pengalaman pengguna (User Experience/UX) dan antarmuka pengguna (User Interface/UI) yang efektif sangat penting untuk keberhasilan aplikasi. Penelitian ini menggunakan pendekatan Human Centered Design (HCD) untuk merancang aplikasi tafsir Al-Quran berbasis Android, berfokus pada kebutuhan pengguna. Hasil wawancara mengungkapkan kebutuhan fitur seperti tafsir yang mudah dipahami, dukungan bahasa Indonesia dan Inggris, pengingat waktu salat, dan penanda ayat. Prototipe yang dikembangkan diuji kepada pengguna, menghasilkan tanggapan positif terkait kemudahan penggunaan dan pemahaman tafsir. Aplikasi ini dirancang untuk memudahkan akses kapan saja dan di mana saja, terutama bagi mereka yang sibuk dan tidak selalu membawa Al-Quran fisik. Secara keseluruhan, penelitian ini menegaskan bahwa penerapan HCD berkontribusi pada pengembangan aplikasi religius yang fungsional, mudah digunakan, dan sesuai kebutuhan pengguna.
Sistem Informasi Penyebaran Penyakit Tuberculosis Paru Di Puskesmas Karang Rejo Dengan Metode K-Means Clustering Berbasis Web Muhammad Hafi Isfahan Isnan; Ali Ikhwan
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.v4i3.728

Abstract

Tuberkulosis (TB) Paru merupakan salah satu penyakit menular yang masih menjadi masalah kesehatan masyarakat di Indonesia. Untuk memantau penyebaran penyakit TB Paru, diperlukan sebuah sistem informasi yang dapat memvisualisasikan persebaran kasus TB Paru di suatu wilayah termasuk  desa Karang Rejo. Penelitian ini bertujuan untuk membangun sebuah sistem informasi penyebaran penyakit TB Paru di Puskesmas Karang Rejo dengan menggunakan metode K-Means Clustering berbasis web. Metode K-Means Clustering digunakan untuk mengelompokkan data penderita TB Paru berdasarkan jarak terdekat dengan titik pusat cluster. Hasil pengelompokan tersebut kemudian divisualisasikan pada peta digital menggunakan Google Maps API. Sistem informasi ini dilengkapi dengan fitur pencarian kasus TB Paru berdasarkan rentang waktu, status pengobatan, dan wilayah. Administrator juga dapat mengelola data penderita, data pegawai, dan data klaster. Hasil pengujian sistem menunjukkan bahwa aplikasi dapat memvisualisasikan penyebaran kasus TB Paru di Puskesmas Karang Rejo dengan baik. Pengawai Puskesmas  dapat dengan mudah melihat sebaran kasus TB Paru dan melakukan analisis persebaran penyakit. Sistem informasi ini diharapkan dapat membantu pihak Puskesmas Karang Rejo dalam memantau dan mengendalikan penyebaran penyakit TB Paru di wilayah kerjanya.
Implementation Of Dynamic Role-Based Access Control and Record Log-In Dependency Injection Based VRMS System Paradhita, Astrid Noviana; Khadija, Mutiara Auliya; Purbayu, Agus; Bawono, Sahirul Alim Tri; Aziz, Abdul; Haryati, Sri; Daaniis Raditya Pramoda Wardani; Rafael Kurniawan Albyseptra Pratama
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.v4i3.752

Abstract

Human resource management is one of the critical factors for a company in order to realize the company's vision, mission, and goals. This requires effective and efficient human resource management by integrating the entire management process well. This is to manage the company's internal and external human resources. VRMS is an integrated application that can manage the company's external resources. VRMS is built based on dependency injection. VRMS has two superior features: role-based access control (RBCA) and record log. RBCA is a feature that manages all resources involved in a company project. At the same time, the record log allows super admins to monitor and evaluate the performance of all external company resources. The VRMS system is built using hybrid methodoly in software development life cycles from initiation phase, planning, execution, and testing. The testing process used in this system is the user acceptance test (UAT) method. The test results show that all features on VRMS can run 80% well.
Prediksi Kanker Paru dengan Normalisasi menggunakan Perbandingan Algoritma Random Forest, Decision Tree dan Naïve Bayes Banafshah Shafa; Hanny Hikmayanti Handayani; Santi Arum Puspita Lestari; Yana Cahyana
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.v4i3.779

Abstract

Berdasarkan data Global Cancer Observatory Organisasi Kesehatan Dunia angka kematian kanker paru sebanyak 1.796.144 orang di seluruh dunia. Kematian akibat kanker paru di Indonesia sebanyak 30.843 pada tahun 2020. Penyakit yang dapat membunuh orang akibat keganasannya yang paling umum disebabkan oleh kanker paru mencapai 13% dari keseluruhan diagnosis kanker. Penyakit ini dapat disebabkan dari internal ataupun eksternal paru- paru. Membuat model prediksi dirasa perlu, guna mendeteksi penyakit ini lebih awal untuk menekan angka kematian yang diakibatkan oleh kanker paru. Menggunakan proses pemodelan menggunakan algoritma Random Forest, Naïve Bayes dan Decision Tree untuk memproses data tersebut. Tujuan penelitian melakukan perbandingan algoritma Random Forest, Decision Tree serta Naïve Bayes untuk memprediksi penyakit kanker paru dengan menggunakan data yang terdiri dari 26. 000 data. Data ini meliputi informasi tentang pasien, gaya hidup, dan kondisi medis, seperti umur, jenis kelamin, polusi udara, konsumsi alkohol, alergi debu, risiko genetik, penyakit paru kronis, diet seimbang, obesitas, kebiasaan merokok, dan riwayat penyakit lain. Tahapan pengolahan data terdiri dari, pembersihan Data, yaitu menghilangkan fitur yang tidak relevan, seperti Index dan Patient ID, dan mengubah fitur kategorikal "Level" menjadi bentuk numerik, lalu analisis Korelasi,yaitu Mengidentifikasi atribut yang memiliki korelasi tinggi, seperti "Alcohol Use", "Occupational Hazards", "Genetic Risk", dan "Chronic Lung Disease", selanjutya normalisasi data mengubah sebaran data dari empat atribut yang memiliki korelasi tinggi agar lebih mudah diproses, kemudian seleksi fitur yaitu memilih fitur penting dengan menggunakan metode chi-square, yang menunjukkan bahwa "Coughing of Blood", "Passive Smoker", dan "Obesity" memiliki score tertinggi dan dianggap sebagai fitur penting, dilanjutkan dengan pemisahan Data, yaitu membagi data menjadi 80% untuk data pelatihan dan 20% untuk data pengujian, selanjutnya pembuatan model dengan menggunakan tiga algoritma, yaitu Random Forest, Decision Tree, dan Naïve Bayes, untuk memprediksi kanker paru. Random Forest dan Decision Tree mencapai akurasi 100%, sementara Naïve Bayes mencapai akurasi 86%. Berdasarkan evaluasi penelitian yang telah dilakukan pada data penyakit kanker paru, algoritma Random Forest dan Decision Tree sangat cocok untuk prediksi data penyakit kanker paru karena mampu menghasilkan model prediksi yang baik dengan pengujian Confusion Matrix serta Learning Curve.
Optimasi Prediksi Saham dengan Neural Network pada PT Xyz Nusandika Patria
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.v4i3.782

Abstract

Penelitian ini bertujuan untuk mengoptimalkan prediksi harga saham di PT XYZ menggunakan Neural Network. Latar belakang penelitian ini berfokus pada kebutuhan perusahaan untuk model prediksi saham yang akurat, terutama mengingat fluktuasi yang disebabkan oleh faktor-faktor makroekonomi, seperti suku bunga, inflasi, dan nilai tukar. Metode tradisional dalam analisis saham sering kali tidak dapat menangkap kompleksitas pola dalam data saham, sehingga pendekatan berbasis kecerdasan buatan, seperti Neural Network, dipilih karena kemampuannya dalam memproses data yang kompleks dan non-linear. Metodologi yang digunakan mencakup pengumpulan data historis harga saham, volume perdagangan, suku bunga, inflasi, dan nilai tukar dari periode 2015 hingga 2017. Data tersebut kemudian diproses dengan teknik normalisasi dan interpolasi untuk mengatasi nilai yang hilang. Model Neural Network yang diterapkan memiliki dua lapisan tersembunyi, dilatih menggunakan algoritma backpropagation dan dioptimalkan melalui grid search untuk menentukan hyperparameter terbaik. Hasil penelitian menunjukkan bahwa Neural Network yang dioptimalkan dapat memprediksi harga saham dengan akurasi yang lebih baik dibandingkan metode tradisional, dengan nilai Mean Squared Error (MSE) yang rendah dan Mean Percentage Error (MPE) yang baik. Penelitian ini memberikan kontribusi dalam pengambilan keputusan investasi yang lebih tepat di tengah fluktuasi pasar saham.

Page 16 of 60 | Total Record : 591

 14   15   16   17   18 

Filter by Year

2021 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