Decode: Jurnal Pendidikan Teknologi Informasi
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.
Articles
591 Documents
<![CDATA[Pemanfaatan Game Edukasi Berbasis Mobile Untuk Meningkatkan Hasil Belajar Siswa: Utilization Of Mobile-Based Educational Games to Improve Student Learning Outcomes ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i1.79
<![CDATA[Tujuan dari penelitian ini adalah untuk mendeskripsikan peningkatan hasil belajar siswa melalui pemanfaatan game edukasi berbasis mobile. Metode yang digunakan dalam penelitian ini adalah penelitian tindakan kelas (PTK) yang bersifat reflektif, partisipatif, kolaboratif, dan spiral. Subjek dari penelitian ini adalah seluruh siswa kelas VII, 6 SMP Negeri 10 Kendari Kabupaten Kota Kendari dengan jumlah 20 orang siswa. Adapun faktor-faktor yang diteliti dalam penelitian ini, yaitu: 1) Faktor Siswa, untuk melihat tingkat keaktifan dan prestasi belajar siswa dalam pembelajaran ketika guru pemanfaatan game edukasi berbasis mobile, 2) Faktor Guru, untuk melihat kemampuan guru dalam pemanfaatan game edukasi berbasis mobile. Indikator keberhasilan dalam penelitian ini yaitu dengan cara menganalisis hasil tes siklus dengan menggunakan kriteria ketuntasan belajar. Siswa dikatan berhasil jika secara klasikal dari hasil analisis penilaian berdasarkan konversi nilai menunjukan pencapaian nilai minimal 75% dari indikator pembelajaran yang telah di tetapkan. Hasil Penelitian setelah dilakukan pengamatan diperoleh hasil belajar siswa siklus I sebanyak 50% (10 orang) siswa memiliki nilai > 75 dan meningkat pada siklus ke- II sebanyak 85% (17 orang) siswa memiliki > 75. Dengan demikian prestasi belajar siswa meningkat 15% pada siklus I dan siklus II 50% dengan pemanfaatan game edukasi berbasis mobile.]]>
<![CDATA[Tingkat Kebergunaan Aplikasi Pedulilindungi Mobile Menggunakan Metode Sistem Usability Scale dan Net Promoter Score: The Usability Level of Pedulilindungi Mobile Application Using the Usability Scale System and Net Promoter Score Method ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i1.120
<![CDATA[Salah satu kebijakan yang dicanangkan pemerintah adalah menerapkan aplikasi PeduliLindungi mobile. Namun beberapa permasalahan muncul seperti banyaknya masyarakat yang belum terbiasa menggunakan aplikasi PeduliLindungi mobile. Pemahaman tentang aplikasi PeduliLindungi ini masih kurang pada masyarakat. Maka perlu penelitian lebih lanjut mengenai tingkat kebergunaan aplikasi PeduliLindungi ini terhadap masyarakat Pengunaan aplikasi ini merupakan pemanfaatan teknologi informasi yang keberfungsiannya hanya dapat diakses melalui gawai elektronik yang dimiliki masyarakat. Tujuan penelitian ini adalah untuk menguji tingkat kebergunaan Aplikasi PeduliLindungi mobile. Penelitian ini berlandaskan permasalahan yang muncul seperti banyaknya masyarakat yang belum terbiasa menggunakan aplikasi PeduliLindungi mobile. Metode yang digunakan adalah System Usability Scale (SUS) yang digunakan untuk melakukan evaluasi tingkat kegunaan suatu sistem dan Net Promoter Score (NPS) untuk mengukur kepuasan pengguna. Hasil penelitian ini menunjukkan tingkat kebergunaan aplikasi PeduliLindungi mobile menggunakan SUS memperoleh nilai Excellent sebesar 90,85 atau nilai A. Kemudian nilai Net Promoter Score (NPS) mendapatkan hasil 90. Hasil pengujian tersebut membuktikan bahwa aplikasi PeduliLindungi mobile sangat baik tingkat kebergunaannya. Keunggulan penelitian ini menambahkan metode Net Promoter Score (NPS) untuk menguji kepuasan pengguna.]]>
<![CDATA[Optimasi Feature Selection Pada Komentar Media Sosial Terhadap Peralihan Tv Digital Menggunakan Naïve Bayes, Support Vector Machine dan K-Nearest Neighbor ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.121
<![CDATA[Dalam menghadapi perubahan pada salah satu media informasi yaitu televisi yang semula menggunakan signal analog beralih menjadi TV dengan signal digital. Hal tersebut disebabkan bahwa siaran dengan transmisi analog rentan terhadap gangguan sehingga peralihan ini sebagai upaya dalam menikmati konten siaran televisi yang lebih baik. Namun, pada kenyataannya terdapat beberapa kesulitan yang dialami oleh beberapa pihak atau kalangan dengan berbagai alasan. Hal tersebut dapat diketahui melalui platform media sosial seperti twitter dan instagram. Dengan adanya kerjadian tersebut maka dapat diambil beberapa komentar positif dan negatif untuk mengetahui dampak dari peralihan signal digital tersebut. Dalam penelitian ini terdapat 1177 data komentar yang didapatkan sehingga membutuhkan teknologi untuk mendeteksi komentar tersebut positif atau negatif. Pada penelitian ini untuk optimasi komentar berbasis Pearson Correlation dengan menggunakan metode Naïve Bayes, Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Hasil akurasi yang didapatkan dari ujicoba tersebut dengan metode Naïve Bayes 61,22%, SVM 80,10 %, dan KNN 79,93%. Jika ditambahan dengan Feature Selection mendapatkan hasil Naïve Bayes 63,68%, SVM 80,19%, dan KNN 80,02%. Berdasarkan hasil percobaan yang dilakukan digunakan untuk mengetahui berapa banyak perbandingan komentar positif dan negatif serta mengetahui perbandingan dari beberapa macam algoritma dengan seleksi fitur sehingga dapat menjadikan hasil yang optimal.]]>
<![CDATA[Implementasi Algoritma Convolutional Neural Network Untuk Identifikasi Jenis Kelamin Dan Ras: Implementation Of Convolutional Neural Network Algorithm For Gender And Race Identification ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i1.123
<![CDATA[Citra pada wajah manusia memiliki banyak informasi yang bisa didapatkan, diantaranya yaitu informasi mengenai jenis kelamin, usia, ras, dan juga ekspresi. Untuk mendapatkan informasi tersebut maka diperlukan proses identifikasi citra pada wajah manusia dengan menggunakan teknologi deep learning. Salah satu algoritma yang terdapat dalam teknologi deep learning adalah algoritma Convolutional Neural Network. Pada penelitian ini dataset yang digunakan terdiri dari UTKFace dataset, CelebA dataset, Racial Faces in-the-Wild (RFW) dataset, Fairface dataset, dan Chicago Face (CFD) dataset. Pengujian dilakukan dengan jumlah data citra pada data jenis kelamin sebanyak 36.000 citra dan 27.000 citra untuk data ras dengan menggunakan dua skenario, yaitu dengan menggunakan batch_size sebesar 15 dan 30, serta dengan menggunakan jumlah epoch sebanyak 10 dan 50. Dari hasil pengujian didapatkan nilai akurasi rata-rata tertinggi untuk ras berada di batch 30 dan epoch 50 dengan nilai akurasi rata-rata sebesar 82% dan berdasarkan hasil pengujian dengan data jenis kelamin didapatkan nilai akurasi tertinggi berada di batch 15 dengan epoch 50 sebesar 94%.]]>
<![CDATA[Wave Interference dan Perbandingan QOS Pada WLAN Hotel Menggunakan Metode Action Research: Wave Interference and Comparison of QOS In WLAN Hotels Using Action Research Methods ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i1.130
<![CDATA[Hotel T, Bali menggunakan WLAN dengan tujuh access point untuk memenuhi kebutuhan operasional. Ketersediaan bandwidth yang tinggi diperlukan untuk memenuhi akses oleh staff hotel maupun customer. Berdasarkan hasil diagnosis kecepatan rata-rata unduh 2.27 Mbps, kecepatan rata-rata unggah 1.87 Mbps dengan hasil pengukuran quality of service parameter jitter dan packet loss berada pada kategori buruk dan sedang, namun terdapat satu access point yang kondisi jitter dalam kategori bagus. Karena perbedaan yang signifikan ini dilakukan pengecekan interferensi dalam jaringan. Hasilnya, channel pada access point overlapping sehingga menimbulkan wave interference. Tahap action planning dan action taking dilakukan untuk meminimalisir interferensi pada WLAN Hotel T. Perbaikan channel dilakukan dengan mengubah frekuensi pada setiap access point. Hal tersebut menjadikan setiap access point mempunyai pengaturan frekuensi yang berbeda-beda. Kecepatan akses unduh, unggah dan pengecekan status host melalui ping mengalami perubahan signifikan, yaitu menjadi lebih baik. Hasil evaluasi menyatakan bahwa interferensi dapat mempengaruhi nilai jitter. Hal ini ditunjukkan dengan meningkatnya rata-rata kualitas layanan pada jitter dari kategori Buruk menjadi Bagus. Peningkatan yang signifikan terjadi pada packet loss yang berada pada kategori Sangat bagus, artinya kegagalan paket saat pengiriman sangat kecil, antara 0 hingga 1,3%. Dalam hal ini terjadinya wave interference dapat mempengaruhi quality of service dalam jaringan.]]>
<![CDATA[Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet “Mental Health” ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i2.131
<![CDATA[Indonesia merupakan salah satu negara di kategorikan pengguna media sosial twitter terbanyak yaitu mencapai 18,45 pada periode januari tahun 2022 juta pengguna sehingga data pada twitter dapat digunakan dalam melakukan bebagai penelitian. Data penelitian ini menggunakan data media sosial twitter yang diambil dengan metode crawling dan mendapatkan data sebanyak 9739 yang diambil dari tanggal 19 oktober 2022 sampai 4 desember 2022 dengan menggunakan keyword “mental health”. Data hasil crawling masih berbentuk mentah dan tidak terstruktur, sehingga perlu dilakukan preprocessing agar data dapat di proses ke tahap selanjutnya dan menghasilkan data yang dapat diolah menggunakan tools pengolah data. Tujuan penelitian ini adalah melakukan preprocessing pada data yang sudah diperoleh melalui twitter. Pengolahan data menggunakan model machine learning diperlukan tahap persiapan data yaitu dengan melakukan preprocessing agar data yang digunakan dapat diolah dengan baik. hasil penelitian ini adalah data yang melewati tahap preprocessing telah berbentuk kata dasar dan siap diolah untuk melakukan penelitian terkait mental health. Beberapa tahapan yang dilakukan pada preprocessing yaitu perubahan bentuk kata dasar, menghapus kata yang tidak penting, menghapus imbuhan, dan konjungsi dari dokumen tweet. Selanjutnya data yang telah melewati tahap preprocessing siap untuk dilakukan pembuatan model analisis sentimen yang berguna dalam pengambilan keputusan terhadap permasalahan tersebut.]]>
<![CDATA[Analisis Data Mining Sistem Inventory Menggunakan Algoritma Apriori: Analysis Data Mining of Inventory System Using Apriori Algorithm ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i1.132
<![CDATA[Dalam manajemen rantai persedian barang (supply chain management) diperlukan kebijakan persediaan barang yang maksimal agar ketersedian barang tetap tersedia dan tidak terlambat dalam restock barang. Hal ini dibutuhkan manajemen persedian barang untuk menentukan cara yang tepat dan mempermudah dalam pengendalian persedian barang tersebut. Salah satu cara yang dilakukan adalah dengan menerapkan teknik yang terdapat pada cabang ilmu Data Mining yaitu teknik aturan asosiasi (Association Rule). Tujuan penelitian ini adalah menganalisis informasi transaksi penjualan barang untuk menghasilkan association rules dari pola kombinasi itemsets yang sesuai agar membantu pemilik dalam melakukan peletakan dan persedian barang. Langkah terpenting aturan asosiasi adalah mengetahui seberapa sering kombinasi item yang disebut frequent pattern, muncul dalam database. Objek penelitian ini adalah data transaksi penjualan barang pakaian. Berdasarkan hasil pengujian menggunakan Ms. Excel dan RapidMiner diperoleh hasil dari association rules dengan minimum support 0,2% dan confidence sesuai dengan kriteria pengujian yang telah ditentukan bahwa hasil yang memenuhi nilai support minimum dan confidence 0,8% ditemukan 7 aturan asosiasi. Dari pengurutan nilai support tertinggi yaitu STX dan LK dengan nilai support 10% dengan nilai confidence 88% dan nilai Association rules Final 8,8%. Hal ini menunjukkan bahwa produk STX dan LK merupakan produk yang paling sering dibeli secara bersamaan.]]>
<![CDATA[Animasi 3D Alur Proses Pembuatan Sabun Transparan Dari Minyak Kelapa Sawit Menggunakan Metode Multimedia Development Life Cycle: 3D Animation of The Process of Transparent Soap From Palm Oil Using The Multimedia Development Life Cycle Method ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i1.134
<![CDATA[Animasi merupakan gambar yang bergerak dan memiliki cerita dalam bentuk 2D atau 3D. Animasi 2D menghasilkan video 2 Dimensi, sedangkan animasi 3D mampu menghasilkan vedio dari gambar 3D, sehingga sangat cocok digunakan sebagai media promosi kepada masyarakat dalam penyebaran informasi. Saat ini banyak bermunculan industri rumah tangga yang membuat sabun secara mandiri. Oleh karena itu pembuatan sabun menjadi salah satu matakuliah pada program studi Teknik Pengolahan Kelapa Sawit(TPS). Pemanfaatan animasi dalam simulasi pembuatan sabun, menjadi salah satu solusi media informasi dan pembelajaran bagi masyarakat khususnya mahasiswa TPS dalam pemanfaatan minyak kelapa sawit untuk pembuatan sabun. Metode Multimedia Development Life Cycle (MDLC) yang terdiri dari concept, design, material collecting, assembly, testing, distribution biasanya digunakan dalam pembuatan Animasi. Pembuatan animasi menggunakan perangkat lunak Blender versi 2.80 dan Adobe Premiere CC 2017. Tujuan penelitian ini adalah menghasilkan animasi 3D pembuatan Sabun. Hasil penelitian berupa Animasi 3D proses pembuatan sabun yang telah dipublis melalui media penyebaran informasi youtube. Hasil respon pengguna 92.40% menyatakan animasi mudah dimengerti, 93.20% menyatakan penggunaan bahasa mudah difahami, 87.14% menyatakan kualitas animasi sangat interaktif, berdasarkan respon pengguna hasil animasi sangat membantu dalam pembuatan sabun secara mandiri.]]>
<![CDATA[Perbandingan Metode Klasifikasi SOM Dan LVQ Pada Data Bunga Iris Dengan Parameter Dimodifikasi: Comparison of SOM and LVQ Classification Methods on Iris Data With Modified Parameters ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i1.135
<![CDATA[Klasifikasi mempunyai dua tugas utama yaitu membuat model sebagai prototype dan menggunakan model untuk mengklasifikasi atau memprediksi pada objek data lain. Metode klasifikasi yang banyak digunakan diantaranya adalah Self Organizing Maps (SOM) dan Learning Vector Quantization (LVQ). Penelitian ini bertujuan untuk membandingkan performa algoritma SOM dan LVQ dalam klasifikasi data bunga iris. Skema yang digunakan dalam penelitian ini adalah memodifikasi parameter dalam beberapa percobaan. Berdasarkan hasil percobaan yang telah dilakukan, nilai α dan β sangat mempengaruhi hasil klasifikasi. Algoritma SOM memiliki akurasi terbaik ketika α=0.01 dan β=0.01 dengan akurasi 97.77%, sedangkan algoritma LVQ akurasi maksimal diperoleh ketika nilai α=0.1 dan β=0.05 dengan akurasi 88.88%. Selanjutnya dalam penelitian ini diketahui bahwa banyaknya iterasi yang digunakan berpengaruh terhadap hasil klasifikasi pada kedua algoritma. Akan tetapi waktu proses (running time) pada SOM tidak begitu berpengaruh ketika dilakukan perubahan jumlah iterasi. Berbeda dengan LVQ dimana banyaknya iterasi yang digunakan sangat mempengaruhi waktu eksekusi program. Semakin banyak iterasi, semakin lama juga waktu eksekusi program yang dijalankan.]]>
<![CDATA[Kombinasi Case-Based Reasoning dan Rule-Based Reasoning Pada Sistem Pakar Deteksi Awal Covid-19: Combination of Case-Based Reasoning and Rule-Based Reasoning in Expert Systems For Early Detection of Covid-19 ]]>
<![CDATA[ Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023 ]]>
Publisher : <![CDATA[Program Studi Pendidikan Teknologi Infromasi UMK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51454/decode.v3i1.138
<![CDATA[Deteksi terhadap Covid-19 merupakan tahapan penting dalam mengenali secara dini pasien terduga Covid-19 sehingga dapat dilakukan langkah preventif. Gejala umum yang ditimbulkan penyakit Covid-19 memiliki gejala yang hampir sama dengan beberapa penyakit lainnya. Penelitian ini membentuk Sistem Pakar untuk deteksi awal Covid-19 dengan mengkombinasikan metode Case Based Reasoning dan Rule Based Reasoning dalam bentuk Website. Website Sistem Pakar pada penelitian ini akan menghitung kemungkinan user yang mengalami Covid-19 berdasarkan nilai atau bobot dari gejala yang dipilih user dengan mencari kesamaan dari gejala yang telah dialami pasien Covid-19 sebelumnya. Gejala Covid-19 yang digunakan dalam penelitian ini didapat dari dataset Kemunculan Gejala Covid-19 bersumber dari Kaggle Dataset. Masukan berupa gejala pasien yang telah terjadi sebelumnya digunakan dalam membentuk aturan yang telah diberikan bobot melalui proses wawancara seorang pakar. Penelitian ini menggunakan 14 variabel gejala dengan metode hybrid case based dimana kesamaan gejala akan dihitung menggunakan cosine similarity. Hasil Penelitian diharapkan dapat membantu masyarakat dalam melakukan diagnosis mandiri dan tim medis untuk melakukan diagnosis awal kepada pasien sebagai langkah awal penanganan Covid-19.]]>
