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 342 Documents
 31   32   33   34   35 
Analisis Strategi Konten Instagram dalam Meningkatkan Brand Awareness UMKM Seafood Rahma Maulida; Suprih Widodo
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.v5i3.1492

Abstract

Perkembangan media sosial membuka peluang bagi UMKM untuk memperkuat brand awareness melalui strategi konten Instagram yang efektif. Penelitian ini bertujuan mengukur efektivitas berbagai strategi konten Instagram pada UMKM Radja Seafood Purwakarta guna meningkatkan brand awareness. Pendekatan yang diterapkan yaitu deskriptif kuantitatif dengan analisis komparatif, menggunakan data insight Instagram dari 195 unggahan serta kuesioner skala Likert yang diisi oleh 385 responden. Analisis dilakukan melalui uji normalitas, uji korelasi Spearman, serta uji Kruskal–Wallis sebab datanya tidak berdistribusi normal. Hasil penelitian menunjukkan adanya perbedaan signifikan antar strategi konten, dibuktikan oleh nilai Asymp.Sig kurang dari 0,001 pada indikator engagement dan reach. Konten kolaborasi influencer menjadi strategi paling efektif dengan mean rank engagement 140,61 dan reach 120,75, melampaui konten hiburan, promosi, dan edukasi. Selain itu, hasil kuesioner menunjukkan brand awareness berada dikategorikan tinggi dengan rataan skor 42,59. Temuan ini menegaskan bahwa kolaborasi influencer merupakan strategi paling optimal untuk meningkatkan interaksi, jangkauan, dan kesadaran merek UMKM.
Sales Forecasting of the Local Cultural Product Tanjak Melayu in Rokan Hulu Using the Trend Moment Method to Support Sustainable UMKM Marketing Strategies khairul sabri; Afrijal; Inal; Surnaida
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.v5i3.1491

Abstract

Micro, Small, and Medium Enterprises (MSMEs) play a crucial role in strengthening Indonesia’s regional economy and preserving cultural identity through creative industries. One of the prominent local cultural products is Tanjak Melayu, a traditional Malay headpiece produced in Rokan Hulu Regency, Riau. However, inconsistent market demand often leads to production inefficiencies and unstable marketing performance. This study aims to forecast the sales of Tanjak Melayu using the Trend Moment method integrated with seasonal adjustment analysis to support sustainable MSME marketing strategies. The dataset used consists of monthly sales records from January 2023 to December 2024, analyzed using quantitative forecasting techniques. The resulting trend equation, Y = 145.55 + 1.4087X, indicates an average monthly increase of 1.4 units in sales volume. Model validation produced a MAPE value of 3.78%—categorized as excellent accuracy—and an RMSE value of 9.08, reflecting a low prediction error compared to actual sales. The findings demonstrate that the Trend Moment method effectively captures both the upward sales trend and seasonal fluctuations, with demand peaks occurring in November and December. This research provides practical insights for MSME actors in optimizing production planning and marketing schedules, and theoretical contributions by highlighting the applicability of simple statistical forecasting for culture-based small enterprises toward sustainable economic development.
Penerapan Algoritma K-Means dan Multi-Class Support Vector Machine dalam Identifikasi Tingkat Kesadaran Keamanan Informasi Pegawai Pemerintah Kota Kendari Faathir, Fiqram; Isnawaty; Saputra, Rizal Adi
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 3: NOVEMBER 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i3.1712

Abstract

Perkembangan teknologi informasi meningkatkan risiko keamanan data, terutama pada instansi pemerintahan yang mengelola informasi strategis. Penelitian ini bertujuan menerapkan metode machine learning untuk mengidentifikasi tingkat kesadaran keamanan informasi pegawai Pemerintah Kota Kendari menggunakan pendekatan Human Aspects of Information Security Questionnaire (HAIS-Q). Algoritma K-Means digunakan untuk membentuk kategori tingkat kesadaran berdasarkan karakteristik data, sedangkan Multi-Class Support Vector Machine (SVM) digunakan untuk membangun model klasifikasi. Evaluasi klaster menggunakan Elbow Method, Silhouette Score, dan Davies-Bouldin Index (DBI) menghasilkan tiga klaster optimal dengan nilai Silhouette Score sebesar 0,428 dan DBI sebesar 0,769. Hasil klasifikasi menunjukkan bahwa kernel Polynomial menghasilkan performa terbaik dengan nilai accuracy, precision, recall, dan F1-score sebesar 100%. Hasil penelitian menunjukkan bahwa integrasi K-Means dan Multi-Class SVM mampu mengidentifikasi tingkat kesadaran keamanan informasi secara efektif serta memberikan pendekatan yang lebih adaptif dibandingkan pengelompokan berdasarkan ambang skor yang telah ditentukan sebelumnya.
Mobile Application for Plant Leaf Disease Classification Using Convolutional Neural Networks Fajar, Luqman Nur; Ningrum, Witta Listiya; Kurniawati, Ana
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 3: NOVEMBER 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i3.1676

Abstract

Indonesia, as an agrarian country, faces serious challenges in agriculture, particularly plant leaf diseases that may lead to crop failure. Early detection is crucial to prevent their spread. This study aims to develop a leaf disease classification model using a Convolutional Neural Network (CNN) and implement it in an Android application called Leaf Lives. The model was developed using the EfficientNetB0 architecture and optimized with Stochastic Gradient Descent (SGD), trained for 30 epochs and fine-tuned for an additional 10 epochs. The dataset consisted of 44,030 leaf images covering 11 plant species and 60 disease or leaf-condition classes, obtained from public datasets available through platforms such as Kaggle and Mendeley Data. Four data split scenarios were evaluated (75:15:10, 70:20:10, 65:25:10, and 60:30:10). The best performance was achieved with the 70:20:10 split, yielding 92.03% accuracy, 91.12% precision, 89.89% recall, and 89.96% F1-score. The resulting model was then integrated into an Android application that classifies leaf images captured using the camera or selected from the gallery and stores classification history offline. The developed application is expected to assist farmers in identifying potential leaf diseases quickly and independently; however, further validation using real-field images and user-based evaluation is required to assess its practical effectiveness.
Syslog Data Analysis for Network Anomaly Detection Using Regular Expression Methods Saputra, Riki Ramdani; Winarno, Viby Ladyscha Yalasena; Oktaviani, Jesika
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 3: NOVEMBER 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i3.1682

Abstract

Data log pada Syslog server berperan penting dalam mendukung monitoring keamanan jaringan, namun umumnya masih tidak terstruktur sehingga mempersulit proses analisis. Penelitian ini bertujuan menerapkan Regular Expression (Regex) untuk melakukan data cleaning dan log parsing pada data Syslog agar lebih terstruktur dan mudah dianalisis. Metode yang digunakan meliputi normalisasi atribut Tag, Time, dan Host, ekstraksi informasi dari kolom Message menggunakan pola Common Event Format (CEF), penyimpanan data ke MySQL, serta pengembangan antarmuka berbasis web. Hasil penelitian menunjukkan bahwa Regex mampu menghasilkan data log yang lebih konsisten dan terstruktur untuk proses analisis. Sistem yang dikembangkan juga berhasil mengelola data melalui fitur pencarian, penyaringan, dan unggah data. Hasil Black Box Testing menunjukkan seluruh 5 skenario pengujian berhasil dijalankan dengan tingkat keberhasilan fungsional sebesar 100%. Penelitian ini menunjukkan bahwa penerapan Regex efektif dalam mendukung data cleaning, log parsing, dan monitoring keamanan jaringan berbasis Syslog.
The Klasifikasi Diagnosis Penyakit Alzheimer Menggunakan Adasyn Dan Algoritma Multilayer Perceptron Classifier Azim, Fauzan; Hartati, Yuli; Ipriadi, Ipriadi; Gunawan, Rahmad
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 3: NOVEMBER 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i3.1735

Abstract

Penyakit Alzheimer merupakan salah satu gangguan neurodegeneratif yang menjadi penyebab utama demensia dan ditandai dengan penurunan fungsi kognitif secara progresif. Seiring meningkatnya jumlah penderita Alzheimer, diperlukan metode klasifikasi yang mampu mendukung proses diagnosis secara cepat dan akurat. Salah satu permasalahan yang sering ditemukan pada data medis adalah ketidakseimbangan distribusi kelas yang dapat menurunkan kinerja model klasifikasi. Penelitian ini bertujuan untuk meningkatkan performa klasifikasi diagnosis penyakit Alzheimer dengan menerapkan metode Adaptive Synthetic Sampling (ADASYN) dan algoritma Multilayer Perceptron (MLP). Dataset yang digunakan diperoleh dari Kaggle dan terdiri atas data demografi, kondisi kesehatan, aktivitas harian, serta indikator klinis pasien. Tahapan penelitian meliputi preprocessing data, seleksi fitur menggunakan Information Gain, penyeimbangan data menggunakan ADASYN, pemodelan menggunakan MLP, serta evaluasi menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model MLP tanpa ADASYN memperoleh akurasi sebesar 84,65%, sedangkan model MLP dengan ADASYN memperoleh akurasi sebesar 88,83%. Selain itu, nilai precision meningkat dari 75,90% menjadi 88,58%, recall dari 82,89% menjadi 89,51%, dan F1-score dari 79,24% menjadi 89,04%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa penerapan ADASYN efektif dalam mengatasi ketidakseimbangan data dan meningkatkan kinerja algoritma MLP untuk klasifikasi diagnosis penyakit Alzheimer
Pengembangan dan Evaluasi Sistem Informasi Dokumentasi Budaya Suku Mee Berbasis Web Menggunakan User-Centered Design Pigai, Yosep Stenly; Arfan, Usman; Yuliawan, Kristia
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 3: NOVEMBER 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i3.1807

Abstract

Dokumentasi budaya Suku Mee di Kabupaten Nabire masih tersebar dalam penuturan lisan, foto pribadi atau komunitas, serta catatan yang belum terintegrasi. Kondisi tersebut membatasi akses, pelacakan lokasi, koreksi narasi, serta pengendalian publikasi pengetahuan budaya. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sistem informasi dokumentasi budaya berbasis web menggunakan pendekatan User-Centered Design (UCD). Penelitian ini menggunakan Research and Development melalui observasi, studi dokumentasi, dan wawancara semi-terstruktur terhadap 10 informan yang dipilih secara purposive sampling. Kebutuhan pengguna divalidasi melalui member checking dan diterjemahkan menjadi katalog budaya, pencarian, dokumentasi gambar, metadata titik koordinat, usulan koreksi narasi, serta validasi konten. Black Box Testing pada 12 skenario menunjukkan bahwa seluruh fungsi utama menghasilkan keluaran sesuai dengan rancangan. Evaluasi System Usability Scale terhadap 10 responden, yang terdiri atas sembilan pengguna umum dan satu admin/pengelola, menghasilkan skor rata-rata 89,00, rentang 80-90, serta simpangan baku 3,16. Nilai tersebut termasuk kategori excellent dan menunjukkan tingkat penerimaan yang tinggi pada kelompok uji terbatas. Prototipe menyediakan dokumentasi digital terstruktur, konteks lokasi, koreksi narasi yang terkontrol, serta validasi budaya. Dampak jangka panjang terhadap pelestarian budaya masih memerlukan evaluasi lebih lanjut.
Perbandingan Kinerja Algoritma Naive Bayes Dan Support Vector Machine (SVM) Dalam Klasifikasi Tekanan Psikologis Akademik Mahasiswa Sen, Muhammad Qoirul Sen; Barata, Mula Agung; Sahri
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 3: NOVEMBER 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i3.1814

Abstract

Tekanan psikologis akademik pada mahasiswa merupakan permasalahan yang perlu diperhatikan karena memengaruhi proses belajar dan prestasi akademik. Penelitian ini bertujuan membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan tingkat tekanan psikologis akademik mahasiswa berdasarkan data kuesioner. Penelitian menggunakan pendekatan kuantitatif dengan metode eksperimen komparatif. Data diperoleh melalui kuesioner kepada 275 mahasiswa semester 6 dan 8. Instrumen terdiri atas 12 item pertanyaan dengan skala Likert 1–5. Tahapan meliputi pengumpulan dan preprocessing data, pembagian dataset menjadi data training dan testing dengan proporsi 80:20, pembangunan model Naive Bayes dan SVM, serta evaluasi menggunakan Confusion Matrix melalui Accuracy, Precision, Recall, dan F1-score. Hasil menunjukkan bahwa SVM memiliki performa lebih baik daripada Naive Bayes, dengan nilai evaluasi klasifikasi lebih tinggi. Metrik tersebut menunjukkan SVM menghasilkan klasifikasi lebih akurat. Penelitian membuktikan bahwa machine learning dapat dimanfaatkan sebagai sistem pendukung klasifikasi tingkat tekanan psikologis akademik mahasiswa dan berpotensi dikembangkan menjadi sistem berbasis web.
Pengembangan Media Web-Based Learning NUSA-CS Berbasis Contextual Teaching and Learning (CTL) pada Pembelajaran Informatika Berbasis Kearifan Lokal Nusa Tenggara Timur Fallo, Diana Yanni A.; Enstein, Jhon
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 3: NOVEMBER 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i3.1833

Abstract

Penelitian dan Pengembangan (R&D) ini bertujuan untuk mengembangkan dan mengevaluasi kelayakan, kepraktisan, serta indikasi peningkatan hasil belajar melalui NUSA-CS (Nusa Tenggara Timur Computer Science), yaitu platform pembelajaran berbasis web yang berlandaskan Contextual Teaching and Learning (CTL) untuk pembelajaran Ilmu Komputer yang terintegrasi dengan kearifan lokal. Penelitian ini menggunakan model ADDIE (Analysis, Design, Development, Implementation, Evaluation). Uji coba implementasi menggunakan desain one-group pretest-posttest tanpa kelompok kontrol yang melibatkan 30 siswa kelas X pada salah satu SMA di Kota Kupang, yang dipilih melalui purposive sampling, selama empat kali pertemuan tatap muka. Data dikumpulkan melalui lembar validasi dari dua ahli materi yang kompeten dalam bidang Ilmu Komputer dan pendidikan serta dua ahli media yang kompeten dalam pengembangan media pembelajaran digital, angket kepraktisan siswa, dan tes kognitif berpikir komputasional sebanyak 15 butir dengan validitas isi dan reliabilitas empiris (α = 0,81). Platform NUSA-CS memperoleh skor kelayakan sebesar 87,50% dari ahli materi dan 89,17% dari ahli media, yang keduanya berada pada kategori sangat valid, sedangkan kepraktisan siswa mencapai 86,81% dengan kategori sangat praktis. Rata-rata hasil belajar meningkat dari 54,90 ± 3,73 pada pretest menjadi 88,80 ± 3,08 pada posttest. Uji Paired Sample t-Test menunjukkan perbedaan yang signifikan, t(29) = 46,28, p < 0,001, dengan rata-rata N-Gain sebesar 0,75 ± 0,05 (kategori tinggi; 95% CI [0,73; 0,77]) dan Cohen’s d = 8,45 (kategori sangat besar). Temuan menunjukkan bahwa NUSA-CS valid dan praktis serta menunjukkan peningkatan hasil belajar pada uji coba terbatas. Namun, tidak adanya kelompok kontrol membatasi interpretasi kausal terhadap peningkatan hasil belajar.
Integrasi Deteksi, Segmentasi, dan Klasifikasi Material Atap Berbasis YOLOv8s-seg untuk Estimasi Potensi PLTS Atap di Desa Adat Penglipuran, Bali Herlambang, Amanda Austin; Kumara, I Nyoman Satya; Ariastina, I Wayan Gede; Mertasana, Putu Arya; Sukerayasa, I Wayan
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 3: NOVEMBER 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i3.1834

Abstract

Peningkatan pemanfaatan energi terbarukan mendorong pengembangan Pembangkit Listrik Tenaga Surya (PLTS) atap untuk mendukung target Net Zero Emission (NZE) Indonesia 2060 dan Bali 2045. Penelitian ini mengimplementasikan deep learning YOLOv8 untuk mendeteksi, melakukan segmentasi, mengklasifikasikan material, dan mengestimasi luas atap sebagai dasar penentuan potensi PLTS di Desa Adat Penglipuran, Bali. Kontribusi utama penelitian ini adalah mengintegrasikan deteksi, segmentasi, klasifikasi material atap, dan estimasi luas dalam satu pendekatan berbasis citra udara untuk menghasilkan penilaian potensi teknis PLTS atap pada skala wilayah, yang tidak hanya berfokus pada deteksi objek atap. Menggunakan citra udara beresolusi 5 cm/piksel dan 26 citra pelatihan, model menghasilkan mAP@50 sebesar 0,665 untuk deteksi dan 0,658 untuk segmentasi. Atap beton dan metal ditetapkan layak, sedangkan atap asbes, sirap bambu, dan ilalang dikecualikan. Luas atap layak mencapai 25.190,46 m² dari 76 pekarangan, dengan potensi kapasitas PLTS sebesar 4,54–5,00 MWp dan produksi energi 6,20–6,82 GWh/tahun. Potensi tersebut setara 62,8–69,0 kali kebutuhan listrik tahunan 76 rumah tangga sebesar 98,8 MWh/tahun. Hasil menunjukkan YOLOv8s-seg efektif untuk rapid asesment potensi teknis PLTS atap pada skala wilayah.

Page 33 of 35 | Total Record : 342

 31   32   33   34   35 

Filter by Year

2015 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 3: NOVEMBER 2026 Vol. 6 No. 2: JULI 2026 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