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
jurnal.decode@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 : 10.51454
Core Subject : Science, Education,
Computer Science & IT Education Languange, Linguistic, Communication & Media Other
DECODE: Jurnal Pendidikan Teknologi Informasi adalah jurnal penelitian yang diterbitkan oleh Program Studi Pendidikan Teknologi Informasi FKIP Universitas Muhammadiyah Kendari. Terbitan dimulai pada bulan Maret 2021 dalam bentuk versi online. Jurnal ini terbit 2 kali setahun yaitu periode Maret dan September. Artikel yang dapat dipertimbangkan untuk dimuat dalam jurnal ini adalah hasil penelitian yang sesuai dengan focus dan scope jurnal diantaranya: (1) Jaringan Komputer, (2) Rekayasa Perangkat Lunak, (3) Data Mining, (4) Software Engineering, (5) Multimedia , (6) Pembelajaran Berbasis TIK , (7) Mobile Learning, (8) Blended Learning, (9) Desain Pembelajaran, (10) Kebijakan TI dalam Pendidikan, (11) Inovasi dan Trend TI dalam Pendidikan, (12) Teknologi Informasi
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 162 Documents
 2   3   4   5   6 
Perencanaan Strategis Penerapan Teknologi Informasi Menggunakan Metode Analisis SWOT Proses Bisnis Unit IT: Information Technology Implementation Strategic Planning Using the IT Unit Business Process SWOT Analysis Method Muhamad Fahrul Rozi; Mailia Putri Utami
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.139

Abstract

PT. Menara Cipta Metalindo merupakan perusahaan yang bergerak dibidang Industri Manufaktur. Pada PT. Menara Cipta Metalindo memiliki unit organisasi bagian IT yang bertugas mengembangkan dan memanfaatkan teknologi informasi dan sistem informasi untuk memberikan solusi dalam mendukung proses bisnis dan meningkatkan efisiensi pada perusahaan. Perencaan statgis pada perusahaan memerlukan perencanaan yang matang, agar dapat meningkatkan proses bisnis perusahaan semaksimal mungkin. Pada penelitian ini memiliki tujuan yaitu menganalisa perancangan strategis penerapan teknologi informasi yang sesuai dengan perencanaan strategis perusahaan dengan menggunakan metode SWOT khususnya pada perencanaan unit organisasi TI. Metode yang digunakan yaitu dengan menggunakan metode analis SWOT untuk mengembangkan dan mendukung proses bisnis pada perusaan PT. Menara Cipta Metalindo. Temuan dari penelitian ini yaitu hasil analis SWOT dapat menunjukan matriks SWOT perbedaan pada kuadran I (WO Quadrant), dimana PT. Menara Cipta Metalindo memiliki peluang pasar yang cakupannya luas, sehingga perlu adanya pemanfaatan secara menyeruluh agar peluang tersebut dapat menjadi kelebihan yang dapat dimanfaatkan secara maksimal.
Optimasi Feature Selection Pada Komentar Media Sosial Terhadap Peralihan Tv Digital Menggunakan Naïve Bayes, Support Vector Machine dan K-Nearest Neighbor Nova Tri Romadloni; Nisa Dwi Septiyanti
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i2.121

Abstract

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.
Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet “Mental Health” Dianda Rifaldi; Abdul Fadlil; Herman
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i2.131

Abstract

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.
Model Random Forest Regression Untuk Peramalan Penyebaran Covid-19 Di Indonesia: Random Forest Regression Model for Forecast Of Covid-19 Spread In Indonesia Diana Tri Susetianingtias; Eka Patriya; Rodiah
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 2 No. 2: SEPTEMBER 2022
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v2i2.48

Abstract

Penyebaran COVID-19 sangat cepat yang membuat pada tanggal 27 Februrari 2020, sudah menginfeksi 78630 orang di China dan 2747 orang lainnya meninggal dunia. Keberadaan COVID-19 di Indonesia sendiri pertama kali terkonfirmasi pada tanggal 2 Maret 2020. Pada penelitian ini, peneliti akan melakukan peramalan penyebaran COVID-19 di Indonesia menggunakan metode Random Forest Regression. Raw Dataset yang digunakan adalah dataset yang di dapat dari situs www.kaggle.com yang berisikan record sebanyak 10695 record yang dirangkum dari tanggal 1 Maret 2020 hingga 21 Januari 2021. Jumlah fitur yang dimiliki raw dataset sebanyak 37 fitur. Proses preprocessing pada penelitian ini terdiri dari konversi fitur, seleksi fitur dan mendapatkan fitur untuk model. Metode seleksi fitur yang digunakan adalah Recursive Feature Elimination yang berhasil menyeleksi fitur dari dataset yang tadinya berjumlah 37 menjadi 20 fitur. Pelatihan model menggunakan training set yang berjumlah 8555 record. Peramalan menggunakan model Random Forest Regression akan menggunakan validation set yang berjumlah 2139 record. Hasil perhitungan error pada model Random Forest Regression tidak besar, yaitu sebesar 6.477 untuk peramalan New Cases, dan 0.2469 untuk peramalan New Deaths  yang artinya hasil nilai yang diramalkan dengan nilai aktual tidak berbeda jauh.
Implementasi Algoritma Convolutional Neural Network Untuk Identifikasi Jenis Kelamin Dan Ras: Implementation Of Convolutional Neural Network Algorithm For Gender And Race Identification Notasonda Soni Putra; Benedika Ferdian Hutabarat; Ulfa Khaira
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.123

Abstract

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%.
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 Subektiningsih Subektiningsih; Dimas Rizky Eka Candra; Pramudhita Ferdiansyah
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.130

Abstract

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.
Analisis Data Mining Sistem Inventory Menggunakan Algoritma Apriori: Analysis Data Mining of Inventory System Using Apriori Algorithm Fitriah; Imam Riadi; Herman
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.132

Abstract

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.
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 Oki Arifin; Dani Rofianto
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.135

Abstract

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.
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 Maukar; Ety Sutanty; Dina Kusuma Astuti
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.138

Abstract

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.
Social Media as Mobile Learning Oral Chat-Based Constructive Communication to Improve Speaking Skills Maulina; Titin Rahmiatin Rahim; Angelica Ordanza Cortez; Sheryl Ann V. Narciso; Anwar Said
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 1: MARET 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i1.144

Abstract

WhatsApp is one of the most practical, cost-effective, and communicative mobile applications for college students to enhance their speaking skills. This study reconciled to consuetude college students to flexible habitual use of the English language learning and intended to improve their speaking abilities with specially tailored learning resources and activities aid known as WhatsApp-based speaking instructional material (WABSIM). This exploratory mixed-methods research evaluated oral chat-based utilization of WhatsApp by twenty-eight students for one semester using audio voice messages and video recordings of communicative activities in pairs or groups, dialogues, and interviews activities recorded in the WhatsApp group managed to produce every day classroom and noncollegiate activities. Speaking test consisted of an oral evaluation of student's fluency, vocabulary used, grammar, pronunciation, and comprehensibility aspects. It reveals that students demonstrated a stupendous developing speaking interest in building English sentences by raising questions and delivering responses, improved learning collaboration, created better learning engagement, increased learning self-awareness, and accelerated flexible communication. Besides, students achieved substantial academic progress astoundingly in a semester. Therefore, to emerge the significance acknowledged from this current study, in the current era of mobile technology advancement supporting teaching and learning English, WhatsApp oral chat-based assistance offering teaching and learning English flexibility is the most effective.

Page 4 of 17 | Total Record : 162

 2   3   4   5   6 

Filter by Year

2021 2024


Reset
Filter By Issues
All Issue 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