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
 46   47   48   49   50 
Aplikasi Keamanan E-Voting Pemilihan Ketua Osis Menggunakan Metode AES 128 Berbasis Android (Studi Kasus: MTSN 3 Poso)
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.v4i3.818

Abstract

Indonesia merupakan negara demokrasi yang rutin melaksanakan pemilu, termasuk dalam lingkup organisasi kecil seperti pemilihan ketua OSIS. Namun, metode pemilihan konvensional sering kali menghadapi berbagai masalah, seperti risiko kecurangan, kerahasiaan data yang rendah, dan proses penghitungan yang memakan waktu. Seiring perkembangan teknologi, e-voting menjadi alternatif yang menawarkan efisiensi dan transparansi. Meski demikian, aspek keamanan data menjadi tantangan utama dalam penerapan e-voting, mengingat data suara yang bersifat rahasia harus terlindungi dari ancaman manipulasi atau kebocoran informasi. Penelitian ini mengusulkan solusi dengan mengembangkan aplikasi e-voting berbasis Android menggunakan algoritma Advanced Encryption Standard (AES) 128-bit. Algoritma ini dipilih karena keandalannya dalam mengamankan data melalui proses enkripsi yang efisien, sehingga memastikan kerahasiaan suara, integritas data, dan keaslian pengguna. Data yang digunakan meliputi data pemilih, data suara, dan hasil perhitungan, yang dienkripsi sebelum disimpan atau diproses. Hasil penelitian menunjukkan bahwa aplikasi ini berhasil meningkatkan keamanan data pemilihan ketua OSIS di MTsN 3 Poso, serta memberikan efisiensi yang signifikan dibandingkan metode pemilihan konvensional. Dengan algoritma AES-128, data penting terjamin keamanannya selama proses pemilihan berlangsung. Aplikasi ini diharapkan menjadi solusi inovatif untuk menciptakan sistem pemilu yang lebih modern, aman, dan terpercaya.
Classification Of Palm Oil Maturity Using CNN (Convolution Neural Network) Modelling RestNet 50
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.v4i3.822

Abstract

Accurate classification of palm fruit maturity levels is very important to optimize harvest time and increase production efficiency in the palm oil industry. Traditional methods that rely on visual assessment of factors such as fruit shedding and skin discoloration are prone to human error. To overcome this limitation, this research applies deep learning techniques, specifically using Convolutional Neural Network (CNN) with ResNet-50 architecture, to classify Fresh Fruit Bunches (FFB) into two stages of maturity: unripe and ripe. The model is trained and validated using a combination of data augmentation techniques to improve model performance. Various configurations were tested, including variations in data sharing, optimizer, and learning rate. The optimal configuration—90/10 training and validation data split, Adam optimizer, and learning rate of 0.0001—resulted in excellent model performance. The ResNet-50 model achieved 97% accuracy, with 96% precision, 98% recall, and an F1 score of 97%. This metric reflects the high reliability of the model in classifying palm fruit maturity levels, significantly reducing classification errors compared to traditional methods. This research highlights the transformational potential of deep learning to improve maturity classification in the palm oil industry, by offering a more efficient, accurate and automated approach. Further research should focus on expanding the dataset to increase model robustness as well as exploring real-time implementation to further improve decision making in palm oil production. This approach promises to increase agricultural efficiency by ensuring optimal harvest timing and better resource management.
Optimisasi Implementasi Sistem Informasi Reminder Treatment pada Pasien Berbasis SMS Gateway
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.832

Abstract

Perkembangan teknologi yang pesat mendorong aktifnya digunakan perangkat tekknologi dalam bisnis. Salah satu bidang bisnis yang dikembangkan seiring dengan teknologi adalah pemanfaatan SMS gateway dalam melakukan pengingat pada penggunanya. Salah satu bisnis yang menggunakan SMS gateway untuk memberikan pengingat pada pasien adalah klinik kecantikan Hayyu. Penelitian ini ditujukan untuk menganalisa bagaimana sistem SMS gateway dapat dioptimalisasikan sebagai media reminder treatment berdasarkan feedback dari pengguna. Optimisaasi dilakukan dengan memberikan survei terhadap sejumlah sampel pengguna aplikasi dan menganalisis data hasil penelitian tersebut menggunakan metode perhitungan rata-rata tiap UEQ. Nilai UEQ diakhir ini akan digunakan sebagai pertimbangan keoptimalan aplikasi ini saat digunakan untuk reminder treatment dimana diakhir penelitian nilai yang diperoleh untuk UEQ memiliki rata-rata yang tinggi untuk tiap aspek UEQ.  Hasil dari penelitian ini menggunakan metode UEQ pada Skala Benchmark menunjukkan aspek ketepatan memiliki nilai tertinggi yakni sebesar 1,071. Hal ini dapat disimpulkan bahwa sistem informasi reminder treatment ini dianggap dapat dipercaya karena menjalankan fungsinya tanpa kesalahan atau gangguan yang signifikan, memberi pengguna rasa aman dan yakin dengan informasi atau pengingat yang mereka berikan.
Optimalisasi Desain UI/UX Prototype untuk perancangan Aplikasi Interaktif dalam Pengembangan Digital Pariwisata Berkelanjutan Sepeda Onthel di Towilfiets
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.v4i3.840

Abstract

Penelitian ini bertujuan mengoptimalkan desain prototipe UI/UX dalam aplikasi interaktif untuk mendukung digitalisasi pariwisata berkelanjutan pada sepeda onthel di Towilfiets, Yogyakarta. Metode yang digunakan adalah prototyping dengan pendekatan kualitatif deskriptif melalui wawancara, survei, dan Focus Group Discussion (FGD). Validasi dilakukan menggunakan System Usability Scale (SUS), menghasilkan skor rata-rata 74 yang termasuk kategori "Good," menunjukkan aplikasi dapat diterima oleh pengguna. Hasil ini mendukung pengembangan digitalisasi ekonomi pariwisata di Towilfiets. Namun, penelitian menemukan kendala seperti keterbatasan sumber daya manusia dan kurangnya pemahaman tentang pariwisata berkelanjutan. Untuk mengatasi hal ini, direkomendasikan pengembangan lebih lanjut, termasuk pelatihan lokal dan pemeliharaan aplikasi guna memastikan keberlanjutannya. Penelitian ini memberikan kontribusi signifikan dalam mendukung digitalisasi pariwisata berkelanjutan dan memperkuat peran teknologi dalam memajukan ekonomi lokal di Towilfiets.
Sistem Informasi Deteksi Penyakit Pada Tanaman Padi (Brown Spot, Hispa, Leaf Blast) Menggunakan Metode Convolutional Neural Network (CNN)
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.v4i3.846

Abstract

Sebagai salah satu produsen padi terbesar di dunia, sering menghadapi penurunan produksi akibat serangan penyakit padi. Pendeteksian penyakit secara manual kurang efektif karena keterbatasan pengetahuan petani. Solusi yang ditawarkan untuk mengatasi masalah ini adalah untuk mengembangkan sistem informasi berbasis kecerdasan buatan yang mampu mendeteksi secara otomatis penyakit pada tanaman padi, termasuk Brown Spot, Hispa, dan Leaf Blast, dengan menggunakan metode Convolutional Neural Network (CNN). Sistem ini diharapkan dapat membantu petani dalam melakukan deteksi dini terhadap penyakit padi, sehingga meningkatkan efisiensi dan kualitas produksi pertanian. Sistemmengolah data gambar padi dan mendeteksi kondisi kesehatannya, termasuk mendeteksi padi sehat serta penyakit Brown Spot, Hispa, dan Leaf Blast. Penelitian ini menggunakan 3.355 dataset yang dibagi menjadi 335 untuk proses training, 335 untuk testing, dan 2.685 untuk validasi. Metode yang digunakan pada pengembangan system menerapkan pendekatan pengembangan perangkat lunak Waterfall, yang mencakup analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan system. Sistem "Paddy-AI" yang dikembangkan mampu mencapai akurasi 85% dalam mendeteksi gambar.
Penerapan Algoritma YOLOv8 Dalam Indentifikasi Wajah secara Real-Time menggunakan CCTV untuk Presensi Siswa
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.v4i3.847

Abstract

Sistem presensi siswa di SMK N 4 saat ini masih dilakukan secara manual, rentan terhadap manipulasi data dan inefisiensi. Penelitian ini bertujuan untuk mengembangkan sistem presensi siswa yang lebih akurat dan efisien dengan memanfaatkan algoritma YOLOv8 untuk melakukan deteksi wajah secara real-time. Melalui studi kasus di SMK Negeri 4 Tarakan, penelitian ini menggunakan metode eksperimental dengan mengumpulkan dataset wajah siswa dan melatih model YOLOv8. Menggunakan Algoritma YOLOv8 dalam mengidentifikasi wajah secara real-time. Berdasarkan dataset dari 30 Siswa SMK Negeri 4 Tarakan dengan pengambilan data  menggunakan foto wajah, 120 foto data wajah dari 30 siswa. Dengan data training yaitu 84 gambar, data valid yaitu 24 gambar, dan data testing 12 gambar. Hasil performa model yaitu, nilai mAP yaitu 88,1%, precision 76,1%, dan recall 82,8% untuk pengolahan dataset siswa. Hasil penelitian berdasarkan performa menunjukkan bahwa model yang dibuat mampu mendeteksi dengan baik.
Optimalisasi Pengelolaan Data Member Club Airsoft Gun sebagai Strategi Transformasi Digital untuk Memfasilitasi Hobi Masyarakat
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.v4i3.857

Abstract

Penelitian ini mengembangkan situs web untuk klub Airsoft Black Arrow di Yogyakarta guna memfasilitasi pengelolaan data dan aktivitas komunitas. Airsoft, olahraga simulasi militer, sering disalahpahami sebagai aktivitas berbahaya. Oleh karena itu, situs web ini juga bertujuan mengedukasi masyarakat tentang aturan main, regulasi hukum, dan tata cara bermain yang aman. Metode penelitian melibatkan identifikasi masalah melalui observasi dan wawancara, analisis kebutuhan sistem, serta pengujian menggunakan pendekatan black-box. Situs web yang dihasilkan memiliki fitur-fitur seperti jadwal kegiatan, pendaftaran anggota, manajemen profil, pengajuan surat jalan, dan informasi mendalam tentang airsoft. Hasil penelitian menunjukkan situs web mampu mempermudah manajemen klub dan akses informasi bagi anggota. Pengujian memastikan seluruh fitur berfungsi sesuai kebutuhan. Selain itu, situs ini meningkatkan kesadaran masyarakat terhadap airsoft, mencegah penyalahgunaan, dan mendukung pengelolaan komunitas dengan lebih efisien. Kesimpulannya, pengembangan situs ini tidak hanya mempermudah manajemen internal klub tetapi juga menjadi alat edukasi untuk mengubah persepsi masyarakat, menjadikan airsoft sebagai hobi yang aman dan sesuai regulasi.
Analisis Sentimen Tanggapan Masyarakat Tentang Garuda IKN Menggunakan Metode Naive Bayes
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.860

Abstract

Ibu Kota Nusantara (IKN) adalah proyek besar yang bertujuan memindahkan ibu kota negara dari Jakarta ke Kalimantan Timur untuk mengurangi beban Jakarta dan mendorong pertumbuhan ekonomi di Indonesia. Salah satu ikon utama dari IKN adalah Patung Garuda, simbol kekuatan dan kebanggaan nasional. Namun, desain Patung Garuda ini mendapat berbagai kritik dari masyarakat, mulai dari aspek estetika hingga penggunaan anggaran yang dianggap berlebihan. Kritik ini banyak disampaikan melalui media sosial, terutama Twitter, yang menjadi platform utama untuk mengungkapkan pandangan secara terbuka. Penelitian ini bertujuan menganalisis sentimen publik terhadap desain Patung Garuda IKN melalui data dari Twitter dengan menggunakan metode Naive Bayes. Hasilnya menunjukkan bahwa metode Naive Bayes memberikan akurasi sebesar 0,82 dalam klasifikasi sentimen. Penelitian ini juga membuktikan bahwa Naive Bayes lebih akurat dibandingkan pustaka TextBlob. Melalui analisis ini, diharapkan dapat diperoleh pemahaman lebih mendalam mengenai pandangan publik dan isu-isu utama yang menjadi fokus kritik terhadap proyek ini. Hasil penelitian diharapkan dapat menjadi masukan berharga untuk perencanaan dan pengambilan keputusan proyek serupa di masa depan.
Integrasi Serious Games dalam Pengembangan Platform Pembelajaran Pemrograman
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.864

Abstract

Penelitian ini mengembangkan platform pembelajaran pemrograman berbasis serious games untuk meningkatkan keterlibatan, motivasi, dan pemahaman mahasiswa terhadap konsep pemrograman. Pendekatan model waterfall pada penelitian ini mencakup analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Platform ini dirancang untuk mendukung pembelajaran interaktif melalui fitur seperti live coding, tantangan berbasis misi, serta penghargaan berupa poin dan badge. Pengujian dilakukan pada mahasiswa program studi Informatika Universitas Wijaya Kusuma Surabaya dengan menggunakan instrumen EUCS. Hasil pengujian menunjukkan tingkat kepuasan pengguna yang tinggi pada 5 aspek: accuracy, content, ease of use, format, dan timeliness, dengan skor rata-rata di atas 4,00. Temuan ini mengindikasikan bahwa integrasi serious games dapat menciptakan pengalaman belajar yang menarik dan personal. Meskipun penelitian ini terbatas pada bahasa pemrograman C++ dan pengujian skala kecil, hasilnya menunjukkan potensi besar untuk diterapkan secara lebih luas dalam pembelajaran berbasis teknologi. Penelitian ini berkontribusi pada pengembangan teknologi pembelajaran, khususnya dalam game-based learning, sekaligus membuka peluang untuk penelitian lanjutan yang mengeksplorasi aplikasi pada konteks dan bahasa pemrograman lainnya.
Peramalan Kadar PM10 Menggunakan Algoritma Long Short-Term Memory (LSTM) Sebagai Acuan Ketersediaan Ruang Terbuka Hijau Di Kota Jambi
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 1: MARET 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i1.866

Abstract

Pada tahun 2023 jumlah kendaraan bermotor di Kota Jambi hampir mencapai 960.814 unit. Peningkatan volume lalu lintas akan menyebabkan peningkatan emisi polusi udara, yang dapat mengurangi kualitas udara. Salah satu polutannya adalah PM10, yang berkontribusi terhadap polusi udara. Particulate matter 10 (PM10) adalah partikel materi yang berukuran kurang dari 10 mikrometer. PM10 dapat berdampak negatif pada sistem pernapasan, seperti serangan asma, penurunan fungsi paru-paru, dan bahkan kematian. Salah satu solusi untuk mengatasi masalah polusi udara di Jambi adalah melalui pengembangan prediksi temporal kualitas udara menggunakan data historis. Dengan membangun model prediksi berdasarkan indeks polutan, kita dapat memproyeksikan kualitas udara secara harian. Penelitian ini bertujuan untuk membuat model prediksi konsentrasi PM10 di Kota Jambi dengan metode Long Short Term Memory. Data yang digunakan adalah data konsentrasi PM10 pada bulan Januari sampai Juni 2024 menggunakan algoritma jaringan saraf tiruan Long Short-Term Memory (LSTM). Penelitian ini dilakukan melalui beberapa tahapan yaitu pengumpulan data, praproses data, pembagian data, pembuatan model prediksi konsentrasi PM10, dan MAPE. Penelitian ini menghasilkan model prediksi konsentrasi PM10 dengan nilai RMSE sebesar 0,021 dan MAPE 0,11%, yang berarti model peramalan memiliki peramalan yang sangat akurat. Dengan kemampuannya memprediksi kadar PM10 di masa depan berdasarkan pola historis. Informasi ini krusial dalam menentukan prioritas pengembangan RTH.

Page 48 of 60 | Total Record : 591

 46   47   48   49   50 

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