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
 50   51   52   53   54 
Estimasi Serapan CO2 Melalui Selisih Konsentrasi di Udara dan Tanah: Studi Kasus Pertanian Urban di Depok
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1163

Abstract

Perubahan iklim akibat emisi karbon dioksida (CO2) menjadi isu global. Pertanian urban berpotensi menyerap CO2 melalui fotosintesis, namun pemantauannya masih terbatas. Penelitian ini mengembangkan sistem pemantauan CO2 berbasis Internet of Things (IoT) menggunakan sensor MQ-135 dan mikrokontroler ESP32. Pengukuran dilakukan secara tidak langsung melalui selisih konsentrasi CO2 antara udara dan tanah. Sistem juga dilengkapi sensor DHT22 dan YL-69 untuk memantau suhu, kelembapan udara, dan kelembapan tanah. Penelitian ini menggunakan metode eksperimen kuantitatif dengan implementasi sistem di lahan pertanian urban Depok selama tiga hari. Data dikumpulkan setiap jam pada pagi, siang, dan sore, lalu dikirim otomatis ke platform pemantauan.com. Hasil menunjukkan penurunan selisih CO2 pada sore hari, mengindikasikan peningkatan fotosintesis. Sistem ini efektif untuk pemantauan karbon berkelanjutan dan potensial untuk skema kredit karbon.
Deteksi Attention Deficit Hyperactivity Disorder (ADHD) Berbasis Electroencephalogram (EEG) : Pendekatan Klasifikasi Dengan Random Forest
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1164

Abstract

Attention Deficit Hyperactivity Disorder (ADHD) merupakan gangguan perkembangan yang sering dijumpai pada anak-anak dan berdampak signifikan terhadap proses belajar serta kualitas hidup. Proses diagnosis ADHD saat ini masih didominasi oleh observasi klinis yang bersifat subjektif, sehingga diperlukan pendekatan yang lebih objektif. Penelitian ini bertujuan untuk mendeteksi ADHD menggunakan data Electroencephalogram (EEG) yang diproses melalui algoritma klasifikasi Random Forest. Data EEG dianalisis melalui tahapan pra-pemrosesan, ekstraksi fitur, dan klasifikasi. Hasil penelitian menunjukkan bahwa model Random Forest mampu membedakan antara data EEG penderita ADHD dan kelompok kontrol dengan akurasi sebesar 0,74. Penelitian ini berkontribusi pada upaya memperluas aplikasi machine learning di bidang kesehatan, khususnya dalam upaya diagnosis dini dan penanganan ADHD yang lebih baik, objektif, dan terintegrasi teknologi. Selain itu, aplikasi deteksi ADHD berbasis Streamlit dikembangkan untuk memfasilitasi proses deteksi secara interaktif dan visualisasi data EEG. Temuan ini menunjukkan potensi pemanfaatan algoritma Random Forest dalam deteksi ADHD berbasis EEG secara lebih akurat dan efisien, meskipun peningkatan akurasi dan eksplorasi metode klasifikasi lain masih diperlukan. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem deteksi ADHD yang lebih objektif dan konsisten.
Optimasi Hyperparameter Pada Algoritma K-Nearest Neighbor untuk Analisis Sentimen terhadap Pembelajaran Jarak Jauh
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1170

Abstract

Pandemi COVID-19 mendorong diberlakukannya kebijakan Pembelajaran Jarak Jauh (PJJ) secara masif di Indonesia. Kebijakan ini memunculkan beragam tanggapan dari masyarakat, baik positif maupun negatif, yang tersebar luas melalui media sosial. Namun, belum banyak penelitian yang secara sistematis menganalisis opini publik terhadap PJJ menggunakan pendekatan berbasis data. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis sentimen masyarakat terhadap kebijakan PJJ dengan memanfaatkan data dari Twitter. Penelitian ini menggunakan pendekatan kuantitatif dengan metode text mining dan analisis sentimen berbasis algoritma K-Nearest Neighbor (KNN). Data dikumpulkan melalui Application Programming Interface (API) Twitter dengan kata kunci tertentu, kemudian dilakukan proses prapengolahan yang mencakup pembersihan teks, tokenisasi, dan ekstraksi fitur menggunakan TF-IDF. Proses pelatihan dan pengujian model dilakukan menggunakan KNN, dengan eksplorasi hyperparameter melalui teknik GridSearchCV. Parameter yang diuji meliputi jumlah tetangga (k), metode pembobotan (uniform dan distance), serta metrik jarak (Euclidean, Minkowski, dan Cosine). Hasil menunjukkan konfigurasi terbaik pada k = 22, pembobotan distance, dan metrik Cosine, dengan akurasi pelatihan tertinggi mencapai 98,80%. Temuan ini menunjukkan bahwa pemilihan hyperparameter yang optimal serta tahapan prapengolahan yang tepat sangat berpengaruh dalam meningkatkan performa klasifikasi sentimen terhadap kebijakan PJJ.
Digitalisasi Model Altman Z-Score untuk Prediksi Financial Distress Perusahaan Negara Non-Manufaktur Berbasis Data Mining
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1173

Abstract

Penelitian ini bertujuan untuk mendigitalisasi model Altman Z-Score dalam memprediksi potensi financial distress pada PT Aneka Tambang Tbk sebagai perusahaan negara non-manufaktur. Studi ini menggunakan data laporan keuangan tahunan periode 2019–2023 yang diperoleh dari Bursa Efek Indonesia. Proses awal meliputi normalisasi data melalui konversi tipe string menjadi numerik, penghapusan simbol mata uang, serta penambahan kolom EBIT dan working capital. Metode Altman Z-Score non-manufaktur diterapkan dengan menghitung empat rasio utama: X1 (WCTA), X2 (RETA), X3 (EBITTA), dan X4 (BVE/TL), kemudian dikalikan dengan koefisien masing-masing untuk memperoleh nilai Z-Score. Hasil analisis menunjukkan bahwa seluruh nilai Z-Score PT Aneka Tambang Tbk selama lima tahun berada di atas 2,6, yang menempatkan perusahaan secara konsisten dalam kategori safe zone. Tren Z-Score yang meningkat tiap tahun mengindikasikan perbaikan kesehatan keuangan perusahaan. Visualisasi interaktif menggunakan matplotlib memperkuat interpretasi hasil. Penelitian ini membuktikan bahwa digitalisasi model prediksi financial distress berbasis data efektif meningkatkan efisiensi analisis dan pengambilan keputusan. Pengembangan sistem ini diharapkan dapat diintegrasikan ke dalam sistem pelaporan keuangan digital untuk pemantauan keuangan real-time yang lebih akurat dan bermanfaat.
Pendeteksian Dehidrasi pada Kucing dengan Menggunakan Algoritma K-Nearest Neighbor
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1175

Abstract

Kucing merupakan hewan karnivora yang umum di Indonesia. Populasi kucing menurut survei yang dilakukan oleh Rakuten Insight pada tahun 2018 secara online mengenai hewan yang paling banyak dipelihara di Asia, Indonesia menempati tempat pertama dari kepemilikan kucing sebesar 47%. Banyaknya jumlah kucing menjadi perhatian khusus akan kondisi tubuhnya termasuk penyakit yang dialami kucing. Penyakit kucing dapat diatasi dengan tepat jika cepat terdeteksi dari gejalanya. Gejala yang sering muncul ialah dehidrasi. Dehidrasi yang dialami kucing memiliki 6 (enam) keadaan yang dapat diperhatikan yaitu kadar air yang cukup dalam pakan, kotoran kucing mengalami diare atau tidak, muntahan kucing melebihi 3 (tiga) kali sehari, tungor kucing yang tidak elastis, gusi kucing yang pucat, dan nafas kucing yang berbau tidak sedap. Gejala dehidrasi yang cepat diketahui dapat mempermudah owner untuk melakukan tindakan yang tepat sebagai penanganannya. Tindakan yang tepat dapat menghindari kucing dari berbagai penyakit hingga kematian. Adanya penelitian ini, dapat mencegah dehidrasi menggunakan Algoritma K-Nearest Neighbor yaitu dengan 64 data dan 6 kondisi seperti pakan, kotoran, muntah, skin tenting (tungor), nafas, dan gusi kucing yang baik. Data tersebut dijabarkan dengan logika disjungsi menjadi 384 data dan 30 kondisi. Proses pendeteksian dehidrasi pada kucing ini akan mendapatkan hasil kondisi kucing yang terbagi menjadi 3 (tiga) yaitu Tidak Dehidrasi, Dehidrasi Ringan, Dehidrasi Berat. Adapun akurasi yang dicapai dalam penelitian ini mencapai 92%.
Sistem Informasi Penjualan Kelapa Sawit dan Pengelolaan Pinjaman Pelanggan pada Ram Kinara Desa Perlabian
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1178

Abstract

Perkembangan informasi teknologi yang pesat telah mendorong kebutuhan otomasi dalam berbagai sektor, termasuk usaha pengelolaan kelapa sawit. RAM Kinara, sebuah unit penimbangan dan tempat transaksi jual–beli kelapa sawit di Desa Perlabian, saat ini masih bergantung pada pencatatan manual berbasis buku, yang rentan terhadap kesalahan, memakan waktu, dan menyulitkan pembacaan histori transaksi maupun manajemen pinjaman pelanggan. Penelitian ini bertujuan merancang dan membangun sistem informasi berbasis web menggunakan PHP dan MySQL untuk mengotomasi proses pembelian, penjualan, pencatatan pinjaman, serta laporan transaksi harian di RAM Kinara. Metode penelitian meliputi pengumpulan data melalui observasi lapangan, wawancara dengan pemilik dan petugas, serta studi pustaka terkait sistem sejenis. Pengembangan sistem mengikuti model Waterfall—dimulai dengan analisis kebutuhan, desain arsitektur dan basis data, implementasi kode program, hingga pengujian fungsionalitas. Desain antarmuka dan alur sistem divalidasi menggunakan UML (Use Case, Activity, dan Sequence Diagram) untuk memastikan kesesuaian dengan kebutuhan pengguna: pimpinan, penimbang, sopir, dan pelanggan.Hasil implementasi menunjukkan sistem mampu mencatat transaksi pembelian dan penjualan kelapa sawit secara real-time, menghitung jumlah pembayaran dan sisa pinjaman secara otomatis, serta menghasilkan laporan ringkas yang dapat diakses kapan saja.  
Prediksi Harga Saham Menggunakan Metode Long-Short Term Memory Studi Kasus: Saham Intel Corporation
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1192

Abstract

Perkembangan dalam bidang teknologi kecerdasan buatan telah mendorong penerapan teknik deep learning dalam analisis pasar keuangan, khususnya dalam meramalkan harga saham. Penelitian ini bertujuan untuk membuat sebuah model yang bisa memperkirakan harga saham Intel Corporation menggunakan metode Long Short-Term Memory (LSTM) untuk mendukung pengambilan keputusan dalam investasi. Metode yang dilakukan mencakup pengumpulan data historis dari Kaggle, preprocessing data (cleansing, scaling, dan membagi data untuk pelatihan dan pengujian), merancang model LSTM, dan melakukan evaluasi dengan menggunakan Root Mean Squared Error (RMSE). Model ini dilatih menggunakan 150 epoch dengan fungsi aktivasi tanh dan optimizer Adam. Hasil dari pengujian ini menunjukkan bahwa model LSTM mendapatkan nilai RMSE sebesar 0.0230 paling rendah, serta menunjukkan pola pergerakan harga yang sangat realistis. Hasil ini menunjukkan bahwa LSTM merupakan metode yang efisien untuk memodelkan data deret waktu dalam memprediksi harga saham, serta dapat berfungsi sebagai sumber informasi bagi investor dalam merancang strategi investasi yang didasarkan pada data.
Klasifikasi Stunting Pada Balita Menggunakan Algoritma Decision Tree Pada Machine Learning
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1193

Abstract

Stunting adalah gangguan pertumbuhan yang dialami balita akibat kekurangan gizi sehingga menghambat pertumbuhan fisik dan perkembangan kognitif. Faktor penyebabnya meliputi kurangnya asupan nutrisi, rendahnya pendidikan orang tua, serta lingkungan kesehatan yang tidak memadai. Penelitian ini bertujuan untuk mengklasifikasi faktor penyebab terjadinya stunting sehingga dapat dilakukan intervensi dini, serta dapat mengembangkan model klasifikasi stunting menggunakan algoritma Decision Tree. Untuk mendeteksi risiko stunting secara dini, teknologi machine learning dimanfaatkan guna mengklasifikasikan data secara lebih akurat dan efisien. Penelitian ini menggunakan algoritma Decision Tree untuk mengkategorikan status gizi balita berdasarkan usia (bulan), jenis kelamin, dan tinggi badan (cm). Data diperoleh dari platform Kaggle, terdiri atas 121.000 data. Penelitian mencakup proses pengumpulan data, pre-processing data (cleaning data, deteksi outlier, dan label encoding), eksplorasi data, pemisahan data latih dan uji, serta pelatihan model. Penelitian ini menerapkan confusion matrix sebagai metode evaluasi untuk menilai kinerja model dalam klasifikasi stunting pada balita. Hasil evaluasi model Decision Tree memperoleh akurasi sebesar 95.73% dalam mengklasifikasi status gizi ke dalam empat kategori yaitu normal, stunted, severely stunted, dan tinggi. Temuan menunjukkan bahwa algoritma Decision Tree efektif dalam mengidentifikasi kondisi stunting serta mendukung sistem pemantauan gizi anak balita secara digital.
Implementasi Algoritma C4.5 Pada Klasifikasi Status Gizi Balita Menggunakan Framework Flask
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1194

Abstract

Pemantauan status gizi balita berperan krusial dalam mencegah stunting melalui intervensi dini yang tepat sasaran. Namun, keterbatasan metode manual dalam klasifikasi data gizi menyebabkan keterlambatan dan risiko kesalahan pengambilan keputusan. Penelitian ini mengembangkan sistem klasifikasi status gizi balita berbasis web menggunakan algoritma C4.5 yang mampu mengidentifikasi pola hubungan antar atribut untuk menghasilkan prediksi status gizi secara otomatis dan akurat. Sistem dibangun dengan framework Flask guna memastikan aksesibilitas dan efisiensi pemrosesan. Data yang digunakan berasal dari Dinas Kesehatan Kota Pematangsiantar tahun 2022-2024 sebanyak 697 data. Proses penelitian meliputi pengumpulan data, praprocessing mencakup pembersihan dan transformasi data, split data dengan rasio 70:30, serta pelatihan model, dan evaluasi menggunakan confusion matrix.  Hasil menunjukkan akurasi model mencapai 95% pada data uji, menandakan kinerja yang sangat baik dalam menggeneralisasi data baru. Sistem yang dikembangkan dilengkapi fitur visualisasi pohon keputusan, evaluasi model, pembaruan dataset, serta monitoring prevalensi gizi per kecamatan. Inovasi ini mendukung pengambilan keputusan berbasis data yang strategis merumuskan program-program yang menunjang pencegahan ataupun intervensi yang tepat.
Pengembangan Aplikasi Backend Web Service Berbasis RESTful API Untuk Aplikasi DermaScan Menggunakan Node.js
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.v5i3.1196

Abstract

Aplikasi DermaScan merupakan aplikasi mobile untuk deteksi kanker kulit yang dibangun dengan arsitektur terpisah antara frontend dan backend. Untuk mendukung komunikasi antar sistem, dibutuhkan API berbasis REST yang memungkinkan pertukaran data secara efisien. Pada penelitian ini, backend dikembangkan menggunakan Node.js dengan metodologi waterfall yang meliputi tahap analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem diuji menggunakan metode black-box testing untuk mengukur fungsionalitas, serta load testing untuk menguji performa terhadap beban pengguna. Hasil black-box testing menunjukkan seluruh fitur berjalan sesuai dengan spesifikasi sistem, sedangkan load testing memperlihatkan API mampu menangani hingga 500 pengguna secara bersamaan dengan performa yang stabil. Backend ini dibangun menggunakan Express.js, terintegrasi dengan Google Cloud App Engine, Firestore sebagai basis data, serta Cloud Storage untuk penyimpanan gambar. Hasil pengembangan berupa API RESTful yang mendukung autentikasi, manajemen pengguna, artikel kesehatan, histori baca, dan diagnosis, yang siap diintegrasikan dengan aplikasi DermaScan. Penelitian ini diharapkan dapat menjadi acuan bagi pengembangan layanan kesehatan berbasis REST API.

Page 52 of 60 | Total Record : 591

 50   51   52   53   54 

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