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
 52   53   54   55   56 
Model Convolutional Neural Network (CNN) Custom Sequential untuk Klasifikasi Citra Ikan Hias Carassius Auratus pada Industri Akuakultur
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.v5i3.1229

Abstract

Identifikasi varietas ikan hias Carassius auratus dengan keanekaragaman morfologi yang tinggi masih sering dilakukan secara manual, sehingga menimbulkan kesulitan bagi para pecinta ikan hias maupun pelaku akuakultur dalam membedakan jenisnya secara tepat. Kondisi ini menuntut adanya solusi berbasis teknologi yang mampu memberikan hasil identifikasi lebih cepat, praktis, dan presisi. Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra menggunakan pendekatan Convolutional Neural Network (CNN) dengan arsitektur custom sequential sebagai sistem identifikasi visual otomatis. Tahapan penelitian dilakukan melalui pengumpulan 2.080 citra ikan yang mewakili delapan kelas varietas, dilanjutkan dengan proses pra-pemrosesan data agar citra siap digunakan pada tahap pelatihan model. Arsitektur CNN yang dibangun terdiri dari tujuh lapisan konvolusi dengan jumlah filter bertingkat mulai dari 32 hingga 256, disertai proses pooling, aktivasi ReLU, transformasi flatten, serta lapisan fully connected dengan mekanisme dropout untuk mengurangi overfitting, dan diakhiri dengan fungsi aktivasi softmax sebagai klasifikasi multi-kelas. Hasil eksperimen menunjukkan bahwa model mampu mengklasifikasikan citra ikan hias dengan tingkat akurasi mencapai 93,03% serta menghasilkan prediksi data uji secara konsisten tepat. Penelitian ini berkontribusi dalam menghadirkan pendekatan klasifikasi berbasis citra yang efisien, akurat, dan aplikatif, sehingga dapat mendukung proses identifikasi varietas ikan hias dalam industri akuakultur secara lebih modern dan berbasis teknologi.
Perbandingan Model Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree dan Naive Bayes
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.v5i2.1230

Abstract

Kelulusan mahasiswa merupakan salah satu indikator utama kinerja perguruan tinggi yang dipengaruhi oleh berbagai faktor akademik dan non-akademik. Penelitian ini bertujuan untuk membangun model prediksi kelulusan mahasiswa menggunakan pendekatan machine learning dengan membandingkan kinerja tiga algoritma, yaitu Decision Tree, dan Naive Bayes. Dataset yang digunakan berjumlah 200 data mahasiswa, dengan variabel prediktor yang meliputi IPK kumulatif, jumlah SKS, tingkat kehadiran, jumlah remedial, status beasiswa, keaktifan organisasi, serta latar belakang ekonomi. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa terbaik dengan akurasi sebesar 93%, precision 94%, recall 95%, dan F1-Score 94%. sedangkan Naive Bayes memperoleh akurasi 88%. Faktor-faktor utama yang mempengaruhi kelulusan mahasiswa berdasarkan model Decision Tree adalah IPK, tingkat kehadiran, jumlah pengulangan mata kuliah, serta keaktifan organisasi dan status beasiswa. Model yang dihasilkan diharapkan dapat digunakan sebagai alat bantu pengambilan keputusan bagi perguruan tinggi dalam melakukan monitoring akademik dan deteksi dini mahasiswa yang berpotensi mengalami keterlambatan kelulusan.
Penerapan Sistem Monitoring Perkembangan Akademik Siswa SD Menggunakan Student Performance Tracking Berbasis Web
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.v5i2.1231

Abstract

Perkembangan teknologi informasi memberikan peluang besar bagi dunia pendidikan untuk meningkatkan keterlibatan orang tua dalam memantau perkembangan akademik anak. Namun, masih banyak sekolah dasar di daerah yang belum memanfaatkan teknologi secara optimal, termasuk SDN 015930 Desa Alang Bonbon, Kabupaten Asahan, yang hingga kini masih menggunakan metode konvensional dalam penyampaian informasi akademik siswa. Penelitian ini bertujuan untuk mengembangkan sistem monitoring perkembangan siswa berbasis website dengan penerapan metode Student Performance Tracking (SPT) guna memudahkan orang tua dalam memantau perkembangan anak secara real-time. Metode penelitian yang digunakan adalah Research and Development (R&D) yang dilengkapi dengan model pengembangan sistem Waterfall. Hasil penelitian menunjukkan bahwa sistem yang dibangun dapat membantu guru dalam menginput dan memantau perkembangan siswa secara komprehensif, baik dari aspek akademik, kehadiran, perilaku, maupun kondisi psikologis siswa. Sistem ini juga dilengkapi fitur notifikasi otomatis, rekap laporan perkembangan, serta ruang diskusi antara walikelas dan orang tua. Dengan adanya sistem ini, keterlibatan orang tua meningkat, proses pemantauan lebih efisien, dan informasi perkembangan siswa dapat diakses secara cepat dan transparan, sehingga mendukung peningkatan kualitas pendidikan di sekolah dasar.
Sistem Informasi Manajemen Logistik Dan Peralatan Kebencanaan Multi Posko Web-Based
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.v5i2.1233

Abstract

Pengelolaan logistik dan peralatan kebencanaan yang efektif menjadi salah satu unsur yang berperan signifikan dalam memperlancar respons terhadap bencana. BPBD Kabupaten Kudus masih menerapkan prosedur non-digital dalam manajemen logistik kebencanaan, yang berisiko menimbulkan keterlambatan dan kesalahan data. Penelitian ini mengembangkan sebuah sistem informasi manajemen logistik dan peralatan kebencanaan multi posko berbasis web guna mempermudah aktivitas logistik kebencanaan mulai pencatatan hingga distribusi secara terpusat. Fitur utama sistem meliputi pencatatan stok, permintaan logistik dari posko, distribusi barang, pemetaan posko bencana, dan pelaporan otomatis. Sistem dibangun menggunakan metode SDLC dengan pendekatan model Rapid Application Development (RAD) guna mempercepat proses pengembangan. Proses perancangan menggunakan UML dan implementasi berbasis PHP serta MySQL. Pengujian black-box menunjukkan sistem berjalan sesuai fungsi. Sistem informasi manajemen logistik yang terintegrasi mampu meningkatkan efisiensi pengelolaan logistik kebencanaan, mengurangi kesalahan pencatatan, dan mempercepat proses distribusi logistik di lingkungan BPBD Kabupaten Kudus.
Implementasi Metode EOQ dan Full Costing Dalam Sistem Informasi Manajemen Produksi Pada Pabrik Opak Sun Jaya Mandiri
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.v5i2.1235

Abstract

Perkembangan teknologi informasi berperan penting dalam mendukung efisiensi dan akurasi pada sektor bisnis, termasuk industri pangan lokal. Penelitian ini bertujuan merancang serta mengimplementasikan sistem informasi manajemen produksi pada Pabrik Opak Sun Jaya Mandiri dengan mengintegrasikan metode Economic Order Quantity (EOQ) dan Full Costing. Metode EOQ digunakan untuk menentukan jumlah pemesanan bahan baku yang optimal guna menekan biaya persediaan, sedangkan metode Full Costing diterapkan untuk menghitung harga pokok produksi secara menyeluruh, mencakup biaya bahan baku, tenaga kerja langsung, serta overhead. Penelitian ini menggunakan pendekatan kuantitatif dengan metode pengembangan perangkat lunak model Waterfall. Hasil penelitian menunjukkan bahwa EOQ menghasilkan jumlah pemesanan optimal sebesar 17.062 kilogram, sementara perhitungan Full Costing menunjukkan harga pokok produksi sebesar Rp7.872 per kilogram. Sistem yang dibangun terbukti mampu meningkatkan akurasi perhitungan, mempercepat proses pengambilan keputusan, serta mengefisienkan pengelolaan persediaan dan biaya produksi. Implikasi penelitian ini menunjukkan bahwa integrasi teknologi informasi dengan metode manajerial yang tepat dapat memperkuat daya saing UMKM pangan lokal melalui pengelolaan produksi yang lebih efektif, efisien, dan terukur.
Penerapan Metode Double Exponential Smoothing Untuk Peramalan Permintaan Beras
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.v5i2.1241

Abstract

Kilang Padi Mutiara Jaya menghadapi tantangan fluktuasi permintaan beras bulanan yang berdampak pada perencanaan produksi dan distribusi. Penelitian ini menerapkan metode Double Exponential Smoothing (DES) untuk melakukan peramalan permintaan beras berdasarkan data historis Januari 2022–Desember 2024. Metode DES dipilih karena kemampuannya menangani data deret waktu dengan tren. Proses penelitian menggunakan model Research and Development (R&D) untuk menghasilkan sistem informasi berbasis web yang memuat modul peramalan, dilengkapi visualisasi hasil prediksi dalam bentuk tabel dan grafik interaktif. Sistem dikembangkan dengan framework CodeIgniter dan diuji menggunakan Black Box Testing untuk memastikan fungsionalitasnya. Evaluasi akurasi peramalan dilakukan menggunakan metrik MAPE, MSE, dan MAE, dengan hasil rata-rata MAPE sebesar 0,495 yang tergolong sangat baik. Kontribusi penelitian ini adalah penyediaan sistem prediksi permintaan beras yang terintegrasi, akurat, dan dapat digunakan sebagai dasar pengambilan keputusan produksi dan distribusi secara efisien.
Perbandingan Algoritma Vincenty Dan Hubeny Dalam Menentukan Jarak Terpendek Pada Fasilitas Kesehatan di Asahan Berbasis Mobile
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.v5i2.1242

Abstract

Penelitian ini mengulas kebutuhan krusial akan akses cepat dan akurat ke fasilitas kesehatan di Kabupaten Asahan, di mana pertumbuhan penduduk dan kondisi geografis yang beragam menimbulkan tantangan dalam mendapatkan bantuan medis tepat waktu, terutama saat keadaan darurat. Tujuan penelitian ini adalah membandingkan algoritma Vincenty dan Hubeny dalam menentukan jarak terpendek ke fasilitas kesehatan menggunakan sistem berbasis mobile. Algoritma Vincenty dikenal memiliki akurasi tinggi karena mempertimbangkan model elipsoid bumi, namun memerlukan waktu komputasi yang lebih lama. Sebaliknya, algoritma Hubeny menawarkan pendekatan yang lebih sederhana dengan perhitungan lebih cepat, meskipun tingkat akurasinya sedikit lebih rendah. Penelitian ini menggunakan metodologi Research and Development (R&D) untuk pengumpulan data dan model Rapid Application Development (RAD) untuk pengembangan sistem. Sistem yang dibangun menghitung jarak dari titik awal (misalnya, Kantor Dinas Kesehatan Asahan) ke berbagai fasilitas kesehatan. Hasil analisis menunjukkan bahwa algoritma Vincenty memberikan akurasi yang lebih tinggi karena melibatkan lebih banyak variabel dalam perhitungannya. Sistem Informasi Geografis (SIG) fasilitas kesehatan berbasis mobile yang dikembangkan di Kabupaten Asahan diharapkan dapat mempermudah masyarakat dalam menentukan fasilitas kesehatan terdekat dari lokasi mereka saat ini.
Implementasi GIS dan Clustering Berbasis Web Dalam Pengelolaan Hutan Lindung Oleh Kelompok Tani Di Kabupaten Karo
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.v5i2.1244

Abstract

Hutan lindung memiliki peran penting dalam menjaga keseimbangan ekosistem, namun pengelolaannya di Kabupaten Karo masih terkendala minimnya pemahaman karakteristik lahan dan penggunaan metode pemantauan yang konvensional. Penelitian ini mengembangkan sistem informasi berbasis Geographic Information System (GIS) dan algoritma K-Means Clustering untuk mengelompokkan wilayah kerja kelompok tani berdasarkan ketinggian, kelembapan, kemiringan, suhu, dan jenis tanah. Metode penelitian menggunakan Research and Development model Borg & Gall dengan tahapan pengumpulan data melalui observasi, wawancara, dan studi literatur, diikuti analisis data spasial dan non-spasial untuk menghasilkan empat cluster: C1 (Tanaman Tahunan), C2 (Tanaman Bawah 1), C3 (Tanaman Bawah 2), dan C4 (Usaha Non-Pertanian). Sistem yang dikembangkan menampilkan peta digital interaktif yang memudahkan identifikasi potensi, permasalahan, dan perencanaan strategi pengelolaan. Hasil pengujian blackbox menunjukkan seluruh fungsi sistem berjalan sesuai rancangan dan mampu meningkatkan kecepatan analisis dibanding metode manual. Penelitian ini berkontribusi pada pengintegrasian data spasial dan non-spasial dalam pengelolaan hutan lindung berbasis clustering, dengan potensi penerapan di wilayah konservasi lainnya.
Algoritma K-Nearest Neighbor Classification Sebagai Sistem Pengelompokan Kemampuan Akademik Siswa Berbasis Web
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.v5i2.1246

Abstract

Penggunaan sistem berbasis web dalam pendidikan dapat meningkatkan akurasi dan efisiensi evaluasi pembelajaran, terutama dalam penerapan Kurikulum Merdeka yang menuntut diferensiasi berdasarkan kemampuan siswa. Penelitian ini bertujuan mengembangkan sistem klasifikasi kemampuan akademik siswa berbasis web menggunakan algoritma K-Nearest Neighbor (K-NN). Sebanyak 254 data nilai akhir siswa kelas XII digunakan sebagai dataset, yang dinormalisasi menggunakan MinMaxScaler dan dilatih menggunakan model K-NN dengan parameter K = 5. Proses klasifikasi dan evaluasi dilakukan menggunakan confusion matrix dan classification report, yang menghasilkan akurasi sebesar 90,19%. Sistem ini dikembangkan menggunakan framework Laravel untuk sisi web dan Python (Google Colab) untuk pemrosesan data dan model klasifikasi. Hasil klasifikasi ditampilkan dalam bentuk tabel interaktif dan rekap visual yang memudahkan guru dalam merancang treatment pembelajaran adaptif. Kontribusi utama dari penelitian ini adalah integrasi antara algoritma klasifikasi dan sistem informasi berbasis web yang mendukung evaluasi akademik secara objektif, efisien, dan selaras dengan semangat Kurikulum Merdeka.
Analisis Sentimen Mahasiswa Terhadap Penggunaan E-Learning dengan Algoritma Support Vector Machine (SVM)
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.v5i2.1247

Abstract

Evaluasi sistem e-learning di perguruan tinggi menjadi aspek penting dalam memastikan efektivitas pembelajaran digital, terutama ketika teknologi informasi semakin terintegrasi dalam dunia pendidikan. Penelitian ini bertujuan menganalisis sentimen mahasiswa Universitas Islam Negeri Sumatera Utara (UINSU) terhadap penggunaan e-learning dengan memanfaatkan analisis sentimen berbasis algoritma Support Vector Machine (SVM). Data diperoleh dari 440 komentar mahasiswa melalui kuesioner daring, kemudian setelah pra-pemrosesan diperoleh 400 komentar layak analisis. Data diproses melalui tahapan case folding, cleaning, tokenizing, stopword removal, dan stemming, sebelum direpresentasikan dengan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan diklasifikasikan menggunakan SVM. Hasil penelitian menunjukkan bahwa model SVM mampu mencapai akurasi sebesar 82,5%, dengan distribusi sentimen didominasi kategori netral yang berisi deskripsi informatif, sedangkan sentimen positif menyoroti kemudahan akses dan manfaat praktis, dan sentimen negatif banyak menekankan permasalahan teknis seperti server, error, dan keterbatasan aksesibilitas. Temuan ini mengindikasikan bahwa SVM efektif mengidentifikasi pola persepsi mahasiswa, serta memberikan gambaran objektif mengenai kekuatan dan kelemahan e-learning. Oleh karena itu, penelitian ini dapat dijadikan landasan pengembangan strategi evaluasi dan perbaikan sistem e-learning di perguruan tinggi.

Page 54 of 60 | Total Record : 591

 52   53   54   55   56 

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