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 618 Documents
 58   59   60   61   62 
Enhancing Vehicle License Plate Image Quality Using Median Filtering: Implications for ANPR Performance Wijaya, Setiawan Ardi; Bangun, Elsi Titasari Br; Willyansah
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1624

Abstract

Automatic vehicle license plate detection is a crucial component in traffic monitoring and law enforcement. One of the primary challenges in Automatic Number Plate Recognition (ANPR) systems is the presence of impulsive noise, such as salt-and-pepper noise, which can disrupt the accuracy of character detection. This study serves as a baseline for ANPR research. The objective of this study is to optimize license plate detection by applying the Median Filtering method, while simultaneously comparing its performance on white and black license plates. Evaluation was conducted using 100 samples of Indonesian vehicle license plates, consisting of 50 white plates and 50 black plates, under consistent lighting conditions and angles. The testing results indicate that for white plates, the Mean Squared Error (MSE) ranged from 0.000018 to 0.000564, with an average Peak Signal-to-Noise Ratio (PSNR) of 38.38 dB and an average processing time of 1.105 seconds. For black plates, the MSE ranged from 0.000028 to 0.000592, with an average PSNR of 37.82 dB and an average processing time of 1.150 seconds. Comparative analysis shows that white plates produced slightly higher image quality than black plates, although both types of plates were processed efficiently. Overall, the Median Filtering method proved effective in reducing impulsive noise, preserving the sharpness of license plate characters, and maintaining processing speed. These findings demonstrate that Median Filtering is a reliable method for enhancing the accuracy and efficiency of ANPR systems under various license plate colors and lighting conditions.
Analisis Klasifikasi Hepatitis Menggunakan Synthetic Minority Oversampling Technique, Support Vector Machine, dan Random Forest Laily, Amalia Nur; Barata, Mula Agung; Nurdiansyah, Denny
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1630

Abstract

Hepatitis akibat infeksi virus masih menjadi masalah kesehatan masyarakat yang serius sehingga deteksi dini berbasis data klinis penting untuk mencegah kerusakan hati lebih lanjut. Penelitian ini menganalisis kinerja algoritma Support Vector Machine (SVM) dan Random Forest pada klasifikasi hepatitis serta mengkaji dampak penerapan Synthetic Minority Over-sampling Technique (SMOTE). Dataset yang digunakan adalah HepatitisCdata.csv dari Kaggle dengan 615 data pasien yang memuat atribut demografis dan parameter biokimia hati. Tahapan penelitian meliputi preprocessing data, penanganan outlier, transformasi atribut kategorikal, serta pembangunan model baseline dan SMOTE. Evaluasi dilakukan menggunakan 10-fold cross-validation dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa SMOTE meningkatkan performa kedua algoritma, dengan Random Forest + SMOTE memberikan hasil terbaik (akurasi 98,85%) dibandingkan SVM + SMOTE (98,50%). Kontribusi penelitian ini terletak pada penggunaan pipeline preprocessing dan evaluasi yang seragam untuk membandingkan dampak SMOTE secara langsung pada dua algoritma klasifikasi hepatitis.
Design and Development of a Web-Based Information System for Sapta Kanda Ramayana Using the Laravel Framework Arnawa, I Putu Riko Putra; Sudana, Anak Agung Kompiang Oka; Putra, Yogiswara Dharma
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1631

Abstract

The Ramayana is a story written by Rsi Valmiki that consists of seven parts called Sapta Kanda. The Ramayana is a cultural heritage rich in knowledge, but faces accessibility challenges in the modern era. This study contributes a novel web-based platform specifically designed to digitize and disseminate the Sapta Kanda Ramayana, integrating bilingual content (Old Javanese and Indonesian) with multi-role user interaction—an approach not found in prior cultural information systems. This development aims to design a website-based information system that can present the Sapta Kanda Ramayana story through a digital and interactive platform. The Laravel framework makes the system development process more structured and efficient. The system development uses the waterfall method, which goes through a series of processes such asnalysis, design, implementation, and testing, so that the system development process runs smoothly. The resulting system includes features for managing Sapta Kanda content, Ramayana characters, and user-contributed content. System testing uses the black box testing method to test system functionality and usability testing with the System Usability Scale (SUS) method to determine user satisfaction levels. The results of the system testing showed that the functionality of the features in the system worked well through black box testing and obtained a score of 85.4 from 21 respondents through testing using the SUS method, which indicates that the developed system is well accepted by users. This study is limited to web-based access and does not yet cover mobile application deployment or offline accessibility.
Pengembangan E-Modul Berbasis Project Based Learning (Pjbl) Untuk Meningkatkan Hasil Belajar Siswa Pada Mata Pelajaran Informatika Di SMK Diana, Luluk Mauli; Tahir, Muhlis; Stefany, Evy Maya; Sabila , Meilia Intan
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1633

Abstract

Perkembangan teknologi informasi yang pesat menuntut dunia pendidikan untuk beradaptasi melalui pemanfaatan media pembelajaran digital yang interaktif dan kontekstual. Namun, pembelajaran di Sekolah Menengah Kejuruan (SMK) masih cenderung berpusat pada guru dan menggunakan bahan ajar konvensional yang kurang mampu menumbuhkan keterampilan berpikir kritis, kolaboratif, serta kreativitas siswa. Kondisi tersebut berdampak pada rendahnya motivasi dan hasil belajar siswa, khususnya dalam Materi TKJ yang menuntut kemampuan konseptual dan praktikal. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan e-modul berbasis Project Based Learning (PjBL) sebagai solusi inovatif untuk meningkatkan hasil belajar siswa SMK. Penelitian menggunakan metode Research and Development (R&D) dengan model ADDIE, yang meliputi tahap analisis, desain, pengembangan, implementasi, dan evaluasi. Hasil penelitian menunjukkan bahwa e-modul berbasis PjBL memperoleh kategori valid dengan rata-rata validasi ahli media sebesar 95% dan ahli materi sebesar 92,5%. Uji efektivitas menggunakan analisis N-Gain menunjukkan peningkatan hasil belajar dengan skor 0,670 (67%) pada kelas eksperimen yang dikategorikan cukup efektif, dibandingkan kelas kontrol dengan skor 0,279 (27,9%) yang dikategorikan tidak efektif. Dengan demikian, e-modul berbasis Project Based Learning dinyatakan layak dan efektif sebagai media pembelajaran inovatif untuk meningkatkan hasil belajar serta keterampilan abad ke-21 siswa pada Materi TKJ di SMK.
Pengaruh Tes Kemampuan Akademik (TKA) terhadap Minat Belajar Siswa Kejuruan Teknik Komputer dan Jaringan Iman, Ahmad Sayyidul; Septiadi, Jaka
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1641

Abstract

This study examines the influence of the Academic Ability Test (TKA) on the learning interest of Computer and Network Engineering (TKJ) students at SMKS TI Muhammadiyah Cikampek. Using a quantitative correlational design, data were collected from 109 students via official TKA score documentation and a 15-item Likert-scale learning interest questionnaire (Cronbach’s α = 0.8256). Simple linear regression analysis revealed no significant effect of the TKA on students’ learning interest (t = 1.505; p = 0.135 > 0.05), with R² = 0.021, indicating that TKA scores account for only 2.1% of interest variance. The findings suggest that vocational students’ learning interest is driven primarily by practical relevance and career motivation rather than standardized academic assessment performance. This study contributes empirical evidence on the disconnect between general academic standardization and the affective dimensions of vocational learners in the Indonesian context, underscoring the need for contextually aligned evaluation instruments in vocational education.
ANALISIS SENTIMEN PUBLIK TERHADAP CHATGPT: PERBANDINGAN LOGISTIC REGRESSION DAN DISTILBERT Meilasaroh, Wella Vernanda; Pajri, Afril Efan; Nurdiansyah, Denny
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 2: JULI 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i2.1644

Abstract

Tujuan penelitian ini adalah menganalisis opini publik terhadap ChatGPT berdasarkan ulasan pengguna di Google Play Store, juga mengkomparasikan kinerja dua metode klasifikasi sentimen: Logistic Regression (klasik) + TF-IDF dan DistilBERT (Transformer modern). Dataset dari ChatGPT Reviews Daily Updated yang diproses melalui prapemrosesan teks, pelabelan sentimen, pembentukan fitur, pelatihan model, dan evaluasi performa. Hasil menunjukkan dominasi sentimen positif (87,41%) dan karakteristik teks yang sangat pendek (1–10 kata). Logistic Regression mencapai akurasi 88,39% dan F1-Score 84,12%, tetapi gagal mengenali kelas minoritas karena ketidakseimbangan data. Sedangkan DistilBERT mencapai akurasi 89,57% dan F1-Score 87,35%, dengan kemampuan jauh lebih baik dalam mengklasifikasikan sentimen negatif dan netral. Hal ini menunjukkan bahwa model Transformer lebih mampu memahami konteks semantik dan tahan terhadap variasi bahasa informal. Secara keseluruhan, opini publik terhadap ChatGPT sangat positif, dan DistilBERT terbukti lebih efisien untuk menganalisis ulasan aplikasi dengan distribusi kelas tidak seimbang dan teks pendek. Penelitian ini memberikan dasar empiris dalam memilih model NLP untuk analisis sentimen terkait teknologi generatif.
Arsitektur Data Pipeline Otomatis Berbasis Python untuk Scraping X (Twitter): Studi Kasus Program Makan Bergizi Gratis Septiana, Kharisma Alya; Firdonsyah, Arizona
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1656

Abstract

Media sosial X (Twitter) merupakan sumber data penting untuk analisis opini publik, namun pembatasan akses API sejak 2023 menghambat pengumpulan data berskala besar secara berkelanjutan. Kondisi tersebut mendorong penggunaan web scraping sebagai alternatif. Penelitian ini bertujuan merancang dan mengevaluasi arsitektur data pipeline berbasis ETL (Extract, Transform, Load) yang terotomatisasi dan terjadwal, dengan studi kasus Program Makan Bergizi Gratis (MBG). Pipeline diorkestrasi menggunakan Prefect, melakukan ekstraksi data melalui Tweet Harvest berbasis kata kunci, transformasi melalui pembersihan dan standarisasi data, serta penyimpanan ke basis data relasional MySQL dengan dukungan monitoring dan notifikasi otomatis. Hasil menunjukkan pipeline berjalan stabil selama tujuh hari pengujian dengan total 8.662 data mentah dan 6.377 data hasil pembersihan. Uji kualitas data menghasilkan nilai precision sebesar 95,5%, menunjukkan relevansi tinggi terhadap topik penelitian. Uji performa menunjukkan penggunaan sumber daya rendah dengan rata-rata CPU 0,50% dan RAM 146,34 MB. Dengan demikian, arsitektur pipeline ETL otomatis berbasis Python efektif untuk pengumpulan data media sosial secara terstruktur, efisien, dan berkelanjutan sebagai alternatif keterbatasan akses API platform X.
Optimasi Deteksi Situs Judi Online Menggunakan Algoritma Decision Tree untuk Mitigasi Risiko Kebocoran Data Pribadi Syabriansyah, Andi Moch; Sunyoto, Andi
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 2: JULI 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i2.1658

Abstract

Transformasi digital yang masif telah memperluas celah kejahatan siber, salah satunya melalui proliferasi platform judi online di Indonesia yang mengancam keamanan data pribadi masyarakat. Penelitian ini bertujuan untuk mengimplementasikan Artificial Intelligence (AI) menggunakan algoritma Decision Tree sebagai mekanisme proaktif dalam mendeteksi situs judi online guna melindungi informasi sensitif pengguna dari eksploitasi. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan mengembangkan model klasifikasi berbasis fitur URL, seperti panjang karakter, jumlah digit, dan keberadaan kata kunci spesifik perjudian. Hasil penelitian menunjukkan bahwa model Decision Tree berhasil mencapai performa yang sangat tinggi dengan akurasi sebesar 96,98% pada data pengujian dan nilai ROC-AUC sebesar 0,984. Fitur "judi_keyword_count" ditemukan sebagai indikator terkuat yang berkontribusi sebesar 77,1% terhadap keputusan klasifikasi. Aturan keputusan yang dihasilkan bersifat transparan (interpetabel), sehingga memudahkan proses audit teknis maupun hukum dalam pemblokiran situs. Penelitian ini membuktikan bahwa penggunaan AI berbasis Decision Tree efektif dalam memitigasi risiko kebocoran data pribadi melalui deteksi situs ilegal secara real-time.

Page 62 of 62 | Total Record : 618

 58   59   60   61   62 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue 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