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 708 Documents
 62   63   64   65   66 
Prediksi Harga Saham Menggunakan Metode Long-Short Term Memory Studi Kasus: Saham Intel Corporation Winarni, Indah; Pratiwi, Nunik
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 Monasari, La Denna Hasri; Nunik Pratiwi
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 Prayoga, Hafizh; Kurniawan, Rakhmat
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.
Comparative Study on the Efficiency of Deep Learning Model Training in Cloud Environments: Google Colab vs AWS Arifin, Oki; Azim, Fauzan; Hartati, Yuli; Widyawati, Dewi Kania; Ariffin, Ahmad Luqman Ahmad Kamal
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.v5i2.1197

Abstract

Deep learning has become a major foundation in the development of modern artificial intelligence technologies, especially in the applications of image recognition, natural language processing, and recommendation systems. However, the training process of deep learning models requires large and efficient computing resources. This study aims to evaluate the efficiency of training deep learning models on two popular cloud platforms, namely Google Colab and Amazon Web Services (AWS). The method used is a comparative experiment with a simple Convolutional Neural Network (CNN) model trained using the CIFAR-10 dataset, and Identical training hyperparameters were applied on both platforms. The results show that Google Colab demonstrates greater cost efficiency as it provides GPUs for free, while AWS provides faster training performance and slightly higher validation accuracy. This study concludes that platform selection should be tailored to the user's needs, both in terms of budget, project scale, and system stability. These findings offer preliminary guidance for selecting cloud platforms in small- to medium-scale deep learning projects.
Kriptografi Hybrid Menggunakan OTP dan ElGamal Pada Web EMIS Maghfira; Suhardi
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.v5i2.1201

Abstract

Sistem yang berperan besar dalam pengelolaan data pendidikan di Indonesia adalah EMIS (Education Management Information System) yang proses loginnya menggunakan username, password dan verifikasi captcha dalam pengamanannya. Namun, keamanan captcha saja tidak cukup untuk mencegah terjadinya ancaman siber. Oleh karena itu, sistem ini membutuhkan lapisan keamanan tambahan agar tidak terjadi kebocoran data dan akses tidak sah. Dalam penelitian ini digunakanlah kriptografi hybrid One Time Pad (OTP) dan ElGamal yang menggabungkan dua jenis kriptografi yaitu simetris dan asimetris. Sistem akan otomatis menghasilkan kode OTP berupa 6 digit angka yang akan dienkripsi menggunakan One Time Pad. Lalu kunci dari One Time Pad akan dienkripsi lagi menggunakan ElGamal. Pengujian menggunakan Avalanche Effect dan Character Error Rate untuk melihat persentase tingkat keamanan data. Hasil penelitian Avalanche Effect sebesar 49,41% yang menandakan bahwa metode ini memiliki nilai Avalanche Effect yang bagus dikarenakan perubahan kecil pada plainteks dapat berdampak ke cipherteks dan Character Error Rate sebesar 0% yang menandakan hasil enkripsi yang sangat aman karena tingkat persentase yang rendah dan tingkat keberhasilan OTP yang dikirim pengguna 100% cocok dengan OTP yang dihasilkan oleh sistem. Kesimpulannya, model aplikasi pengamanan web EMIS ini dapat dijadikan rekomendasi bagi pengembang web emis dalam menerapkan sistem keamanan.
Pemetaan Potensi Lahan Jati Melalui Sistem Pendukung Keputusan AHP dan Profile Matching: Basis Pengambilan Keputusan untuk Peningkatan Produksi Jati di Jawa Tengah Pratama, Muhammad Rafid; Alya Naila Al Muna; Yuniarti , Wenty Dwi
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.v5i2.1203

Abstract

Sektor kehutanan, khususnya budidaya jati, membutuhkan identifikasi lahan optimal yang sistematis karena pemilihan lokasi yang tidak tepat dapat menghambat pertumbuhan dan menyebabkan kerugian ekonomi. Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) untuk memetakan dan merekomendasikan lokasi budidaya jati paling optimal di Jawa Tengah berdasarkan kriteria lingkungan. Metode yang digunakan adalah pendekatan hibrida Analytical Hierarchy Process (AHP) dan Profile Matching. AHP digunakan untuk menentukan bobot kepentingan relatif kriteria lingkungan seperti kadar air tanah, pH, suhu, curah hujan, dan ketinggian, dengan hasil nilai konsistensi (CR) 0.08 yang valid. Selanjutnya, Profile Matching diterapkan untuk mengukur tingkat kesesuaian antara karakteristik lahan aktual di daerah dengan profil ideal jati, di mana perhitungan bobot gap dilakukan menggunakan interpolasi linier. Hasil penelitian menunjukkan bahwa Surakarta menduduki peringkat pertama sebagai lokasi paling sesuai dengan nilai akhir 4.8174, diikuti oleh Kabupaten Blora (4.8169) dan Kota Magelang (4.564). Dengan demikian, SPK ini secara efektif memberikan rekomendasi lokasi budidaya jati yang objektif dan terinformasi, mendukung pengambilan keputusan strategis dalam sektor kehutanan.
Development of a Geographic Information System Quality Evaluation Framework Using WebQual 4.0 and ISO/IEC 25010 Approaches: A Case Study on Bali Province Balisatudata Website Oka Cahyadi Pradipta, I Gusti Lanang Agung; Yuhana, Umi Laili; Saikhu, Ahmad
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.v5i2.1204

Abstract

Geographic Information Systems (GIS) are important tools for managing spatial data in various sectors such as urban planning and environmental management. However, poor GIS quality can hinder accurate decision-making. This study aims to develop an integrated GIS quality evaluation framework by combining two approaches: WebQual 4.0 and ISO 25010. WebQual 4.0 focuses on quality from the user's perspective, while ISO 25010 evaluates the technical characteristics of the software.This research was conducted to evaluate the impact of comparing measurement results using the WebQual 4.0 and ISO 25010 methods on GIS quality, as well as to develop an integrated framework that includes practical recommendations for evaluating GIS quality using the WebQual 4.0 and ISO 25010 methods. Data was collected from 100 active GIS users on the balisatudata.baliprov.go.id website and analyzed using the Importance Performance Analysis (IPA) method. The results showed that the integration of the two methods produced a more comprehensive evaluation of GIS quality compared to a single method. Key findings include quality attributes that need improvement, such as classification accuracy and data position accuracy, as well as system accessibility and reliability. This framework provides an important contribution as a guideline for GIS developers in improving system quality from technical, data, and user satisfaction aspects, as well as a basis for data-driven decision-making.
Sistem Informasi Monitoring Pembelajaran dengan Fitur Notifikasi Email Berbasis Web Syahputra, Musthofa Akmal; Putri, Raissa Amanda
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.v5i2.1206

Abstract

Pemantauan pembelajaran secara manual seringkali menghambat penyampaian informasi akademik secara cepat dan akurat kepada orang tua siswa. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi monitoring pembelajaran berbasis web dengan fitur notifikasi otomatis apabila siswa memperoleh nilai di bawah Kriteria Ketuntasan Minimal (KKM). Metode yang digunakan adalah Research and Development (R&D) dengan model pengembangan Waterfall, yang mencakup tahapan analisis, perancangan, implementasi, pengujian, dan evaluasi. Teknik pengumpulan data meliputi observasi, wawancara, studi pustaka, dan dokumentasi. Hasil pengujian menunjukkan bahwa sistem berhasil meningkatkan efisiensi pengelolaan nilai, mempercepat komunikasi antara guru dan orang tua, serta mendorong pelaksanaan remedial secara terstruktur. Berdasarkan pengujian blackbox, seluruh fitur sistem berjalan sesuai fungsinya. Sementara itu, hasil User Acceptance Testing (UAT) memperoleh tingkat kepuasan sebesar 92,65%, yang menunjukkan bahwa sistem dinilai layak, mudah digunakan, dan sesuai dengan kebutuhan pengguna.
Implementasi Metode Composite Performance Index Dalam Sistem Informasi Seleksi Calon Guru Pada SMK Siti Banun Rantauprapat Siregar, Raja Yusuf; Triase
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.v5i2.1209

Abstract

Proses seleksi calon guru di SMKS Siti Banun Sigambal selama ini dilakukan secara manual dan bersifat subjektif, sehingga menimbulkan ketidakefisienan waktu dan risiko ketidaktepatan dalam pemilihan kandidat. Penelitian ini bertujuan mengembangkan sistem informasi seleksi calon guru berbasis metode Composite Performance Index (CPI) untuk meningkatkan objektivitas, efisiensi, dan transparansi. CPI merupakan metode pengambilan keputusan multikriteria yang menggabungkan sejumlah kriteria penilaian dengan bobot tertentu berdasarkan tren positif dan negatif. Delapan kriteria digunakan dalam penelitian ini, terdiri dari lima kriteria tren positif (kualifikasi pendidikan, IPK, pengalaman mengajar, microteaching, dan teknologi edukasi) serta tiga tren negatif (usia, zonasi, dan riwayat pekerjaan). Sistem dikembangkan berbasis web menggunakan PHP Native 8 dan MySQL dengan model Waterfall. Pengujian dilakukan terhadap 25 kandidat pada semester ganjil 2024. Hasil perhitungan menunjukkan kandidat A21 memperoleh skor tertinggi sebesar 110,82, diikuti A16 (109,19) dan A7 (108,11). Sistem ini menyusun peringkat secara otomatis dan menghasilkan laporan seleksi yang terukur dan adil. Temuan ini membuktikan bahwa metode CPI mampu mempercepat dan meningkatkan kualitas proses seleksi, serta berpotensi diterapkan lebih luas dalam rekrutmen tenaga pendidik.
Leveraging Digital and Semiotic Strategies to Enhance Consumer Decisions on Agricultural MSME Products Kusumawati, Reni Diah; Ikasari, Diana; Humaini, Irfan; Wibowo, Agung Prasetyo; Dutt, Himanshu
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.v5i2.1211

Abstract

This study aims to analyze the influence of digital transformation and marketing strategies on the purchase decisions of products from micro, small, and medium enterprises (MSMEs). Independent variables examined include e-service quality, social media promotion, online payment systems, product quality, and semiotics. A quantitative approach was used with multiple linear regression analysis on data collected via questionnaires. The results show that e-service quality, online payment systems, and semiotics significantly influence agricultural MSME product purchase decisions. Meanwhile, social media promotion and product quality do not show a significant effect. These findings indicate that agricultural MSME product consumers are more influenced by efficient digital experiences, ease in payment systems, and the visual and symbolic elements of products. The insignificance of social media promotion may be due to the still-dominant role of word-of-mouth, while product quality may be assumed to be inherent in the perceived authenticity and trust in local MSMEs. These findings underscore the importance of digital efficiency and visual communication in building emotional consumer experiences. MSMEs need to strengthen their digital service systems, enhance symbolic strategies through semiotics, and obtain policy support for training, mentoring, and brand development in order to remain competitive in the dynamic digital economy era.

Page 64 of 71 | Total Record : 708

 62   63   64   65   66 

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