cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Adhie Thyo Priandika
Contact Email
techcartpress@gmail.com
Phone
+6282180318941
Journal Mail Official
itsecs.techcartpress@gmail.com
Editorial Address
Jalan Gatot Subroto No 47 LK I, Desa/Kelurahan Tanjunggading, Kec. Kedamaian, Kota Bandar Lampung, Provinsi Lampung, Indonesia
Location
Kota bandar lampung,
Lampung
INDONESIA
Journal of Information Technology, Software Engineering and Computer Science
Published by Tech Cart Press
ISSN : 29620538     EISSN : 29620635     DOI : doi.org/10.58602/itsecs
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) is a peer-review journal focusing on Information Technology, Software Engineering, and Computer Science issues. Journal of Information Technology, Software Engineering and Computer Science (ITSECS) invites academics and researchers who do original research in information technology, software engineering, and computer science. Journal of Information Technology, Software Engineering and Computer Science (ITSECS) are published by Tech Cart Press in January, April, July, and October every year. Journal ITSECS: Information Technology, Software Engineering, and Computer Science accept articles in Bahasa Indonesia and English.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 55 Documents
 2   3   4   5   6 
Development of Multimedia-Based Edutainment for Learning About Animals and Plants: A Case Study at PAUD Bunda Pratiwi Sanriomi Sintaro
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 3 No. 1 (2025): Volume 3 Number 1 January 2025
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v3i1.168

Abstract

This study examines the need for interactive multimedia-based learning to help young children, especially in preschool education, recognize animals and plants through information technology. Traditionally, teaching methods have relied on blackboards, books, and environmental exposure, with some educators incorporating interactive videos from platforms like YouTube. However, with rapid technological advancements, computer-based learning using interactive multimedia presents a more engaging alternative. Interactive multimedia integrates visual programming, sound, text, and images, creating a more dynamic and comfortable learning experience. Its implementation in education is expected to boost children’s enthusiasm and comprehension by making lessons more visually appealing and easier to understand. The research aimed to develop an application that enhances learning through multimedia technology and assess its effectiveness in addressing educational challenges. To evaluate the application's impact, scenario-based tasks were assigned to respondents, followed by a System Usability Scale (SUS) questionnaire to measure user satisfaction. The results showed an average SUS score of 91.92, placing it in the "A" Grade Scale and the "Acceptable" category according to Adjective Ratings. These findings indicate that the application meets user expectations and effectively supports early childhood learning. Overall, the study confirms that multimedia-based learning can significantly enhance engagement and understanding in young learners. By leveraging technology, educators can create more effective and enjoyable learning experiences, fostering greater interest in educational content. The positive usability results highlight the potential of interactive multimedia in modernizing early childhood education, making learning more accessible and stimulating for students.
Perancangan Aplikasi Mobile Pengelolaan Data dan Iuran Warga Menggunakan Metode Waterfall dan Framework Flutter Muhammad Hilman Fakhriza; Nur Azizah; Ali Haidir; Indah Suryani; Kamrozi Kamrozi
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i3.351

Abstract

Pengelolaan data warga dan iuran bulanan di tingkat Rukun Tetangga (RT) atau Rukun Warga (RW) seringkali masih dilakukan secara konvensional menggunakan pencatatan fisik atau spreadsheet sederhana. Cara ini rentan terhadap risiko kehilangan data, salah rekapitulasi, kurangnya transparansi keuangan, serta keterlambatan informasi bagi warga. Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi mobile pengelolaan data dan iuran warga guna meningkatkan efisiensi administrasi dan transparansi finansial. Sistem ini dikembangkan menggunakan metode Waterfall, yang mencakup tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, hingga pemeliharaan secara terstruktur. Pengembangan aplikasi memanfaatkan framework Flutter untuk menghasilkan performa multiplatform yang responsif, serta didukung dengan diagram Unified Modeling Language (UML) seperti Use Case, Activity, dan Sequence Diagram dalam pemodelannya. Hasil dari penelitian ini adalah sebuah aplikasi mobile yang berhasil mengintegrasikan manajemen profil warga, pencatatan otomatis tagihan iuran, sistem unggah bukti pembayaran, hingga validasi transaksi oleh pengurus. Berdasarkan pengujian yang dilakukan, aplikasi ini mampu mempercepat proses rekapitulasi data keuangan, meminimalkan kesalahan pencatatan, dan memudahkan warga dalam memantau status iuran secara real-time.
Web-Based Fuzzy Mamdani System for Adaptive Cost of Production in Culinary MSMEs Fallan Switly Fransisco Parengkuan; Chriestie Ellyane Juliet Clara Montolalu; Mahardika Inra Takaendengan
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i3.352

Abstract

Culinary micro, small, and medium enterprises frequently experience financial instability because conventional deterministic costing methods lack the flexibility to handle daily fluctuations in raw material and overhead expenses. This study develops an adaptive Cost of Production model and generates pricing recommendations using a web-based Fuzzy Mamdani decision support system. The research employs an applied quantitative case study design focusing on a single culinary micro-enterprise operating in a volatile local market. The fuzzy engine processes raw material and overhead uncertainties as linguistic inputs using MIN-MAX inference, while treating direct labor as a constant parameter. Centroid defuzzification calculates the final adaptive cost. The results demonstrate that the conventional deterministic cost was Rp27,077, whereas the Fuzzy Mamdani model adjusted this value to Rp27,532. This 1.68 percent increase functions as a calculated risk premium that protects profit margins against minor supply chain volatilities. The system subsequently generated three margin-based pricing tiers. The standard tier with a 30 percent margin demonstrated a 97.74 percent goodness of fit when compared to actual market prices. The primary contribution is the deployment of a lightweight web artifact that removes the technical barriers associated with desktop-based fuzzy simulations. This tool enables non-technical business owners to transition from heuristic guesswork to transparent, data-driven pricing strategies that inherently buffer against operational cost uncertainty.
Evaluating Audience Perception in Indonesian Animation: Comparative Aspect-Based Sentiment Analysis Using Random Forest and IndoBERT Eko Rahmat Slamet Hidayat Saputra; Arvin Claudy Frobenius
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i3.353

Abstract

The rapid expansion of the Indonesian animation industry has sparked vibrant public discourse on social media, yet existing research primarily focuses on binary or overall sentiment rather than fine-grained aspect-level evaluations. This study presents an aspect-based sentiment analysis (ABSA) comparing a traditional machine learning baseline (Random Forest with TF-IDF and SMOTE) against a deep learning model (fine-tuned IndoBERT) on 2,759 tweets discussing domestic animated films Jumbo and Merah Putih: One For All (MPOA). An 11-class joint aspect-sentiment classification scheme was established using a semi-automated annotation pipeline, achieving almost perfect inter-annotator agreement (Cohen’s Kappa κ = 0.8616). Experimental results demonstrate that fine-tuned IndoBERT significantly outperformed the Random Forest baseline, increasing accuracy from 40.16% to 51.64% (+11.48 percentage points) and weighted F1-score from 36.60% to 45.69% (+24.8% relative gain). Corpus-wide aspect distribution revealed that general film evaluation dominates social media discussion (95.9%), followed by animation quality (1.9%) and storyline (1.6%). Furthermore, sentiment analysis uncovered contrasting reception patterns: Jumbo attained overwhelmingly positive net sentiment (+63.8%), whereas MPOA faced severe negative backlash (−46.2%) driven by technical animation critiques and public controversies. Despite overall performance constraints caused by severe class imbalance and limited training data, these findings confirm the superiority of pre-trained Transformer architectures for complex multi-class ABSA tasks in low-resource Indonesian social media text.
Penerapan Model Long Short-Term Memory untuk Prediksi Harga Cabai Merah di Provinsi Banten Rheno Budi Setiawan; Rendy Akbar Rianto; Muhamad Fikri Zulfikar; Fandi Ali Mustika; Yuwan Jumaryadi
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 3 No. 1 (2025): Volume 3 Number 1 January 2025
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v3i1.355

Abstract

Fluktuasi harga cabai merah yang tinggi dapat memengaruhi perencanaan produksi, distribusi, serta pengambilan keputusan oleh pelaku usaha dan pemerintah. Penelitian ini bertujuan memprediksi harga cabai merah di Provinsi Banten menggunakan model Long Short-Term Memory (LSTM) berdasarkan data Panel Harga Pangan Badan Pangan Nasional periode Januari 2022 hingga Desember 2023. Data diperoleh melalui teknik web scraping, kemudian diproses melalui konversi format tanggal, penanganan missing values menggunakan metode forward fill, normalisasi dengan MinMaxScaler, serta pembentukan sekuens sepanjang 30 hari. Data dibagi secara kronologis menjadi data pelatihan sebesar 70%, validasi 15%, dan pengujian 15%. Model dibangun menggunakan dua lapisan LSTM yang masing-masing memiliki 50 unit, dua lapisan dropout sebesar 0,2, dan satu lapisan Dense. Proses pelatihan menggunakan optimizer Adam, fungsi loss mean squared error, dan mekanisme EarlyStopping. Pelatihan dihentikan pada epoch ke-97, dengan validation loss terbaik sebesar 0,00028367 pada epoch ke-87. Hasil pengujian menunjukkan nilai RMSE sebesar Rp3.498,29/kg, MAE sebesar Rp2.574,81/kg, dan MAPE sebesar 4,14%. Hasil tersebut menunjukkan bahwa model LSTM mampu mengikuti pola umum kenaikan dan penurunan harga dengan tingkat kesalahan yang relatif rendah, meskipun belum sepenuhnya menangkap perubahan harga secara mendadak. Secara praktis, model ini dapat mendukung perencanaan produksi, distribusi, dan perdagangan cabai merah. Penelitian selanjutnya perlu menambahkan variabel eksternal dan membandingkan LSTM dengan model prediksi lain untuk meningkatkan kemampuan generalisasi model.
Apriori Algorithm in Social Commerce Utilization and Market Basket Analysis in Local Retail Mahardika Inra Takaendengan; Nolin Jufika Kabaitan; Marline Sofiana Paendong
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i3.361

Abstract

Social commerce platforms provide micro-enterprises with low-cost channels to expand market reach, yet systematic evaluations of their operational effectiveness and transaction data utilization remain limited. This study examines Facebook Marketplace utilization, identifies factors affecting its effectiveness, and mines transaction patterns to formulate data-driven sales strategies. A mixed-methods descriptive exploratory design was employed. Qualitative data were collected through interviews and observations with store personnel and customers to identify operational constraints. Quantitative data comprised 200 sales transaction records, with 72 originating specifically from Facebook Marketplace, analyzed using the Apriori algorithm. The results indicate that platform adoption correlated with a 50% increase in transaction volume and a 98.43% increase in total revenue. The Apriori analysis generated six valid association rules. The strongest product association emerged between Jeans and Belts, yielding a lift ratio of 3.13. These findings demonstrate that social commerce functions as a critical discovery channel that alters operational workflows and generates structured transaction logs. Micro-enterprises, for example, could use these findings to plan targeted product mix-ups and get better synchronization of inventory. Lastly, the work done in this paper offers, among other things, a concrete solution for traditional, small-scale fashion business owners aiming at moving beyond using social media just as the platform for advertising and towards turning their streams into valuable information resources that would help them carry out strategic stock planning and online sales more efficiently.
Sistem Pendukung Keputusan Penilaian Kinerja Karyawan Menggunakan Metode Entropy dan WASPAS Indah Hartati; Yosep Nuryaman
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 2 (2026): Volume 4 Number 2 April 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i2.364

Abstract

Penilaian kinerja karyawan merupakan salah satu aspek penting dalam manajemen sumber daya manusia karena menjadi dasar dalam pengambilan keputusan terkait promosi jabatan, pemberian penghargaan, serta evaluasi kinerja secara berkala. Namun, proses penilaian yang masih dilakukan secara manual sering kali menimbulkan subjektivitas dan kurang mampu memberikan hasil yang konsisten. Penelitian ini bertujuan untuk menerapkan Sistem Pendukung Keputusan (SPK) menggunakan kombinasi metode Entropy dan Weighted Aggregated Sum Product Assessment (WASPAS) dalam penilaian kinerja karyawan. Metode Entropy digunakan untuk menentukan bobot kriteria secara objektif berdasarkan tingkat penyebaran data, sedangkan metode WASPAS digunakan untuk menghitung nilai preferensi dan melakukan perangkingan alternatif. Tahapan penelitian meliputi pengumpulan data, penyusunan matriks keputusan, perhitungan bobot menggunakan metode Entropy, perhitungan nilai preferensi menggunakan metode WASPAS, serta analisis hasil perangkingan. Hasil penelitian menunjukkan bahwa bobot kriteria terbesar diperoleh pada C1 sebesar 0,1973, sedangkan bobot terkecil terdapat pada C5 sebesar 0,0874. Berdasarkan hasil perhitungan metode WASPAS, alternatif A3 memperoleh nilai preferensi tertinggi sebesar 0,9952 sehingga menempati peringkat pertama, diikuti oleh A7 dengan nilai 0,9905 dan A1 dengan nilai 0,9689. Hasil tersebut menunjukkan bahwa kombinasi metode Entropy dan WASPAS mampu menghasilkan proses penilaian yang objektif, transparan, dan konsisten sehingga dapat digunakan sebagai pendukung pengambilan keputusan dalam penilaian kinerja karyawan.
Analisis Kebutuhan Modul Deteksi Dini Gangguan Mental Lansia sebagai Ekstensi Aplikasi SiLansia dengan Notifikasi untuk Caregiver Redo Abeputra Sihombing; Fauzan Natsir; Triana Dewi Salma; Hoiriyah Hoiriyah; Aisyah Mutia Dawis
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 3 No. 4 (2025): Volume 3 Number 4 October 2025
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v3i4.362

Abstract

Populasi lanjut usia di Indonesia terus meningkat, dengan proporsi mencapai sekitar 11,75% dari total populasi nasional pada tahun 2023, sejalan dengan meningkatnya risiko gangguan kesehatan mental seperti depresi pada kelompok usia tersebut. Pada penelitian sebelumnya, penulis telah mengembangkan SiLansia, sebuah sistem pemantauan dan rekomendasi kesehatan lansia berbasis Content-Based Filtering (CBF) dengan mekanisme notifikasi otomatis untuk keluarga, namun cakupan sistem tersebut masih terbatas pada indikator vital fisik seperti tekanan darah, kadar gula darah, dan indeks massa tubuh, tanpa mencakup aspek kesehatan mental. Pada penelitian sebelumnya yang lain, penulis juga telah mengembangkan sistem pakar berbasis metode forward chaining untuk deteksi dini gangguan kejiwaan secara umum, namun sistem tersebut belum dirancang khusus untuk karakteristik populasi lansia maupun terintegrasi dengan ekosistem aplikasi mobile dan mekanisme notifikasi caregiver. Penelitian ini bertujuan menganalisis kebutuhan fungsional dan non-fungsional bagi pengembangan modul deteksi dini gangguan mental lansia sebagai ekstensi dari aplikasi SiLansia, guna menutup kesenjangan antara kedua penelitian sebelumnya tersebut. Metode yang digunakan adalah studi literatur terhadap instrumen skrining kesehatan mental lansia dan konsep beban caregiver, dipadukan dengan tinjauan terhadap arsitektur dan hasil pengujian SiLansia yang telah tervalidasi, yang kemudian dipetakan menjadi kebutuhan sistem melalui identifikasi aktor dan pemetaan kebutuhan fungsional maupun non-fungsional. Hasil penelitian menunjukkan bahwa modul yang dibutuhkan mencakup skrining gejala psikologis berbasis instrumen Geriatric Depression Scale (GDS), analisis risiko, serta perluasan mekanisme notifikasi berbasis Firebase Cloud Messaging (FCM)
Pendekatan historis dengan standar PROV: Kajian Konseptual Penerapan Lintas Domain Belfrit Victor Batlajery; Goldy Valendria Nivaan; Hennie Tuhuteru; Dessy Gloria Palyama; Golda Tomasila; Marthevienty H T Soumokil
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 2 (2026): Volume 4 Number 2 April 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i2.369

Abstract

Penelusuran asal-usul atau riwayat modifikasi dari suatu entitas seringkali menjadi tantangan tersendiri. Ini disebabkan oleh keterlibatan banyak proses dan pihak dalam rantai produksi dan distribusi yang kompleks, sehingga akuntabilitas dan kepercayaan terhadap data yang dihasilkan menjadi sulit untuk diverifikasi. Penelitian ini merupakan kajian konseptual yang bertujuan mengenalkan standar PROV dari W3C yang mencakup PROV-DM, PROV-O, dan komponen lainnya sebagai mekanisme umum dalam mencatat dan mempertukarkan informasi provenance lintas domain. Dengan demikian pertukaran informasi provenance akan lebih mudah pada ekosistem yang lebih heterogen. Kajian difokuskan pada tiga komponen inti PROV-DM (Entity, Activity, Agent) beserta representasinya dalam bentuk Provenance Graph (PG), serta pemetaannya ke PROV-O untuk penerapan pada ranah spesifik. Pembahasan disertai sintesis dari sejumlah studi terdahulu yang menerapkan PROV pada berbagai domain (misalnya dalam ranah pangan, kesehatan, marketplace, pengambilan keputusan berbasis risiko, dll). Hasil kajian ini menunjukan serangkaian tahapan yang sistematis dan saling menguatkan, meliputi standarisasi informasi, representasi dalam bentuk graph, dan integrasi PROV ke dalam ranah yang spesifik. Tahapan-tahapan ini dibuktikan melalui investigasi dari penelitian terdahulu pada berbagai ranah. Pendekatan ini terbukti dapat diterapkan pada domain yang berbeda dalam pemodelan provenance. Dengan penelitian ini, dapat disimpulkan bahwa PROV memang memiliki fleksibilitas yang baik untuk diterapkan lintas domain sehingga dapat menjadi langkah penting dalam implementasi sistem yang lebih mudah untuk diaudit dan ditelusuri.
Optimasi Klasifikasi Pola Detak Jantung Menggunakan Particle Swarm Optimization (PSO) dan Algoritma XGBoost Ichwanul Muslim Karo Karo; Justaman Arifin Karo Karo; Manan Ginting; Darni Paranita; Ratna Kristina Tarigan; Maulidna Maulidna
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 4 (2026): Volume 4 Number 4 October 2026 (Issue in Progress)
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i4.372

Abstract

Pemantauan detak jantung merupakan salah satu pendekatan penting dalam mendukung deteksi dini gangguan kardiovaskular. Perkembangan Internet of Things (IoT) memungkinkan proses akuisisi data fisiologis dilakukan secara real-time melalui perangkat wearable, namun pemanfaatan data tersebut masih menghadapi tantangan dalam menghasilkan model klasifikasi yang akurat. Penelitian ini bertujuan mengoptimalkan proses klasifikasi pola detak jantung normal dan abnormal menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dipadukan dengan Particle Swarm Optimization (PSO) sebagai metode hyperparameter tuning. Dataset penelitian diperoleh dari hasil pengukuran detak jantung mahasiswa Program Studi Ilmu Komputer Universitas Negeri Medan menggunakan sensor MAX30102 yang terintegrasi pada perangkat IoT berbasis ESP32-C3 Mini. Tahapan penelitian meliputi akuisisi data, preprocessing, ekstraksi fitur statistik, pembangunan model baseline XGBoost, optimasi threshold klasifikasi menggunakan PSO, serta evaluasi performa model berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa optimasi PSO mampu meningkatkan performa model dari akurasi 90% (baseline) menjadi 100%, dengan threshold optimal pada rentang 68,44–97,82 BPM yang memberikan proses inferensi sederhana dan cepat. Temuan ini menunjukkan bahwa integrasi PSO dengan XGBoost efektif dan efisien untuk diterapkan pada sistem klasifikasi detak jantung berbasis IoT secara real-time

Page 5 of 6 | Total Record : 55

 2   3   4   5   6 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol. 4 No. 4 (2026): Volume 4 Number 4 October 2026 (Issue in Progress) Vol. 4 No. 3 (2026): Volume 4 Number 3 July 2026 Vol. 4 No. 2 (2026): Volume 4 Number 2 April 2026 Vol. 3 No. 4 (2025): Volume 3 Number 4 October 2025 Vol. 3 No. 1 (2025): Volume 3 Number 1 January 2025 Vol. 2 No. 4 (2024): Volume 2 Number 4 October 2024 Vol. 2 No. 3 (2024): Volume 2 Number 3 July 2024 Vol. 2 No. 2 (2024): Volume 2 Number 2 April 2024 Vol. 2 No. 1 (2024): Volume 2 Number 1 January 2024 Vol. 1 No. 4 (2023): Volume 1 Number 4 October 2023 Vol. 1 No. 3 (2023): Volume 1 Number 3 July 2023 Vol. 1 No. 2 (2023): Volume 1 Number 2 April 2023 Vol. 1 No. 1 (2023): Volume 1 Number 1 January 2023 More Issue