cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Mustakim
Contact Email
officialmalcom.irpi@gmail.com
Phone
+6285275359942
Journal Mail Official
malcom@irpi.or.id
Editorial Address
INSTITUT RISET DAN PUBLIKASI INDONESIA Jl. Tuah Karya Ujung C7. Kel. Tuah Madani Kec. Tampan Kota Pekanbaru - Riau
Location
Kota pekanbaru,
Riau
INDONESIA
Malcom: Indonesian Journal of Machine Learning and Computer Science
Published by Institut Riset dan Publikasi Indonesia
ISSN : 27972313     EISSN : 27758575     DOI : -
Core Subject : Science,
Computer Science & IT
MALCOM: Indonesian Journal of Machine Learning and Computer Science is a scientific journal published by the Institut Riset dan Publikasi Indonesia (IRPI) in collaboration with several Universities throughout Riau and Indonesia. MALCOM will be published 2 (two) times a year, April and October, each edition containing 10 (Ten) articles. Articles may be written in Indonesian or English. articles are original research results with a maximum plagiarism of 15%. Articles submitted to MALCOM will be reviewed by at least 2 (two) reviewers. The submitted article must meet the assessment criteria and in accordance with the instructions and templates provided by MALCOM. The author should upload the Statement of Intellectual/ Copyright Rights when submitting the manuscript. Papers must be submitted via the Open Journal System (OJS) in .doc or .docx format. The entire process until MALCOM is published will be free of charge. MALCOM is registered in National Library with Number International Standard Serial Number (ISSN) Printed: 2797-2313 and Online 2775-8575. Focus and scope of MALCOM includes Data Mining, Data Science, Artificial Intelligence, Computational Intelligence, Natural Language Processing, Big Data Analytic, Computer Vision, Expert System, Text and Web Mining, Parallel Processing, Intelligence System, Decision Support System and Software Engineering
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 53 Documents
 1   2   3   4   5 
Implementasi Algoritma K-Means untuk Pengelompokan Distribusi Sosial Ekonomi Masyarakat Berdasarkan Demografi Kependudukan: Implemnetation of K-Means Algorithm for Economic Distribution Clustering Base on Demographics of Population Desi Syaputri; Puji Herwina Noprita; Siti Romelah
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (697.57 KB)

Abstract

Kependudukan merupakan salah satu masalah yang harus diperhatikan dalam proses pembangunan, dimana ada beberapa faktor yang mencakup hal tersebut diantaranya jumlah, komposisi dan distribusi penduduk. Dalam pelaksanaan pembangunan, penduduk merupakan faktor yang sangat dominan karena tidak saja menjadi sasaran tetapi juga menjadi pelaksana dari pembangunan. Keberhasilan suatu proses pembangunan selain tergantung pada banyak sedikitnya jumlah penduduk di suatu wilayah juga ditentukan oleh kualitas sumber daya itu sendiri dan ketesediaan sumber daya yang lain. Akibat dari pembangunan tersebut, banyak sekali perubahan yang terjadi, seperti perubahan penggunaan lahan dan perubahan-perubahan yang terkait sosial ekonomi, seperti jumlah penduduk, fasilitas dan pelayanan sosial, pendapatan, migrasi dan selain itu juga menyebabkan adanya tingkat perkembangan sosial ekonomi dan demografi peri-urban. Penelitian ini menggunakan algoritma K-Means untuk indeks penjelasan dalam statistik dan mesin pembelajaran, pengelompokkan K-Means merupakan metode analisis kelompok yang mengarah pada pemartisian N objek pengamatan ke dalam K kelompok (cluster) dimana setiap objek pengamatan dimiliki oleh sebuah kelompok dengan mean (rata-rata) terdekat. Penelitian ini bertujuan untuk mengelompokkan Distribusi Sosial Ekonomi Sosial Ekonomi Masyarakat Perumahan di Kota Pekanbaru berdasarkan Demografi Kependudukan, dan juga untuk mengetahui bagaimana sebenarnya pola hubungan sosial ekonomi di lingungan warga perumahan yang ada di Pekanbaru dilihat berdasarkan demografi kependudukannya.
Pengelompokkan Titik Api di Provinsi Jambi dengan Algoritma Agglomerative Hierarchical Clustering: Hotspot Clustering in Jambi Province Using Agglomerative Hierarchical Clustering Algorithm Krisman Pratama Simanjuntak; Ulfa Khaira
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1079.222 KB)

Abstract

Kebakaran adalah salah satu bencana yang kerap kali melanda Indonesia, khususnya daerah dengan hutan dan lahan yang luas seperti Provinsi Jambi. Pada tahun 2019 setidaknya terdapat 157.137 hektare hutan dan lahan di Provinsi Jambi terbakar yang menyebabkan kerugian sebesar Rp.12 triliun. Demi mencegah hal tersebut terulang kembali, perlu dilakukan pencegahan dini dengan cara mengelompokkan data titik panas bumi menjadi sejumlah cluster sehingga bisa mengidentifikasi kelompok titik panas mana yang darurat kebakaran. Salah satu metode mengelompokkan titik panas bumi adalah Agglomerative Hierarchical Clustering. Agglomerative Hierarchical Clustering mengelompokkan sejumlah data berdasarkan kemiripan yang membentuk pohon hierarki dari bawah ke atas. Pada penelitian ini, Clustering dilakukan dengan mengelompokkan data menjadi 2 sampai 10 cluster. Evaluasi hasil clustering dilakukan dengan menghitung Silhouette Coefficient dan memilih koefisien yang terbaik dari tiap jumlah cluster. Dengan menggunakan 6.658 row data lalu Confidence, Brightness, dan FRP sebagai atributnya, hasilnya jumlah cluster 2 adalah jumlah cluster terbaik dengan nilai Silhouette Coefficient sebesar 0,5856441. Cluster-1 terdiri dari 6.283 titik dengan rata - rata tingkat kepercayaan 73,49642% yang tergolong sedang, kemudian Cluster-2 terdiri dari 375 titik dengan rata - rata tingkat kepercayaan 99,46133% yang tergolong tinggi sehingga perlu diproritaskan penanggulangannya.
Analisis Sentiment Kuliah Daring Di Media Sosial Twitter Selama Pandemi Covid-19 Menggunakan Algoritma Sentistrength: Online Lecture Sentiment Analisys On Twitter Social Media During The Covid-19 Pandamic Using Sentistrength Algorithm Reza Wahyu Hardian; Pradita Eko Prasetyo; Ulfa Khaira; Tri Suratno
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (605.908 KB)

Abstract

Analisys sentiment adalah suatu bentuk kegiatan yang digunakan untuk menganalisis opini masyarakat tentang suatu kejadian seperti kuliah daring selama pandemi Covid-19 melalui salah satu media sosial Twitter. Kuliah daring adalah suatu sistem pembelajaran yang dilakukan dengan membutuhkan internet dalam proses belajar- mengajar. Sedangkan Twitter adalah suatu platform microblogging yang digunakan untuk menulis suatu opini atau pendapat tentang suatu peristiwa. Metode SentiStrenth merupakan salah satu metode yang dapat digunakan untuk melakukan analisis sentiment terhadap kebijakan Kuliah Daring yang digunakan untuk mengklasifikasi suatu tweet berdasarkan tingkat emosinya. Hasil proses analisis sentiment menggunakan sentistrength berdasarkan opini masyarakat dalam hal ini pengguna Twitter terhadap kebijakan kuliah daring menghasilkan nilai netral dengan persentase 54%, dan tingkat akurasi 85%, serta tingkat kesalahan 15%.
Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon: Sentiment Analysis of Online Lectures in Indonesia from Twitter Dataset Using InSet Lexicon Desi Musfiroh; Ulfa Khaira; Pradita Eko Prasetyo Utomo; Tri Suratno
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (680.45 KB)

Abstract

Pelaksanaan perkuliahan daring pada berbagai kampus di Indonesia telah dipertegas sejak makin mewabahnya virus corona. Kuliah daring menjadi solusi untuk tetap menjalankan kegiatan belajar-mengajar di tengah masa pandemi. Namun pelaksanaan perkuliahan daring memunculkan berbagai macam opini dalam masyarakat, khususnya di kalangan pelajar. Hal ini juga menimbulkan sikap pro dan kontra dari berbagai pihak. Untuk itu dilakukan penambangan data dari twitter guna menganalisis sentimen terhadap topik “kuliah daring”. Data diklasifikasikan ke dalam 3 kelas, yaitu positif, negatif, dan netral. Penelitian ini dilakukan dengan teknik lexicon-based approach menggunakan InSet Lexicon sebagai kamus kata opini berbahasa Indonesia. Penentuan kelas sentimen untuk setiap kalimat diperoleh dari hasil perhitungan polarity score. Hasil klasifikasi dari 5811 data tweet ternyata mengandung 63.4% tweet negatif, 27.6% tweet positif, dan 8.9% tweet netral. Pengujian hasil klasifikasi dilakukan dengan metode cross-validation serta confusion matrix dengan 80% data latih dan 20% data uji memberikan nilai accuracy 79.2%, precision sebesar 72.9%, recall sebesar 62.8%, dan f-measure sebesar 67.4%.
Pengembangan Aplikasi Pemetaan Desa/ Gampong Layak Anak Berbasis Sistem Informasi Geografis pada Kuta Alam Banda Aceh: Application Development of Child-Friendly Village Mapping Geographic Information System Based of Kuta Alam Banda Aceh Sri Yanti Monica; Mulkan Fadhli
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 2 No. 1 (2022): MALCOM April 2022
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (392.286 KB)

Abstract

Berdasarkan wawancara dengan kepala bidang perlindungan perempuan dan anak di kantor DP3AP2KB kota Banda Aceh, ditemukan kesulitan dalam penyampaian informasi dan penentuan desa/ gampong layak anak dikarenakan sistem pemantauan perkembangan kampong dan penyampaian informasi yang digunakan saat ini masih menggunakan sistem manual dan website kantor yang dianggap kurang efektif dikarenakan website tersebut tidak memiliki menu khusus yang membahas tentang desa/ gampong layak anak dan juga penggunaan sistem manual dalam penentuan dan pemantauan perkembangan desa memerlukan banyak biaya dan waktu. Maka dari itu dibuatlah pemetaan desa/ gampong layak anak kotaBanda Aceh berbasis webgis. Sistem Informasi Geografis yang dirancang memuat pemetaan setiap desa di kecamatan Kuta Alam kota Banda Aceh yang di dalamnya terdapat data setiap desa, informasi profile desa, informasi fasilitas desa, kategori desa, dan sebagai sarana penyampaian laporan perkembangan desa. Pengguna dari sistem ini adalah kantor DP3AP2KB kota Banda Aceh, perangkat desa di kecamatan Kuta Alam kota Banda Aceh dan masyarakat umum yang ingin mengakses informasi mengenai desa/gampong layak anak kota Banda Aceh. Hasil yang dicapai SIG yang dikembangkan dapat memenuhi kebutuhan informasi untuk masyarakat, pemerintah desa/gampong dan pemerintah kota Banda Aceh khususnya kantor DP3AP2KB. SIG mampu menghasilkan pemetaan perkembangan program Desa/Gampong Layak Anak di Kecamatan Kuta Alam, kotaBanda Aceh.
Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor Pada Provinsi Jawa Barat: Comparison of K-Means and K-Medoids Algorithms for Grouping Landslide Prone Areas in West Java Province Mufidah Herviany; Saleha Putri Delima; Triyana Nurhidayah; Kasini Kasini
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (616.781 KB)

Abstract

Bencana alam ialah insiden yang tidak bisa dihindari. Tetapi akibat dari bencana bisa dikurangi dengan mengidintifikasi pemicu terjadinya bencana serta mengkaji peristiwa bencana yang sudah pernah terjadi melalui analisa data bencana yang ada. Indonesia sering mengalami bencana yang disebabkan oleh kerusakan alam akibat perbuatan manusia seperti bencana banjir dan tanah longsor. Berdasarkan data dari Jabar Open Data pada periode 2019, provinsi jawa barat mengalami 609 peristiwa tanah longsor. Badan Penanggulangan Bencana Daerah (BPBD) belum dapat mengoptimalkan pelayanan terhadap korban bencana, misalnya lamanya datang bantuan karena terbatasnya peralatan dan makanan pada daerah bencana. Sedangkan dengan adanya pemetaan resiko bencana menjadi sangat penting dalam penataan penanggulangan bencana yang terarah dan tepat. Maka diperlukannya pengolahan data untuk mengetahui daerah kabupaten/kota yang sering terjadi bencana tanah longsor. Peneliti menggunakan pengolahan data dengan metode perbandingan algoritma K-Means dan K-Medoids. Metode yang didapatkan dari pengelompokkan dengan method K-Means lebih optimal daripada mengguanakan method K-Medoids pada data kejadian tanah longsor Provinsi Jawa Barat pada tahun 2019 dengan jumlah k paling optimal adalah k = 6. Perolehan cluster dominan, menunjukkan bahwa kluster 2 merupakan kluster dengan jumlah daerah paling banyak. Dan jumlah kejadian terbanyak terletak pada kluster 5 dengan jumlah 4 daerah dan jumlah kejadian sebanyak 106 kejadian.
Klasterisasi Daerah Rawan Gempa Bumi di Indonesia Menggunakan Algoritma K-Medoids: Clustering of Earthquake Prone Areas in Indonesia Using K-Medoids Algorithm Dilla Kurniati; Muhammad Zakiy Fauzi; Ripangi Ripangi; Alex Falegas; Indria Indria
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (821.843 KB)

Abstract

Gempa bumi merupakan salah satu bencana alam yang sering terjadi di Indonesia dengan rata-rata 400 kali dalam sebulan. Gempa bumi disebabkan oleh pergerakan lempeng bumi atau disebabkan adanya aktivitas vulkanik gunung berapi. Penelitian ini menggunakan teknik Data Mining untuk klasterisasi wilayah rawan gempa di Indonesia dengan menerapkan metode K-Medoids. Data pada penelitian ini diambil dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) pada bulan November tahun 2017 dengan menggunakan 3 atribut sebagai acuan pengelompokan, yaitu magnitude, smin, dan depth. Hasil dari penelitian ini ialah didapatkannya suatu pola untuk menentukan daerah rawan gempa bumi di Indonesia. Kata kunci: BMKG, data mining, gempa bumi, K-Medoids, klasterisasi.
Analisis Keranjang Pasar Menggunakan Algoritma K-Means dan FP-Growth pada PT. Citra Mustika Pandawa: Market Basket Analysis with K-Means and FP-Growth Algorithm as Citra Mustika Pandawa Company Sindhy Genjang Setyorini; Ega Kuslia Sari; Lufty Rahma Elita; Shinta Ayunda Putri
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (312.594 KB)

Abstract

PT. Citra Mustika Pandawa adalah perusahaan yang bergerak dibidang furniture, menjual berbagai perabotan dalam rumah tangga seperti, sofa, televisi, rak piring, lemari dan sebagainya. Pengamatan terhadap transaksi data penjualan PT.Citra Mustika Pandawa memberikan pengetahuan dan informasi baru tentang keadaan pasar serta keminatan pelanggan terhadap suatu produk. Metode yang terkenal dibidang bisnis retail adalah Association Rule atau sering dikenal dengan istilah analisa keranjang belanja (market basket analysis). Pendekatan untuk menganalisa keranjang pasar dengan menggunakan aturan asosiasi. penelitian menggunakan metode asosiasi untuk melihat ketertarikan antara barang yang satu dengan yang lainnya dalam data transaksi. Dalam mengolah data transaksi digunakan algoritma FP-Growth dan K-Means. Algoritma K-Means berguna untuk cluster data, sehingga algoritma FP-Growth berguna untuk proses asosiasi.Berdasarkan Association Rule yang telah terbentuk pada tiap cluster diketahui bahwa terdapat 8 items/produk yang sering dibeli oleh pelanggan pada PT. Citra Mustika Pandawa yaitu produk Meja Makan Elite, Rak Piring Asia Jaya, Tv Led 32", Lemari Es 1p, Kitchen Set, Mesin Cuci 2t, dan Lemari Pakaian 1p.
Analisa Sentimen Opini Publik Tentang Vaksinasi Covid-19 di Indonesia Menggunakan Naïve bayes dan Decission Tree: Analysis of Public Opinion Sentiment About Covid-19 Vaccination in Indonesia Using Naïve Bayes and Decission Tree Ahmad Harun; Dea Putri Ananda
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (583.201 KB)

Abstract

COVID-19 adalah penyakit baru yang dilaporkan di Wuhan China pada Desember 2019. Berdasarkan dari www.covid19.go.id, di Indonesia per tanggal 20 Januari 2021 terdapat 939 ribu lebih kasus dan sebanyak lebih dari 26 ribu kasus yang mengakibatakan kematian. Pesatnya penyebaran COVID-19 dan bahaya yang ditimbulkan, pemerintahan Indonesia melakukan pencegahan dengan vaksinisasi yang informasinya sudah tersebar diberbagai media sosial, diantarnya ialah facebook page yang dimiliki oleh Kementrian Kesehatan. Facebook page yang memiliki fitur komentar pada postingannya, belum dapat menentukan besar sentimen pengguna tehadap komentar postif atau negatif secara otomatis. Analisa sentimen merupakan bagian dari teks mining untuk pengelompokan polaritas teks dalam mengetahui polaritas suatu opini yang diberikan bersifat positif atau negatif menggunakan algoritma tertentu. Penelitian ini bertujuan untuk memberikan hasil opini masyarakat tentang analisa sentimen vaksinasi COVID-19 menggunakan algoritma Naïve Bayes Classifier (NBC) dan Decision Tree serta membandingkan tingkat akurasi kedua algoritma tersebut. Hasil penelitian analisa sentimen opini masyarakat tentang vaksinasi COVID-19 yang telah dilakukan, cenderung ke tanggapan negatif dengan nilai akurasi 100.00% menggunakan algoritma NBC dan 50.39% menggunakan algoritma Decision Tree.
Perancangan Sistem Pendeteksi Dehidrasi Dan Gangguan Hati Berbasis Fuzzy: The Design Of Dehydration And Liver Disorder Detection System Based On Fuzzy Mutiara Mayangsari Putri Aditya; Sumardi Sumardi; Satryo Budi Utomo
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia (IRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (828.299 KB)

Abstract

Kondisi tubuh tidak cukup mendapatkan kembali cairan tubuh yang hilang maka disebut dehidrasi. Dehidrasi yang dianggap sepele dapat mengakibatkan pengaruh buruk bagi tubuh. Salah satu cara yang dapat dilakukan dengan mudah untuk mengetahui kondisi tubuh yakni dengan melihat warna urin. Warna urin gelap tidak hanya menandakan indikasi dehidrasi berat namun juga dapat mengindikasikan seseorang mengalami gangguan hati. Seringkali orang tidak mengetahui bahwa kondisi tubuh dalam keadaan dehidrasi namun tubuh langsung mengalami penurunan fungsi kerja. Tujuan dari penelitian ini adalah merancang sistem indikasi tingkat dehidrasi dan gangguan hati berdasarkan warna urin. Pada Penelitian ini menggunakan metode Fuzzy Logic dengan sensor warna TCS3200 dan Mikrokontroller Arduino Mega 2560. Terdapat lima hasil kondisi yang akan dihasilkan dari pembacaan sensor yakni normal, dehidrasi ringan, dehidrasi sedang, dehindrasi berat ,dan indikasi gangguan hati. Dalam pengujian kontrol fuzzy pada pembacaan sensor warna RGB menghasilkan rata-rata eror persen hasil pengujian secara keseluruhan sebesar 1,766%. Sistem kontrol Fuzzy yang digunakan memiliki kestabilan yang baik dalam melakukan pembacaan sampel urin. Hasil keputusan kontrol Fuzzy pada 10 sampel yang digunakan menghasilkan kondisi yang sesuai dengan hasil laboratorium.

Page 1 of 6 | Total Record : 53

 1   2   3   4   5 

Filter by Year

2021 2023


Reset
Filter By Issues
All Issue Vol. 3 No. 2 (2023): MALCOM October 2023 Vol. 3 No. 1 (2023): MALCOM April 2023 Vol. 2 No. 2 (2022): MALCOM October 2022 Vol. 2 No. 1 (2022): MALCOM April 2022 Vol. 1 No. 2 (2021): MALCOM October 2021 Vol. 1 No. 1 (2021): MALCOM April 2021