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 10 Documents
 1 
Search results for , issue "Vol. 3 No. 1 (2023): MALCOM April 2023" : 10 Documents clear
Klasifikasi Keparahan Demensia Alzheimer Menggunakan Metode Convolutional Neural Network pada Citra MRI Otak: Classification of Alzheimer's Dementia Severity Using Convolutional Neural Network Method on MRI Image of Brain Mochammad Faizal Nazil; Aga Bagus Firmansyah; Rani Purbaningtyas
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.200

Abstract

Klasifikasi Gambar adalah bidang yang telah menemukan jalan ke berbagai aspek kehidupan, seperti pencarian gambar, pengenalan wajah, dan riset pemasaran. Alzheimer, penyakit neurodegeneratif yang belum ada obatnya, umumnya terdeteksi menggunakan MRI dan gejala yang dilaporkan oleh si penderita. Namun, kesalahan diagnosis sering terjadi karena gejala usia tua dan gejala Alzheimer yang tumpang tindih, dan pemeriksaan jaringan otak untuk diagnosis yang jelas hanya dapat dilakukan setelah kematian. Dengan harapan untuk memperbaiki proses ini, maka dikembangkanlah model jaringan saraf tiruan untuk mengklasifikasikan tingkat keparahan demensia Alzheimer untuk membantu dokter meninjau ulang dan meningkatkan akurasi diagnosis. Untuk melakukan ini, kami menggunakan set gambar MRI dengan 4 kelas dan Convolutional Neural Networks (CNN) dari metode pembelajaran awal dan transfer. Metode yang kami temukan yang paling akurat memprediksi kelas Alzheimer dari pemindaian MRI adalah Convolution Neural Network.
Perbandingan Algoritma K-Nearest Neighbor dan Naïve Bayes Classifier untuk Klasifikasi Status Gizi Pada Balita: Comparison Algorithm of K-Nearest Neighbor and Naïve Bayes Classifier for Classifying Nutritional Status in Toddlers Septi Kenia Pita Loka; Arif Marsal
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.474

Abstract

Status gizi merupakan suatu kondisi fisik seseorang yang dapat dilihat dari makanan dan zat-zat yang dicerna tubuh sehingga dapat mempengaruhi tingkat kognitif seseorang. Berdasarkan data peningkatan balita yang mengalami wasting dari tahun 2019 hingga 2020 ada 4 puskesmas dengan jumlah bailta 3536, dan diantara 4 puskesmas tersebut memiliki kasus tertinggi yaitu puskesmas Tanjung paku sebanyak 103 responden, puskesmas Tanah Garam 50 Responden lalu puskesmas Nan balimo yang terendah. Penelitian ini bertujuan untuk menguji dan membandingkan peforma algoritma K-Nearest Neighbors dan Naïve Bayes Classifier untuk klasifikasi data penimbangan masal balita di Kota Solok. Nilai akurasi yang diperoleh dari algoritma KNN sebesar 96,24 % sedangkan pada algoritma NBC sebesar 91,00%.
Analisis Sentimen Terhadap Bantuan Langsung Tunai (BLT) Bahan Bakar Minyak (BBM) Menggunakan Support Vector Machine: Sentiment Analysis of Cash Direct Assistance Distribution for Fuel Oil Using Support Vector Machine Rizky Rahman Salam; Muhammad Fajri Jamil; Yusril Ibrahim; Rahmaddeni Rahmaddeni; Soni Soni; Herianto Herianto
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.590

Abstract

Bahan bakar minyak (BBM) merupakan salah satu kebutuhan pokok masyarakat. Namun, harga BBM yang tinggi dapat menyebabkan beban ekonomi bagi masyarakat yang tidak mampu. Dalam rangka mengatasi masalah ini, pemerintah telah menerapkan program Bantuan Langsung Tunai (BLT) sebagai bentuk bantuan bagi masyarakat yang mengalami ketidakseimbangan ekonomi. Tujuan dari penelitian ini adalah untuk menganalisis sentimen masyarakat terhadap program Bantuan Langsung Tunai (BLT) Bahan Bakar Minyak (BBM). Penelitian ini menggunakan teknik pengumpulan data scraping, yaitu mengambil data dari media sosial Instagram. Jumlah yang digunakan sebanyak 356 data. Proses klasifikasi yang digunakan berdasarkan model pembelajaran dari Support Vector Machine (SVM) dan evaluasi dengan confusion matrix. Dari hasil perhitungan, terlihat bahwa proses klasifikasi sentimen menggunakan metode SVM didapatkan tingkat accuracy 85,98%, rata-rata nilai precision 82,25%, nilai rata-rata recall 66,35%, dan nilai rata-rata f-measure 73,44%. Hasil yang diperoleh menunjukkan bahwa sentimen negatif lebih banyak daripada sentimen positif, dengan masing-masing persentase 78.61% dan 21.34%. Dari analisis sentimen yang dilakukan, ditemukan bahwa sentimen negatif adalah yang paling banyak muncul, hal ini menunjukkan bahwa masyarakat tidak puas dengan bantuan langsung tunai BBM. Sebagai respon terhadap sentimen negatif yang dominan, perlu diterapkan strategi untuk melakukan pemerataan bantuan langsung tunai dan pendata’an yang terstruktur agar tingkat kekecewaan masyarakat dapat diminimalisir.
Implementasi Algoritma Decision Tree dan Support Vector Machine untuk Klasifikasi Penyakit Kanker Paru: Implementation of Decision Tree Algorithm and Support Vector Machine for Lung Cancer Classification Dhini Septhya; Kharisma Rahayu; Salsabila Rabbani; Vindi Fitria; Rahmaddeni Rahmaddeni; Yuda Irawan; Regiolina Hayami
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.591

Abstract

Kanker paru merupakan satu dari banyaknya penyebab kematian di dunia dengan persentase 11.6%, dengan tingkat kematian hingga 18,4%. Kanker paru merupakan salah satu penyakit yang mematikan karena kanker ini sulit dideteksi sebelum berubah menjadi penyakit yang serius dan saat ini belum ada metode skrining yang efektif untuk deteksi dini kanker paru. Pada penelitian ini dilakukan teknik klasifikasi yang merupakan suatu metode pengelompokkan data yang memiliki karakter yang sama ke dalam beberapa kelompok. Teknik klasifikasi yang diteliti membandingkan 2 algoritma yaitu, algoritma Decision Tree dan Support Vector Machine (SVM) untuk mengetahui algoritma yang memberikan hasil terbaik. Dalam penelitian ini akan dilakukan seleksi fitur menggunakan forward selection yang bertujuan untuk menaikkan nilai akurasi. Berdasarkan penelitian yang telah dilakukan dapatkan hasil dari algoritma SVM menggunakan feature selection mempunyai nilai akurasi yang lebih unggul yaitu 62,3% menggunakan splitting data 80:20.
Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir: Comparison of K-NN, Naive Bayes and SVM Algorithms for Final-Year Student Graduation Prediction Aulia Putri; Cindy Syaficha Hardiana; Elma Novfuja; Farida Try Puspa Siregar; Rahmaddeni Rahmaddeni; Yulia Fatma; Refni Wahyuni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.610

Abstract

Mahasiswa tingkat akhir adalah seorang pelajar yang sedang berjuang demi mendapat gelar sarjana dan memilih tujuan hidup dengan tugas yang baru seperti pekerjaan yang sesuai dengan minat dan bakatnya. Untuk mendapatkan tingkat kelulusan dengan baik dan tepat waktu. Mahasiswa sangat bergantung pada pengaruh dari faktor dalam dan luar kampus. Pemilihan dan penentuan data yang digunakan, diambil dari data publik. Dengan 379 orang mahasiswa tahap akhir sebagai responden. Pengujian ini membandingkan algoritma K-NN, NBC, dan SVM yang lebih baik menyelesaikan masalah terkait prediksi tingkat kelulusan mahasiswa pascasarjana. Berdasarkan perbandingan algoritma tersebut dengan teknik splitting data, didapatkan bahwa Algoritma K-NN (K-Nearest Neighbor) memiliki rata-rata lebih tinggi dibandingkan (NBC) Naïve Bayes Classifier dan SVM (Support Vector Machine) untuk prediksi kelulusan mahasiswa tingkat akhir dengan akurasi 87,8%, presisi 87,8%, dan recall 84%.
Classification of Date Fruit Types Using CNN Algorithm Based on Type M. Fajrun Nadhif; Saruni Dwiasnati
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.724

Abstract

Date fruits are an important commodity in the agriculture and food industry. However, in the process of sales and distribution to ordinary people, there are often errors in identifying different types of date fruits. Therefore, this research aims to develop an automatic classification system to distinguish the types of date fruits based on their types using the Convolutional Neural Network (CNN) algorithm. The case study was conducted at Hamima Dates date shop. The data used are fruit images with 9 categories and a total of 1658 samples, which are divided into 1496 samples for training data and 162 samples for testing data. The test results show that the CNN algorithm has a high level of accuracy in classifying the type of date fruit, with an accuracy of 96%. In this study, feature analysis was also conducted to determine the contribution of each feature to the classification of date fruit types. The results of this study can be the basis for the development of a more sophisticated date fruit automatic classification system and can be applied to other types of fruits
Using Bayesian Ridge Algorithm to Predict Effectiveness of Body Fat Measurement Rachma Yuni Andari; Revanza Akmal Pradipta; Denny Oktavina Radianto
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.717

Abstract

Body fat is an important aspect in understanding and managing one's physical condition. Accurate measurement of body fat percentage is essential to help accurately plan future health plans. Currently, the method of measuring body fat is still traditional and quite difficult, so what is needed is a more effective method. The Bayesian Ridge Algorithm is a linear regression technique that uses Bayesian inference to estimate the parameters of the model. In this study, it was used to predict the effectiveness of measuring body fat, which is a method often used to evaluate a person's overall health and physical condition. This algorithm takes into account factors such as age, gender, and body mass index (BMI) to make predictions about a person's body fat percentage. The results from this study can be used to improve the accuracy of body fat measurement and help individuals better understand and manage their health. The results of this study indicate that the model has very high accuracy (more than 99%).
Implementasi Metode Location Based Service (LBS) Pada Aplikasi Pencarian Lokal Vaksin Covid-19 berbasis Mobile: Implementation of the Location Based Service (LBS) Method in Mobile-based Local Search Applications for Covid-19 Vaccines Sabar Rudiarto
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.746

Abstract

Pandemi Covid-19 telah mempengaruhi hampir semua aspek kehidupan manusia di seluruh dunia. Salah satu upaya penting dalam mengendalikan penyebaran virus ini adalah melalui vaksinasi massal. Namun, informasi tentang lokasi dan ketersediaan vaksin seringkali tidak mudah diakses oleh masyarakat, terutama di daerah-daerah yang kurang terjangkau. Dalam penelitian ini, kami mengembangkan sebuah aplikasi mobile yang memanfaatkan metode Location Based Service (LBS) untuk membantu pengguna menemukan lokasi vaksinasi Covid-19 terdekat. Aplikasi ini dirancang untuk memberikan informasi real-time tentang lokasi vaksinasi yang tersedia di daerah Tangerang Selatan, jenis vaksin yang tersedia, dan status ketersediaannya. Aplikasi ini menggunakan teknologi GPS untuk menentukan lokasi pengguna dan kemudian mencari lokasi vaksinasi terdekat dalam database. Pengguna juga dapat mencari lokasi vaksinasi berdasarkan kriteria tertentu, seperti jenis vaksin atau jarak dari lokasi. Hasil pengujian menunjukkan bahwa aplikasi ini efektif dalam membantu pengguna menemukan lokasi vaksinasi Covid-19 dan dapat berkontribusi pada upaya vaksinasi massal. Selain itu, aplikasi ini juga memiliki potensi untuk diterapkan dalam konteks pandemi atau situasi darurat kesehatan masyarakat lainnya.
Penerapan Hak Akses pada Perancangan Database Akademik untuk Meningkatkan Keamanan Data: Application of Access Rights in Academic Database Design to Improve Data Security Joko Triyono
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.747

Abstract

Kompleksitas dalam pengembangan aplikasi pada era digital semakin dituntut sampai tahap keamanan data, istilah “data is oil” menjadi hal yang sangat patut diperhatikan, sehingga keamanan akan data menjadi sesuatu yang tidak bisa dihindarkan. Selain pengamanan dari segi interface aplikasi, penempatan aplikasi, pengaturan keamanan pada sistem networking, juga pengaturan hak akses pada database, tabel, field-field bahkan sampai routine-routine dalam RDBMS. Pada penelitian ini telah dilakukan perancangan, implementasi dan pengujian pada RDBMS akademik diperoleh hasil bahwa rancangan dengan penerapan hak akses secara tepat dan benar akan meningkatkan keamanan RDBMS dari kegiatan-kegiatan yang tidak diinginkan, sehingga nilai informasi dari RDBMS tersebut layak untuk dipercaya. Dengan model ini, maka saat melakukan develop aplikasi akan menjadi lebih mudah karena pengamanan akses data sudah banyak dilakukan oleh RDBMS sendiri, develop aplikasi hanya menggunakan account yang telah disediakan yang disesuaikan dengan kelompok user yang menggunakan.
Implementasi Model Rapid Application Development untuk Pengembangan Pembelajaran Tajwid Al-Qur'an: Implementation of Rapid Application Development Model for the Development of Qur'an Tajweed Learning Rice Novita
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.892

Abstract

Shaykh Manna Al-Qahthan said that the Qur'an is the message of Allah SWT for all humankind. As a country with a majority Muslim population, 87.18% based on statistical data at the end of 2010 from the Central Statistics Agency. Data from research conducted by the Institute of Al-Qur'an Sciences in 2017 noted that around 65% of Indonesian Muslim communities are illiterate in the Qur'an. Learning tajweed Al-Qur'an by taking classes directly usually will take longer to master one material because it is carried out once a week. Information Technology can be utilized in this problem. Android-based application is one of them. The focus of this research is  build a mobile application for learning Al-Qur'an recitation with the Nurul Bayan method using the Rapid Application Development system method. The results of the Blackbox test calculation on the Tajweed Learning Application are 100% and the results of the UAT test are. Based on the results of testing using the Blackbox Testing and User Acceptance Test methods, Android-based Tajweed Learning Applications can assist users in learning the basic theory of Al-Qur'an recitation with the Nurul Bayan method.

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol. 4 No. 2 (2024): MALCOM April 2024 Vol. 4 No. 1 (2024): MALCOM January 2024 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