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 34 Documents
 1   2   3   4 
Search results for , issue "Vol. 3 No. 2 (2023): MALCOM October 2023" : 34 Documents clear
Implementasi Metode Analytic Hierarchy Process untuk Pemilihan Lahan Perkebunan Kelapa Sawit di Riau: Implementation of Analytic Hierarchy Process Method for Riau Oil Palm Plantation Land Selection Moh. Erkamim; Sepriano Sepriano; I Gede Iwan Sudipa; Khoirun Nisa; Ali Zainal Abidin Alaydrus; Legito Legito
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.871

Abstract

Penelitian ini bertujuan untuk memberikan alternatif pada pemilihan lahan perkebunan Kelapa Sawit Riau dengan Metode Analytic Hierarchy Process (AHP). Dengan jumlah kriteria adalah 5 yang terdiri dari curah hujan, ketinggian diatas permukaan laut, kandungan bahan dasar, ketebalan gambut dan keasaman tanah. Alternatif adalah 12 yang terdiri dari 12 kabupaten di Riau. Provinsi Riau merupakan salah satu provinsi yang memiliki perkebunan kelapa sawit yang paling luas di indonesia, pertumbuhan luas area kebun kelapa sawit sangat pesat. Pencarian alternatif menggunakan metode AHP dengan jumlah kriteria adalah 5 terdiri dari curah hujan, ketinggian diatas permukaan laut, kandungan bahan dasar, ketebalan gambut dan keasaman tanah.  Jumlah alternatif adalah 12 yang terdiri dari 12 Kabupaen di Riau. Sehingga didapatkan hasil perankingan bahwa Kuantan merupakan prioritas pertama dan Bengkalis merupakan prioritas ke-12 dengan nilai konsitensi rasio adalah 2,6%
Penerapan Algoritma Supervised Learning untuk Klasifikasi Program Keluarga Harapan: Application of Supervised Learning Algorithm for Classification of Family Hope Program Muhammad Syarif Hartawan; Moh. Erkamim; Sitti Rachmawati; Nirma Ceisa Santi; Legito Legito; Sepriano Sepriano
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.873

Abstract

Penelitian ini dimaksudkan untuk melakukan klasifikasi terhadap penerima bantuan Program Keluarga Harapan (PKH) Kota Pekanbaru dengan membandingkan tiga metode sekaligus yaitu K-Nearest Neighbor (KNN), Probalistic Neural Network (PNN) dan Naive Bayes Classifier (NBC).Atribut yang digunakan dalam proses klasifikasi adalah Jumlah Anak SD, Jumlah Anak SMP, Jumlah Ibu Hamil, dan Jumlah Anak dibawah lima tahun (Balita), atribut ini berdasarkan panduan Tim Nasional Penangulangan dan Penanganan Kemiskinan (TNP2K) Kementrian Sosial Republik Indonesia. Proses klasifikasi dilakukan terhadap Rumah Tangga Sangat Miskin (RTSM) sebagai data training dengan jumlah 450 data sebagai data testing dengan jumlah 10 data, sehingga dengan melakukan perbandingan didapatlah hasil akurasi yang bervariasi diantara ke-tiga metode. Metode Nave Bayes (NBC) memiliki hasil akurasi yanng paling tinggi dengan hasil akurasi 80%, yang dibandingkan dengan metode KNN 20% dan PNN 10% maka Metode Nave Bayes(NBC) ditetapkan menjadi metode terbaik untuk kasus pengklasifikasian program keluarga  harapan (PKH) Kota Pekanbaru.
Pengembangan Aplikasi Pemetaan Desa Rawan Sanitasi Berbasis Web Menggunakan Open StreatMap: Development of a Web-Based Sanitation-Prone Village Mapping Application Using Open StreatMap Arif Tri Widiyatmoko; Agung Nugroho; Ike Yunia Pasa
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.877

Abstract

Rendahnya kondisi sanitasi di Indonesia, terutama di desa-desa, yang dapat menyebabkan masalah kesehatan dan lingkungan. Akses informasi terkait masalah sanitasi masih sangat minim terutama di desa-desa. Diperlukan aplikasi yang mampu memberikan informasi pemetaan terhadap kondisi sanitasi. Penelitian ini bertujuan untuk mengembangkan aplikasi pemetaan desa rawan sanitasi dengan menggunakan teknologi leafletjs dan Open StreatMap untuk menyediakan informasi pemetaan wilayah rawan sanitasi. dengan mengintegrasikan data spasial dengan data kondisi sanitasi desa aplikasi ini dapat menampilkan pemetaan wilayah desa untuk memudahkan visualisasi desa rawan sanitasi. Hasil pengujian menggunakan metode blackbox testing menunjukkan hasil aplikasi dapat berjalan dengan baik sesuai dengan yang diharapkan.
Identifikasi Strategi Pengembangan Bisnis para Penggiat UMKM Menggunakan SWOT Analisis: Identification of Business Development Strategies for UMKM Activities Using SWOT Analysis Sitti Harlina; Angdy Erna; Akbar Bahtiar; Marsellus Otong Kadang
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.884

Abstract

Strategi bisnis adalah rencana jangka panjang yang dirancang oleh suatu organisasi untuk menetapkan arah umum, sasaran bisnis yang ingin dicapai, serta cara-cara yang akan dilakukan untuk mencapai tujuan organisasi. Penyelesaian masalah dalam penelitian ini dengan menggunakan metode analisa deskriftif kualitatif dengan teknik analisa konten yang dipadukan dengan matriks Strength, Weakness, Opportunity and Threats (TOWS/ SWOT). Kesimpulan berupa strategi yang cocok untuk mengembangkan bisnis para penggiat UMKM yaitu, Sumber kekuatan UMKM Bonto Mate’ne Jenepontodan hasil olah data pada kategori ini menunjukkan bahwa konten “kualitas” makanan menduduki percentage coverage tertinggi dimana kualitas dapat merujuk ke makna yang meliputi ukuran, bentuk, warna, konsistensi, tekstur dan rasa. Disusul konten “promo”, “kemasan”, “pemanfaatan medsos”, “murah” dan “komunikasi” dengan pelanggan  Pendekatan ini dilakukan dengan tujuan untuk mengungkapkan makna dan pesan yang terkandung dalam data kualitatif. 2 hal yang menjadi sumber kelemahan UMKM Togotogo, yaitu masalah produk kadaluarsa, pelayanan pengiriman/ transportasi, dan masalah teknik promosi. Hal kedua adalah modal yang terbatas dan peralatan masak yang belum memadai, selanjutnya untuk kategori peluang. Hasil analisis mengidentifikasi bahwa UMKM ini masih memiliki peluang dari sisi inovasi dalam pelayanan ke pelanggan seperti inovasi produk, membuat produk baru, layanan COD untuk transaksi online, membuka cabang baru.
Klasifikasi Teks untuk Mendeteksi Depresi dan Kecemasan pada Pengguna Twitter Berbasis Machine Learning: Text Classification for Detecting Depression and Anxiety among Twitter Users based on Machine Learning Kharisma Rahayu; Vindi Fitria; Dhini Septhya; Rahmaddeni Rahmaddeni; Lusiana Efrizoni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.780

Abstract

Depresi adalah gangguan mental yang mempengaruhi kesejahteraan dan kualitas hidup seseorang.Pengaruh sosial menyebabkan penderita depresi dan gangguan kecemasan mengabaikan orang-orang di sekitarnya. Jadi mereka beralih ke media sosial seperti Twitter untuk mendapatkan dukungan. Penderita depresi pengguna Twitter sulit untuk diidentifikasi berdasarkan tweet. Oleh karena itu pemodelan klasifikasi teks untuk penderita depresi sangat diperlukan agar mengetahui seberapa banyak pengguna twitter yang mengalami depresi dan kecemasan. Klasifikasi teks  merupakan metode untuk mengelompokkan data yang sejenis ke dalam kelompok yang sesuai. Algoritma yang digunakan dalam membuat pola penderita depresi adalah algoritma Decision Tree, Random Forest, Naive Bayes, dan K-Nearest Neighbor (KNN). Penggunaan keempat algoritma bertujuan untuk melihat kinerja algoritma terbaik. Hasil percobaan yang dilakukan diperoleh bahwa algoritma  Random Forest pada splitting data 80:20 memiliki kinerja yang lebih baik, dengan nilai akurasi sebesar 0.957 atau 96%. Hasil penelitian ini dapat digunakan oleh pengguna untuk mengetahui penderita depresi dan kecemasan.
Penerapan Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) untuk Mendiagnosa Penyakit Bercak Daun Cabai: Application of Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) for Diagnosing Chili Leaf Spot Disease Yudo Devianto; Saruni Dwiasnati; Bambang Sukowo; Ahmad Fauzi; Kiki Ahmad Baihaqi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.850

Abstract

Produktivitas  tanaman  cabai  bergantung  kepada  iklim,  lingkungan,  serta hama  dan  penyakit. Petani yang baru dalam budidaya cabai merah menghadapi beberapa kesulitan karena memiliki sedikit pengalaman dalam budidaya, sehingga sulit untuk mengidentifikasi jenis penyakit dan hama yang menyerang. Hal ini menyebabkan penurunan produktivitas. Selain itu, petani juga belum memiliki pengalaman dalam menangani masalah yang timbul pada tanaman yang mereka budidayakan. Dalam rangka membantu petani mengatasi masalah ini, SPK berbasis web telah dikembangkan. Sistem ini menggunakan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Kriteria yang digunakan dalam metode ini adalah daun mudah mengkerut dengan warna mosaic kekuningan, daun mengkerut hingga menjadi ukuran kecil dan lebih tebal, bercak bulat berwarna coklat pada daun yang mengering, terdapat lubang pada bercak tua, dan pucuk daun yang berubah menjadi kuning jelas. Alternatif yang dipertimbangkan dalam penelitian ini  Daun Cabai " Penyakit Layu Bakteri ", Daun Cabai " Layu Pusertium ", Daun Cabai " Penyakit Virus Kuning ", dan Daun Cabai “Penyakit Bercak Daun”. Perhitungan dengan metode TOPSIS, Daun Cabai " Penyakit Virus Kuning" mendapatkan peringkat dengan nilai preferensi sebesar 2.0118. Penelitian ini disimpulkan bahwa metode TOPSIS dapat digunakan untuk mengetahui daun cabai dengan kriteria apa yang terbaik berdasarkan kriteria
Penerapan Algoritma Supervised Learning untuk Klasifikasi Data Music Listening: Application of Supervised Learning Algorithm for Music Listening Data Classification Eri Mardiani; Nur Rahmansyah; Ira Kurniati; Andy Setiawan; Diah Widiastuti; Muhammad Ridwan; Muhammad Zidan Rosyid; Ari Febriansyah
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.879

Abstract

Perkembangan teknologi informasi semakin pesat hingga saat ini terus dikembangkan teknologi-teknologi terbaru, penggunaan data sebagai pengolahan kini semakin banyak diterapkan pada berbagai bidang, dengan penggunaan data dapat dilakukan perkembangan teknologi yang dapat meningkatkankan kualitas dan efisiensi, pengolahan data dapat diterapkan di semua bidang dan salah satunya adalah di bidang musik. Musik sudah menjadi bagian dari kehidupan manusia sehari-hari. Sudah banyak media-media yang menyajikan berbagai macam lagu dengan genre yang beragam pula mulai dari Pop, Jazz, Rock, R&B, dan genre-genre lainnya. Dengan  menggunakan data mining untuk mengolah data maupun menganalisis data-data musik kita dapat memprediksi keanekaragaman preferensi mendengarkan musik dan dengan menggunakan tools aplikasi Orange Data Mining dapat membantu masyarakat untuk mengetahui musik apa saja yang diminat dengan memprediksi melalui beberapa metode dalam tools orange, dengan Algoritma Naive Bayes memiliki tingkat akurasi yang lebih baik.
Sistem Pakar Diagnosa Awal Penyakit Ginjal Menggunakan Metode Forward Chaining: Expert System for Early Diagnosis of Kidney Disease Using Forward Chaining Method Teddy Hidayat; Nopi Ramsari
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.887

Abstract

Ginjal merupakan organ penting dari sistem metabolisme dalam tubuh. Sebagian besar masyarakat masih kurang memahami bagaimana pentingnya peranan ginjal di tubuh manusia, terlebih lagi berbagai macam penyakit yang dapat muncul di area ginjal. Masyarakat kurang memahami gejala-gejala apa saja yang terdapat pada penyakit ginjal. Penyakit ginjal membutuhkan dokter spesialis untuk mendiagnosanya dan membutuhkan biaya yang relatif besar disamping jumlah dokter spesialis ahli ginjal di Indonesia masih belum banyak. Karena adanya keterbatasan pengetahuan mengenai penyakit ginjal dan jumlah dokter spesialis ginjal sehingga menyulitkan masyarakat untuk mendiagnosa awal dalam penyakit ginjal. Metodologi pengembangan sistem yang digunakan adalah metodologi Extreme Programming (XP). Penelitian ini membangun aplikasi sistem pakar untuk diagnosis awal penyakit ginjal dengan menggunakan metode inferensi yaitu metode forward chaining. Dilakukan survey terhadap 20 responden yang dipilih secara sampling untuk menguji desain dan kemudahan penggunaan dari aplikasi yang dibangun Setelah dilakukan pengujian UAT (user acceptance task) maka hasil jawab oleh responden rata-rata persentase UAT sebesar 84,4 % untuk menilai desain dan kemudahan penggunaan aplikasi sistem pakar penyakit ginjal.
Desain dan Implementasi Sistem Pemantauan Polusi Udara Berbasis Android Real-Time di SMKS Darul Ulum Layoa Bantaeng: Design and Implementation of A Real-Time Air Pollution Monitoring System Based on Android at SMKS Darul Ulum Layoa Bantaeng Muhammad Rizal; Arham Arifin; Muhammad Furqan Rasyd; Andi Asvin Mahersatillah Suradi; Akbar Bahtiar
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.894

Abstract

Penelitian ini mengkaji penerapan sensor gas dalam mendeteksi keberadaan gas berbahaya di sekitar area cakupan perangkat yang telah dikembangkan. Dua sensor utama digunakan dalam penelitian ini, yaitu sensor MEMS Gas dan sensor BME680. Sensor MEMS Gas dapat mendeteksi lima jenis gas di udara, sedangkan BME680 memiliki kemampuan mendeteksi berbagai gas berbahaya serta mengukur suhu, tekanan udara, dan kelembaban udara. Dari skenoario data percobaan ditemukan bahwa meskipun hanya menggunakan satu sampel gas, sensor MEMS Gas berhasil mendeteksi kandungan gas metana (CH4) sebesar 25.000 ppm, karbon monoksida (CO) sebesar 573 ppm, dan H2 sebesar 331.12 ppm pada skenario eksperimen. Berdasarkan pengambilan data sensor BME680 menunjukkan penurunan resistansi ketika mendeteksi gas berbahaya, yang kemudian dapat dikonversi menjadi indeks kualitas udara dalam ruangan (IAQ). Uji lanjutan pada BME680 menunjukkan respons perubahan suhu dan kelembaban ketika sumber api didekatkan. Implementasi dan pengambilan data dilakukan di SMKS Darul Ulum Layoa Bantaeng yang menunjukkan kualitas udara pada wilayah tersebut bagus berdasarkan IAQ yang dihasilkan oleh Sensor BME680. Penelitian ini memberikan wawasan penting tentang efektivitas dan responsivitas kedua sensor dalam mendeteksi gas berbahaya dan perubahan kondisi lingkungan.
Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM: Comparative Evaluation of SVM Kernels for Sentiment Classification in Fuel Price Increase Analysis Salsabila Rabbani; Dea Safitri; Nadila Rahmadhani; Al Amin Fadillah Sani; M. Khairul Anam
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.897

Abstract

Kebijakan perubahan harga Bahan Bakar Minyak (BBM) oleh pemerintah pada September 2022 lalu menimbulkan kontroversi pengguna sosial media termasuk Twitter. Untuk memahami bagaimana perubahan kenaikan harga BBM apakah mempengaruhi persepsi dan emosi masyarakat di Twitter maka dalam penelitian ini dilakukan analisis sentimen menggunakan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel berbeda, yaitu linier, RBF (Radial Basis Function), dan polinomial. Penelitian ini bertujuan untuk mengklasifikasikan tweet-tweet sebagai positif, negatif, atau netral, serta membandingkan kinerja ketiga kernel SVM tersebut. Penelitian ini juga mencoba mengatasi ketidakseimbangan kelas dengan menerapkan teknik SMOTE (Synthetic Minority Over-sampling Technique) oversampling pada dataset. Hasil penelitian menunjukkan bahwa pengguna Twitter dominan memberikan reaksi negatif terhadap kenaikan harga BBM. Dalam mengaplikasikan algoritma SVM, kernel RBF menghasilkan kinerja terbaik yaitu sebesar 87% menggunakan pembobotan kata TF-IDF. Selain itu, penggunaan pembobotan kata TF-IDF memiliki hasil akurasi terbaik dibandingkan dengan model pembobotan kata BoW. Penerapan teknik SMOTE oversampling dalam kernel polynomial pembobotan kata TF-IDF pada pembagian data 70:30 dan 80:20 berhasil meningkatkan kinerja algoritma sebesar 2%. Hasil penelitian ini memberikan wawasan mendalam tentang pandangan masyarakat terhadap kebijakan harga BBM dan memungkinkan pengambil keputusan publik serta industri untuk merancang kebijakan yang lebih responsif dan berpihak kepada kepentingan rakyat.

Page 1 of 4 | Total Record : 34

 1   2   3   4 

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