Article Per Year (5 Year)
p-Index From 2021 - 2026
7.273
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Telematika Scientific Journal of Informatics Jurnal Ilmiah KOMPUTASI Indonesian Journal of Artificial Intelligence and Data Mining INOVTEK POLBENG INOVTEK Polbeng - Seri Informatika Dinamisia: Jurnal Pengabdian Kepada Masyarakat JURNAL ILMIAH INFORMATIKA JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer JURTEKSI ComTech: Computer, Mathematics and Engineering Applications JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Jurnal Mantik Jurnal Informatika dan Rekayasa Elektronik Jurnal Teknologi Dan Sistem Informasi Bisnis JSR : Jaringan Sistem Informasi Robotik Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) Mitra Mahajana: Jurnal Pengabdian Masyarakat Jurnal J-PEMAS Jurnal Algoritma J-COSCIS : Journal of Computer Science Community Service JAIA - Journal of Artificial Intelligence and Applications Malcom: Indonesian Journal of Machine Learning and Computer Science SATIN - Sains dan Teknologi Informasi Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer The Indonesian Journal of Computer Science
Efrizoni, Lusiana
Program Studi Teknik Informatika, STMIK Amik Riau
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : malcom indonesian journal of machine learning and computer science

 1 
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.
Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning: Sentiment Analysis of Public Opinion on Twitter Toward BSI Bank Using Machine Learning Algorithms Ratna Andini Husen; Rizki Astuti; Lili Marlia; 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.v3i2.901

Abstract

Opini publik yang terekspresikan melalui media sosial, khususnya Twitter, telah menjadi sumber informasi yang penting bagi perusahaan dan lembaga keuangan, termasuk Bank BSI. Analisis sentimen opini publik dapat membantu Bank BSI dalam memahami pandangan dan persepsi masyarakat terhadap layanan mereka. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan algoritma machine learning yaitu algoritma SVM, naïve bayes dan logistic regression untuk menganalisis sentimen opini publik terhadap Bank BSI yang terdapat dalam tweet di Twitter. Data tweet yang digunakan dalam penelitian ini diambil situs dari kaggle dengan jumlah data 24.401, berisi tentang ulasan komentar pengguna terkait ransomware pada Bank BSI. Hasil dari percobaan yang telah dilakukan diperoleh bahwa SVM menghasilkan akurasi 0,88%, naive bayes menghasilkan akurasi 0,76%, dan logistic regression menghasilkan akurasi 0,86%. Berdasarkan dari hasil percobaan bahwa SVM mendapatkan performa kinerja yang lebih unggul dari pada algoritma naive bayes dan logistic regression . Dalam konteks ini, SVM dapat menjadi pilihan yang baik untuk analisis sentimen secara umum. Penelitian ini mengungkapkan bahwa persentase sentimen negatif terhadap Bank BSI lebih tinggi daripada sentimen positif. Temuan ini menunjukkan adanya keprihatinan dan ketidakpuasan yang signifikan di antara masyarakat terhadap layanan perusahaan. Meskipun ada beberapa sentimen positif yang teridentifikasi.
Penerapan Algoritma Decesion Tree C4.5 untuk Memprediksi Tingkat Kelangsungan Hidup Pasien Kanker Tiroid: The Application of C4.5 Decision Tree Algorithm for Predicting the Survival Rate of Thyroid Cancer Patients Putri, Adinda Dwi; Sholekhah, Fitriana; Dadynata, Eric; Efrizoni, Lusiana; Rahmaddeni, Rahmaddeni; Sapina, Nur
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1532

Abstract

Salah satu penyakit yang memiliki tingkat kelangsungan hidup yang bervariasi di antara pasien adalah kanker tiroid. Untuk memprediksi tingkat kelangsungan hidup pasien berdasarkan karakteristik klinis, penelitian ini menggunakan algoritma Decision Tree C4.5. Metode ini memanfaatkan pengolahan bahasa alami (NLP) dengan Count Vectorizer untuk mengubah teks menjadi data numerik. Dalam penilaian keakuratan prediksi, evaluasi dilakukan dengan matriks kebingungan (confusion matrix) untuk mengukur kinerja model dalam klasifikasi. Selain itu, Area Under Curve (AUC) juga dihitung untuk mengevaluasi performa model. Hasil eksperimen menunjukkan bahwa metode ini memberikan prediksi yang akurat tentang tingkat kelangsungan hidup pasien dengan kanker tiroid, mencapai akurasi sebesar 97% dan AUC sebesar 0.95, menunjukkan kinerja yang sangat baik. Penelitian ini penting untuk memperdalam pemahaman tentang penerapan Decision Tree dalam konteks medis dan potensi algoritma ini dalam mendukung pengambilan keputusan klinis di masa depan.
Perbandingan Algoritma K-Nearest Neighbors dan Random Forest untuk Rekomendasi Gaya Hidup Sehat dalam Mencegah Penyakit Jantung: Comparison of K-Nearest Neighbors and Random Forest Algorithms for Recommendations for a Healthy Lifestyle in Prevent Heart Disease Sahelvi, Elza; Cikita, Putri; Sapitri, Riska Mela; Rahmaddeni, Rahmaddeni; Efrizoni, Lusiana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1972

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian yang disebabkan oleh faktor gaya hidup tidak sehat. Untuk mengatasi permasalahan ini, penelitian ini membandingkan algoritma K-Nearest Neighbors (KNN) dan Random Forest (RF) dalam memberikan rekomendasi gaya hidup sehat guna mencegah penyakit jantung. Dataset yang digunakan terdiri dari 1.025 entri dengan 14 fitur, yang telah melalui tahap preprocessing, termasuk normalisasi, seleksi fitur, dan pembagian data 80:20 serta 70:30. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi lebih tinggi (99% pada skenario 80:20 dan 98% pada skenario 70:30) dibandingkan KNN (83% dan 86%), serta lebih stabil dalam mengklasifikasikan risiko penyakit jantung. Analisis fitur menunjukkan bahwa Chest Pain Type (CP) atau nyeri dada merupakan faktor paling berpengaruh. Berdasarkan hasil ini, direkomendasikan pola makan sehat, aktivitas fisik teratur, manajemen stres, serta pemeriksaan kesehatan rutin. Kesimpulannya, Random Forest lebih efektif dalam sistem rekomendasi gaya hidup sehat, dan penelitian selanjutnya dapat menggunakan dataset lebih besar dengan variabel tambahan guna meningkatkan akurasi prediksi.
Model Prediksi Dampak Perubahan Iklim pada Ketahanan Pangan Menggunakan Algoritma Support Vector Machine and K-Nearest Neighbors: Prediction Model for the Impact of Climate Change on Food Security Using the Support Vector Machine and K-Nearest Neighbors Algorithms Sari, Devi Puspita; Risman, Risman; Maulana, Fitra; Efrizoni, Lusiana; Rahmaddeni, Rahmaddeni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1975

Abstract

Perubahan iklim memberikan dampak signifikan terhadap ketahanan pangan global, terutama di wilayah yang sangat bergantung pada sektor agrikultur. Fenomena seperti curah hujan ekstrem, kenaikan suhu, dan perubahan pola angin telah memengaruhi produktivitas pertanian secara signifikan. Urgensi penelitian ini terletak pada pentingnya pengembangan model prediktif berbasis data untuk mengantisipasi dampak perubahan iklim terhadap ketahanan pangan, sehingga strategi adaptasi dapat dirancang secara tepat oleh pembuat kebijakan. Penelitian ini bertujuan mengembangkan model prediksi dampak perubahan iklim terhadap ketahanan pangan dengan memanfaatkan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Dataset yang digunakan meliputi data meteorologi harian, seperti curah hujan (precipitation), suhu maksimum (temp_max), suhu minimum (temp_min), dan kecepatan angin (wind), yang diperoleh dari Kaggle (Seattle weather). Model SVM diterapkan untuk menangkap hubungan non-linear antara parameter iklim dengan indikator ketahanan pangan, sedangkan KNN digunakan untuk menganalisis pola serupa pada data historis. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi prediksi sebesar 78%, lebih unggul dibandingkan KNN yang mencapai akurasi 74%. Temuan ini membuktikan bahwa SVM lebih efektif dalam memodelkan keterkaitan antara variabel iklim dan ketahanan pangan. Dengan demikian, penelitian ini berhasil mencapai tujuannya dan memberikan kontribusi penting dalam pengembangan sistem prediksi berbasis machine learning untuk mendukung kebijakan pangan yang adaptif terhadap perubahan iklim.
Optimization of Customer Segmentation in the Retail Industry Using the K-Medoid Algorithm Agustin, Endy Wulan; Uthami, Kurnia; Ulfa, Arvan Izzatul; Efrizoni, Lusiana; Rahmaddeni, Rahmaddeni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1977

Abstract

The retail industry faces significant challenges in understanding increasingly complex customer behavior due to massive data growth. One major obstacle is suboptimal customer segmentation, leading to ineffective marketing strategies. This study aims to optimize customer segmentation by implementing the K-Medoid algorithm, which excels in handling outliers and producing more stable clusters compared to K-Means. The dataset consists of over 10,000 customer transactions from a major retail company in Indonesia. The research process includes data collection and preprocessing, K-Medoid algorithm implementation, and performance evaluation using the silhouette score. The results indicate that the K-Medoid algorithm achieves more accurate customer segmentation, with a silhouette score of 0.39. The generated clusters exhibit greater homogeneity, enabling companies to design more targeted marketing strategies, such as specific discount offers and tailored loyalty programs. Based on these findings, the K-Medoid algorithm is recommended to enhance customer management effectiveness in the retail industry. This study contributes to selecting a more suitable algorithm for customer segmentation in the era of big data and opens opportunities for further exploration of hybrid algorithms and additional evaluation metrics.
Analisis Faktor-Faktor yang Mempengaruhi Engagement Video di Platform TikTok Menggunakan Multiple Linear Regression: Analysis of Factors that Influence Video Engagement on the TikTok Platform Using the Multiple Linear Regression Algorithm Sapina, Nur; Nanda, Annisa; Arifin, Muhammad Amirul; Rahmaddeni, Rahmaddeni; Efrizoni, Lusiana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1987

Abstract

TikTok telah berkembang menjadi salah satu platform interaksi digital terkenal secara luas di seluruh dunia, yang memiliki lebih dari satu miliar orang pengguna aktif. Namun, sebagian video di TikTok memperoleh tingkat engagement yang tinggi meskipun menggunakan pendekatan konten yang serupa. Riset ini dimaksudkan untuk menelusuri unsur-unsur yang memberikan pengaruh terhadap engagement video di TikTok dengan menerapkan algoritma Regresi Linear Berganda. Variabel yang dianalisis meliputi durasi video, jumlah tayangan, komentar, like, share, dan download. Setelah melalui tahap preprocessing data, seleksi fitur, dan pengujian asumsi regresi, ditemukan bahwa video_like_count, video_share_count, dan video_download_count memiliki pengaruh paling signifikan terhadap jumlah tayangan. Hasil evaluasi model membuktikan bahwa model regresi menujukkan kinerja prediktif yang sangat baik, dengan nilai R² Squared sebesar 0,978, RMSE sebesar 0,0742, dan MSE sebesar 0,0055. Riset ini memberikan gambaran praktis kepada konten kreator dan konten marketing dalam merancang produksi konten yang lebih optimal. Model prediksi ini juga dapat dimanfaatkan untuk memperkirakan potensi engagement suatu video sebelum dipublikasikan.
Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia: Application of K-Nearest Neighbor Algorithm Using Wrapper as Preprocessing for Determination of Human Weight Information Putra, Febrianda; Tahiyat, Hafsah Fulaila; Ihsan, Raja Muhammad; Rahmaddeni, Rahmaddeni; Efrizoni, Lusiana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1085

Abstract

Penelitian ini fokus pada peningkatan akurasi penentuan keterangan berat badan manusia melalui penerapan Algoritma K-Nearest Neighbor (K-NN) dengan metode Wrapper sebagai preprocessing. Kesadaran akan berat badan menjadi esensial dalam menjaga kesehatan dan kesejahteraan. Meskipun manusia dapat mengetahui berat badannya, pendekatan yang sering digunakan cenderung bersifat subjektif dan kurang presisi. Penelitian mengidentifikasi permasalahan dalam penentuan keterangan berat badan dan mencari solusi melalui penggunaan model prediksi. Algoritma K-NN terpilih karena kemampuannya dalam menangani permasalahan klasifikasi dengan dataset yang kompleks. Metode Wrapper digunakan sebagai langkah preprocessing untuk memilih subset fitur yang paling signifikan. Dataset melibatkan parameter berat badan dan faktor-faktor lain yang berpengaruh. Model dikembangkan dan diuji menggunakan teknik cross-validation untuk memastikan konsistensi kinerja. Temuan penelitian menunjukkan bahwa penerapan Algoritma K-NN dengan Wrapper preprocessing dapat meningkatkan akurasi penentuan keterangan berat badan manusia. Penerapan metode K-Nearest Neighbor dan K-Nearest Neighbor dengan Wrapper sebagai tahap preprocessing dalam menentukan keterangan berat manusia mendapatkan hasil nilai akurasi yang sama yaitu sebesar 91%. Studi ini diharapkan dapat menjadi landasan untuk pengembangan metode evaluasi yang lebih baik dan informasi yang lebih akurat terkait berat badan manusia.
Co-Authors -, Dwi Haryono Afrinanda, Rizky Agung Marinda Agustin Agustin Agustin Agustin Agustin Agustin, Endy Wulan Ahmad - Fauzan Ahmad Fauzan Ahmad Rizali Anam, M Khairul Anthony Anggrawan Anugraha, Yoga Safitra Aprilia, Fanesa Arifin, Muhammad Amirul Arita Fitri, Triyani Aulia, Rahma Azhari, Zahra Cikita, Putri Dadynata, Eric Deni, Rahmad Devi Puspita Sari, Devi Puspita Dhini Septhya Djamalilleil, Said Azka Fauzan Edwar Ali Erlinda, Susi Ermy Pily, Annisa Khoirala ester nababan Farhan Pratama Fauzan, Aulia Filza Izzati Finanta Okmayura Firdaus, Muhammad Bambang Firman, Muhammad Aditya Fransiskus Zoromi Fransiskus Zoromi, Fransiskus Habibie, Dedi Rahman Hadi Asnal, Hadi Haviluddin Haviluddin Helda Yenni, Helda Hidaya Spitri Hutasoit, Josua Iftar Ramadhan Ihsan, Raja Muhammad Ike Yunia Pasa Irwanda Syahputra Julianti, Nadea Junadhi Junadhi Junadhi Junadhi Junadhi, Junadhi Karpen Kartina Diah K. W. Kharisma Rahayu Koko Harianto Lathifah, Lathifah Lestari, Fika Ayu Lili Marlia M. Azzuhri Dinata M. Irpan Marhadi, Nanda Maulana, Fitra Melva Suryani Muhammad Bambang Firdaus Muhammad Oase Ansharullah Muhammad Syaifullah MUHAMMAD TAJUDDIN Munawir Munawir Muslim Muslim Nanda, Annisa Nasution , Zikri Hardyan Novfuja, Elma Nurul fadillah, Nurul Oktavianda Purnama, Muhammad Adji Putantri, Nazlah Sari Putra, Febrianda Putri, Adinda Dwi Putri, Siti Faradila R. Guntur Surya Yuwana - Rabbani, Salsabila Rahmaddeni Rahmaddeni Rahmaddeni, - Rahmiati Rahmiati Rais Amin Ramadhani, Jilang Rati Rahmadani Ratna Andini Husen Revaldo, Bagus Tri Riadhil Jannah Rini Yanti, Rini Risky Harahap Risman Risman Rizki Astuti Rohmatulloh, Vanda Rometdo Muzawi Safitri, Dea Sahelvi, Elza Sapina, Nur Sapitri, Riska Mela Sari, Atalya Kurnia Sarjon Defit Setiawan , Andri Sholekhah, Fitriana Sigit, Rapel Aprilius Sularno Supian, Acuan Susandri, Susandri Susanti Susanti Susanti, Susanti Susi Erlinda Syahrul Imardi Syarifuddin Elmi Tahiyat, Hafsah Fulaila Tashid Tawa Bagus, Wahyu Torkis Nasution Tri Putri Lestari, Tri Putri Tri Revaldo, Bagus Triyani Arita Fitri Try Puspa Siregar, Farida Ulfa, Arvan Izzatul Unang Rio Uthami, Kurnia Vindi Fitria Wirta Agustin Wirta Wirta Yanti, Rini Yoyon Efendi Yulli Zulianda Zahra Azhari Zega, Wilman Zikri Hadryan nst Zulafwan Zuriatul Khairi Zuriatul Khairi