Article Per Year (5 Year)
p-Index From 2021 - 2026
7.872
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) SITEKIN: Jurnal Sains, Teknologi dan Industri JUSIFO : Jurnal Sistem Informasi Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Sistemasi: Jurnal Sistem Informasi JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JURNAL MEDIA INFORMATIKA BUDIDARMA Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Inotera JURIKOM (Jurnal Riset Komputer) Jurnal Sistem Cerdas Building of Informatics, Technology and Science Jurnal Sistem informasi dan informatika (SIMIKA) Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Indonesian Journal of Data and Science Jurnal Teknik Informatika (JUTIF) KLIK: Kajian Ilmiah Informatika dan Komputer Indonesian Journal of Informatic Research and Software Engineering Malcom: Indonesian Journal of Machine Learning and Computer Science CONSEN: Indonesian Journal of Community Services and Engagement Journal of Informatics, Electrical and Electronics Engineering The Indonesian Journal of Computer Science INOVTEK Polbeng - Seri Informatika Jurnal Ilmu Komputer dan Teknik Informatika Jurnal Pengabdian Masyarakat Berdampak
Inggih Permana
Universitas Islam Negeri Sultan Syarif Kasim Riau
Religion Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Other

Published : 87 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : Malcom: Indonesian Journal of Machine Learning and Computer Science

 1 
Determining the Final Project Topic Based on the Courses Taken by Using Machine Learning Techniques Vicky Salsadilla; Inggih Permana; Muhammad Jazman; M. Afdal
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.v3i2.904

Abstract

A thesis (TA) is a scientific paper based on a problem. TA must be completed by students who wish to complete their studies. During this time, students often experience difficulties in determining the TA topic they want to research. To fix it, this research tries to determine TA topics using Machine Learning (ML) techniques based on the elective courses that students have taken. Elective courses are one form of academic data that can be used to consider TA topics. The ML algorithms used are KNN, NBC, ANN, SVM, C4.5, Random Forest, and Logistic Regression. The dataset used in this research is imbalanced data. This research balances the data using the Random Oversampling method and the Random Undersampling method. The results of experiments show that datasets balanced using ROS produce much higher ML performance, but tend to over-fit due to data duplication in the dataset. If the dataset is not balanced at all then the ML performance will be very low. Therefore, for unbalanced data, it is recommended to use the RUS method as data balance. The highest accuracy results for algorithms balanced using ROS are ANN=69.7%, RF=66.7%, SVM=57.6%, LR=57.6%, NBC=42.4%, C4.5=42.4%, and KNN=33.3%
Analisis Sentimen Masyarakat Mengenai Gerakan Childfree di Media Sosial X Menggunakan Algoritma NBC dan SVM: Sentiment Analysis of Childfree Campaign on X Social Media Using NBC and SVM Algorithms Putra, Moh Azlan Shah; Permana, Inggih; Afdal, M.
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.v4i4.1356

Abstract

Anak merupakan salah satu entitas yang umum dalam membentuk sebuah keluarga, namun dalam beberapa tahun kebelakang muncul pembahasan mengenai childfree. Dengan banyaknya perdebatan pro-kontra mengenai childfree, perlu dilakukannya sentimen analisis terkait isu ini. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat mengenai gerakan childfree di media sosial X menggunakan algoritma Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM). Sentimen dibagi menjadi 3 kelas yaitu positif, negatif, dan netral. Penelitian ini mengumpulkan data dengan crawling data pada media sosial X dengan keyword childfree. Data yang diperoleh merupakan data teks mentah sehingga dibutuhkan tahap pra proses. Tahap pra proses yang dilakukan adalah tokenizing, case folding, filter stopword, stemming, TF-IDF, dan data balancing. Berdasarkan simulasi, performa algoritma NBC adalah: akurasi = 56,36%, presisi = 56,41%, dan recall = 56,35%, sedangkan performa algoritma SVM adalah: akurasi 76,12%, presisi 76,36%, dan recall 76,13%. Sehingga dapat disimpulkan bahwa SVM memiliki performa yang lebih baik dari pada NBC pada analisis sentimen di penelitian ini.
Prediksi Jumlah Pendaftar Jemaah Umrah Menggunakan Backpropagation dan Regresi Linear pada PT. Hajar Aswad Mubaroq: Prediction of the Registrant Umrah Congregation using Backpropagation and Linear Regression at PT. Hajar Aswad Mubaroq Fikri, M. Hayatul; Permana, Inggih; Mundzir, Mediantiwi Rahmawita; Megawati, Megawati
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.v4i4.1371

Abstract

Umrah adalah perjalanan menuju Baitullah (Ka'bah) di Makkah yang dilakukan untuk melaksanakan serangkaian amal ibadah dengan memenuhi persyaratan-persyaratan khusus. PT Hajar Aswad Mubaroq adalah salah satu agen perjalanan umrah yang secara konsisten siap memberikan layanan kepada calon Jemaah Umrah untuk melakukan ibadah di tanah suci. Pada saat ini PT. Hajar Aswad Mubaroq masih melakukan prediksi manual untuk menghitung prediksi jumlah Jemaah yang akan berangkat umrah. Salah satu akibat dari prediksi manual jumlah pendaftar Jemaah umrah dengan akurat adalah perselisihan jumlah booking pesawat yang terkadang terdapat kekurangan dan kelebihan pemesanan. Sehubungan dengan itu penelitian ini bertujuan memprediksi jumlah Jemaah Umrah PT. Hajar Aswad Mubaroq menggunakan Teknik Machine Learning Agar meminimalkan kesalahan dalam pemesanan penerbangan dan meningkatkan efisiensi analisis serta pengambilan kebijakan terkait data yang ada. Teknik Machine Learning yaitu metode Backpropagation dan Regresi Linear. Hasil penelitian menunjukkan performa terbaik untuk prediksi jumlah pendaftar Jemaah umrah PT. Hajar Aswad Mubaroq yaitu menggunakan algoritma Backpropagation dengan nilai RMSE sebesar 0.101 +/- 0.000, R2 sebesar 0.010 +/- 0.021 dan MAPE 19.74% pada percobaan window size 8.
Perbandingan Performa Algoritma RNN dan LSTM dalam Prediksi Jumlah Jamaah Umrah pada PT. Hajar Aswad: Comparison of RNN and LSTM Algorithm Performance in Predicting the Number of Umrah Pilgrims at PT. Hajar Aswad Al Kiramy, Razanul; Permana, Inggih; Marsal, Arif; Munzir, Medyantiwi Rahmawita; Megawati, Megawati
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.v4i4.1373

Abstract

Secara bahasa umrah bermakna ziarah atau berkunjung, sedangkan secara istilah umrah adalah perjalanan ke Baitullah di luar waktu haji dengan tujuan melaksanakan ibadah tertentu dan memenuhi syarat-syarat khusus. PT Hajar Aswad merupakan sebuah perusahaan travel umrah yang beroperasi di Indonesia. PT Hajar Aswad bertanggung jawab untuk mengatur perjalanan, akomodasi, transportasi, dan berbagai keperluan lainnya bagi para jemaah umrah, untuk itu perlu memiliki pemahaman yang baik mengenai pola dan tren jumlah jemaah umrah agar dapat mengoptimalkan operasional dan memberikan pelayanan yang memuaskan kepada jamaah. Oleh karena itu penelitian ini dilakukan untuk memprediksi jumlah jamaah umrah pada PT Hajar Aswad menggunakan algoritma RNN dan LSTM agar PT Hajar Aswad. . Hasil perbandingan kedua algoritma menunjukkan bahwa LSTM mampu memberikan hasil prediksi yang sedikit lebih baik dibandingkan RNN dengan parameter window size 7, optimizer Adam, batch size 8, dan learning rate 0,01. Model ini memiliki nilai RMSE sebesar 0,1758, MAPE sebesar 0,4846, dan R2 sebesar 0,5198.
Perbandingan Kernel Algoritma Support Vector Regression Terhadap Performa Prediksi Produksi Kelapa Sawit: Comparison of the Support Vector Regression Kernel Algorithm on the Performance of Palm Production Prediction Maulana, Rizki Azli; Permana, Inggih; Salisah, Febi Nur; Ahsyar, Tengku Khairil; Jazman, Muhammad
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1410

Abstract

Produksi kelapa sawit merupakan salah satu faktor utama dalam industri perkebunan kelapa sawit yang memengaruhi kesejahteraan ekonomi suatu daerah. Dalam upaya untuk meningkatkan prediksi produksi kelapa sawit, algoritma Support Vector Regression (SVR) telah diadopsi sebagai metode prediksi yang potensial. Namun, pilihan kernel dalam SVR dapat mempengaruhi performa prediksi. Penelitian ini bertujuan untuk membandingkan performa prediksi produksi kelapa sawit menggunakan tiga kernel yang berbeda, yaitu linear, polinomial, dan radial basis function (RBF), di PTPN V.Data produksi kelapa sawit dari PT Perkebunan Nusantara V (PTPN V) digunakan sebagai data input. Metrik evaluasi performa prediksi, seperti mean absolute error (MAE), mean squared error (MSE), dan koefisien determinasi (R-squared), digunakan untuk membandingkan ketiga kernel SVR. Hasil eksperimen menunjukkan bahwa kernel RBF cenderung memberikan hasil prediksi yang lebih baik dibandingkan dengan kernel linear dan polinomial. Namun, faktor-faktor seperti kestabilan model dan kecepatan komputasi juga perlu dipertimbangkan dalam pemilihan kernel. Penelitian ini memberikan wawasan penting bagi pengguna SVR dalam memilih kernel yang sesuai untuk meningkatkan prediksi produksi kelapa sawit di PTPN V.
Prediksi Risiko Stunting pada Keluarga Menggunakan Naïve Bayes Classifier dan Chi-Square: Prediction of Stunting Risk In Families Using Naïve Bayes Classifier and Chi-Square Gurning, Umairah Rizkya; Octavia, Sania Fitri; Andriyani, Dwi Ratna; Nurainun, Nurainun; Permana, Inggih
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.v4i1.1074

Abstract

Stunting merupakan sesuatu yang berbahaya pada manusia karena dapat menyebabkan terjadinya hambatan pertumbuhan serta perkembangan organ lainnya termasuk otak, jantung dan ginjal. Meningkatnya kasus stunting pada balita memerlukan suatu upaya dalam penanganan dan pencegahan secara dini. Terdapat 17 atribut pada data stunting yang harus diperhatikan, dengan banyaknya atribut tersebut menyebabkan sulitnya menemukan atribut yang paling berpengaruh dalam memprediksi stunting. Pada penelitian ini diterapkan seleksi fitur menggunakan Chi Square dan menerapkan Algoritma Naïve Bayes untuk menemukan atribut yang harus diprioritaskan dalam memprediksi stunting. Hasil prediksi dengan menggunakan Naive bayes saja pada penelitian ini didapatkan nilai akurasi sebesar 94,3 %, nilai recall sebesar 93,9 % dan nilai precision sebesar 93,93% dengan waktu 0,07 detik. Sedangkan dengan menerapkan seleksi fitur Chi square pada penelitian ini diperoleh 5 atribut yang paling berpengaruh terhadap prediksi stunting yang dapat meningkatkan kecepatan pembentukkan model Algoritma Naiva Bayes dengan waktu 0,01 detik, namun tidak dapat meningkatkan akurasi, recall dan presisi. Harapannya instansi terkait dapat lebih memperhatikan dan memprioritaskan ke-5 atribut tersebut sebagai pemantauan prediksi stunting di Kota Dumai.
Penerapan Algoritma Long Short-Term Memory untuk Prediksi Produksi Kelapa Sawit: Application of Long Short-Term Memory Algorithm for Palm Oil Production Prediction Husaini, Fahri; Permana, Inggih; Afdal, M.; Salisah, Febi Nur
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1187

Abstract

Kelapa sawit memberikan kontribusi yang besar bagi perkembangan perekonomian Indonesia. Salah satunya ekspor non migas negara dan yang terus mengalami pertumbuhan yang dilakukan perusahaan kelapa sawit. PT XYZ merupakan salah satu perusahaan kelapa sawit yang mengolah kelapa sawit menjadi minyak kelapa sawit. Dalam menghadapi permintaan minyak kelapa sawit dunia yang terus meningkat, PT. XYZ berkomitmen untuk meningkatkan produksinya. Untuk meningkatkan produksi, PT XYZ telah menetapkan target produksi dengan melakukan prediksi produksi kelapa sawit menggunakan metode Global Telling. Namun, metode ini kurang efektif karena tidak dilakukan secara berkala. Untuk itu, diperlukan suatu metode yang dapat mempelajari pola panen setiap bulannya untuk membuat target produksi. Penelitian ini menerapkan Algoritma Long Short-Term Memory dengan percobaan beberapa parameter untuk menemukan model terbaik yang dapat memprediksi produksi kelapa sawit secara akurat. Berdasarkan hasil percobaan, model dengan optimizer RMSprop, learning rate 0.001, dan batch size 8 merupakan model dengan parameter terbaik dengan nilai RMSE 0.1725, MAPE 0.5087, dan R2 0.0578. Model tersebut memprediksi bahwa produksi kelapa sawit akan mengalami penurunan
Co-Authors Aditya Nugraha Yesa Agus Buono Ahsyar, Tengku Khairil Al Kiramy, Razanul Alfakhri, Rezky Andaranti, Arifah Fadhila Andi Darlianto Andriyani, Dwi Ratna Anggi Widya Atma Nugraha Anggia Anfina Anisah Fitri Anjani, Yulia Merry Annisa Ramadhani Aprijon Arif Marsal Arif Marsal Arifin, Abdullah Aufa Zahrani Putri Aulia Dina Bib Paruhum Silalahi Dedi Pramana Dessi Cahyanti Detha Yurisna Detha Yurisna Dzul Asfi Warraihan Eka Pandu Cynthia Eki Saputra Eki Saputra Endah Purnamasari Esis Srikanti Fadhilah Syafria Fadil Rahmat Andini Farahdina Risky Ramadani Febi Nur Salisah Fiki Fikri, M. Hayatul Fitriah, Ma’idatul Fitriah, Ma’idatul Fitriani Muttakin Fitriani Muttakin Gurning, Umairah Rizkya Hafiz Aryan Siregar Hasbi Sidiq Arfajsyah Hendri, Desvita Hilda Mutiara Nasution Husaini, Fahri Idria Maita Idria Idriani R, Nova Ikhsani, Yulia Imam Muttaqin Intan, Sofia Fulvi Ismail Marzuki Jazman , Muhammad Jazman, Muhammad Kusuma, Gathot Hanyokro M Afdal M Afdal M Zaky Ramadhan Z M. Afdal M. Afdal M. Afdal M. Afdal M. Afdal Maulana, Rizki Azli Megawati Megawati - Mona Fronita, Mona Muhammad Afdal Muhammad Fikry Muhammad Jazman Muhammad Jazman Muhammad Naufal, Muhammad Muhammad Zacky Raditya Mukmin Siregar Mundzir, Mediantiwi Rahmawita Munzir, Medyantiwi Rahmawita Mustakim Mustakim Mustakim Mustakim Mustakim Mustakim Mutia, Risma Muttakin, Fitriani Nabillah, Putri Nardialis Nardialis Nasution, Nur Shabrina Naufal Fikri, R. Adlian Negara, Benny Sukma Nesdi Evrilyan Rozanda Nesdi Evrilyan Rozanda Nisa', Sayyidatun Norhavina Norhavina Nunik Noviana Kurniawati Nurainun Nurainun Nuraisyah Nuraisyah Nurfadilla, Nadia Nurkholis Nurkholis nursalisah, febi Octavia, Sania Fitri Pratama, Arya Yendri Priady, Muhamad Ilham Pristiawati, Andani Putri Puput Iswandi Putra, Moh Azlan Shah Putra, Tandra Adiyatma Rahman, Eman Rahmawita M, Medyantiwi Rangga Arief Putra Rayean, Rival Valentino Restu Ramadhan Ria Agustina Rice Novita Rice Novita Rizka Fitri Yansi Rizki Pratama Putra Agri Rozanda, Nesdi Evrilyan Sabillah, Dian Ayu Saeed, Alabbas Hussein Salisah, Pebi Nur Sania Fitri Octavia Sanusi Shir Li Wang Siti Monalisa Susanti, Pingki Muliya Tasya Marzuqah Tengku Khairil Ahsyar Triningsih, Elsa Tshamaroh, Muthia Uci Indah Sari Ula, Walid Alma Vicky Salsadilla Wenda, Alex Wido Purnama Winda Wahyuti Windy Amelia Putri Wira Mulia, M. Roid Yusmar Yusmar Zarnelly Zarnelly Zarnelly Zarnelly Zarnelly Zarnelly Zarnelly