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 50 Documents
 1   2   3   4   5 
Search results for , issue "Vol. 4 No. 3 (2024): MALCOM July 2024" : 50 Documents clear
Big Data in Tourism Destinations: A Systematic Literature Review Widarti, Erni; Erkamim, Moh.; Wartono, Wartono
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1263

Abstract

Tourism is an industrial sector that has a variety of data originating from tourists. This data can be utilized and reprocessed through the application of artificial intelligence technology such as big data and machine learning to analyze and predict tourist patterns so that it can be used in developing the tourism sector. This research aims to present a systematic literature review regarding the role of big data and machine learning in the tourism context. This research reviews 25 research papers related to big data and machine learning applied in the tourism industry. The categorization of tourism research related to big data and machine learning is based on research published from 2018 to 2023. The focus of this research is to provide an in-depth review based on journal rankings, research objectives, types of data used, and algorithms applied in the research . The results of this research are to provide a systematic literature review that can be used to help future researchers discover new research topics and present insights into future prospects regarding the use of big data and machine learning in tourism.
Prediksi Penyakit Diabetes Melitus Tipe 2 Menggunakan Algoritma K-Nearest Neighbor (K-NN) : Prediction of Type 2 Diabetes Mellitus Using The K-Nearest Neighbor (K-NN) Algorithm Oktaviana, Agfa; Wijaya, Dhina Puspasari; Pramuntadi, Andri; Heksaputra, Dadang
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1268

Abstract

Diabetes Melitus (DM) merupakan salah satu Penyakit Tidak Menular (PTM) yang dikenal dengan tingginya kadar gula dalam darah. International Diabetes Federation (IDF) memprediksi di tahun 2045, penyakit DM akan mengalami peningkatan menjadi 629 juta penduduk. Pada era modern saat ini, pola gaya hidup menjadi hal yang harus diperhatikan karena beriringan dengan berkembangnya teknologi menjadi mudah dan cepat. Pola gaya hidup yang buruk terus-menerus dapat berpotensi untuk terkena penyakit DM Tipe 2. Berbagai upaya dilakukan untuk menekan angka pertumbuhan penyakit ini salah satunya melakukan penelitian untuk membuat predisi terhadap seseorang menggunakan berbagai metode seperti metode klasifikasi K-NN. Tujuan dari penelitian ini adalah mengimplementasikan dan membangun sebuah permodelan. Dataset yang digunakan berasal dari Puskesmas Mlati II Kecamatan Mlati, Kabupaten Sleman, Provinsi Daerah Istimewa Yogyakarta. Dalam membangun sebuah model prediksi, dataset dipreprocessing menggunakan MinMax Normalization, pembagian train set dan test set menggunakan Stratified 5-fold CV. Adapun parameter yang digunakan dari K-NN adalah manhattan distance dan nilai n_neighbors = 13. Dengan menggunakan evaluasi akurasi, presisi, recall, dan f1-score, masing-masing memberikan hasil yaitu 88%, 83%, 87%, dan 85%.
Implementasi Metode Deep Neural Network pada Klasifikasi Penyakit Diabetes Melitus Tipe 2: Implementation of Deep Neural Network Method on Classification of Type 2 Diabetes Mellitus Disease Rizky, Muhammad; Pramuntadi, Andri; Prastowo, Wahit Desta; Gutama, Deden Hardan
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1279

Abstract

Penyakit diabetes mellitus ditandai oleh tingginya kadar gula dalam darah, juga dikenal sebagai glukosa, sebagai akibat dari kurangnya atau ketidakmampuan tubuh untuk menggunakan insulin secara efisien. Pada tahun 2021, Federasi Diabetes Internasional (IDF) melaporkan bahwa lima negara memiliki jumlah penderita diabetes mellitus terbanyak di kelompok usia 20 hingga 79 tahun. Dengan 19,5 juta orang yang menderita, Indonesia menempati peringkat kedua. Berbagai upaya telah dilakukan untuk menghentikan perkembangan penyakit ini. Salah satunya adalah penelitian yang menggunakan metode klasifikasi Deep Neural Network (DNN) untuk memprediksi risiko seseorang. Menggunakan dataset dari Puskesmas Mergangsan di Kota Yogyakarta, Provinsi DIY, penelitian ini menggunakan sepuluh variabel: jenis kelamin, merokok, berat badan, tinggi badan, Indeks Massa Tubuh (IMT), hipertensi, usia, aktivitas fisik, konsumsi alkohol, dan riwayat penyakit tidak menular. Parameter DNN seperti jumlah lapisan, jumlah neuron, fungsi aktivasi, tingkat pembelajaran, ukuran batch, berat, optimizer, fungsi kehilangan, epoch, dan bias digunakan untuk membangun model prediksi. Metode K 10-fold CV digunakan untuk mempartisi data pelatihan dan uji untuk membuat model prediksi. Hasilnya mencapai 90 persen, 85 persen, 95 persen, dan 89 persen masing-masing dengan menggunakan skor f1, akurasi, presisi, dan recall.
Implementasi Metode Decision Tree pada Prediksi Penyakit Diabetes Melitus Tipe 2: Implementation of Decision Tree Method for Diabetes Mellitus Type 2 Prediction Aditya, Muhammad Fahrul; Pramuntadi, Andri; Wijaya, Dhina Puspasari; Wicaksono, Yanuar
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1284

Abstract

Diabetes Melitus Tipe 2 merupakan penyakit kronis yang apabila pankreas tidak memproduksi cukup insulin atau ketika tubuh tidak mampu menggunakan insulin yang diproduksi secara efektif. Berbagai cara telah di upayakan untuk mengurangi penderita diabetes salah satunya adalah dengan deteksi dini. Kemajuan teknologi yang sangat pesat berdampak pada dunia medis, salah satunya adalah untuk deteksi dini suatu penyakit. Proses deteksi suatu penyakit menggunakan alat yang telah diprogram dan di intervensi oleh kecerdasan buatan.Terdapat banyak metode dari kecerdasan buatan yang digunakan sebagai model prediksi, salah satunya adalah Decision Tree (DT). Penelitian ini bertujuan untuk mengimplementasikan dan membangun sebuah model prediksi penyakit Diabetes. Dataset yang digunakan adalah dataset yang berasal dari Puskesmas Mlati II Kabupaten Sleman. Model dalam penelitian ini meggunakan metode Decision Tree (Pohon Keputusan), adapun parameter yang digunakan adalah criterion = ‘entropy’, splitter = ‘best’, max_depth = None, min_samples_split = 4, min_samples_leaf = 10. Proses evaluasi model menggunakan akurasi, presisi, recall, dan f1-score yang masing-masing menghasilka nilai 92%, 0.92, 0.915, 0.915.
Penerapan Visualisasi Data dan Informasi Kependudukan Berbasis Web: Application of Web Based Visualization of Population Data and Information Mayangsari, Descania; Akbar, Yuma; Bebriani, Serli
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1290

Abstract

Pelaksanaan kegiatan ini bertujuan untuk membantu masyarakat di Rukun Warga 01 Jatinegara dalam memantau pertumbuhan dan perkembangan penduduk dalam kurun waktu 1 tahun kebelakang. Pengabdian ini menerapkan dashboard monitoring berbasis Tableau untuk mempermudah pemahaman dan tren dalam pemantauan perkembangan penduduk berbasis website, data disajikan dalam berbentuk grafik., mempermudah dalam pemantauan  yang cepat. Data yang dikumpulkan kualitatif untuk memastikan keakuratan informasi yang diperoleh dengan fokus pada pengumpulan, pengolahan, dan pengembangan data. Hasil dari penelitian yang didapat dengan perbandingan rata – rata data kelahiran : warga meninggal , dan warga pindah dari RW 01 :  pindahan ke RW 01 yaitu: 5 :4 dan 55:33. Hal ini menunjukkan penggunaan tablue public berjalan dengan baik dan dapat memonitoring pertumbuhan penduduk di RW 01 Jatinegara. Melalui kegiatan pengabdian ini, diharapkan masyarakat Rukun Warga 01 Jatinegara juga dapat memonitoring data tentang pertumbuhan warga dengan lebih mudah, akurat dan efektif, serta meningkatkan kesadaran akan memantau perkembangan penduduk di suatu organisasi masyarakat.
Evaluasi Pengalaman Pengguna pada Aplikasi Berbasis Seluler Laporkitong Memanfaatkan Kuesioner Pengalaman Pengguna (UEQ) : Evaluation of User Experience on Laporkitong Mobile Application Utilizing User Experience Questionnaire (UEQ) Giyai, Yepuni; Inan, Dedi I.; Baisa, Lorna Y.
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1292

Abstract

Penerapan teknologi komputer dan internet di Provinsi Papua Barat melalui aplikasi berbasis seluler Laporkitong dengan menghasilkan solusi yang menekankan efektivitas dan efisiensi. Untuk melaporkan ketidaksesuaian rencana tata ruang, pemerintah Provinsi Papua Barat meluncurkan aplikasi seluler Laporkitong. Penelitian ini bertujuan mengevaluasi pengalaman pengguna pada aplikasi berbasis seluler laporkitong memanfaatkan kuesioner pengalaman pengguna (UEQ). Menggunakan metode kuantitatif dengan kuesioner pengalaman pengguna (UEQ), sebuah pendekatan yang mudah diimplementasikan, valid, dan dapat diandalkan untuk melengkapi evaluasi data dengan penilaian kualitas yang subjektif. Kuesioner pengalaman pengguna bersifat gratis dan dapat digunakan di semua aplikasi. Hasil penelitian menunjukkan bahwa evaluasi pengalaman pengguna pada aplikasi berbasis seluler Laporkitong menggunakan UEQ menunjukkan bahwa terdapat 5 variabel yang menyatakan hasil evaluasi positif dan netral, yaitu variabel Daya Tarik (rata-rata = 0,887), Kejelasan (rata-rata = 0,829), Efisiensi (rata-rata = 0,870),  Ketepatan (rata-rata = 0,878), dan Stimulasi (rata-rata= 0,850). Namun, variabel Kebaruan mendapatkan hasil evaluasi netral (rata-rata = 0,274). Hasil benchmark untuk aplikasi berbasis seluler Laporkitong menunjukkan seluruh variabel yang termasuk pada kategori below average, yaitu variabel daya tarik, kejelasan, efisiensi, ketepatan, stimulasi, dan kebaruan. Hasil evaluasi pengalaman pengguna aplikasi berbasis seluler Laporkitong menggunakan UEQ menunjukkan perbedaan signifikan pada 5 variabel berdasarkan uji T.
Lecturer Performance Software Using the MOORA Method at IAIN Ash-Shiddiqiyah Nurmadhani, Yosep; Mirza, A. Haidar
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1296

Abstract

The importance of having an effective decision support system to select and determine the best lecturers cannot be denied. This research aims to develop a decision support system for selecting the best lecturers at IAIN ASH-SHIDDIQIYAH. The method used is MOORA (Multi-Objective Optimization on the basis of Ratio Analysis), a multi-objective approach that allows optimization of two or more conflicting attributes simultaneously. The results of this study include the development of a decision support system that can provide useful guidance for decision-makers at IAIN ASH-SHIDDIQIYAH in the process of selecting and determining the best lecturers. Through MOORA analysis, the best lecturers can be selected by considering various aspects such as teaching quality, research ability, contribution to curriculum development, involvement in guidance and training activities, and contribution to the community. The results of this research are expected to improve the quality of education and the institution's contribution to society as a whole through the selection of high-quality and high-performing lecturers. This research demonstrates that the development of a decision support system using the MOORA method can be an effective tool for higher education institutions in selecting the best lecturers. 
Audit Tata Kelola Teknologi Informasi Pada Universitas Hang Tuah Pada Domain Deliver and Support COBIT 4.1: Audit of Information Technology Governance at Hang Tuah University using the Deliver and Support Domain of COBIT 4.1 Siddik, Muhammad Khoirun; Novriyanto, Novriyanto; Vitriani, Yelfi; Darmizal, Teddie
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1299

Abstract

Universitas Hang Tuah Pekanbaru (UHTP) merupakan suatu lembaga pendidikan yang berada dibawah naungan yayasan Hang Tuah Pekanbaru. Univ Hang Tuah telah menerapkan teknologi informasi (TI) dalam mendukung kegiatan akademik dan administrasi. Penerapan TI tersebut tentu dapat menimbulkan berbagai permasalahan seperti yang terjadi pada UHTP di antaranya adalah telah terjadi peretasan pada website akademik yang mengakibatkan terhambatnya penyampaian informasi kepada seluruh pengguna sistem. Berdasarkan permasalahan yang terjadi di Univ Hang Tuah maka dilakukan audit untuk mengukur tingkat kematangan dan memberikan rekomendasi tata kelola perbaikan setelah mengetahui kesenjangan antara tatakelola saat ini dengan tatakelola yang diharapkan sesuai dengan framework COBIT 4.1 yang fokus pada domain Deliver and Support (DS). Teknik pengumpulan data dilakukan dengan wawancara dan kuesioner kepada narasumber yang telah dipilih berdasarkan RACI Chart. Metode analisis data dilakukan dengan penghitungan nilai skor tiap subdomain, penghitungan nilai rata rata subdomain, penghitungan nilai kematangan, pemetaan tingkat kematangan dan pemberian rekomendasi sesuai dengan tingkat kematangan dan mengacu pada maturity model COBIT 4.1. Hasil penelitian diperoleh nilai maturity level pada domain Deliver and Support (DS) adalah 3,121 Defined. Hal ini berarti bahwa Universitas Hang Tuah Pekanbaru telah memiliki standarisasi prosedur yang telah dipraktekan dan telah didokumentasikan serta dikomunikasikan melalui pelatihan.
Analisis Keamanan Jaringan Berbasis Point to Point Protocol Over Ethernet (PPPoE) Menggunakan Mikrotik: Analysis Network Security Based Point to Point Protocol Over Ethernet (PPPoE) Using Mikrotik Sari, Linna Oktaviana; Safrianti, Ery; Wahyuningtias, Defvi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1301

Abstract

Keamanan jaringan adalah proses tindakan untuk melindungi jaringan untuk menghindari berbagai jenis serangan dan pelanggaran data, seperti mencegah serangan cyber, kontrol akses, mendeteksi perangkat lunak berbahaya dan tindakan keamanan lainnya. Jaringan LAN memiliki protokol yang disebut Address Resolusi Protocol (ARP). ARP merupakan protokol yang sangat mudah untuk dieksploitasi karena paket transaksi ARP dapat dimanipulasi oleh komputer manapun. Serangan ARP spoofing dapat dieksploitasi pada kerentanan ini. Untuk mengamankan jaringan lokal dari serangan ARP Spoofing, diperlukan mekanisme keamanan yang dapat meminimalkan risiko eksploitasi protokol komunikasi dalam jaringan. Maka pada penelitian ini dilakukan analisa keamanan jaringan berbasis PPPoE dengan menggunakan Mikrotik sebagai cara terbaik untuk mengatasi permasalahan keamanan jaringan. Untuk mengetahui performa PPPoE dari segi keamanan, dilakukan pengujian dengan serangan ARP spoofing menggunakan tools netcut. Pengujian dilakukan sebelum dan sesudah penerapan PPPoE dengan hasil sebelum penerapan PPPoE diperoleh informasi mengenai alamat IP, alamat MAC dan nama perangkat pengguna yang terhubung sehingga dapat dilakukan cut-off. Sedangkan setelah penerapan PPPoE, pengguna yang terhubung ke jaringan PPPoE tidak terdeteksi sehingga cut-off tidak dapat dilakukan.
Exoplanet Classification Through Machine Learning: A Comparative Analysis of Algorithms Using Kepler Data Airlangga, Gregorius
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1303

Abstract

This study delves into the classification of exoplanets using data from the Kepler Space Telescope, comparing a suite of machine learning (ML) models to ascertain their efficacy in distinguishing confirmed planets, candidates, and false positives. With a dataset meticulously preprocessed for quality, completeness, and relevance, we embarked on an analytical journey employing models like Decision Tree, Random Forest, Hist Gradient Boosting, CatBoost, AdaBoost, LightGBM, XGBoost, Extra Trees, Logistic Regression, and XGBoost RF. These models underwent rigorous evaluation across metrics such as Accuracy, Precision, Recall, and F1 Score, revealing an unprecedented level of performance. Our findings showcased a near-uniform perfection in model predictions, with scores touching the zenith of 1.0 across most metrics for the majority of models, indicating their flawless prediction capabilities. This remarkable performance, however, was nuanced by the Gaussian NB model's slightly less than perfect scores of 0.99, highlighting a minor deviation due to its probabilistic nature. While these results underscore the models' exceptional accuracy and reliability in classifying exoplanetary data, they also prompt a critical examination of potential overfitting, the dataset's complexity, and the models' generalizability to unseen data. 

Page 1 of 5 | Total Record : 50

 1   2   3   4   5 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2026): MALCOM January 2026 Vol. 5 No. 4 (2025): MALCOM October 2025 Vol. 5 No. 3 (2025): MALCOM July 2025 Vol. 5 No. 2 (2025): MALCOM April 2025 Vol. 5 No. 1 (2025): MALCOM January 2025 Vol. 4 No. 4 (2024): MALCOM October 2024 Vol. 4 No. 3 (2024): MALCOM July 2024 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 More Issue