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. 4 (2024): MALCOM October 2024" : 50 Documents clear
Penerapan Algoritma Apriori untuk Penentuan Pola Pembelian Kacamata pada Optik Indah Optikal: Application of an Apriori Algorithm to Determine Eyeglass Purchasing Patterns at Optik Indah Optik Oktory, Hafidh Dwika; Hadiwandra, T. Yudi
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.v4i4.1353

Abstract

Toko optik Indah Optikal terletak di Perawang Kabupaten Siak, Riau ini menjual berbagai kacamata dan lensa kacamata dengan harga, merek, jenis dan kualitas yang berbeda. Terjadinya transaksi penjualan kacamata pada optik indah optikal, artinya data transaksi perusahaan akan bertambah. Jika dibiarkan, data penjualan kacamata akan menjadi sampah yang tidak ada artinya. Berkat kemajuan teknologi, kemampuan mengumpulkan dan mengolah data terus meningkat. Oleh karena itu, penelitian ini bertujuan untuk menerapkan teknik algoritma Apriori pada Optik Indah Optikal untuk mengidentifikasi pola pembelian kacamata yang paling umum terjadi di toko. Perhitungan pola asosiasi dilakukan dengan menentukan terlebih dahulu minimum support sebesar 4% dan minimum confidence sebesar 5%. Hasil pengujian yang diperoleh pada pengujian tingkat akurasi bersama dengan perhitungan lift ratio memberikan aturan kombinasi produk yang dapat digunakan strategi pemasaran untuk meningkatkan penjualan dengan menyusun paket itemset produk untuk dibeli oleh konsumen secara bersamaan. Pola atau aturan yang ditetapkan membantu konsumen menentukan produk mana yang mereka inginkan atau produk utama mana yang diminati konsumen. jika nilai minimum nilai support adalah 4% dan minimum nilai confidence adalah 5% maka aturan rule yang terbentuk adalah 76 rule. Dari rule yang terbentuk aturan pasangan item dengan nilai support 4%, confidence 5%.
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.
Content Classification of the Official Website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) using Vector Space Model (VSM) Bahtera, Prima Bintang; Kartawijaya, Deni Sutendi
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.v4i4.1368

Abstract

The official website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) is an important platform for disseminating information to a diverse audience. Efficiently categorizing the vast amount of content available on the website is essential for enhancing user experience and optimizing information retrieval. These categories will also become an identifier and topic classification based on the content inside the article. This study presents a systematic approach to content classification of the Official Website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) using the Vector Space Model (VSM). The methodology involves preprocessing the text data, constructing a term-document matrix, and implementing cosine similarity to measure the relevance of documents to predefined categories. The study demonstrates the effectiveness of VSM in accurately classifying content, thus facilitating streamlined access to information for users navigating the website. Furthermore, the findings offer insights into enhancing the organization and accessibility of governmental online platforms, contributing to improved user experience and information dissemination.
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.
Analisis Komparasi Performa Metode Deteksi Tepi Sebagai Predektor Diabetes Berbasis Citra Lidah: Comparative Analysis of the Performance of Edge Detection Methods as a Diabetes Predictor Based on Tongue Imagery Olam, Enos Nikodemus; Himamunanto, Agustinus Rudatyo; Budiati, Haeni
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.v4i4.1393

Abstract

Jenis Penyakit kencing manis atau juga biasa disebut Diabetes merupakan gangguan metabolik yang disebabkan oleh tingginya kadar gula dalam darah. Hormon insulin memindahkan gula darah ke seluruh sel tubuh, untuk disimpan atau digunakan sebagai energi. Ketika Anda menderita diabetes, tubuh sulit untuk memproduksi insulin untuk memenuhi kebutuhan tubuh dan tubuh kurang efisien dalam mengelola insulin dengan baik sesuai dengan kebutuhannya. Dalam hal ini, diabetes melitus tercatat sebagai penyebab kematian terbesar di dunia. Tanda-tanda dan efek samping penyakit diabetes melitus seharusnya terlihat secara lahiriah melalui bagian-bagian tubuh manusia, misalnya saja lidah yang menunjukkan adanya pertumbuhan atau Candida Albicans, dimana lidah adalah partikel tubuh manusia yang cukup peka terhadap rangsangan .Teknik Informatika berperan dalam penelitian ini, dengan menggunakan You Only Live Once (YOLO) sebagai media penandaan bagian tertentu dari suatu objek yang nantinya akan digunakan untuk mendeteksi tepi objek yang ditandai dan diproses dalam hal ini citra lidah untuk prosedur deteksi tepi. Untuk analisis perbandingan deteksi tepi citra lidah dalam deteksi penyakit diabetes melitus, sistem dapat menghasilkan hasil keluaran yang cukup memuaskan.
Sistem Pakar Diagnosa Penyakit Lambung Menggunakan Metode Certainty Factor Berbasis Web: Expert System for Diagnosis of Gastric Diseases Using Web-Based Employment Factors Method Febriani, Hilda Amalia; Wijaya, Dhina Puspasari; Pramuntadi, Andri; Prastowo, Wahit Desta
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.v4i4.1402

Abstract

Penyakit lambung adalah penyakit yang tidak bisa di anggap remeh, karena karena dapat mengiritasi lapisan esofagus serta membuat lambung menjadi meradang. jika tidak segera ditangani maka bisa berakibat fatal. Kurangnya informasi masyarakat tentang penyakit lambung maka semakin banyak masyarakat yang terkena penyakit lambung, penyebab utama dari penyakit lambung yaitu berasal dari virus dan bakteri helicobacter pylori. Dengan dibuatnya sistem pakar berbasis web menggunakan metode certainty factor ini dapat digunakan sebagai penanganan awal untuk mempermudah user dalam melakukan konsultasi berdasarkan dari gejala-gejala yang ditimbulkan. Penggunaan metode certainty factor pada sistem pakar ini karena hasil dari penerapan metode certainty factor yaitu presentase. Nilai presentase pada sistem pakar diagnosa penyakit lambung ini di ambil dari hasil akhir tertinggi. Berdasarkan dari uji akurasi yang telah dilakukan, mendapatkan hasil tingkat akurasi sebesar 100%. Dengan akurasi yang tinggi maka sistem pakar diagnosa penyakit lambung menggunakan metode certainty factor dapat disimpulkan bahwa sistem pakar ini mempunyai performa yang baik.
Noise Study on the OH1 Wearable Device: Analysis of 11 Hand Movement Artifacts Ramadhan, Rizqi; Akbar, Izzat Aulia
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.v4i4.1408

Abstract

Wearable devices like the OH1 are increasingly used for real-time health monitoring, particularly for measuring heart rate (BPM). However, their accuracy is often compromised by motion artifacts, introducing significant noise into the measurements. This study specifically addresses the issue of noise generated by the OH1 wearable device during eleven different hand movements. To tackle this problem, we implemented a precise experimental setup involving device calibration, stable testing conditions, and participant training to ensure high consistency in hand movements. Additionally, machine learning algorithms were employed to separate noise from desired hand movement data. Our results indicate that certain hand movements, such as lifting arms and shoulder rotations, produce higher noise levels, while others, like placing hands on the table, generate minimal noise. These findings provide valuable insights for developing effective noise reduction algorithms, ultimately enhancing the accuracy and reliability of BPM measurements from wearable devices.
Perbandingan Kinerja Model Berbasis RNN pada Peramalan Data Ekonomi dan Keuangan Indonesia: Performance Comparison of RNN-Based Models in Forecasting Indonesian Economic and Financial Data Alkahfi, Cahya; Kurnia, Anang; Saefuddin, Asep
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.v4i4.1415

Abstract

Peramalan deret waktu merupakan salah satu elemen kunci dalam analisis ekonomi dan keuangan. memungkinkan pemangku kepentingan untuk membuat perkiraan terhadap berbagai indikator ekonomi sebelum data resmi dirilis. Dalam konteks ini, model pembelajaran mesin seperti Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU) menunjukkan potensi yang menjanjikan dalam memprediksi data deret waktu. Sejumlah penelitian juga menegaskan bahwa LSTM dan GRU mampu mengungguli kinerja RNN. Kedua model tersebut memiliki mekanisme untuk mengatasi masalah vanishing gradient yang sering ditemui pada model RNN konvensional. Penelitian ini menitikberatkan untuk menguji kinerja ketiga model tersebut pada data-data yang ada di Indonesia. Agar hasil lebih komprehensif, penelitian ini akan menguji model pada tiga jenis data yang berbeda meliputi IHSG, nilai ekspor dan PDB. Hasil penelitian ini mengindikasikan bahwa secara keseluruhan, model GRU menunjukkan kinerja terbaik, diikuti oleh model LSTM yang juga kompetitif dibandingkan RNN. Selain akurasi, model GRU dan LSTM juga menonjol dalam hal stabilitas kinerja, ditandai dengan simpangan baku yang relatif kecil jika dibandingkan dengan RNN. Keunggulan ini menjadi semakin signifikan terutama saat diterapkan pada model PDB dimana hanya tersedia untuk periode waktu yang pendek.
Effective Social Media Content Strategy to Enhance Brand Loyalty in Technology Businesses Sutrisno, Sutrisno; Ausat, Abu Muna Almaududi; Muhamad, Lili Fadli
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.v4i4.1416

Abstract

Consumer behavior has shifted with the advent of social media. Consumers now tend to seek information, reviews, and product recommendations through these platforms. Technology businesses must understand and leverage this change to build and maintain brand loyalty. This research aims to identify and analyze the most effective social media content strategies in enhancing brand loyalty in technology businesses, as well as providing practical recommendations for companies to implement these strategies. The research method employed is a literature review with a qualitative approach using descriptive analysis. In this study, data were collected from scholarly articles published between 2010-2024, utilizing Google Scholar as the primary source of search. This approach can provide a comprehensive understanding of the main research topic based on relevant and up-to-date empirical data. The study findings indicate that in the evolving digital era, social media has become one of the primary means for technology businesses to interact with consumers. To differentiate and build strong brand loyalty amidst increasing competition, social media content strategies should be based on a deep understanding of the target audience, consistency, authenticity, educational and informative content, active engagement, and continuous data analysis. By effectively implementing these strategies.

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