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 24 Documents
 1   2   3 
Search results for , issue "Vol. 5 No. 2 (2025): MALCOM April 2025" : 24 Documents clear
Implementasi Aplikasi untuk Pemantauan Kelembaban Tanah Pada Teknologi Irigasi Tetes Tanaman Jagung: Implementation Application for Monitoring Soil Moisture in Corn Crop Drip Irrigation Technology Yusuf, Irfan; Suryono , Ryan Randy
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1714

Abstract

Tujuan dari penelitian ini adalah merancang  aplikasi berbasis website pada irigasi tetes  yang digunakan untuk monitoring kelembaban tanah pada sistem irigasi tetes pada tanaman jagung. Jagung, sebagai komoditas penting di Indonesia, memiliki peran signifikan dalam perekonomian, namun produktivitasnya sering terkendala oleh pengelolaan air yang tidak optimal. Tantangan utama yang dihadapi petani adalah kurangnya sistem irigasi yang efisien serta ketidakmampuan memantau kelembaban tanah secara real-time, terutama dalam kondisi perubahan iklim yang mempengaruhi ketersediaan air. Website   ini dikembangkan untuk memungkinkan petani melakukan pemantauan kelembaban tanah secara langsung dengan bantuan sensor yang terhubung ke internet. Manfaat dari aplikasi ini adalah untuk meningkatkan efisiensi penggunaan air pada sistem irigasi tetes, mengurangi limbah air, dan membantu petani membuat keputusan pengelolaan air yang lebih baik. Dengan aplikasi ini produktivitas tanaman jagung meningkat, biaya operasional menurun, dan praktik pertanian yang berkelanjutan dapat didukung.
Inovasi Monitoring Pendaki Menggunakan Internet of Things untuk Membantu Keselamatan dan Ketertiban Digunung: Innovation in Monitoring Climbers Using the Internet of Things to Enhance Safety and Order on Mountains Perjalanan, Rahmat; Paputungan, Irving Vitra
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1716

Abstract

Penelitian ini bertujuan untuk mengembangkan inovasi dalam sistem monitoring pendaki guna meningkatkan keselamatan dan ketertiban aktivitas pendakian gunung. Sistem yang dirancang menggabungkan teknologi Global Positioning System (GPS) dan gelombang radio. Penelitian dilakukan dalam dua tahap: pertama, pengujian perangkat dilakukan di area perkotaan untuk menguji fungsionalitas dasar. Kedua, perangkat diuji langsung di jalur pendakian gunung melalui tiga kali percobaan. Tantangan utama dalam pengembangan perangkat ini meliputi: keberlanjutan sinyal GPS di daerah pegunungan, pemilihan komponen yang bagus dan tahan terhadap lingkungan ekstrem, serta desain alat yang portabel dan mudah dibawa oleh pendaki. Hasil pengujian lapangan menunjukkan bahwa perangkat GPS dapat mendeteksi posisi pendaki hingga jarak maksimum 5,9 kilometer, meskipun tingkat akurasinya bervariasi. Hambatan seperti tebing tinggi, hujan deras, awan mendung, dan angin kencang memengaruhi konsistensi sinyal GPS. Namun demikian, penelitian ini berhasil menemukan pendekatan baru untuk memonitor pendaki, sekaligus memberikan kontribusi signifikan terhadap peningkatan kualitas layanan sistem pendakian gunung.
Prediksi Harga Saham Telkom Menggunakan Prophet: Analisis Pengaruh Sentimen Publik Terhadap Kehadiran Starlink: Telkom Stock Price Prediction Using Prophet: Analysis of the Effect of Public Sentiment on the Presence of Starlink Taofiqurrohman, Hendra; Wufron, Wufron; Roji, Fikri Fahru
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1796

Abstract

Fluktuasi harga saham menjadi tantangan signifikan bagi investor dan perusahaan karena dipengaruhi oleh berbagai faktor, termasuk sentimen publik di media sosial. Sebagian besar model prediksi tradisional hanya mengandalkan data historis sehingga kurang mampu menangkap dinamika eksternal yang memengaruhi harga saham. Penelitian ini bertujuan untuk memprediksi harga saham PT Telkom Indonesia Tbk (TLKM) dengan mengintegrasikan sentimen publik terkait kehadiran Starlink sebagai variabel eksternal pada model Prophet. Data sentimen diperoleh dari Twitter dengan algoritma Valence Aware Dictionary and Sentiment Reasoner (VADER), sementara data harga saham diambil dari Yahoo Finance untuk periode Mei hingga Oktober 2024. Hasil penelitian menunjukkan bahwa integrasi sentimen publik meningkatkan akurasi prediksi, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,927%, Mean Squared Error (MSE) sebesar 12102.43, dan Root Mean Square Error (RMSE) sebesar 110.01. Sentimen positif, seperti pada 27 Oktober 2024 dengan compound score 0.5106, menghasilkan prediksi sebesar 3030.75 dibandingkan harga aktual 2910.0. Sebaliknya, sentimen negatif pada 20 September 2024 dengan compound score sebesar -0.3613 menurunkan prediksi menjadi 3137.48 dibandingkan harga aktual 3150.0. Penelitian ini memberikan wawasan tambahan tentang dampak opini publik terhadap harga saham dan merekomendasikan perluasan sumber data, integrasi variabel eksternal yang lain, serta penggunaan metode deep learning untuk meningkatkan akurasi prediksi di masa depan.
Agriculture Biomass for Sustainable Electricity Supply Systems: A Dynamic System Approach Destianto, Arief Sandi; Mudjahidin, Mudjahidin
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1802

Abstract

East Java has great potential in utilizing agricultural waste as a source of biomass energy to support the transition to New Renewable Energy (NRE). However, the development of biomass power plants faces challenges such as investment feasibility evaluation and biomass potential measurement. The East Java Government has set sustainable energy targets through Governor Regulations. This study developed a dynamic system-based simulation model to analyze factors influencing the utilization of agricultural waste as biomass energy. Verification results using Vensim PLE software show the model is valid with an error rate of E1 < 5% and E2 < 30%. In the Do-Nothing scenario, the electricity deficit could worsen in the future without increasing power plant capacity, especially from renewable energy. Conversely, the biomass power plant infrastructure development scenario shows that by 2024, the electricity deficit can be reduced from -7,599.47 GWh to -2,722.98 GWh. This trend continues in subsequent years, with the biomass scenario consistently decreasing the deficit and even generating a surplus in some years. Therefore, developing biomass-based power plants is a strategic step to reduce dependence on fossil fuels and enhance regional energy security in East Java.
Penerapan Algoritma Convolutional Neural Networks untuk Pengenalan Tulisan Tangan Aksara Jawa: Implementation of Convolutional Neural Networks Algorithm for Javanese Handwriting Recognition Abdiansah, Lutfi; Sumarno, Sumarno; Eviyanti, Ade; Azizah, Nuril Lutvi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1814

Abstract

Aksara Jawa adalah sistem tulisan tradisional yang dulunya banyak digunakan di Jawa Timur dan Jawa Tengah, terdiri dari 20 huruf utama serta beberapa atribut tambahan. Namun, penggunaannya dalam kehidupan sehari-hari semakin berkurang. Penelitian ini bertujuan mengembangkan sistem pengenalan aksara Jawa menggunakan Convolutional Neural Network (CNN) sebagai upaya pelestarian. Dataset yang digunakan mencakup 1000 citra tulisan tangan aksara Jawa, dengan 700 citra untuk pelatihan dan 300 citra untuk validasi. Proses penelitian meliputi pengumpulan data, preprocessing, pembangunan arsitektur CNN, dan evaluasi model. Arsitektur CNN dirancang untuk menangkap fitur utama aksara, termasuk membedakan huruf yang memiliki kemiripan visual. Hasil evaluasi menunjukkan performa yang baik, dengan akurasi mencapai 99,83% pada pengenalan aksara yang diinputkan, serta grafik akurasi dan loss yang konsisten antara data pelatihan dan validasi. Temuan ini menunjukkan bahwa CNN memiliki potensi besar dalam pengenalan aksara Jawa, meskipun optimasi lebih lanjut tetap diperlukan untuk meningkatkan akurasi dan efisiensi sistem guna mendukung penerapannya secara lebih luas.
Penerapan Algoritma Klasifikasi pada Machine Learning untuk Deteksi Phishing: Application of Classification Algorithms in Machine Learning for Phishing Detection Fauzan, Rizky; Vitianingsih, Anik Vega; Cahyono, Dwi; Maukar, Anastasia Lidya; Suprio, Yoyon Arie Budi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1968

Abstract

Phishing merupakan salah satu bentuk kejahatan siber yang bertujuan mencuri informasi sensitif melalui metode penipuan, seperti situs web palsu yang menyerupai halaman resmi. Maka diperlukan sistem deteksi yang lebih akurat dan efisien untuk mengidentifikasi ancaman ini. Penelitian ini bertujuan untuk menganalisis penerapan algoritma klasifikasi dalam machine learning guna mendeteksi URL phishing. Algoritma yang digunakan dalam penelitian ini adalah Naïve Bayes, Random Forest, dan Decision Tree, yang diterapkan pada dataset yang dikumpulkan dari berbagai sumber. Dataset ini dianalisis menggunakan fitur berbasis Term Frequency - Inverse Document Frequency (TF-IDF) serta fitur numerik, seperti panjang URL, jumlah angka, karakter khusus, dan keberadaan kata kunci yang sering ditemukan dalam situs phishing. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur efektivitas sistem deteksi yang dikembangkan. Hasil eksperimen menunjukkan bahwa model Random Forest memiliki performa terbaik dengan akurasi mencapai 97,2%, diikuti oleh Decision Tree (96,3%), sementara Naïve Bayes memiliki akurasi lebih rendah (85,3%). Model Random Forest juga memiliki keseimbangan yang baik antara precision dan recall, sehingga lebih andal dalam mendeteksi URL phishing. Penggunaan algoritma Machine Learning terbukti dapat meningkatkan efektivitas deteksi phishing secara signifikan.
Implementasi Sistem Otomatisasi Sirkulasi Udara Menggunakan Fan Exhaust Berbasis Sensor DHT21 pada Vertikal Hidroponik: Air Circulation Automation System Using A Fan Exhaust Based On A Dht21 Sensor in Indoor Vertical Hydroponic Pratomo, Guntur Wahyu; Puspaningrum, Ajeng Savitri; Ismail, Izudin
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1660

Abstract

Sirkulasi udara yang optimal sangat penting dalam sistem hidroponik vertikal untuk menjaga suhu dan kelembaban ideal bagi pertumbuhan tanaman, yang bergantung pada kondisi lingkungan terkontrol. Suhu yang tidak sesuai dapat menghambat pertumbuhan. Penelitian ini mengembangkan sistem otomatisasi sirkulasi udara berbasis sensor DHT21 dan mikrokontroler ESP32 untuk mengontrol fan exhaust secara otomatis. Sistem ini memantau suhu lingkungan dan mengaktifkan kipas saat suhu melebihi 34°C, serta memberikan opsi kontrol manual untuk fleksibilitas tambahan. Pengujian menunjukkan bahwa kipas secara otomatis menyala ketika suhu mencapai 35°C dan mati saat suhu kembali di bawah 34°C, menjaga lingkungan hidroponik tetap stabil dan mendukung pertumbuhan tanaman. Hasilnya menunjukkan bahwa sistem ini efektif dalam meningkatkan efisiensi pengelolaan, menjaga suhu optimal secara real-time, dan mengurangi risiko stres panas pada tanaman pengujian. keseluruhan alat dengan kondisi yang sudah di atur tercapai 100%.
Sistem Pendeteksi Ketinggian Air dan Perhitungan Volume pada Bak Nutrisi Vertikal Hidroponik Menggunakan Sensor Sr04t : Water Level Detection System and Volume Calculation In Vertical Hydroponic Nutrition Tubs Using Sr04t Sensor Saryoga, Roban; Puspaningrum, Ajeng Savitri; Ismail, Izudin
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1661

Abstract

Hidroponik vertikal merupakan metode budidaya tanaman yang efisien dalam penggunaan ruang, dengan memanfaatkan struktur bertingkat untuk menanam tanaman. Dalam sistem ini, pentingnya nutrisi dan ketersediaan air menjadi faktor kunci dalam menjaga pertumbuhan optimal tanaman. Masalah yang sering muncul adalah ketidakstabilan ketinggian air di bak nutrisi, yang dapat menyebabkan distribusi nutrisi yang tidak merata. Untuk mengatasi masalah ini, penelitian ini mengusulkan penggunaan sensor ultrasonik SR04T untuk mengukur ketinggian air dengan akurasi yang lebih baik. Solusinya melibatkan pemantauan secara real-time dan perhitungan volume air berdasarkan interpolasi linear dari kedalaman yang diukur oleh sensor. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan dapat secara efektif mendeteksi perubahan ketinggian air dan menghitung volume air secara akurat, dengan hasil pengujian menunjukkan penurunan volume air seiring waktu. Sistem ini dapat membantu petani hidroponik dalam memantau ketersediaan air nutrisi secara efisien, memastikan pertumbuhan tanaman yang optimal dalam lingkungan hidroponik vertikal hasil pengujian ini, tingkat keberhasilan mencapai 100% sesuai dengan aturan yang telah ditetapkan, yaitu buzzer hanya menyala ketika kedalaman air turun di bawah batas tertentu.
Perancangan Sistem Deteksi Kebocoran Gas Bebasis IoT dan Web Server: Design of a Gas Leak Detection System Based on IoT and Web Server Sesanti, Ani; Rahmanto, Yuri
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1683

Abstract

Studi ini bertujuan untuk merancang dan menerapkan sistem deteksi kebocoran gas berdasarkan Internet of Things (IoT) dan teknologi web server menggunakan sensor MQ-2, mikrokontroler NodeMCU ESP8266, dan platform ThingSpeak. Sistem ini dirancang untuk secara akurat mendeteksi kebocoran gas dan memberikan pemberitahuan real-time kepada pengguna. Hasil pengujian menunjukkan bahwa sensor MQ-2 menunjukkan akurasi yang baik dengan penyimpangan ±5% dibandingkan dengan instrumen pengukuran standar, dan ambang deteksi yang ditetapkan pada 700 ppm secara efektif memberikan peringatan awal. Sistem ini memiliki waktu respons sekitar 5 detik dari deteksi kebocoran hingga transmisi data ke ThingSpeak dan menunjukkan keandalan tinggi selama pengujian berulang dalam berbagai kondisi. Meskipun kadang-kadang ada kegagalan transmisi data karena koneksi yang tidak stabil, visualisasi data di ThingSpeak menampilkan grafik yang jelas dan mudah dipahami, memungkinkan pemantauan waktu nyata konsentrasi gas LPG dan analisis tren historis. Akhirnya, sistem ini berhasil memenuhi tujuan meningkatkan keamanan lingkungan dan keamanan terhadap ancaman kebocoran gas, dengan aplikasi potensial yang luas di berbagai sektor.
Otomatisasi Pengendalian Suhu dan Kelembaban Berbasis Internet of Things pada Kandang Ayam Potong: Internet of Things Based Automation of Temperature and Humidity Control in Broiler Chicken Coops Rohman, Guntur Ainur; Isnaini, Auliya Rahman
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1686

Abstract

Produktivitas ayam potong sangat dipengaruhi oleh kestabilan suhu dan kelembaban kandang. Namun, pengendalian suhu dan kelembaban secara manual sering kali tidak konsisten dan kurang efisien, yang dapat menyebabkan stres pada ayam dan menghambat pertumbuhannya. Permasalahan ini mendorong pengembangan sistem otomatisasi pengendalian suhu serta kelembaban berbasis Internet of Things (IoT) untuk kandang ayam potong guna meningkatkan produktivitas pertumbuhan. Sistem ini menggunakan sensor DHT22 untuk mengukur suhu dan kelembaban, serta mikrokontroler ESP32 untuk memproses data dan mengirimkannya secara real-time ke web server. Dengan otomatisasi ini, kondisi lingkungan kandang dapat dikontrol secara optimal untuk mendukung pertumbuhan ayam. Metode penelitian ini melibatkan pengembangan dan pengujian sistem yang terdiri dari sensor DHT22, mikrokontroler ESP32, serta perangkat lunak monitoring. Data dari sensor diproses oleh ESP32 dan dikirim ke server IoT, yang kemudian menganalisis data tersebut dan memberikan instruksi untuk mengaktifkan perangkat pendingin atau pemanas sesuai kebutuhan. Hasil implementasi menunjukkan peningkatan efisiensi dalam pengendalian suhu dan kelembaban kandang. Dengan menjaga kondisi lingkungan dalam batas optimal, produktivitas pertumbuhan ayam potong meningkat secara signifikan dibandingkan dengan pengendalian manual. Selain itu, teknologi IoT memungkinkan monitoring secara real-time, sehingga peternak dapat mengambil tindakan preventif jika diperlukan. Secara keseluruhan, otomatisasi pengendalian suhu dan kelembaban berbasis IoT memberikan dampak positif terhadap produktivitas ayam.

Page 1 of 3 | Total Record : 24

 1   2   3 

Filter by Year

2025 2025


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