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 418 Documents
 10   11   12   13   14 
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.
Analisis Perbandingan Algoritma Machine Learning untuk Prediksi Stunting pada Anak: Comparative Analysis of Machine Learning Algorithms for Predicting Child Stunting Putri, Indah Pratiwi; Terttiaavini, Terttiaavini; Arminarahmah, Nur
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.v4i1.1078

Abstract

Penelitian ini menyoroti permasalahan serius stunting pada anak-anak, terutama dalam pendataan yang tidak konsisten dan kurangnya informasi akurat dalam evaluasi kondisi tersebut. Tujuannya adalah mengembangkan model Machine Learning (ML)  untuk memprediksi kasus stunting dengan lebih baik. Metode penelitian melibatkan tiga algoritma ML: Naive Bayes, K-Nearest Neighbors, dan Random Forest, dievaluasi berdasarkan Accuracy, Precision, dan recall. Penelitian ini memanfaatkan platform KNIME untuk membantu pengelolaan data yang lebih efisien dan akurat. Hasil evaluasi menunjukkan bahwa Random Forest memiliki akurasi tertinggi (87.75%) dan F1-score (0.922), menunjukkan keseimbangan yang baik antara Precision dan recall. Meskipun demikian, K-Nearest Neighbors menonjol dalam menemukan sebagian besar kasus stunting yang sebenarnya. Kesimpulannya, model Random Forest mungkin menjadi pilihan terbaik untuk mendiagnosis stunting pada anak-anak, karena kombinasi akurasi tinggi dan kemampuan menemukan kasus stunting yang lebih baik dari model lainnya. Penelitian ini memberikan wawasan tentang penerapan ML dalam mendukung deteksi dini stunting, memungkinkan intervensi yang lebih tepat dan cepat bagi anak-anak yang membutuhkan perhatian kesehatan yang lebih intensif.
Robot Virtual Menggunakan Metode Knuth Morris Pratt: Virtual Robot Using Knuth Morris Pratt Method Nizar, Ahamd; Harsani, Prihastuti; Anggraeni, Irma
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.v4i1.1083

Abstract

Pekerjaan manusia saat ini mulai dapat tergantikan oleh robot yang di program khusus untuk melakukan berbagai pekerjaan. Di antara perkembangan bot yang ada saat ini, tercipta sebuah virtual assistant berbasis kecerdasan buatan. Saat ini masyarakat saat ini sedang memasuki era Society 5.0 dimana masyarakat harus mengintegrasikan teknologi ke dalam kehidupan dengan cara yang lebih cerdas, manusiawi dan perkelanjutan namun sayangnya banyak faktor yang membuat masyarakat tidak dapat memanfaatkan teknologi dalam kehidupan sehari-hari seperti faktor biaya, perangkat yang tidak mumpuni, dan aksesbilitas yang sulit sehingga membuat masyarakat indonesia masih sangat jauh dalam era Society 5.0 . Maka dari penelitian ini merancang sebuah sistem robot virtual assistant dengan teknologi Natural Language Processing berbasis Artificial Intelligence untuk membantu seseorang dalam kegiatan sehari-harinya. Sistem robot ini dibuat pada platform website sehingga tidak seperti Google Assistant yang membutuhkan memori penyimpanan pada perangkat yang cukup besar dan juga membutuhkan sistem operasi yang men-support google assistant tersebut. Sistem robot ini tidak membutuhkan penyimpanan memori pada perangkat dan juga support dengan semua sistem operasi sehingga device/gadget manapun dapat menggunakannya. Robot Virtual ini dibuat dengan menggunakan Algoritma Knuth Morris Pratt (KMP). Hasil robot virtual ini dapat menerima perintah untuk membuat alarm, cuaca, Youtube, serta pencarian di Google.
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.
Implementasi Metode Risk Based Inspection pada Storage Tank di PT. ABC dalam Penentuan Interval dan Metode Inspeksi: Implementation of the Risk Based Inspection Method in Storage Tanks at PT. ABC in Determining Inspection Intervals and Methods Nurbayanah, Siti; Soedarsono, Johny W.; Munir, Badrul; Mahendra, Mirza
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.v4i1.1088

Abstract

PT. ABC merupakan perusahaan perdagangan olahan minyak dan gas bumi di Indonesia, menekankan pentingnya tangki timbun atau storage tank dalam operasional penyaluran bahan bakar. Meskipun vital, storage tank sering menghadapi risiko korosi karena bahan konstruksi utama, seperti baja (Carbon Steel). Korosi ini dapat menyebabkan kegagalan peralatan, yang berpotensi merusak komponen sistem tangki dan bahkan melepaskan produk ke lingkungan. Dalam konteks Indonesia, regulasi pemerintah (Peraturan No. 32 Tahun 2021) menetapkan bahwa setiap tangki penyimpanan minyak atau gas alam di industri minyak dan gas harus menjalani pemeriksaan teknis dan keselamatan. Penelitian ini fokus pada pemeriksaan berbasis risiko dengan menggunakan API 581 Risk Based Inspection. Pendekatan ini merancang program inspeksi berdasarkan tingkat risiko terkait dengan peralatan. Dari hasil perhitungan dan analisis, disimpulkan bahwa storage tank memiliki tingkat risiko sedang (1D) dengan sisa umur terendah pada peralatan selama 15 tahun (180 bulan) dan corrosion rate maksimum sebesar 0,127 mm/tahun. Nilai-nilai ini masih berada dalam batas nilai risiko yang diperbolehkan, mengindikasikan kebutuhan untuk tindakan pencegahan dan pemeliharaan yang tepat guna memastikan keberlanjutan operasional yang aman dan efisien.
Sistem Smart Library Berbasis Arduino di Perpustakaan Sekolah: Arduino-Based Smart Library System in School Libraries Wibowo, Ari; Ma’muriyah, Ni’matul; Yuliyanto, Andik
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.v4i2.1143

Abstract

Perpustakaan sekolah memiliki fungsi sebagai tempat penyimpanan buku-buku referensi baik referensi dalam bentuk hardcopy dan softcopy. Fungsi lainnya perpustakaan menjadi tempat menambah wawasan ilmu pengetahuan bagi murid sekolah secara mandiri, demikian juga dengan guru sekolah. Ruang perpustakaan selalu dijaga suasana ketenangan nya untuk memberikan kenyamanan bagi pengunjungnya namun tidak jarang beberapa pengunjung secara tidak sadar membuat keributan yang mengganggu pengunjung lainnya ditambah dengan lokasi operator perpustakaan yang selalu berada di depan sehingga tidak bisa memonitor semua pengunjung yang datang ke perpustakaan. Kemajuan teknologi saat ini yang menghadirkan Internet of Things (IoT) sangatlah banyak implikasinya, salah satunya Smart Library. Smart library yang dirancang mampu mendeteksi kebisingan melalui Sound Level Meter berbasis Arduino yang dipasang dititik-titik yang tidak terlihat oleh operator perpustakaan. Beberapa perangkat pendukung yang diperlukan agar system dapat berfungsi adalah HC-12, Buzzer, Sensor KY-038, dan Bahasa C. Dengan perangkat IoT ini, operator perpustakaan dapat memonitor seluruh sudut area yang jauh sekalipun sehingga suasana ketenangan dapat dikendalikan. Hasil penelitian menunjukkan System yang dirancang dapat mengurangi kebisingan yang dapat mengganggu pengunjung dan menciptakan suasana perpustakaan yang tenang.
Desain Sistem Deteksi Asap Berbasis Sensor Mikrokontroler Sebagai Upaya Pencegahan Kebakaran: Design of Microcontroller Sensor-Based Smoke Detection System as an Effort for Fire Prevention Kalbuana, Nawang; Kurnianto, Benny
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.v4i1.1158

Abstract

Ancaman dari kebakaran dapat menimbulkan dampak yang serius, termasuk kerugian materi dan bahkan hilangnya nyawa. Tindakan pencegahan menjadi suatu keharusan untuk menghindari, mencegah, dan mengurangi risiko kebakaran. Tujuan dari penelitian ini adalah merancang serta membangun sistem deteksi asap berbasis sensor dan mikrokontroler, yang dapat efektif mendeteksi potensi bahaya kebakaran di dalam rumah atau gedung baik dikawasan perkantoran maupun dikawasan bandar udara. Metode penelitian menggunakan model Prototyping, dengan komponen-komponen utama seperti sensor asap, mikrokontroler, LED, dan buzzer alarm. Sistem yang dihasilkan memberikan peringatan dini melalui alarm terkait potensi risiko kebakaran, dan diharapkan dapat mendeteksi serta mencegah potensi bahaya kebakaran yang mungkin terjadi. Penelitian ini memberikan kontribusi pada pengembangan solusi pencegahan kebakaran yang efektif dan dapat diterapkan secara luas, sehingga secara spesifik meningkatkan keselamatan di rumah, gedung perkantoran, dan di sekitar bandar udara. Dengan implementasi sistem deteksi asap ini, diharapkan dapat mengurangi risiko kebakaran, memberikan peringatan dini, dan pada akhirnya, melindungi nyawa dan harta benda.
Rancang Bangun Sistem Informasi Penjualan Motor dan Bengkel Menggunakan Metode Prototipe: Design and Built a Motorcycle Sales and Workshop Information System Using Prototype Method Sriyeni, Yesi; Irwansyah, Irwansyah; Priatama, M. Aji
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.v4i1.1159

Abstract

Perkembangan teknologi saat ini mengharuskan sebuah usaha untuk bertumbuh agar dapat bertahan. PD Panca Motor KM 14 Palembang adalah salah satu perusahaan dealer kendaraan sepeda motor merk Yamaha. Penelitian ini bertujuan untuk membantu PD Panca Motor KM 14 yang memiliki permasalahan dalam mengolah data penjualan dan data bengkel melalui sebuah Sistem Informasi berbasis website. Penelitian ini menggunakan metode prototipe dalam pengembangan sistem, flowchart, DFD, ERD sebagai alat bantu perancangan sistem dan black box testing untuk pengujian sistem. Dengan Sistem Informasi Penjualan dan Bengkel dapat membantu PD Panca Motor KM 14 Palembang dalam mengelola data penjualan, laporan data penjualan, data stok barang, data sparepart, data service dan data laporan bengkel. Sistem Informasi dievaluasi menggunakan metode user acceptance testing, menghasilkan nilai persentase 81% artinya sistem informasi dapat diterima sepenuhnya dan digunakan oleh PD Panca Motor KM 14 Palembang.
Analisis Loyalitas Pelanggan Business To Business Berdasarkan Model RFM Menggunakan Algoritma Fuzzy C-Means: Business to Business Customer Loyalty Analysis Based on RFM Model Using Fuzzy C-Means Algorithm Al-Yasir, Al-Yasir; Afdal, M.; Zarnelly, Zarnelly; Marsal, Arif
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.v4i1.1163

Abstract

PT. XYZ merupakan perusahaan yang bergerak di bidang distributor atap plastik dan Aluminium Composit Panel (ACP) yang mengadopsi model usaha B2B. Saat ini strategi yang digunakan oleh PT. XYZ masih belum berfokus pada segmentasi pelanggan dan masih memperlakukan setiap pelanggan dengan sama. Selain itu data penjualan yang terdapat ribuan lebih riwayat transaksi hanya digunakan sebagai arsip yang seharusnya dapat digunakan untuk pengembangan strategi perusahaan. Berdasarkan hal tersebut, penelitian ini melakukan segmentasi pelanggan pada PT. XYZ menggunakan model RFM dan algoritma FCM untuk menganalisis pelanggan bersasarkan karakteristik dan perilakunya. Data yang digunakan terdiri dari 9163 transaksi yang memuat 494 pelanggan. Untuk mendapatkan jumlah cluster yang optimal maka dilakukan pengujian pada jumlah cluster yaitu 2-10. Hasilnya menunjukkan 2 cluster sebagai jumlah yang terbaik dengan nilai DBI 0,4908. Cluster 1 yang terdiri dari 387 pelanggan dikategorikan sebagai loyal customer sedangkan cluster 2 yang terdiri dari 107 pelanggan dikategorikan sebagai lost customer. Sebagai pelanggan yang loyal, perusahaan perlu memberikan apresiasi untuk mempertahankan hubungan baik dengan pelanggan seperti memberikan diskon, ataupun penawaran khusus. Kemudian untuk segmen lost customer, perusahaan perlu mengambil langkah yang tepat untuk mencoba memulihkan hubungan dengan pelanggan dan menganalisis faktor dan penyebab pelanggan pada segmen ini beralih ke perusahaan lain.
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

Page 12 of 42 | Total Record : 418

 10   11   12   13   14 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue 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