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
 11   12   13   14   15 
Sistem Pakar Diagnosa Kerusakan Motor Matic Menggunakan Metode Forward Chaining: Expert System for Diagnosing Automatic Motorcycle Damage Using the Forward Chaining Method Akhsa, Amaliah Chintami Darti
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.v4i2.1189

Abstract

CV. Alsa Indo Pratama Ahass merupakan sebuah perusahaan yang bergerak dalam perawatan dan perbaikan kendaraan bermotor. Setiap hari perusahaan ini menangani berbagai jenis kendaraan bertransmisi manual. Seiring perkembangan zaman, produsen kendaraan bermotor mulai menciptakan teknologi yang mempermudah para pengguna yaitu Motor Matic. Motor matic merupakan kendaraan yang menggunakan teknologi Continuosly Variable Transmition (CVT). Teknologi yang tergolong baru ini berbeda cara penangannya dari kendaraan bermotor yang menggunakan transmisi manual. Kurangnya tenaga ahli yang menguasai teknologi serta beberapa teknisi merupakan teknisi muda membuat penanganan terhadap motor matic di CV. Alsa Indo Pratama kurang maksimal. Melihat hal ini maka penulis membangun suatu sistem pakar untuk mendiagnosa kerusakan CVT pada motor matic. Sistem pakar ini dibangun dengan mentransfer keahlian dan pengetahuan pakar kendaraan matic ke dalam bahasa pemrograman yang diharapkan dapat membantu para teknisi menangani kendaraan matic ini. Sistem ini diuji menggunakan White-box testing agar menjamin bahwa sistem ini bebas dari kesalahan logika dan terjamin validitasnya. Diharapkan dengan dibangunnya sistem ini, CV. Alsa Indo Pratama Ahass dapat menangani permasalahan kerusakan CVT kendaraan motor matic sehingga pelayanan yang dihasilkan lebih baik.
Design of a Web-Based Village Asset Information System in Waimbidi Village Lidjang, Antonius Kalujur; Rada, Yustina; Sitaniapessy, Desy Asnath
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.v4i2.1191

Abstract

The village is one of the government agencies responsible for the process of managing village assets in an area. Waimbidi Village, Kambata Mapambuhang District, East Sumba Regency, currently managing village assets still uses manual methods by recording in master books, so that making reports takes a long time or even the required reports are incomplete. Recording using books can result in reports piling up, making it difficult to find data and taking a long time if one day it is needed. Based on these problems, a system is needed that can manage village assets. With the aim of being able to store village asset data permanently in a database. The system development method used in research is the waterfall method which starts from the process of planning, analysis, design and system implementation. The results of this research can create a Web-based Village Asset Information System in Villages, which can help the Waimbidi Village government manage asset data so that it can be more efficient and structured.
Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Ketahanan Pangan di Provinsi Jawa Tengah: Application of The K-Nearest Neighbor Algorithm for Food Security Classification In Central Java Province Aziza, Luthfiah Nur; Astuti, Rizka Yuli; Maulana, Bagas Akbar; Hidayati, Nurtriana
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.v4i2.1201

Abstract

  Ketahanan pangan merupakan hal yang penting untuk dijaga karena dapat berdampak pada kesejahteraan masyarakat. Penelitian ini bertujuan untuk memprediksi ketahanan pangan di Provinsi Jawa Tengah tahun 2023 menggunakan metode K-Nearest Neighbor (KNN). Data yang digunakan dalam penelitian ini adalah data komposit ketahanan pangan tahun 2021 dan 2022 di 29 kabupaten/kota di Provinsi Jawa Tengah. Data tersebut dinormalisasi terlebih dahulu sebelum digunakan untuk pelatihan dan pengujian model KNN. Hasil penelitian menunjukkan bahwa nilai komposit ketahanan pangan di Provinsi Jawa Tengah meningkat sebesar 1,70% dari tahun 2022 menjadi 84,23 pada tahun 2023. Model KNN dengan nilai n_neighbors sebesar 3 menunjukkan kinerja yang baik dalam memprediksi nilai komposit ketahanan pangan dengan nilai RMSE sebesar 0,80. Hasil penelitian ini menunjukkan bahwa ketahanan pangan di Provinsi Jawa Tengah mengalami perbaikan pada tahun 2023. Model KNN dapat digunakan untuk memprediksi ketahanan pangan di Jawa Tengah dengan akurasi yang baik
Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc): Topic Modeling on Online News Media Using Latent Diriclet Allocation (Case Study Somethinc Brand) Puspita, Evi; Shiddieq, Diqy Fakhrun; Roji, Fikri Fahru
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.v4i2.1204

Abstract

Somethinc merupakan salah satu merek kosmetik lokal di Indonesia yang aktif memanfaatkan media, seperti berita online untuk menyampaikan informasi terkini seputar merek. Dari banyaknya berita online mengenai merek Somethinc, sering kali topik dan tren yang sedang dibahas tidak menggambarkan informasi secara keseluruhan. Untuk menganalisis topik yang paling sering dibahas dalam berita online mengenai merek Somethinc, peneliti menggunakan metode topic modeling, yaitu Latent Dirichlet Allocation, yang dinilai lebih unggul dalam menghasilkan topik secara terstruktur. Penelitian ini memanfaatkan nilai coherence untuk menganalisis dan mengevaluasi jumlah topik terbaik, selanjutnya pendekatan human judgement digunakan untuk menginterpretasikan topik. Hasil analisis kemudian divisualisasikan secara interaktif menggunakan pyLDAvis, untuk mengetahui persebaran kata dari setiap topik. Berdasarkan hasil penelitian, jumlah topik terbaik terdapat pada topik 6 dengan nilai coherence sebesar 0.404. Keenam topik tersebut diinterpretasikan berdasarkan pendekatan human judgement, menghasilkan topik-topik meliputi produk skincare untuk kulit berjerawat, penghargaan brand kecantikan terbaik, kolaborasi produk, produk perawatan kulit dan kecantikan, kampanye pemasaran produk, dan brand lokal dengan produk perawatan kecantikan. Dapat disimpulkan bahwa jumlah topik 6 menghasilkan topik-topik yang relevan mengenai merek Somethinc.
Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM) : Sentiment Analysis of Pluang Applications With Naive Bayes and Support Vector Machine (SVM) Algorithm Maulana, Bagas Akbar; Fahmi, Muhammad Jazilul; Imran, Ari Muhamad; Hidayati, Nutriana
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.v4i2.1206

Abstract

Analisis sentimen merupakan proses menganalisis teks untuk menentukan sentimen yang diungkapkan, seperti positif, negatif, atau netral. Analisis sentimen dapat digunakan untuk berbagai tujuan, seperti memahami opini publik, mengukur kepuasan pelanggan, dan mendeteksi penipuan. Dalam penelitian ini, kami menerapkan metode klasifikasi sentimen untuk menganalisis ulasan aplikasi Pluang. Aplikasi Pluang adalah aplikasi investasi digital yang menawarkan berbagai produk investasi, seperti emas, saham, dan reksa dana. Kami menggunakan dua model klasifikasi sentimen, yaitu Naive Bayes dan SVM. Hasil penelitian menunjukkan bahwa model SVM bekerja lebih baik dibandingkan model Naive Bayes. Secara spesifik, model SVM memiliki akurasi sebesar 99,50%, presisi 99,67%, recall 99,33%, dan skor F1 sebesar 99,50%. Sedangkan model Naive Bayes memiliki akurasi sebesar 99,25%, presisi sebesar 99,44%, recall sebesar 99,06%, dan skor F1 sebesar 99,25%. Kelebihan model SVM dibandingkan model Naive Bayes adalah kemampuannya untuk membedakan teks positif dan negatif dengan lebih baik. Ini disebabkan oleh beberapa faktor, antara lain: Data negatif memiliki karakteristik yang lebih beragam daripada data positif, SVM menggunakan teknik kernel yang mampu memetakan data ke dalam ruang dimensi yang lebih tinggi, sehingga dapat memodelkan hubungan antar data dengan lebih baik. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM merupakan metode klasifikasi yang efektif untuk menganalisis sentimen ulasan aplikasi Pluang.
Analisis Perbandingan Kinerja Model Machine Learning untuk Memprediksi Risiko Stunting pada Pertumbuhan Anak: Analysis of Performance Comparison of Machine Learning Models for Predicting Stunting Risk in Children's Growth Sahamony, Nur Fitriyani; Terttiaavini, Terttiaavini; Rianto, Harsih
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.v4i2.1210

Abstract

Stunting menjadi masalah serius dalam pertumbuhan anak di Indonesia, mendorong penelitian ini untuk mengembangkan model prediksi menggunakan Machine Learning. Tujuan penelitian adalah membandingkan performa dari lima algoritma yaitu Random Forest, Logistic Regression, Naïve Bayes, SVM dan  Neural Networks untuk memprediksi stunting anak. Data stunting anak tahun 2023 dari Kota Lubuk Linggau yang digunakan dengan total 400 sampel. Metodologi penelitian melibatkan langkah inisiasi, pengembangan model linier, pembandingan hasil pengujian model, dan analisis prediksi menggunakan platform KNIME. Hasil uji menunjukkan bahwa Naïve Bayes memiliki performa tertinggi dengan akurasi = 98,57%, F1-Score = 0,99, serta recall dan precision yang sangat tinggi. Random Forest juga memberikan hasil baik dengan akurasi = 98,29%, namun Naïve Bayes diidentifikasi sebagai model terbaik. Penelitian ini memberikan kontribusi signifikan dalam upaya untuk pencegahan stunting dengan menggabungkan teknologi Machine Learning dan analisis dataset kesehatan. Dengan mengembangkan model prediksi menggunakan berbagai algoritma machine learning, diharapkan dapat membantu praktisi kesehatan dalam mengidentifikasi risiko stunting secara dini. Model yang optimal dapat digunakan sebagai alat pendukung keputusan untuk memberikan intervensi yang tepat dan efektif.
Aplikasi Startup Otocity Berbasis Design Thinking untuk Memudahkan Pengguna Kendaraan dalam Mengatasi Kerusakan dan Penitipan Kendaraan: Design Thinking-Based Otocity Startup Application to Facilitate Vehicle Users in Overcoming Vehicle Damage and Custody Nisa, Salma Aula
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.v4i2.1212

Abstract

Program UI/ UX Design Bersertifikat diselenggarakan oleh Yayasan Bakti Achmad Zaky dan dikukung oleh Kemdikbud Ristekdikti. Program dirancang untuk mempersiapkan UI/ UX Designer yang berkualitas dan dapat bersaing diera digital. Tema yang diangkat adalah tentang kendaraan. Dimana masalahnya sulit menemukan bengkel terdekat dari lokasi atau mencari tempat penitipan kendaraan. Jadi solusinya adalah dengan membuat aplikasi OTOCITY yaitu aplikasi bengkel dan penitipan kendaraan dengan menggunakan metode Design Thinking, karena dengan menggunakan aplikasi tersebut pengguna kendaraan tidak perlu antri atau datang untuk mendapatkan nomor antrian. Tujuan Aplikasi OTOCITY tidak hanya memudahkan para pengguna kendaraan namun juga memudahkan para pemilik bengkel dan penitipan kendaraan. Metode Design Thinking adalah proses berulang untuk memahami pengguna, menantang asumsi, dan mendefinisikan kembali masalah dalam upaya mengidentifikasi strategi. Salah satu keuntungan menggunakan metode design thinking adalah kemampuannya untuk mengurangi risiko. Jadi hasil aplikasi OTOCITY pun sudah teruji oleh para mentor dan sudah diuji kepada user atau pengguna kendaraan yang menggunakan smartphone
Optimalisasi Rekomendasi Rute Pada Perencanaan Perjalanan Wisata: Studi Pustaka: Optimization Route Recommendation-Based Tourist Trip Design Problem: A Literature Study Ramdani, Ahmad Luky; Widyantoro, Dwi Hendratmo; Munir, Rinaldi
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.v4i2.1213

Abstract

Tourist trip design problems (TTDP) merupakan permasalahan yang berkaitan dengan bidang pariwisata. TTDP berkaitan dengan perencanaan pengguna dalam melakukan perjalanan wisata berdasarkan pada tempat wisata yang menarik. Dalam sistem rekomendasi, TTDP merupakan permasalahan yang menarik. Hal ini karena tidak hanya digunakan untuk menemukan tempat wisata yang sesuai dengan pengguna, tetapi juga untuk menggabungkan tempat wisata ke dalam rute perjalanan yang praktis dengan mempertimbangkan batasan. Pada artikel ini bertujuan menyajikan penelitian sebelumnya yang berkaitan dengan proses optimasi rekomendasi perjalanan dan bagaimana permasalahan tersebut dimodelkan menggunakan pendekatan yang berbeda untuk mencari solusi yang optimal. Selain itu peluang penelitian yang dapat dilakukan untuk meningkatkan performa rekomendasi. Berdasarkan synthetic literatur review (SLR) dalam penelitian ini, didapatkan peluang penelitian yang dapat dilakukan untuk mendapatkan rekomendasi rute perjalanan yang optimal seperti kombinasi algoritma metaheuristic atau algoritma bio-inspired. Selain itu pada personalisasi pengguna terkait tempat wisata, terdapat peluang mengimplementasikan algorime deep learning seperti LTSM, Transformer, Bert sebagai nilai tempat wisata dari sisi pengguna
Implementasi Algoritma Certainty Factor dan Forward Chaining untuk Rekomendasi dan Larangan Makanan: Implementation of The Certainty Factor Algorithm and Forward Chaining Foor Food Recommendations and Prohibitions Harlina, Sitti; Marsa, Marsa; Opu, Andi Dita Dayana
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.v4i1.1215

Abstract

Sistem pakar dalam  diagnosa berbagai jenis penyakit berdasarkan  rekomendasi dan larangan makanan dengan metode certainty factor  dan Forward Chaining dengan peningkatan penyakit kronis disebabkan karena berbagai faktor yang mempengaruhi kesehatan seseorang. Kesehatan seseorang dipengaruhi oleh apa yang dikonsumsi setiap jenis penyakit memiliki pantangan makanan. Sistem pakar diterapkan pada aplikasi berbasis web untuk memberikan persentase keyakinan terhadap suatu penyakit dianggap berhasil dibangun kedalam sistem Oleh karena itu, dibutuhkan suatu aplikasi yang dapat membantu penderita penyakit tertentu dalam menentukan jenis makanan yang boleh dan tidak boleh di konsumsi dengan berbasis Mobile Website. Penyakit yang dapat di diagnosis oleh sistem ada 5 (lima)  yaitu Hipertensi, Diabetes Melitus, Asma, PPOK, dan Ginjal dengan menggunakan metode Certainty Factor dan Forward Chaining untuk menghitung nilai keyakinan user terhadap penyakit yang diderita. Penelitian ini menggunakan data 5 (lima) jenis penyakit, 26 gejala penyakit, 35 rekomendasi dan larangan makanan,serta 6 kasus pengujian. Dari 6 kasus pengujian tersebut di dapat hasil akurasi persentase keyakinan user terhadap suatu penyakit sebesar 83%.
Penerapan Data Mining untuk Prediksi Pelanggan di PT. XYZ Menggunakan Algoritma Linear Regression: Application of Data Mining for Customer Prediction at PT. XYZ Using Linear Regression Algorithm Ramdhani, Fauzi; Setiawan, Kiki
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.v4i2.1217

Abstract

Dengan perkembangannya kegiatan export dan import dalam negeri terutama di daerah DKI Jakarta, membuat persaingan bisnis terutama dalam bidang depot kontainer makin marak. Sehingga menyebabkan dampak volume bongkar di dalam depot kontainer yang membuat pelanggan atau liner dapat berpindah ke kompetitor. PT. XYZ bergerak di bidang bisnis depot kontainer. PT. XYZ juga  menyediakan layanan pembayaran untuk memudahkan transaksi pelanggan agar dapat dilakukan Dimana saja sebagai salah satu cara untuk meningkatkan Strategi pemasaran dalam system ini mempunyai sekumpulan berbagai fitur untuk memudahkan transaksi. Penelitian ini dilakukan dalam rangka membantu tim Marketing untuk dapat mengetahui hasil prediksi transaksi pelanggan sehingga dapat menyiapkan strategi pemasaran yang lebih baik dalam menghadapi era kompetisi ini. Dalam kasus ini metod linear regresi dalam penambangan data adalah metod yang baik untuk melakukan prediksi. Software yang digunakan dalam metod Linear Regresi ini adalah RapidMiner dan menghasilkan nilai Root Mean Square Error (RMSE) sebesar 0.313 yang menunjukan proforma yang bagus dan hasil prediksi cukup akurat

Page 13 of 42 | Total Record : 418

 11   12   13   14   15 

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