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
 15   16   17   18   19 
Design and Construction of a Website-Based Animal Equipment Sales Information System Suryaningrat, Suryaningrat
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.v4i2.1306

Abstract

Selling pet supplies is an industry that continues to grow along with increasing public awareness of the needs of pets. To increase efficiency and accessibility in this business, this research aims to design and build a website-based information system for selling pet supplies. The system development method used includes user needs analysis, user interface design, system implementation, and functionality testing. Through this website, users can easily explore and buy various pet supplies such as food, toys and other accessories. This system is also equipped with inventory management and order tracking features to ensure item availability and customer satisfaction. With the adoption of web-based technology, it is hoped that this system can improve the user's shopping experience and help business owners manage pet equipment sales operations more efficiently. This research uses testing in the form of black box testing.
Analisis Penerimaan Aplikasi Flip Menggunakan Model Unified of Acceptance and Use of Technology 3: The analysis of Flip application acceptance using the Unified Theory of Acceptance and Use of Technology 3 model Kristi, Nalis; Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
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.v4i2.1316

Abstract

Penelitian ini bertujuan untuk mengukur tingkat penerimaan aplikasi Flip oleh UMKM di Kabupaten Garut menggunakan model UTAUT 3. Metode kuantitatif eksplanatori cross-sectional digunakan dengan pengumpulan data primer melalui kuesioner berdasarkan skala likert 1 sampai 5, serta data sekunder didapatkan dari jurnal, artikel, dan informasi terkait topik penelitian, selanjutnya data di analisis menggunakan SmartPLS 3.0. Penelitian ini merupakan lanjutan dari penelitian terdahulu mengenai Analisis Tingkat Penerimaan Penerapan aplikasi Flip menggunakan metode UTAUT 2, dalam penelitian tersebut tidak mempertimbangkan variabel personal innovativeness, personal innovativeness di anggap penting dalam mengukur sejauh mana seseorang cenderung menerima dan mengadopsi inovasi baru. Hasil menunjukkan terdapat empat hipotesis di terima, yakni behavioral intention terhadap use behaviour, habit terhadap use behaviour, personal innovativeness terhadap behavioral intention, dan price value terhadap behavioral intention. Sementara itu, delapan hipotesis ditolak, yakni effort expectancy terhadap behavioral intention, facilitating conditions terhadap behavioral intention, facilitating conditions terhadap use behaviour, habit terhadap behavioral intention, hedonic motivation terhadap behavioral intention, performance expectancy terhadap behavioral intention, personal innovativeness terhadap use behaviour, dan social influence terhadap behavioral intention.
Pemilihan Platform Film Streaming Menggunakan Metode SMARTER dan MOORA: Selection of Streaming Film Platforms Using the SMARTER Method and the MOORA Saputri, Arini; Hilabi, Shofa Shofiah; Nurapriani, Fitria; Huda, Baenil
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.v4i2.1325

Abstract

Sektor industri perfilman telah menjadi aspek tontonan wajib dalam masyarakat, saat ini film menjadi suatu hiburan yang populer di Indonesia. Kemajuan teknologi dan digitalisasi memfasilitasi akses mudah menonton film, masa transisi dari penggunaan DVD/VCD ke Blu-Ray sebagai media untuk menikmati film yang mendapatkan daya tarik pada masanya. Perkembangan internet dan platform online yang semakin pesat telah mengubah industri dunia perfilman, banyak sekali bermunculan berbagai layanan streaming yang menawarkan kemudahan untuk menonton film kapan saja dan dimana saja. Maraknya kemudahan menonton film streaming dengan tersedianya berbagai platform film masih banyak terdapat perbedaan beberapa aspek baik tampilan maupun layanan yang ditawarkan, sehingga penelitian ini memberikan wawasan dan rekomendasi mengenai opsi streaming yang baik. Dalam penelitian ini menggunakan metode MOORA dan SMARTER Kedua metodologi menghasilkan hasil yang sebanding pada nilai tertinggi yaitu Netflik sebagai platform film streaming paling aman dengan skor 0,421 pada metode SMARTER dan 0,582 pada metode MOORA , dan mengalami selisih perbedaan yang tidak terlalu signifikah terkait peroleh nilai tertinggi kedua, Dimana pada metode SMARTER di peroleh oleh Disney Hotstar dengan nilai 0,377sedangkan pada metode MOORA nilai tertinggi kedua di peroleh oleh Iflix dengan nilai0,297sehingga kedua metode ini sangat ideal untuk digunakan.
Implementasi Algoritma K-Nearest Neighbor untuk Prediksi Penjualan Alat Kesehatan pada Media Alkes: Implementation of the K-Nearest Neighbor Algorithm to Predict Sales of Medical Devices in Medical Devices Nijunnihayah, Uktupi; Hilabi, Shofa Shofiah; Nurapriani, Fitria; Novalia, Elfina
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.v4i2.1326

Abstract

Media Alkes Perusahaan ini bergerak dalam bidang industri Alat Kesehatan. Perusahaan ini menyediakan berbagai produk seperti jarum kursi roda, alat infus, alat monitor tekanan darah, dan lain-lain. Media Alkes juga aktif menerapkan strategi bisnis untuk memenuhi kebutuhan pelanggan. Namun sering terjadi kekurangan stok dan barang menumpuk di dalam perusahaan ini. Peneliti telah mengelola dan menganalisis data penjualan yang ada untuk memahami kebutuhan pelanggan terhadap Alat Kesehatan. Dalam menghadapi tantangan tersebut, peneliti mengusulkan algoritma K-Nearest Neighbor untuk memprediksi penjualan Alat Kesehatan di Media Alat Kesehatan. Informasi mengenai jumlah penjualan Alat Kesehatan dengan kriteria Sangat laris, Cukup laris dan Kurang laris dapat dilihat melalui data penjualan tahun 2020 hingga tahun 2022 pada Media Laporan Penjualan Alat Kesehatan. Penelitian dilakukan dengan menerapkan metode K-Nearest Neighbor (KNN) baik dengan perhitungan secara manual maupun menggunakan sistem RapidMiner. Hasil dari prediksi yang menggunakan sistem RapidMiner menunjukkan tingkat akurasi sebesar 95,00% dari data yang disebut penjualan. Dengan hasil prediksi yang didapat yang Sangat bagus tersebut, metode ini dapat dijadikan sebagai acuan dalam merencanakan penjualan di masa depan. Dengan menerapkan prediksi ini, perusahaan dapat mengelola stok barang dengan secara efisien dan menghindari kehabisan stok serta memuat barang yang tidak diinginkan.
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.

Page 17 of 42 | Total Record : 418

 15   16   17   18   19 

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