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 441 Documents
 16   17   18   19   20 
Lecturer Performance Software Using the MOORA Method at IAIN Ash-Shiddiqiyah Nurmadhani, Yosep; Mirza, A. Haidar
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.v4i3.1296

Abstract

The importance of having an effective decision support system to select and determine the best lecturers cannot be denied. This research aims to develop a decision support system for selecting the best lecturers at IAIN ASH-SHIDDIQIYAH. The method used is MOORA (Multi-Objective Optimization on the basis of Ratio Analysis), a multi-objective approach that allows optimization of two or more conflicting attributes simultaneously. The results of this study include the development of a decision support system that can provide useful guidance for decision-makers at IAIN ASH-SHIDDIQIYAH in the process of selecting and determining the best lecturers. Through MOORA analysis, the best lecturers can be selected by considering various aspects such as teaching quality, research ability, contribution to curriculum development, involvement in guidance and training activities, and contribution to the community. The results of this research are expected to improve the quality of education and the institution's contribution to society as a whole through the selection of high-quality and high-performing lecturers. This research demonstrates that the development of a decision support system using the MOORA method can be an effective tool for higher education institutions in selecting the best lecturers. 
Audit Tata Kelola Teknologi Informasi Pada Universitas Hang Tuah Pada Domain Deliver and Support COBIT 4.1: Audit of Information Technology Governance at Hang Tuah University using the Deliver and Support Domain of COBIT 4.1 Siddik, Muhammad Khoirun; Novriyanto, Novriyanto; Vitriani, Yelfi; Darmizal, Teddie
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.v4i3.1299

Abstract

Universitas Hang Tuah Pekanbaru (UHTP) merupakan suatu lembaga pendidikan yang berada dibawah naungan yayasan Hang Tuah Pekanbaru. Univ Hang Tuah telah menerapkan teknologi informasi (TI) dalam mendukung kegiatan akademik dan administrasi. Penerapan TI tersebut tentu dapat menimbulkan berbagai permasalahan seperti yang terjadi pada UHTP di antaranya adalah telah terjadi peretasan pada website akademik yang mengakibatkan terhambatnya penyampaian informasi kepada seluruh pengguna sistem. Berdasarkan permasalahan yang terjadi di Univ Hang Tuah maka dilakukan audit untuk mengukur tingkat kematangan dan memberikan rekomendasi tata kelola perbaikan setelah mengetahui kesenjangan antara tatakelola saat ini dengan tatakelola yang diharapkan sesuai dengan framework COBIT 4.1 yang fokus pada domain Deliver and Support (DS). Teknik pengumpulan data dilakukan dengan wawancara dan kuesioner kepada narasumber yang telah dipilih berdasarkan RACI Chart. Metode analisis data dilakukan dengan penghitungan nilai skor tiap subdomain, penghitungan nilai rata rata subdomain, penghitungan nilai kematangan, pemetaan tingkat kematangan dan pemberian rekomendasi sesuai dengan tingkat kematangan dan mengacu pada maturity model COBIT 4.1. Hasil penelitian diperoleh nilai maturity level pada domain Deliver and Support (DS) adalah 3,121 Defined. Hal ini berarti bahwa Universitas Hang Tuah Pekanbaru telah memiliki standarisasi prosedur yang telah dipraktekan dan telah didokumentasikan serta dikomunikasikan melalui pelatihan.
Analisis Keamanan Jaringan Berbasis Point to Point Protocol Over Ethernet (PPPoE) Menggunakan Mikrotik: Analysis Network Security Based Point to Point Protocol Over Ethernet (PPPoE) Using Mikrotik Sari, Linna Oktaviana; Safrianti, Ery; Wahyuningtias, Defvi
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.v4i3.1301

Abstract

Keamanan jaringan adalah proses tindakan untuk melindungi jaringan untuk menghindari berbagai jenis serangan dan pelanggaran data, seperti mencegah serangan cyber, kontrol akses, mendeteksi perangkat lunak berbahaya dan tindakan keamanan lainnya. Jaringan LAN memiliki protokol yang disebut Address Resolusi Protocol (ARP). ARP merupakan protokol yang sangat mudah untuk dieksploitasi karena paket transaksi ARP dapat dimanipulasi oleh komputer manapun. Serangan ARP spoofing dapat dieksploitasi pada kerentanan ini. Untuk mengamankan jaringan lokal dari serangan ARP Spoofing, diperlukan mekanisme keamanan yang dapat meminimalkan risiko eksploitasi protokol komunikasi dalam jaringan. Maka pada penelitian ini dilakukan analisa keamanan jaringan berbasis PPPoE dengan menggunakan Mikrotik sebagai cara terbaik untuk mengatasi permasalahan keamanan jaringan. Untuk mengetahui performa PPPoE dari segi keamanan, dilakukan pengujian dengan serangan ARP spoofing menggunakan tools netcut. Pengujian dilakukan sebelum dan sesudah penerapan PPPoE dengan hasil sebelum penerapan PPPoE diperoleh informasi mengenai alamat IP, alamat MAC dan nama perangkat pengguna yang terhubung sehingga dapat dilakukan cut-off. Sedangkan setelah penerapan PPPoE, pengguna yang terhubung ke jaringan PPPoE tidak terdeteksi sehingga cut-off tidak dapat dilakukan.
Exoplanet Classification Through Machine Learning: A Comparative Analysis of Algorithms Using Kepler Data Airlangga, Gregorius
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.v4i3.1303

Abstract

This study delves into the classification of exoplanets using data from the Kepler Space Telescope, comparing a suite of machine learning (ML) models to ascertain their efficacy in distinguishing confirmed planets, candidates, and false positives. With a dataset meticulously preprocessed for quality, completeness, and relevance, we embarked on an analytical journey employing models like Decision Tree, Random Forest, Hist Gradient Boosting, CatBoost, AdaBoost, LightGBM, XGBoost, Extra Trees, Logistic Regression, and XGBoost RF. These models underwent rigorous evaluation across metrics such as Accuracy, Precision, Recall, and F1 Score, revealing an unprecedented level of performance. Our findings showcased a near-uniform perfection in model predictions, with scores touching the zenith of 1.0 across most metrics for the majority of models, indicating their flawless prediction capabilities. This remarkable performance, however, was nuanced by the Gaussian NB model's slightly less than perfect scores of 0.99, highlighting a minor deviation due to its probabilistic nature. While these results underscore the models' exceptional accuracy and reliability in classifying exoplanetary data, they also prompt a critical examination of potential overfitting, the dataset's complexity, and the models' generalizability to unseen data. 
Network Security Analysis on The Internet Facility (Wifi) UIN Syarif Hidayatullah Jakarta Against Packet Sniffing Attacks Anwar, A. Nurul
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.v4i3.1307

Abstract

In an increasingly digital era, network security has become very important to protect sensitive data from cyber attacks. One common attack is a packet sniffing attack, where hackers can capture and snoop on data packets sent over a WiFi network. This research aims to analyze the level of network security in internet facilities (WiFi) at UIN Syarif Hidayatullah Jakarta against packet sniffing attacks. The methods used include surveys, observations and technical analysis of existing network infrastructure. The research results show that although UIN Syarif Hidayatullah Jakarta has implemented several network security measures, there are still gaps that can be exploited by packet sniffing attacks. Factors such as the use of vulnerable network protocols and lack of use of data encryption are the main causes of network vulnerability to these attacks. Recommendations include the implementation of additional security measures such as the use of more secure protocols, implementation of strong data encryption, as well as user training and awareness to minimize the risk of packet sniffing attacks. In this way, it is hoped that internet facilities (WiFi) at UIN Syarif Hidayatullah Jakarta can be safer and protected from potentially detrimental cyber attacks.
Perbandingan Response Time Pencarian Menggunakan Text Indexing Pada MongoDB dan ArangoDB Berbasis Web Avrylya, Tessalonica Putry; Susetyo, Yeremia Alfa
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.v4i3.1308

Abstract

Jumlah data dalam basis data meningkat setiap hari seiring dengan berkembangnya industri teknologi informasi. Basis data relasional (SQL) telah berevolusi sejak diperkenalkannya basis data NoSQL seperti MongoDB dan ArangoDB. Basis data tersebut memiliki fitur yang dapat menggunakan indeks teks untuk pencarian teks dan menyimpan data dalam format JSON/ BSON. Volume data, fleksibilitas struktural, dan kecepatan pencarian adalah masalah umum dalam pemrosesan data. Akibatnya, manajemen data menjadi tidak efektif yang menyebabkan penurunan kinerja basis data. Fokus utama dari penelitian ini adalah untuk melakukan perbandingan respon waktu terhadap pencarian menggunakan teks indeks pada basis data MongoDB dan ArangoDB yang berbasis website guna mempercepat pencarian sehingga mengetahui perbandingan performa kueri antar basis data. Berdasarkan temuan dari 1000, 10000, 100000, dan 1000000 rekaman data didapat kesimpulan bahwa pengindeksan teks MongoDB lebih cepat dibandingkan dengan ArangoDB. Pada pengujian didapatkan hasil pada satu kata kunci selisih kecepatan waktu eksekusi sebesar 170,75ms, untuk dua kata kunci sebesar 205,5ms, dan pada tiga kata kunci sebesar 267,75ms.
Pengukuran Tingkat Kematangan pada Pelayanan Akademik dengan Cobit 4.1 Menggunakan Domain Monitor dan Evaluate: Measuring the Level of Maturity in Academic Services with Cobit 4.1 Using the Monitor and Evaluate Domains Novriyanto, Novriyanto; Lesmana, Aria; Darmizal, Teddie; Oktavia, Lola
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.v4i3.1320

Abstract

Perkembangan teknologi informasi yang sangat pesat menjadikannya sebagai suatu kebutuhan yang penting untuk perkembangan suatu organisasi. Universitas Hang Tuah menjadi salah satu Lembaga yang menggunakan teknologi informasi dalm berbagai aktivitas pelayanan akademiknya. Proses pelayanan akademik di Universitas Hang Tuah masih memiliki berbagai kekurangan yaitu terkait sistem atau aplikasi, pelaporan kinerja TI, infrastruktur, dan sumber daya TI lainnya. Pada permasalahan yang terjadi di Universitas Hang Tuah akan dilakukannya pengukuran tingkat kematangan dan memberi rekomendasi  perbaikan, setelah mendapatkan hasil GAP antara tata kelola saat ini dengan tata kelola yang diinginkan sesuai ketentuan framework COBIT 4.1 berfokus pada domain Monitor and Evaluate. Pengumpula data pada penelitian ini menggunakan wawancara dan kuesioner yang telah dipilih berdasarkan RACI Chart. Hasil maturity level dari penelitian didapat nilai domain Monitor and Evaluate  adalah 3,625 , yang menunjukkan bawah Universitas Hang Tuah mendapatkan level maturity level 4 (Managed and Measureabel) terdapat kesenjangan GAP atau rata-rata menjadi 0,58. Kemudian, Universitas Hang Tuah dapat mengimplementasikan beberapa usulan. Di antara usulan yang diajukan adalah agar manajemen menilai teknik pelatihan yang diberikan kepada pengguna sistem sesuai dengan standar kebutuhan untuk mencapai tujuan universitas
Pengenalan Jenis Kelamin dalam Lingkungan Multiaksen Menggunakan Metode Multi Layer Perceptron (MLP) dan Gated Recurrent Unit (GRU): Gender Recognition in a Multiaccent Environment Using Multi Layer Perceptron (MLP) and Gated Recurrent Unit (GRU) Methods Danil, Kurniawan
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.v4i3.1323

Abstract

Pengenalan  jenis  kelamin  dalam  lingkungan  multiaksen  merupakan  tantangan  kompleks  dalam  pengembangan  sistem kecerdasan buatan. Sistem ini bekerja dengan mendeteksi suara masukkan dalam suatu file suara, selanjutnya dilakukan analisis terhadap suara tersebut guna mendeteksi jenis kelamin dari sumber suara. Penelitian ini merupakan awal dari pengembangan sistem berbasis suara menggunakan kecerdasan buatan yang bermanfaat untuk kemudahan interaksi manusia dengan gawai guna peningkatan produktivitas dan aksesibilitas dari pengguna sistem. Penelitian ini mengeksplorasi pendekatan kecerdasan buatan dengan menggunakan dua model jaringan saraf, yaitu Multi Layer Perceptron (MLP) dan Gated Recurrent Unit (GRU). Data yang digunakan sebanyak 4000 data dengan pembagian 2000 data suara perempuan dan 2000 data suara laki-laki. Dilakukan pembagian data latih sebesar 80% dan data uji sebesar 20% dari total keseluruhan data. Hasil evaluasi pengujian model menggunakan MLP dengan 2 hidden layer sebesar (128 & 64) mendapat hasil akurasi sebesar 79%, rata- rata  hasil  precision  79%, recall 79%, dan  skor f1 79%. Sedangkan penggunaan metode GRU dengan lapisan GRU sebanyak 64 unit mendapat hasil akurasi 75%, rata-rata hasil precision 75,5%, recall 75,5%, dan skor f1 75%. Dengan demikian, pada penelitian ini, Model dengan MLP memiliki performa yang lebih unggul dalam mendeteksi jenis kelamin berdasarkan suara dalam lingkungan multiaksen.
The OSI and TCP/ IP Reference Models in the Era of Industry 4.0 Permana, Eka Ramdan; Wahyu, Fajar Nugraha; Taufik, Handri; T, Thoyyibah
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.v4i3.1324

Abstract

The research aims to evaluate the integration and relevance of the Open Systems Interconnection (OSI) and TCP/IP (Transmission Control Protocol/Internet Protocol) Reference Models in the context of Industry 4.0. This study seeks to analyze the suitability of these models with the complex and dynamic networking environment of the present era and to propose modifications or strategies to enhance their performance and security within the context of Industry 4.0. The research method employed is descriptive research with a literature study design. This descriptive research method with a literature study design will aid in depicting and analyzing the OSI and TCP/IP reference models in the Industry 4.0 era. Primary data sources are derived from scholarly journals, reference books, and other relevant publications. Data analysis is conducted using a qualitative approach, wherein information from various sources will be thoroughly analyzed to identify patterns, trends, and relationships among the studied concepts. The research findings indicate that the difference between the OSI and TCP/IP models lies in their approaches and characteristics in regulating the process of data communication within networks. OSI emphasizes reliability at each layer, while TCP/IP views reliability as an end-to-end issue. 
Evaluasi Tata Kelola TI Menggunakan Framework Cobit 5 pada Soraya Shop Palembang: Evaluation of IT Governance Using a Framework Cobit 5 at Soraya Shop Palembang Devasela, Meidick Dias; Febrian, Muhammad; Sutabri, Tata
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.v4i3.1330

Abstract

Soraya shop  adalah Technopreneurship Penjualan  yang mempunyai visi untuk menghasilkan IT Scholar denganmentalitas wirausaha. Namun untuk mencapai hal itu, soraya shop perlu mengelola IT Government untuk mendukungnya lingkungan akademik dan non-akademik di sekitar pelanggan serta pegawai yang  dikendalikan oleh departemen TI Pengembangan dan Penerapan (PPTI). Pada penelitian ini  akan mengevaluasi tingkat kemampuan TI Tata Kelola di Soraya Shop  dan menyediakan rekomendasi untuk kesenjangan antara kinerja di proses domain APO03, APO04, dan BAI01 menggunakan metode kuantitatif dan kualitatif. Selain itu, penelitian ini  akan menggunakan survei, wawancara, dan studi dokumen untuk data yang diperlukan. Hasil penelitian ini menunjukkan rata-rata tingkat kemampuan dalam proses domain APO03, APO04, dan BAI01 tercapai sebagian. Oleh karena itu, untuk mengisi kesenjangan antara tingkat kemampuan soraya shop  saat ini dan tingkat kemampuan yang diharapkan, rekomendasi telah diberikan pada penelitian ini  untuk menciptakan perbaikan mengenai ke Soraya Shop Palembang.

Page 18 of 45 | Total Record : 441

 16   17   18   19   20 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 2 (2026): MALCOM April 2026 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