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
 17   18   19   20   21 
Deteksi Kalori Makanan Tradisional Indonesia Menggunakan Metode Single Shot Multibox Detector (SSD): Calorie Detection of Traditional Indonesian Food Using the Single Shot Multibox Detector (SSD) Method Riswanto, Riswanto; Ahmad, Andani; Hazriani, Hazriani; Tribuana, Dhimas
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.v4i3.1332

Abstract

Tujuan penelitian untuk mengembangkan sistem pendeteksi kalori makanan dengan menggunakan metode Single Shot Multibox Detector (SSD). Juga, bertujuan untuk mengatasi masalah manusia yang kesulitan dalam mengestimasi jumlah kalori yang dikonsumsi dari makanan. Dengan menggunakan model kecerdasan buatan dan bantuan kamera pada perangkat ponsel, pada penelitian ini memungkinkan pengguna untuk melakukan estimasi kalori yang lebih akurat. Sistem ini dirancang secara otomatis untuk mengidentifikasi dan memperkirakan jumlah kalori dalam makanan berdasarkan citra visual. Pemilihan metode SSD didasarkan pada keunggulannya dalam mendeteksi objek dengan tingkat akurasi yang tinggi dan kecepatan pengolahan yang cepat. Proses penelitian melibatkan beberapa tahap, termasuk pengumpulan dataset citra makanan, pelatihan model SSD dengan konfigurasi Hyperparameter pada 40.000 langkah, menggunakan data training sebanyak 90%, validasi 10%, dan testing 10%, serta menggunakan batch size 16 dan learning rate 0.007943453. Hasil eksperimen menunjukkan total loss sebesar 0.1670681 dan mean average precision (mAP) sebesar 65.09%. Jenis makanan berhasil dideteksi dengan baik, dan aplikasi mobile terkait mampu mengestimasi kalori makanan setelah deteksi jenis makanan. Meskipun demikian, penelitian mengidentifikasi beberapa tantangan, terutama dalam meningkatkan akurasi deteksi pada makanan dengan struktur kompleks atau variasi presentasi yang ekstensif. Temuan dari penelitian ini diharapkan dapat memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan untuk pemantauan otomatis asupan kalori. 
Perbandingan Efisiensi Proses CI/CD Multi-Lingkungan melalui Implementasi Paralel dan Berurutan: Efficiency Comparison of Multi-Environment CI/CD Processes Through Parallel and Sequential Implementations Setyoko, Andreas Dimas; Zahra, Amalia
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.v4i3.1334

Abstract

Penelitian ini mengatasi masalah pengembangan aplikasi di PT. Astra International Tbk. dengan menggunakan sistem otomatis Continuous Integration/Continuous Deployment (CI/CD). Astra saat ini menghadapi masalah kompilasi dan distribusi yang dilakukan secara manual dimana proses yang dilakukan memakan waktu yang lama dan seringkali terjadi kesalahan konfigurasi terlebih terdapat berbagai macam environment dalam tiap aplikasi. Solusi yang diusulkan adalah implementasi CI/CD untuk otomatisasi proses kompilasi dan distribusi untuk setiap environment aplikasi. CI/CD adalah salah satu praktik DevOps yang digunakan untuk pengembangan perangkat lunak menjadi lebih terorganisir. Dengan memanfaatkan CI/CD, tim pengembang dapat merasakan manfaat dari proses kompilasi dan distribusi aplikasi yang lebih cepat. Penelitian ini membandingkan implementasi CI/CD berurutan dengan CI/CD paralel. Hasil penelitian menunjukkan bahwa CI/CD berurutan dapat mengurangi waktu yang diperlukan sebesar 33% dari proses manual, sedangkan CI/CD paralel dapat mengurangi waktu yang diperlukan sebesar 79% dari proses manual.
Perbandingan Metode Analisis Sentimen Pelayanan Daring di Fakultas Teknik dan Kejuruan Universitas Pendidikan Ganesha Menggunakan Algoritma Naïve Bayes dan LSTM: Sentiment Analysis of Online Services at the Engineering and Vocational Faculty of Ganesha Education University Using Naïve Bayes and LSTM Algorithms Saputri, Ni Kadek Tesya Ari; Gunadi, I Gede Aris; Sunarya, I Made Gede
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.v4i3.1336

Abstract

Salah satu fakultas di Univesitas Pendidikan Ganesha yaitu Fakultas Teknik dan Kejuruan (FTK) yang menerapkan pelayanan daring di masa pandemi COVID-19. Berbagai komentar muncul saat dilakukan pelayanan daring ini sehingga perlu dilakukannya sebuah analisis. Mahasiswa memberikan pendapat positif dan negatif. Untuk menganalisis komentar mahasiswa menggunakan metode Naive Bayes dan Long Short-Term Memory (LSTM). Data yang digunakan merupakan informasi yang diperoleh dari penyebaran angket yang diisi oleh mahasiswa FTK. Evaluasi matriks konfusi termasuk akurasi, presisi, recall, dan f-measure. Penelitian ini bertujuan untuk membandingkan kedua metode Naive Bayes dan LSTM serta mendeteksi kata-kata yang sering muncul pada pelayanan daring FTK dengan membandingkan stopword yang dikumpulkan pada saat pemrosesan kuesioner. Menguji keakuratan metode klasifikasi Naïve Bayes dan hasilnya adalah 83,69%. Hasil klasifikasi metode LSTM mencapai akurasi sebesar 53,12%. Nilai akurasi LSTM yang dihasilkan sangat rendah. Mungkin alasan utamanya adalah hanya komentar positif yang terbaca saat mencoba metode LSTM. Penyebab lainnya yaitu dataset yang juga dapat mempengaruhi. Dengan membandingkan kinerja Naive Bayes dan LSTM, diperoleh hasil yang menunjukkan metode Naïve Bayes lebih unggu untuk menganalisis komentar mahasiswa FTK Undiksha.
Perancangan Aplikasi Pendeteksi Jenis-jenis Sampah Berbasis Android: Development of an Android-Based Waste Type Detection Simbolon, Stanlay Pandapotan; Maulany, Raymond
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.v4i3.1337

Abstract

Sampah merupakan masalah utama yang sering ditemui di Indonesia yang berdampak besar kepada kerusakan lingkungan hingga kesehatan. Salah satu penyebab masalah tersebut dapat terjadi dikarenakan kurangnya edukasi kepada masyarakat Indonesia mengenai jenis-jenis sampah, sehingga dapat mengakibatkan pengelolaan sampah yang tidak efisien. Tujuan dari penelitian ini adalah untuk membuat aplikasi pendeteksi jenis-jenis sampah berbasis android yang dibangun menggunakan bahasa pemrograman Kotlin dan Machine Learning untuk mendeteksi jenis sampah yang ingin diketahui user dan dalam pengembangannya menggunakan metode pengembangan SDLC software Waterfall. Hasil dari penelitian bahwa aplikasi berjalan dengan baik dan diharapkan dapat memberikan edukasi kepada masyarakat tentang sampah. Pengguna dapat dengan mudah memperoleh informasi mengenai sampah yang berkontribusi terhadap lingkungan yang lebih sehat. Aplikasi ini juga dapat digunakan dengan mudah oleh pengguna, dan diharapkan dapat meningkatkan pengetahuan mereka tentang pengelolaan sampah secara efisien. Beberapa saran pengembangan yang dapat dilakukan termasuk mengembangkan versi aplikasi untuk platform seluler lainnya, seperti iOS. Selain itu, menambahkan fitur pelaporan untuk memungkinkan pengguna melaporkan lokasi sampah yang signifikan atau masalah lingkungan lainnya juga merupakan langkah yang baik. Fitur gamifikasi juga dapat ditambahkan untuk meningkatkan keterlibatan pengguna, seperti sistem poin atau prestasi.
Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Sampah Organik dan Non Organik: Implementation of the Convolutional Neural Network Algorithm for Classifying Types of Organic and Non-Organic Waste Muslihati, Muslihati; Sahibu, Supriadi; Taufik, Imran
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.v4i3.1346

Abstract

Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam klasifikasi sampah organik dan non-organik serta mengukur tingkat akurasi deteksi dan pengenalan objek sampah. Metode CNN digunakan untuk mendeteksi dan mengenali objek dalam citra. Hasil penelitian menunjukkan bahwa model CNN mencapai tingkat akurasi tertinggi sebesar 96.43% setelah enam kali percobaan. Hasil tersebut menunjukkan bahwa aplikasi CNN ini layak untuk diimplementasikan dalam klasifikasi sampah. Penting untuk melakukan beberapa uji coba guna memperoleh hasil akurasi yang optimal dengan memperhatikan dataset dalam proses pelatihan dan pengujian. Kesimpulan dari penelitian ini adalah bahwa model CNN dapat memberikan hasil akurasi yang baik dalam klasifikasi sampah organik dan non-organik, sehingga aplikasi ini memiliki potensi untuk diimplementasikan secara luas
Penerapan Algoritma Apriori untuk Penentuan Pola Pembelian Kacamata pada Optik Indah Optikal: Application of an Apriori Algorithm to Determine Eyeglass Purchasing Patterns at Optik Indah Optik Oktory, Hafidh Dwika; Hadiwandra, T. Yudi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1353

Abstract

Toko optik Indah Optikal terletak di Perawang Kabupaten Siak, Riau ini menjual berbagai kacamata dan lensa kacamata dengan harga, merek, jenis dan kualitas yang berbeda. Terjadinya transaksi penjualan kacamata pada optik indah optikal, artinya data transaksi perusahaan akan bertambah. Jika dibiarkan, data penjualan kacamata akan menjadi sampah yang tidak ada artinya. Berkat kemajuan teknologi, kemampuan mengumpulkan dan mengolah data terus meningkat. Oleh karena itu, penelitian ini bertujuan untuk menerapkan teknik algoritma Apriori pada Optik Indah Optikal untuk mengidentifikasi pola pembelian kacamata yang paling umum terjadi di toko. Perhitungan pola asosiasi dilakukan dengan menentukan terlebih dahulu minimum support sebesar 4% dan minimum confidence sebesar 5%. Hasil pengujian yang diperoleh pada pengujian tingkat akurasi bersama dengan perhitungan lift ratio memberikan aturan kombinasi produk yang dapat digunakan strategi pemasaran untuk meningkatkan penjualan dengan menyusun paket itemset produk untuk dibeli oleh konsumen secara bersamaan. Pola atau aturan yang ditetapkan membantu konsumen menentukan produk mana yang mereka inginkan atau produk utama mana yang diminati konsumen. jika nilai minimum nilai support adalah 4% dan minimum nilai confidence adalah 5% maka aturan rule yang terbentuk adalah 76 rule. Dari rule yang terbentuk aturan pasangan item dengan nilai support 4%, confidence 5%.
Geographic Information System Mapping of Location Distribution Homestay Area Waingapu City Sumba Web-Based East Sumba Jeti, Estherlita Grace Bulu; Talakua, Alfrian Carmen; Uly, Hawu Yogia Pradana
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.v4i3.1354

Abstract

Based on the results of the identification of the needs of tourists looking for lodging in the city of Waingapu, there is a lack of spatial information (latitude and longitude), non-spatial (owner's name, price, facilities, address, contact) with the nearest route. Although available on google maps, it is still lacking because it is still incorporated with hotels, boarding houses and other housing. Therefore, a Web-based Geographic Information System for Mapping the Distribution of Homestay Locations in the Waingapu City Area of East Sumba is made to provide recommendations to tourists who need lodging in accessing Homestayinformation by determining the user's location point and the nearest Homestay will appear. Maps will direct to the location of the selected lodging house accompanied by the desired information. This system was built using the PHP programming language with the MySQL Database. The method used in this research is the Waterfall model for system development and Euclidean Distance for the calculation of the closest distance.
Rute Pendistribusian Barang dengan Algoritma Nearest Neighbor: Product Distribution Route using Nearest Neighbor Algorithm B, Winda Ade Fitriya; Sumardi, Sitti Rosnafi’an; Sari, Nur Nilam; Simarmata, Justin Eduardo
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.v4i3.1355

Abstract

Masalah yang cukup umum dialami oleh distributor dalam melakukan ditribusi adalah penentuan saluran pendistribusian barang. Salah satu bagian dalam saluran distribusi yang memiliki peran sangat penting dalam efektifitas proses distribusi adalah rute pendistribusian barang. Dalam mengoptimalkan biaya, waktu, dan modal lainnya dalam rute pendistribusian barang, dapat diterapkan konsep graf dan diselesaikan menggunakan salah satu algoritma penyelesaian masalah TSP. Pada penelitian ini, digunakan algoritma Nearest Neighbor untuk membentuk rute pendistribusian barang. Penerapan algoritma ini untuk mengolah data cukup sederhana sehingga rute yang diinginkan dapat terbentuk dengan cepat. Namun, berdasarkan langkah kerjanya, algoritma ini akan menjadi cukup sulit untuk diterapkan jika data yang dimiliki cukup besar dan kompleks. Data yang digunakan dalam penelitian merupakan data sekunder mengenai alamat tujuan pendistribusian barang. Titik-titik yang digunakan akan terlebih dahulu diberi label dimana titik gudang dilabeli S sementara titik-titik tujuan dilabeli A hingga O. Hasil penelitian memberikan sebuah rute pendistribusian barang, yaitu  dengan total jarak tempuh adalah 61,57 km.
Analisis Sentimen Masyarakat Mengenai Gerakan Childfree di Media Sosial X Menggunakan Algoritma NBC dan SVM: Sentiment Analysis of Childfree Campaign on X Social Media Using NBC and SVM Algorithms Putra, Moh Azlan Shah; Permana, Inggih; Afdal, M.
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1356

Abstract

Anak merupakan salah satu entitas yang umum dalam membentuk sebuah keluarga, namun dalam beberapa tahun kebelakang muncul pembahasan mengenai childfree. Dengan banyaknya perdebatan pro-kontra mengenai childfree, perlu dilakukannya sentimen analisis terkait isu ini. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat mengenai gerakan childfree di media sosial X menggunakan algoritma Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM). Sentimen dibagi menjadi 3 kelas yaitu positif, negatif, dan netral. Penelitian ini mengumpulkan data dengan crawling data pada media sosial X dengan keyword childfree. Data yang diperoleh merupakan data teks mentah sehingga dibutuhkan tahap pra proses. Tahap pra proses yang dilakukan adalah tokenizing, case folding, filter stopword, stemming, TF-IDF, dan data balancing. Berdasarkan simulasi, performa algoritma NBC adalah: akurasi = 56,36%, presisi = 56,41%, dan recall = 56,35%, sedangkan performa algoritma SVM adalah: akurasi 76,12%, presisi 76,36%, dan recall 76,13%. Sehingga dapat disimpulkan bahwa SVM memiliki performa yang lebih baik dari pada NBC pada analisis sentimen di penelitian ini.
Tinjauan Supervised Reinforcement Learning pada Tindakan Medis Penyakit Diabetes Melitus: Review of Supervised Reinforcement Learning on Medical Actions for Diabetes Mellitus Putri, Indah Pratiwi; Marcelina, Dona; Yulianti, Evi
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.v4i3.1363

Abstract

Diabetes Melitus (DM) merupakan penyakit kronis yang memerlukan pengelolaan medis yang berkelanjutan. Pengelolaan pengendalian penyakit diabetes bergantung pada kadar glukosa  dalam darah guna mengambil tindakan yang tepat agar dapat mencegah kadar glukosa darah menjadi terlalu rendah atau tinggi. Dalam konteks perawatan medis DM, penggunaan teknologi pembelajaran mesin, khususnya Supervised Reinforcement Learning (SRL) telah mengahadirkan pendekatan yang inovatif. Penelitian ini bertujuan untuk menyelidiki dan merangkum beberapa karya ilmiah yang membahas tentang penerapan SRL dalam konteks tindakan medis untuk penyakit DM. Beberapa percobaan dilakukan oleh para peneliti dengan menggunakan data dari pasien diabetes untuk menentukan parameter model yang optimal, melakukan simulasi dan studi validasi secara real-time sehinga dapat memberikan wawasan lebih lanjut tentang penerapan praktis model pembelajaran penguatan dalam pengaturan klinis. Melalui SRL, agen pembelajaran dapat menggabungkan umpan balik lingkungan dengan informasi eksplisit dari supervisor untuk menghasilkan keputusan yang optimal dalam pengelolaan DM. Dalam makalah ini, penulis menganalisis kajian literatur terkait penerapan SRL pada pengelolaan medis DM, serta mengeksplorasi potensi dan tantangan yang terkait dengan penggunaan pendekatan ini dalam praktik klinis

Page 19 of 45 | Total Record : 441

 17   18   19   20   21 

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