cover
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
ISSN : 27972313     EISSN : 27758575     DOI : -
Core Subject : Science,
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
Articles 441 Documents
Perancangan Sistem Pendeteksi Dehidrasi Dan Gangguan Hati Berbasis Fuzzy: The Design Of Dehydration And Liver Disorder Detection System Based On Fuzzy Mutiara Mayangsari Putri Aditya; Sumardi Sumardi; Satryo Budi Utomo
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (828.299 KB) | DOI: 10.57152/malcom.v1i1.80

Abstract

Kondisi tubuh tidak cukup mendapatkan kembali cairan tubuh yang hilang maka disebut dehidrasi. Dehidrasi yang dianggap sepele dapat mengakibatkan pengaruh buruk bagi tubuh. Salah satu cara yang dapat dilakukan dengan mudah untuk mengetahui kondisi tubuh yakni dengan melihat warna urin. Warna urin gelap tidak hanya menandakan indikasi dehidrasi berat namun juga dapat mengindikasikan seseorang mengalami gangguan hati. Seringkali orang tidak mengetahui bahwa kondisi tubuh dalam keadaan dehidrasi namun tubuh langsung mengalami penurunan fungsi kerja. Tujuan dari penelitian ini adalah merancang sistem indikasi tingkat dehidrasi dan gangguan hati berdasarkan warna urin. Pada Penelitian ini menggunakan metode Fuzzy Logic dengan sensor warna TCS3200 dan Mikrokontroller Arduino Mega 2560. Terdapat lima hasil kondisi yang akan dihasilkan dari pembacaan sensor yakni normal, dehidrasi ringan, dehidrasi sedang, dehindrasi berat ,dan indikasi gangguan hati. Dalam pengujian kontrol fuzzy pada pembacaan sensor warna RGB menghasilkan rata-rata eror persen hasil pengujian secara keseluruhan sebesar 1,766%. Sistem kontrol Fuzzy yang digunakan memiliki kestabilan yang baik dalam melakukan pembacaan sampel urin. Hasil keputusan kontrol Fuzzy pada 10 sampel yang digunakan menghasilkan kondisi yang sesuai dengan hasil laboratorium.
Aplikasi Pengenalan Bencana Sebagai Media Pembelajaran Menggunakan Teknologi Augmented Reality: Disaster Recognition Applications As a Learning Media Using Augmented Reality Technology Muhammad Ichsan Al Fatih; Hartanto Tantriawan
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (883.212 KB) | DOI: 10.57152/malcom.v1i1.89

Abstract

Bencana alam merupakan suatu peristiwa alam yang mengakibatkan dampak besar bagi populasi manusia.  Kesiapan menghadapi bencana alam dapat dimulai dengan memiliki pengetahuan dalam mengetahui tanda-tanda bencana alam. Penelitian ini dilakukan sebagai media pembelajaran dengan cara mengimplementasi Augmented Reality (AR) pada aplikasi berbasis Android mengenai pengenalan bencana. Konsep aplikasi ini adalah bagaimana aplikasi dapat menampilkan virtual objek berbentuk 3D model dengan menggunakan marker based tracking. Penggunaannya yaitu dengan cara pengguna mengarahkan kamera ke arah QR code yang tersedia pada buku. Aplikasi akan menampilkan 3D model yang berbentuk bencana alam. Hasil yang didapat adalah aplikasi berhasil menampilkan 5 dari 5 objek virtual menggunakan marker pada layar smartphone.
Sistem Pendukung Keputusan untuk Memilih Mata Kuliah Pilihan Menggunakan Metode Profile Matching: Decision Support System College in Choosing Elective Courses with The Profile Matching Method Ravi Prayoga; Hartanto Tantriawan
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1051.533 KB) | DOI: 10.57152/malcom.v1i2.94

Abstract

Mata kuliah pilihan yang disediakan program studi merupakan mata kuliah untuk memenuhi minat dan kebutuhan mahasiswa. Tujuan penyusunan mata kuliah pilihan adalah untuk mengembangkan kemampuan dan keterampilan mahasiswa di bidang tertentu. Pada pelaksanaanya sering dijumpai mahasiswa mengalami kesulitan dalam memilih mata kuliah pilihan yang sesuai dengan kelompok keahliannya. Kesulitan ini muncul karena minimnya informasi yang diperoleh oleh mahasiswa. Oleh karena itu sebagian besar mahasiswa mengambil mata kuliah pilihan secara acak demi memenuhi kebutuhan minimum SKS. Salah satu solusi permasalahan ini adalah dengan cara melakukan konsultasi kepada dosen wali. Namun demikian sebagian besar mahasiswa sungkan untuk berkonsultasi dengan berbagai macam alasan. Solusi kedua adalah pembuatan alat bantu berwujud SPK. Penelitian ini membangun SPK berbasis web. Sebuah sistem yang dapat membantu mahasiswa memutuskan mata kuliah pilihan apa yang akan di pilih. SPK dibuat menggunakan metode profile  matching. Profile  matching memanfaatkan analisis GAP pada pencarian nilai profil mahasiswa dengan mata kuliah pilihan. Hasil proses Profile  matching merupakan rangking mata kuliah pilihan. Penelitian ini telah mengembangkan SPK  berbasis website yang membantu mahasiswa memutuskan daftar mata_kuliah pilihan yang harus diambil.
Deteksi Distributed Denial of Service (DDoS) Menggunakan Logika Fuzzy Sugeno: Detection Distributed Denial of Service (DDoS) using Sugeno's Fuzzy Logic Hartanto Tantriawan; Meiji Suryadi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (692.407 KB) | DOI: 10.57152/malcom.v1i2.95

Abstract

Revolusi Industri 4.0 membawa era baru teknologi informasi. Pada era ini, informasi menjadi sangat mudah didapatkan di internet. Namun demikian perkembangan teknologi internet juga membawa dampak buruk dengan berkembangnya kejahatan internet. Salah satu kejahatan internet adalah Distributed Denial of Service(DDOS). Penyerang DDOS membanjiri website target dengan data yang banyak sehingga website tersebut tidak mampu melayani permintaan dari pengguna asli. Oleh karena itu penelitian deteksi DDOS menggunakan algoritma fuzzy logic ini kami lakukan. Penelitian ini dilakukan dengan menganalisis lalu lintas jaringan menggunakan Wireshark. Data lalu lintas di olah menggunakan Fuzzy Logic Sugeno agad dapat di deteksi apakah serangan tersebut termasuk ke dalam DDOS. Hasil penelitian deteksi menggunakan fuzzy logic sugeno mampu mendeteksi serangan DDoS sebesar 70 %.
Implementasi Metode Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) dalam Pemilihan Bibit Cabai Rawit: Implementation of Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) Method in Selection of Cayenne Pepper Seeds Taufiq Qurahman; Imaduddin Syukra; Umairah Rizkya Gurning
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (813.917 KB) | DOI: 10.57152/malcom.v1i2.96

Abstract

Salah satu bidang holtikultura yang sangat menjanjikan adalah budidaya cabai rawit karena menjadi bahan masakan favorit yang digunakan oleh masyarakat. Banyak petani Indonesia, khususnya di Provinsi Riau membudidayakan cabai rawit. Akan tetapi pemilihan bibit masih dilakukan dengan cara manual sehingga membuat hasil panen yang tidak sesuai dengan harapan. Untuk itu, dibutuhkan sebuah solusi dalam pemilihan bibit cabai rawit. Metode yang digunakan pada penelitian ini adalah Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) yaitu metode yang mempertimbangkan jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal positif. Kreteria yang digunakan dalam metode ini adalah Umur Benih, Berat Cabai, Banyak Ranting, Ukuran Cabai, Waktu Panen, Daya Kecambah, Tingkat Rasa, Curah Hujan,  dan Jarak Tanam. Alternatif yang digunakan untuk penelitian ini yaitu Cabai Rawit F1 Hibrida “Raga 2”, Cabai Rawit Hibrida “Bhaskara”, Cabai Rawit F1 Hibrida “Sonar”, Cabai Rawit Putih Raputi, dan Cabai Rawit Putih Sorande. Setelah dilakukan penghitungan dengan metode Technique for Order Performance by Similarity to Ideal Solution (TOPSIS), sehingga didapatlah rangking cabai rawit terbaik yaitu Cabai Rawit F1 Hibrida “Raga 2” dengan nilai preferensi 0,766. Dengan adanya penelitian ini dapat disimpulkan bahwa metode TOPSIS dapat diterapkan dalam pemilihan bibit cabai rawit berdasarkan kriteria yang digunakan.
Penerapan Microexpressions Untuk Mengenali Hubungan Kekerabatan Menggunakan Extreme Learning Machine: Application of Microexpressions to Recognize Kinship Using Extreme Learning Machine Rizqi Ramadhan; Ike Fibriani; Widya Cahyadi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (641.345 KB) | DOI: 10.57152/malcom.v1i2.101

Abstract

Dalam dunia computer vision, riset tentang ekspresi wajah sudah dicoba oleh Chinese Academy of Sciences MicroExpression (CASME). Riset tersebut membuat basis informasi yang ada sebagian foto ekspresi wajah yang bertujuan buat menolong riset di bidang computer vision tentang ekspresi mikro. Dalam pelaksanaanya penelitian MicroExpression ini berhenti dalam pengembanganya dan tidak berlanjut untuk kemudian dikembangkan dalam penelitian berikutnya. Kinship ialah salah satu sebutan“ kekerabatan” dalam salah satu spesies. Tujuan dari pemodelan kinship ini merupakan buat memastikan apakah 2 orang saling terhubung dan saling terikat (bersaudara) Sebagian besar metode kekerabatan yang ada mengasumsikan bahwa setiap pasangan citra dengan citra wajah positif (dengan citra yang menegaskan kekerabatan) memiliki skor yang lebih besar untuk kelompok citra kekerabatan non-negatif. Dalam penelitian ini penulis mengembangkan penelitian mengenai MicroExpression ini untuk dikembangkan dalam penelitian di bidang Kinship atau hubungan kekerabatan, dengan menggunakan MicroExpression sebagai parameternya dan menggunakan citra mulut sebagai ekstraksi khusus dalam pengambilan citra pada parameter Microexpressionya, dengan menggunakan beberapa fitur dan metode yakni klasifikasi dengan Extreme Learning Machine dan ekstraksi fitur dengan Color Features menghasilkan beberapa hasil nilai akurasi pada ELM dan Microexpression berturut-turut yakni 80,06% dan 76,31%.
Analisa Koordinasi Setting Ground Fault Relay terhadap Hubung Singkat 1 Fasa Tanah: Coordination Analysis of Ground Fault Relay Setting for 1 Phase Ground Short Circuit Muhammad Sany Aji Saputro; Suprihadi Prasetyono; R. B. Moch. Ghozali
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1089.53 KB) | DOI: 10.57152/malcom.v1i2.109

Abstract

Berbagai macam gangguan pada sistem tenaga listrik, salah satunya gangguan fasa ke tanah. Akibat dari gangguan fasa ke tanah ini menyebabkan sistem tenaga listrik menjadi tidak normal. Hubung singkat 1 fasa ke tanah merupakan gangguan yang sering terjadi di penyulang Gajahmada. Sistem proteksi yang digunakan untuk menangani gangguan pada penyulang Gajahmada ini adalah relay Ground Fault Relay (GFR), untuk mengatasi masalah diatas maka diperlukan resetting ulang pada feeder Gajahmada agar menciptakan sistem proteksi yang handal dan kemudian melakukan perbandingan antara sistem proteksi GFR PLN dengan hasil resetting yang sudah dilakukan. Hasil analisa waktu kerja relay yang didapat dari setting PLN yaitu sebesar 0,1 s pada tipikal 1A dan 0,1 s pada tipikal 1B. Setting waktu kerja relai yang didapat dari hasil resetting yaitu sebesar 0.05 s pada tipikal 1A dan 0,15 s pada tipikal 1B. Dalam hal ini dapat dilihat hasil resetting yang sudah dilakukan lebih efektif dan terkoordinasi untuk menciptakan koordinasi proteksi yang baik pada penyulang Gajahmada.
Rancang Bangun Sistem Informasi Digitalisasi Manajemen Dokumen pada Rumah Sakit Awal Bros Pekanbaru: Design and Build a Document Management Digitization Information System at Awal Bros Hospital Pekanbaru Dimas Rifqi Ekaryanto; Siti Ramadhani
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (753.163 KB) | DOI: 10.57152/malcom.v1i2.111

Abstract

Pengelolaan dokumen yang baik memegang peran penting dalam mendukung terselenggaranya kegiatan dan fungsi lain di rumah sakit. Mengelola data dokumentasi di rumah sakit yang buruk dapat menyebabkan masalah. Untuk mengatasi hal tersebut perlu dibangun suatu sistem yang efektif yang dapat mendukung proses pengarsipan data dokumen. Ini termasuk menyimpan, memodifikasi, dan menapilkan akurasi. Sistem yang dibuat adalah perangkat lunak berbasis web yang dibuat menggunakan framework CodeIgniter dan MySQLI sebagai DBMS. Sistem ini diuji menggunakan metode black box untuk menguji bagaimana sistem berjalan. Berdasarkan hasil pengujian, sistem akan berhasil dibangun sesuai dengan desain dan semua fungsi akan berhasil dijalankan. Hal ini terlihat dari User Acceptance Test (UAT) yang memberikan skor hasil “Sangat Setuju” dengan skor 86,4%.
Analisa Proteksi Rele Arus Lebih pada Sistem Penyulang Menggunakan Algoritma Neural Network: Analysis of Overcurrent Release Protection In Feeder System Using Algorithm Neural Network Akladera Pawigo; R.B. Moch. Gozali; Samsul Bachri Masmachofari
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1422.637 KB) | DOI: 10.57152/malcom.v1i2.112

Abstract

Setiap gangguan memiliki sifat gangguan yang berbeda-beda dimana ada gangguan yang bersifat sementara (kontemporer) dan ada yang bersifat lama (permanen), tidak terkecuali gangguan arus lebih dan apabila gangguan tersebut tidak diatasi akan merusak sistem jaringan distribusi. Oleh karena itu, diperlukan suatu sistem keamanan yang tepat sesuai dengan jenis gangguan dan sesuai dengan fungsi kedudukan agar dapat mengatasi gangguan yang terjadi dengan baik, efisien, dan handal. Metode yang digunakan dalam penelitian ini adalah penggunaan metode neural network. Rele arus lebih adalah rele proteksi yang prinsip kerjanya didasarkan pada besaran arus masukan dan sangat cocok untuk proteksi terhadap gangguan arus lebih. Rele arus lebih akan bekerja bila terjadi kenaikan arus yang melebihi nilai pengaman tertentu dan dalam jangka waktu tertentu. Jaringan saraf tiruan atau artificial neural network (ANN) adalah jaringan yang terdiri dari sekelompok unit pemrosesan kecil yang disajikan berdasarkan jaringan saraf pada manusia. Seperti halnya jaringan syaraf biologis, jaringan syaraf tiruan memiliki kemampuan untuk belajar dan beradaptasi dengan masukan yang diberikan.
Klasifikasi Tanggapan Pelaksanaan Program Magang dengan Menggunakan Metode Naive Bayes Classifier: Classification of Responses to the Implementation of the Internship Program Using NBC Method Rafly Septianarta Putra; Iis Dewi Ratih
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (547.873 KB) | DOI: 10.57152/malcom.v1i2.113

Abstract

Suatu organisasi atau individu memerlukan evaluasi pelaksanaan untuk melihat perkembangan kualitas yang diberikan. Analisis kepuasan selalu dilakukan oleh organisasi atau perusahaan yang sedang melakukan pengembangan kualitas. Departemen Statistika Bisnis merupakan departemen yang ada di Institut Teknologi Sepuluh Nopember Surabaya yang menjalankan amanah untuk menaungi mahasiswa statistika pada bidang terapan. Perkembangan yang terjadi melahirkan banyak perubahan dan pembaharuan pola pembelajaran akademik, salah satunya adalah adanya pembelajaran berbasis magang. Tahun 2020 merupakan tahun pertama pelaksanaan magang dan belum ada alat ukur untuk mengetahui evaluasi pelaksanaannya sehingga diperlukan alat untuk evaluasi terkait dengan pelaksanaan magang. Salah satu penerapan untuk mewujudkan hal tersebut adalah menciptakan sebuah inovasi dengan mengetahui tanggapan kepuasan mahasiswa menggunakan analisis sentimen dengan Naive Bayes Classifier (NBC).Hasil visualisasi menampilkan jumlah persentase kepuasan pelaksanaan magang, sebesar 49% tidak puas dan 51% puas.

Page 2 of 45 | Total Record : 441