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
 18   19   20   21   22 
Content Classification of the Official Website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) using Vector Space Model (VSM) Bahtera, Prima Bintang; Kartawijaya, Deni Sutendi
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.v4i4.1368

Abstract

The official website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) is an important platform for disseminating information to a diverse audience. Efficiently categorizing the vast amount of content available on the website is essential for enhancing user experience and optimizing information retrieval. These categories will also become an identifier and topic classification based on the content inside the article. This study presents a systematic approach to content classification of the Official Website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) using the Vector Space Model (VSM). The methodology involves preprocessing the text data, constructing a term-document matrix, and implementing cosine similarity to measure the relevance of documents to predefined categories. The study demonstrates the effectiveness of VSM in accurately classifying content, thus facilitating streamlined access to information for users navigating the website. Furthermore, the findings offer insights into enhancing the organization and accessibility of governmental online platforms, contributing to improved user experience and information dissemination.
Rancang Bangun Aplikasi Jurnal Perkuliahan Berbasis Progressive Web Application Menggunakan Metode Rapid Application Development: Design and Development of Lecture Journal Application Using Progressive Web Application with Rapid Application Development Method Yuricha, Yuricha; Phan, Irwan Kurnia
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.v4i3.1370

Abstract

Jurnal perkuliahan menjadi salah satu komponen penting dalam kegiatan belajar mengajar di kelas. Sebagai seorang dosen tetap, jurnal perkuliahan sebagai bukti kinerja yang dikumpulkan oleh masing-masing dosen untuk pelaporan Beban Kinerja Dosen dan juga pengajuan Jabatan Fungsional. Selain itu dapat digunakan oleh Dosen, Ketua Program Studi, bagian akademik kampus untuk evaluasi dan monitoring pelaksanaan kegiatan belajar-mengajar di kelas. Institut Teknologi dan Bisnis Sabda Setia (ITBSS) baru memiliki 2 angkatan Mahasiswa, di mana para dosennya mencatat jurnal perkuliahan dengan cara manual baik menggunakan kertas ataupun melalui spreadsheet dan belum ada aplikasi khusus untuk jurnal perkuliahan ini. Hasil survei menunjukkan bahwa sekitar 80% dari 11 dosen mengalami kendala dan kelupaan mengisi jurnal perkuliahan karena masih mengerjakannya secara manual. Tujuan dari penelitian ini adalah menghasilkan output suatu aplikasi yang dapat mengatasi kendala dalam mencatat jurnal perkuliahan sehingga pencatatan tidak lagi manual dan memiliki sistem notifikasi yang mengingatkan dosen agar tidak kelupaan dalam mengisi jurnal perkuliahan. Sehingga, proses evaluasi dan monitoring dapat berjalan dengan data yang dikumpulkan lengkap setiap perkuliahannya. Aplikasi dirancang-bangun menjadi aplikasi yang dapat diakses menggunakan teknologi Progressive Web Application (PWA) agar pengisian data dapat dilakukan tanpa ketergantungan dengan koneksi jaringan internet dan aplikasi dibangun menggunakan pengembangan aplikasi Rapid Application Development (RAD).
Prediksi Jumlah Pendaftar Jemaah Umrah Menggunakan Backpropagation dan Regresi Linear pada PT. Hajar Aswad Mubaroq: Prediction of the Registrant Umrah Congregation using Backpropagation and Linear Regression at PT. Hajar Aswad Mubaroq Fikri, M. Hayatul; Permana, Inggih; Mundzir, Mediantiwi Rahmawita; Megawati, Megawati
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.v4i4.1371

Abstract

Umrah adalah perjalanan menuju Baitullah (Ka'bah) di Makkah yang dilakukan untuk melaksanakan serangkaian amal ibadah dengan memenuhi persyaratan-persyaratan khusus. PT Hajar Aswad Mubaroq adalah salah satu agen perjalanan umrah yang secara konsisten siap memberikan layanan kepada calon Jemaah Umrah untuk melakukan ibadah di tanah suci. Pada saat ini PT. Hajar Aswad Mubaroq masih melakukan prediksi manual untuk menghitung prediksi jumlah Jemaah yang akan berangkat umrah. Salah satu akibat dari prediksi manual jumlah pendaftar Jemaah umrah dengan akurat adalah perselisihan jumlah booking pesawat yang terkadang terdapat kekurangan dan kelebihan pemesanan. Sehubungan dengan itu penelitian ini bertujuan memprediksi jumlah Jemaah Umrah PT. Hajar Aswad Mubaroq menggunakan Teknik Machine Learning Agar meminimalkan kesalahan dalam pemesanan penerbangan dan meningkatkan efisiensi analisis serta pengambilan kebijakan terkait data yang ada. Teknik Machine Learning yaitu metode Backpropagation dan Regresi Linear. Hasil penelitian menunjukkan performa terbaik untuk prediksi jumlah pendaftar Jemaah umrah PT. Hajar Aswad Mubaroq yaitu menggunakan algoritma Backpropagation dengan nilai RMSE sebesar 0.101 +/- 0.000, R2 sebesar 0.010 +/- 0.021 dan MAPE 19.74% pada percobaan window size 8.
Perbandingan Performa Algoritma RNN dan LSTM dalam Prediksi Jumlah Jamaah Umrah pada PT. Hajar Aswad: Comparison of RNN and LSTM Algorithm Performance in Predicting the Number of Umrah Pilgrims at PT. Hajar Aswad Al Kiramy, Razanul; Permana, Inggih; Marsal, Arif; Munzir, Medyantiwi Rahmawita; Megawati, Megawati
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.v4i4.1373

Abstract

Secara bahasa umrah bermakna ziarah atau berkunjung, sedangkan secara istilah umrah adalah perjalanan ke Baitullah di luar waktu haji dengan tujuan melaksanakan ibadah tertentu dan memenuhi syarat-syarat khusus. PT Hajar Aswad merupakan sebuah perusahaan travel umrah yang beroperasi di Indonesia. PT Hajar Aswad bertanggung jawab untuk mengatur perjalanan, akomodasi, transportasi, dan berbagai keperluan lainnya bagi para jemaah umrah, untuk itu perlu memiliki pemahaman yang baik mengenai pola dan tren jumlah jemaah umrah agar dapat mengoptimalkan operasional dan memberikan pelayanan yang memuaskan kepada jamaah. Oleh karena itu penelitian ini dilakukan untuk memprediksi jumlah jamaah umrah pada PT Hajar Aswad menggunakan algoritma RNN dan LSTM agar PT Hajar Aswad. . Hasil perbandingan kedua algoritma menunjukkan bahwa LSTM mampu memberikan hasil prediksi yang sedikit lebih baik dibandingkan RNN dengan parameter window size 7, optimizer Adam, batch size 8, dan learning rate 0,01. Model ini memiliki nilai RMSE sebesar 0,1758, MAPE sebesar 0,4846, dan R2 sebesar 0,5198.
Peningkatan Literasi Siswa Sebagai Generasi Digital Melalui Optimalisasi Mobile Library Berbasis Android: Enhancing Student Literacy as a Digital Generation Through Optimization of Android-based Mobile Libraries Ariati, Nining; Kesuma, Hendra Di; Bimantara, Aditya Rizky
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.v4i3.1375

Abstract

Di era digital ini, membaca dan menulis menjadi dua kemampuan dasar yang krusial bagi siswa untuk mengarungi masa depan. Kemampuan ini tak hanya menunjang prestasi akademik, tetapi juga membuka pintu menuju dunia yang penuh pengetahuan dan wawasan. Atas dasar inilah, meningkatkan minat literasi siswa menjadi kunci utama untuk mewujudkan budaya literasi bangsa. Aplikasi mobile library berbasis Android hadir sebagai solusi inovatif untuk menumbuhkan kecintaan membaca dan menulis pada siswa sejak dini. Dilengkapi dengan berbagai buku elektronik yang menarik dan mudah diakses, aplikasi ini diharapkan dapat menjadi media belajar yang menyenangkan bagi para penerus bangsa. Mobile library ini tak hanya menghadirkan koleksi buku yang beragam, tetapi juga dilengkapi dengan fitur sinopsis video untuk setiap buku. Fitur ini membantu siswa untuk melihat sekilas isi buku dan menemukan bahan bacaan yang menarik minat mereka. Hal ini menjadikan pengalaman pembelajaran yang lebih modern dan relevan bagi para siswa. Dengan akses mudah ke berbagai buku, siswa dapat belajar dengan lebih fleksibel dan sesuai dengan minat mereka. Hal ini mendorong budaya membaca yang lebih aktif dan meningkatkan kualitas pendidikan.
Question Answering System pada Chatbot Telegram Menggunakan Large Language Models (LLM) dan Langchain (Studi Kasus UU Kesehatan): Question Answering System on Telegram Chatbot Using Large Language Models (LLM) and Langchain (Case Study: Health Law) Lubis, Anggun Tri Utami BR.; Harahap, Nazruddin Safaat; Agustian, Surya; Irsyad, Muhammad; Afrianty, Iis
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.v4i3.1378

Abstract

Di bidang kesehatan, peraturan yang diterapkan dikenal sebagai hukum kesehatan, yang bertujuan untuk melindungi kepentingan pasien dan meningkatkan standar praktik medis. Pada tahun 2023, Indonesia menerapkan UU No 17 Tahun 2023 tentang Kesehatan, mencakup hak pasien, standar layanan, dan partisipasi masyarakat. Omnibus Law ini diharapkan menyelesaikan masalah kesehatan dan melindungi penyedia layanan. Penelitian ini bertujuan untuk mengembangkan Question Answering System (QAS) berbasis chatbot yang terintegrasi dengan Telegram. Metode yang digunakan adalah Langchain dan Large Language Models (LLM). Langchain digunakan untuk memfasilitasi pembangunan chatbot, sementara LLM adalah jenis model AI yang menggunakan pendekatan pembelajaran mesin untuk menghasilkan teks yang serupa dengan bahasa manusia. Sumber data yang digunakan sebagai basis pengetahuan adalah UU No 17 tahun 2023 tentang kesehatan. Chatbot yang dibangun telah berhasil memberikan jawaban kepada pengguna dengan hasil pengujian menggunakan BERTScore mendapatkan rata-rata nilai precision, recall, f1-score masing-masing sebesar 76%, 80%, 78%. Sedangkan untuk ROUGE-1 sebesar 60%, 45%, 50%, untuk ROUGE-2 sebesar 34%, 25%, 28%,  dan untuk ROUGE-L sebesar 45%,34%,38%.
Pengelompokan Kabupaten dan Kota Provinsi Sumatera Utara Berdasarkan Indikator Kesejahteraan Rakyat Menggunakan Algoritma K-Means: Clustering of Districts and Cities in North Sumatra Province Based on People's Welfare Indicators Using K-Means Algorithm Dakhi, Yustina Lentiana; Ningsi, Besse Arnawisuda
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.v4i3.1381

Abstract

Kesejahteraan rakyat merupakan tujuan utama negara Indonesia yang diabadikan dalam UUD 1945 dan sila kelima Pancasila. Sumatera Utara merupakan salah satu provinsi di Indonesia yang terletak di bagian utara pulau Sumatera. Di pulau tersebut memiliki 33 kabupaten/kota, terdiri dari 25 prefektur dan 8 kota. Tujuan penelitian ini adalah mengetahui hasil pengelompokan Kabupaten/Kota Provinsi Sumatera Utara berdasarkan Indikator Kesejahteraan Rakyat menggunakan metode k-means cluster. Variabel yang diamati dalam penelitian ini adalah kependudukan, kesehatan, pendidikan, ketenagakerjaan, tarif dan pola konsumsi dan kemiskinan.  Hasil penelitian dalam pengelompokan karakteristik klaster yang terbentuk berdasarkan indikator kesejahteraan rakyat adalah Klaster 1 terdiri dari Tapanuli Utara, Toba Samosir, Dairi, Humbang Hasundutan, Pakpak Bharat, Samosir, Nias Barat. Dan Klaster 2 terdiri dari Mandailing Natal, Tapanuli Selatan, Tapanuli Tengah, Labuhan Batu, Asahan, Simalungun, Karo, Deli Serdang, Langkat, Nias Selatan, Serdang Bedagai, Batu Bara, Padang Lawas Utara, Padang Lawas, Labuhanbatu Selatan, Labuhanbatu Utara, Nias Utara, Tanjungbalai, Gunungsitoli Klaster 3 terdiri dari Sibolga, Pematangsiantar, Tebing Tinggi, Medan, Binjai, Padangsidimpuan. Sedangkan Klaster 4 terdiri dari Nias. Kesimpulan penelitian ini adalah dapat dilihat dari hasil pengujian Silhouette Index menunjukkan bahwa pembentuk 4 Klaster memiliki nilai keakuratan terbaik dibanding dengan pembentukan 2 klaster dan pembentukan 3 kalster.
A Cross-Language Information Retrieval Method Based on Multi-Task Learning Linli, Peng
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.v4i3.1384

Abstract

This study introduces a novel Cross-Language Information Retrieval (CLIR) method employing multi-task learning and soft parameter sharing to enhance neural retrieval models' feature extraction across languages. The approach integrates an interaction-based neural retrieval model with a semantic-based text classification model, exchanging hidden vectors for richer feature representation. Experimental results across four language pairs—English-Chinese, English-Arabic, English-French, and English-German—demonstrate significant performance improvements. The proposed method achieved the highest Mean Average Precision (MAP) scores: 0.419 for EN-ZH, 0.403 for EN-AR, 0.427 for EN-FR, and 0.441 for EN-DE, surpassing other models like BM25, BPNRM, KNRM, KNRM-Trans, and KNRM-Embed. This research underscores the potential of multi-task learning for CLIR, showcasing improved retrieval performance through semantic information and knowledge transfer.
Pengembangan Sistem Pengolahan Data Jemaat Gereja Kristen Sumba (GKS) Berbasis Object Oriented Analysis and Design: Development of Church Congregation Data Processing Systems Kristen Sumba (GKS) Based on Object Oriented Analysisand Design Hanggalang, Ronaldo Turu; Lede, Pingky Alfa Ray Leo; Sitaniapessy, Desy Asnath
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.v4i3.1387

Abstract

GKS Jemaat Tanalingu Cabang Kahembi merupakan gereja yang belum memanfaatkan teknologi komputer dan sistem informasi dalam pengelolaan data keanggotaan, antara lain pencatatan baptisan, pencatatan pengukuhan, pencatatan kematian, dan pencatatan perkawinan. Dalam proses pengolahan data Gereja Kristen Sumba (GKS) Jemaat Tanalingu Cabang Kahembi pada saat ini, informasi yang saya dapatkan dari Ketua BPMJ sekaligus merangkap menjadi pendeta dalam gereja tersebut yang menjadi keluhan mereka yaitu mengalami kesulitan dalam munulis data dalam kertas buku dan mudah tercecer dan cepat rusak dalam mengelola data jemaat, data jemaat pendaftaran baptis, data jemaat pendaftaran sidi, data jemaat meninggal dan data jemaat pendaftaran nikah. Peneliti ini bertujuan untuk merancang dan mengembangkan sistem informasi untuk membantu dalam mengelolaan data di GKS Jemaat Tanalingu Cabang Kahembi. Metodologi pendekatan Object-Oriented Analysis and Design (OOAD) serta menerapkan metode waterfall, penelitian ini merancang sistem yang mempermudah gereja mengakses data jemaat secara online. Dalam sistem ini tidak hanya dapat mengatasi masalah keterlambatan dan tidak dapat mengalami kesulitan dalam munulis data dalam kertas buku dan tidak mudah tercecer dan cepat rusak dalam pencatatan manual. Dengan demikian, pengurus gereja dapat lebih mudah mengelola mengelola data jemaat, data jemaat pendaftaran baptis, data jemaat pendaftaran sidi, data jemaat meninggal dan data jemaat pendaftaran nikah.
Machine Learning Modeling for Forecasting Repeat Purchases in Online Shopping Duan, Lianzhai
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.v4i3.1388

Abstract

Online shopping merchants will conduct a series of marketing activities to increase customers, but in many cases, most of the new customers will not make repeat purchases, which is not conducive to the long-term interests of the merchants. Therefore, it is important for merchants to target users who are more likely to repurchase, as this can reduce marketing costs and increase ROI. Based on the dataset provided by the online shopping website, this paper conducts mining and exploratory analysis of the data, utilizes feature engineering methodology, and modeling analysis using LightGBM, Logistic, Xgboost for machine learning modeling. Meanwhile, parameter optimization and model evaluation verification are performed, Finally, the comparative analysis resulted in LightGBM as the best prediction model, will provide efficient marketing decisions for the operation of online shopping stores.

Page 20 of 42 | Total Record : 418

 18   19   20   21   22 

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