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
 20   21   22   23   24 
Perbandingan Kinerja Model Berbasis RNN pada Peramalan Data Ekonomi dan Keuangan Indonesia: Performance Comparison of RNN-Based Models in Forecasting Indonesian Economic and Financial Data Alkahfi, Cahya; Kurnia, Anang; Saefuddin, Asep
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.v4i4.1415

Abstract

Peramalan deret waktu merupakan salah satu elemen kunci dalam analisis ekonomi dan keuangan. memungkinkan pemangku kepentingan untuk membuat perkiraan terhadap berbagai indikator ekonomi sebelum data resmi dirilis. Dalam konteks ini, model pembelajaran mesin seperti Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU) menunjukkan potensi yang menjanjikan dalam memprediksi data deret waktu. Sejumlah penelitian juga menegaskan bahwa LSTM dan GRU mampu mengungguli kinerja RNN. Kedua model tersebut memiliki mekanisme untuk mengatasi masalah vanishing gradient yang sering ditemui pada model RNN konvensional. Penelitian ini menitikberatkan untuk menguji kinerja ketiga model tersebut pada data-data yang ada di Indonesia. Agar hasil lebih komprehensif, penelitian ini akan menguji model pada tiga jenis data yang berbeda meliputi IHSG, nilai ekspor dan PDB. Hasil penelitian ini mengindikasikan bahwa secara keseluruhan, model GRU menunjukkan kinerja terbaik, diikuti oleh model LSTM yang juga kompetitif dibandingkan RNN. Selain akurasi, model GRU dan LSTM juga menonjol dalam hal stabilitas kinerja, ditandai dengan simpangan baku yang relatif kecil jika dibandingkan dengan RNN. Keunggulan ini menjadi semakin signifikan terutama saat diterapkan pada model PDB dimana hanya tersedia untuk periode waktu yang pendek.
Effective Social Media Content Strategy to Enhance Brand Loyalty in Technology Businesses Sutrisno, Sutrisno; Ausat, Abu Muna Almaududi; Muhamad, Lili Fadli
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.v4i4.1416

Abstract

Consumer behavior has shifted with the advent of social media. Consumers now tend to seek information, reviews, and product recommendations through these platforms. Technology businesses must understand and leverage this change to build and maintain brand loyalty. This research aims to identify and analyze the most effective social media content strategies in enhancing brand loyalty in technology businesses, as well as providing practical recommendations for companies to implement these strategies. The research method employed is a literature review with a qualitative approach using descriptive analysis. In this study, data were collected from scholarly articles published between 2010-2024, utilizing Google Scholar as the primary source of search. This approach can provide a comprehensive understanding of the main research topic based on relevant and up-to-date empirical data. The study findings indicate that in the evolving digital era, social media has become one of the primary means for technology businesses to interact with consumers. To differentiate and build strong brand loyalty amidst increasing competition, social media content strategies should be based on a deep understanding of the target audience, consistency, authenticity, educational and informative content, active engagement, and continuous data analysis. By effectively implementing these strategies.
Klasifikasi Penyakit Cacar Monyet Menggunakan Support Vector Machine (SVM): Classification of Monkeypox Disease Using Support Vector Machine (SVM) Wijaya, Rohmatullah Sony; Qur’ania, Arie; Anggraeni, Irma
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.v4i4.1417

Abstract

Penyakit cacar monyet menjadi sebuah wabah di beberapa negara non endemik pada bulan Juli tahun 2022. Oleh karena itu, tindakan pencegahan atau pengobatan yang tepat perlu dilakukan secara dini dengan cara melakukan identifikasi penyakit menggunakan suatu metode klasifikasi. Klasifikasi dilakukan menggunakan metode knowledge discovery in database (KDD) dengan algoritma support vector machine (SVM) yang menggunakan 4 kernel yaitu linear, RBF, sigmoid, dan polynomial dengan pengaturan parameternya pada masing masing kernel. Algoritma SVM dipilih karena penggunaan berbagai kernelnya memungkinkan eksplorasi bentuk-bentuk keputusan yang berbeda dalam ruang fitur yang lebih tinggi untuk mengangkap pola pola yang tidak linear. Hasil terbaik didapatkan oleh kernel polynomial dengan tingkat akurasi sebesar 75%, sementara kernel linear sebesar 70,5%, RBF sebesar 66%, dan sigmoid sebesar 45%. Kemudian nilai grafik kurva receiver operating characteristic area under control (ROC AUC) untuk kernel polynomial sebesar 0.81. Hal tersebut menunjukkan bahwa model klasifikasi yang dibuat sudah baik dan dapat dikembangkan ke penelitian tahap selanjutnya.
Perancangan Infrastruktur Jaringan Komputer dengan Media Transmisi Wired dan Nirkabel Menggunakan Cisco Packet Tracer: Design of Computer Network Infrastructure with Wired and Wireless Transmission Media Using Cisco Packet Tracer Firmansyah, Muhammad; Hendarti, Hendarti; Aslimah, Aslimah; Hartanto, Hartanto; Purwanti, Irna; 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.v4i3.1420

Abstract

Teknologi jaringan komputer merupakan komponen penting dalam mendukung aktivitas belajar mengajar di lingkungan Pendidikan. Penggunaan teknologi dalam bidang pendidikan membantu proses belajar dan meningkatkan kinerja dengan membuat, menggunakan, dan mengelola proses dan sumber teknologi yang memadai. Penelitian ini berfokus pada perancangan serta menkonfigurasi infrastruktur jaringan komputer di SDN Jati 06 Jakarta Timur, dengan menggabungkan media transmisi wired dan nirkabel untuk meningkatkan efisiensi dan keandalan jaringan. Metodologi yang digunakan melibatkan simulasi menggunakan Cisco Packet Tracer untuk merancang topologi jaringan serta men konfigurasi perangkat. Hasil yang dicapai yaitu bagaimana rancangan infrastruktur jaringan komputer internet dengan media wired dan nirkabel ini memiliki manajemen jaringan yang baik, pengalamat IP address yang baik, serta dapat mengestimasi alat apa saja yang diperlukan. Kesimpulan dari penelitian ini menyarankan bahwa desain jaringan hybrid ini sangat sesuai untuk memenuhi kebutuhan komunikasi data di lingkungan pendidikan, memberikan solusi yang scalable dan adaptif terhadap perkembangan teknologi khusus nya di SDN Jati 06 Jakarta Timur.
Analisis Kepuasan Pengguna Aplikasi Maxim dengan Menggunakan Model End-User Computing Satisfaction (EUCS): User Satisfaction Analysis of the Maxim Application using Model End User Computing Satisfaction (EUCS) Yolangga, Yolangga; Hardiyanti, Dinna Yunika
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.v4i4.1423

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna terhadap aplikasi Maxim menggunakan model End User Computing Satisfaction (EUCS) dan model TAM. Dalam penelitian ini, peneliti menggunakan metode kuantitatif deskriptif untuk mengumpulkan data dari 108 responden yang mewakili populasi pengguna aplikasi Maxim di kota Palembang. Proses pengambilan data dilakukan dengan menyebarkan kuisioner kepada masyarakat pengguna aplikasi Maxim di Palembang. Teknik pengambilan sampel menggunakan rumus slovin. Metode pengolahan data yang dilakukan dalam penelitian ini menggunakan uji validitas, uji realbilitas, dan uji hipotesis yang diolah dengan menggunakan software SmartPLS. Hasil dari pengujian hipotesis terdapat 5 variabel yang tidak berpengaruh yaitu accuracy, format, timeliness, ease of use, content dan 1 variabel yang berpengaruh yaitu perceived of usefulness. Dari hasil analisis korelasi diperoleh R2 sebesar 0,878 menunjukan bahwa variabel satisfaction dapat dijelaskan oleh variabel content, accuracy, format, ease of use, perceived of usefulness dan timeliness sebesar 87,8 %. Hasil penelitian ini dapat digunakan sebagai bahan referensi untuk meningkatkan kualitas pelayanan aplikasi Maxim dan meningkatkan tingkat kepuasan pengguna.
Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Mini Batch K-Means Clustering: Grouping Electricity Distribution Data Using The Mini Batch K-Means Clustering Algorithm Mulyadi, Syahrul; Insani, Fitri; Agustian, Surya; Afriyanti, Liza
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.v4i3.1425

Abstract

Manajemen distribusi listrik merupakan aspek penting dalam infrastruktur yang memerlukan pemahaman mendalam tentang pola distribusi di berbagai wilayah untuk memastikan pasokan listrik stabil bagi masyarakat dan pemerintah. Namun, mengelola data distribusi listrik yang melibatkan berbagai variabel seperti rumah tangga, industri, bisnis, sosial, gedung kantor pemerintah, dan jalan umum membutuhkan pendekatan yang efektif dalam mengelompokkan data untuk mengidentifikasi pola-pola yang signifikan. Penelitian ini bertujuan mengimplementasikan algoritma mini batch k-means untuk mengelompokkan distribusi listrik di setiap wilayah. Data yang digunakan dalam penelitian ini adalah data distribusi listrik dari tahun 2014-2022 yang terdiri dari 35 provinsi. Hasil pengujian menunjukkan bahwa terdapat tiga cluster yang signifikan dalam data peneliti, masing-masing ditandai dengan Silhouette Score yang berbeda. Cluster dengan Silhouette Score tertinggi adalah Cluster 2 dengan nilai 0.625, menunjukkan kohesi yang tinggi di wilayah regional Kalimantan-Sulawesi yang diamati dalam cluster 2 ini. Sementara itu, Cluster 4 memiliki Silhouette Score yang terendah dengan nilai 0.419, menunjukkan tingkat kohesi yang lebih rendah dalam pola distribusi listrik di setiap wilayah regional bagian Kalimantan-Sulawesi. Penelitian ini menegaskan bahwa algoritma mini batch k-means efektif untuk pengelompokkan data distribusi listrik dengan hasil yang memuaskan dalam pemisahan klaster yang berbeda
Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Density Based Spatial Clustering of Application With Noise (DBSCAN): Clustering Electricity Distribution Data Using Density-Based Spatial Clustering of Applications With Noise (DBSCAN) Algorithm Farid, Miftah; Insani, Fitri; Agustian, Surya; Afriyanti, Liza
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.v4i3.1426

Abstract

Pada masa kini, listrik sudah menjadi kebutuhan penting dalam kehidupan, karena kebanyakan aktivitas manusia bergantung pada listrik. Kebutuhan listrik pada setiap wilayah di Indonesia dipengaruhi oleh sejumlah faktor dan karakteristik khusus masing-masing. PLN mempublikasikan statistik penggunaan listrik untuk setiap wilayah di Indonesia dari tahun 2014 hingga 2022, yang terdiri dari 35 provinsi di Indonesia. Data ini menawarkan wawasan berharga untuk prediksi permintaan listrik, pelacakan tren historis untuk memprediksi pengembangan wilayah, memprioritaskan wilayah dengan permintaan tinggi untuk efisiensi dan konservasi energi, dan lain sebagainya.  Salah satu alat untuk mencapai tujuan tersebut adalah dengan mengelompokkan (clustering) wilayah berdasarkan karakteristik dan ciri-ciri wilayahnya. Penelitian ini melakukan proses clustering dengan membagi data pada tiga regional utama: Sumatera, Jawa-Bali, dan Kalimantan-Sulawesi, sementara regional Papua tidak dianalisis karena jumlah wilayah/propinsi yang terbatas. Metode yang dipakai adalah Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Tuning parameter dengan cara pencarian grid dilakukan untuk memperoleh hasil optimal berdasarkan silhouette score. Hasil clustering dapat memberikan gambaran keunikan profil konsumsi listrik di tiap wilayah, dengan silhouette score terbaik sebesar 0.62 untuk regional Jawa-Bali, 0,67 untuk Kalimantan-Sulawesi, dan 0,64 untuk Sumatera. Penelitian menunjukkan bahwa algoritma DBSCAN dapat digunakan untuk pengelompokkan distribusi listrik dengan hasil yang efektif.
Simulasi Pemilu untuk Pemilih Pemula Berbasis Mixed Reality: Election Simulation for Beginner Voters Based on Mixed Reality Dwihandoyo, Falah; Eugenie, Valezka; Prawita, Fat'hah Noor
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.v4i4.1427

Abstract

Pemilihan umum (pemilu) merupakan salah satu pilar utama dalam sistem demokrasi di Indonesia yang memiliki fungsi sebagai alat untuk melakukan pemilihan yang akan menjadi pemimpin. Partisipasi pemilu pada pemilih pemula menunjukkan angka penurunan, dikarenakan pemilih pemula merasa kesulitan dalam teknis untuk mengikuti pemilihan umum. Maka dari itu,  membuat suatu simulasi pemilu yang menggunakan teknologiMixed Reality (MR) yaitu memadukan antara Virtual Reality (AR) dan Augmented Reality (AR). Tujuan dari menggunakan teknologi mixed reality, dapat memberi pengalaman langsung bagi pemilih pemula dalam melaksanakan teknis pemilu. Selain itu meningkatkan antusias pemilih pemula dalam pemilu melalui teknologi. Penelitian ini dilaksanakan menggunakan metode kualitatif, dengan wawancara mendalam dan observasi sebagai teknik pengumpulan data. Partisipan dalam penelitian ini merupakan siswa menengah atas kelas 11 dan 12.Simulasi yang akan  kembangkan nantinya dapat dijalankan dengan perangkat keras Virtual Reality, kemudian dengan perangkat keras tersebut sensor akan mendeteksi tangan dan area yang akan kita gunakan untuk menampilkan objek 3D, sehingga kita bisamelakukan simulasi pemilu dengan pengalaman lebih interaktif dan menarik bagi pemilih pemula. Hasil penelitian ini menunjukan bahwa para pemilih pemula lebih terbantu untuk memahami teknis pemilu dengan perpaduan teknologi. Agar nantinya angka partisipasi pemilih pemula mengalami kenaikan dan para pemula memiliki pemahaman teknis yang cukup terhadap pemilu.
Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Mean Shift: Clustering Electricity Distribution Data Using the Mean Shift Algorithm Utari, Roid Fitrah; Insani, Fitri; Agustian, Surya; Afriyanti, Liza
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.v4i3.1428

Abstract

Penelitian ini mengkaji regionalisasi dan klasterisasi data distribusi listrik di Indonesia menggunakan algoritma Mean Shift, dengan tujuan untuk meningkatkan efisiensi distribusi energi di berbagai wilayah geografis yang beragam. Listrik memiliki peran krusial dalam kehidupan modern namun distribusinya masih belum merata, terutama di daerah terpencil dan pedesaan yang terkendala oleh akses dan keterbatasan dana. Sebagai salah satu Bada Usaha Milik Negera (BUMN)  utama di sektor ketenagalistrikan, Perusahaan Listrik Negera (PLN) bertanggung jawab dalam menyediakan listrik di seluruh Indonesia, mendukung pertumbuhan ekonomi melalui penyediaan energi untuk sektor industri, pertanian, dan perdagangan. Dengan menggunakan algoritma Mean Shift, penelitian ini mengelompokkan Indonesia menjadi Sumatra, Jawa-Bali, Kalimantan-Sulawesi, dan Papua berdasarkan pola distribusi listrik, dengan menemukan bahwa pengaturan bandwidth optimal 0.5 menghasilkan tiga klaster per wilayah yang mencerminkan infrastruktur serupa, kebutuhan energi, dan sektor ekonomi dominan. Temuan ini menunjukkan fleksibilitas Mean Shift dalam menangani struktur data yang kompleks tanpa jumlah klaster yang telah ditentukan sebelumnya, yang penting untuk perencanaan strategis dalam pengelolaan energi di Indonesia demi mencapai distribusi listrik yang lebih efisien dan berkelanjutan
Exploring the Role of ChatGPT in Shaping an Innovative Organizational Culture, Responsiveness to Change, and Enhancing Human Resource Development Gadzali, Silvy Sondari
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.v4i4.1432

Abstract

The rapid development of digital technology has prompted organizations to adopt new tools and systems to enhance operational efficiency and effectiveness. One of the latest technologies garnering widespread attention is artificial intelligence (AI), including language models like ChatGPT, capable of processing and generating text naturally. This research aims to further explore how ChatGPT can be implemented within organizations to cultivate an innovative culture, responsiveness to change, and effectively support human resource development. This study employs a literature review method with a qualitative approach. Data were collected from articles published on Google Scholar between 2021 and 2024, considering Google Scholar as a comprehensive and credible academic database. The findings indicate that ChatGPT plays a crucial role in fostering innovation by serving as a catalyst for creative ideas and new solutions. Furthermore, ChatGPT has proven to enhance organizational responsiveness to changes in the business environment by providing accurate insights based on real-time data. On the other hand, utilizing ChatGPT as an interactive training tool also aids in accelerating employee competency development. However, it is essential to consider the ethical challenges and considerations in the use of this technology, including data privacy issues and overreliance. 

Page 22 of 42 | Total Record : 418

 20   21   22   23   24 

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