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
 24   25   26   27   28 
Designing an ICT Service Chatbot at the Global Institute Firgiawan, Annis; Asy'ari, Hasan; Susanto, Fredy; Bangun, Eka Uliyanti Putri Br.
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1519

Abstract

The design of an ICT service chatbot at Global Institute aims to enhance the efficiency and effectiveness of providing technical support to users, including staff, lecturers, and students. With the increasing demand for Information and Communication Technology (ICT) services, a solution is needed that can provide quick and accurate responses to various technical issues. This chatbot is designed using artificial intelligence (AI) technology that enables natural interaction with users through a conversational platform. The main features implemented in the chatbot include managing technical support requests, automatically resolving common issues, and providing guidance on the use of ICT devices and applications. This research employs an object-oriented development methodology and incorporates an Agile approach to ensure flexibility and responsiveness in development. System trials were conducted involving end users to gather feedback and make necessary improvements. The test results show that the chatbot significantly reduces response time and the workload of the ICT team, as well as improves user satisfaction. Thus, the implementation of this chatbot is expected to positively contribute to the quality of ICT services at Global Institute.
Klasifikasi Seleksi Penerimaan Karyawan Baru Menggunakan Algoritma C4.5: Classification of New Employee Selection Using the C4.5 Algorithm Mayangsari, Descania; Wahyudi, Tri
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1525

Abstract

Proses seleksi penerimaan calon karyawan baru dalam menentukan kandidat yang sesuai kualifikasi dengan posisi yang sedang dibutuhkan, tanpa alat bantu analisis yang efektif, proses ini cenderung menjadi subyektif dan tidak konsisten. Diharapkan adanya penelitian ini membuat penyeleksian calon karyawan menjadi lebih efisien dan memudahkan dalam memilih calon karyawan yang tepat. Dengan obyek penelitian calon karyawan baru yang diseleksi melalui screening CV, Wawancara, psikotest, interview user. Dengan algoritma  C4.5 yang merupakan salah satu metode untuk menganalisis data dalam jumlah yang banyak menggunakan konsep entropy dan gain. Hasil dari penelitian ini membantu proses seleksi penerimaan calon karyawan baru dengan memberikan analisis yang objektif dan konsisten. Implementasinya dapat mengurangi waktu dan biaya yang dibutuhkan dalam proses seleksi, serta meningkatkan kualitas kandidat yang diterima. Hasil pengujian dengan algoritma C4.5 memiliki nilai yang bagus yaitu dengan accuracy 99.43%, precision 99.29%, recall 97.69% dan AUC 0.750.
Prediksi Waktu Tunggu Pelayanan Pasien Rawat Jalan dengan Algoritma Random Forest: Predicting Outpatient Service Waiting Times with Random Forest Algorithm Munggaran, Rahayu Putri; Nurmalasari, Mieke; Hosizah, Hosizah; Krismawati, Dewi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1529

Abstract

Waktu tunggu pelayanan merupakan salah satu langkah yang harus dilalui pasien untuk mendapatkan pelayanan kesehatan, dimulai dari pendaftaran hingga pemeriksaan oleh dokter. Penelitian ini bertujuan memprediksi waktu tunggu pelayanan pasien rawat jalan menggunakan algoritma Random Forest di Rumah Sakit Jiwa Dr. Soeharto Heerdjan. Prediksi ini diharapkan mempermudah pekerjaan petugas dan dapat diintegrasikan ke dalam aplikasi online untuk mengurangi penumpukan pasien. Metode data mining diterapkan menggunakan aplikasi Orange Data Mining dengan algoritma Random Forest. Penelitian dilakukan menggunakan 2.109 data dari tiga bulan di tahun 2023, yang setelah preprosesing menghasilkan 1.508 data dengan 8 atribut: usia, jenis kelamin, poliklinik, layanan yang dipilih, waktu datang, waktu sebelum bertemu dokter, durasi waktu tunggu, jaminan kesehatan, dan kategori pasien. Data dibagi menjadi dua bagian, yaitu data training sebanyak 1.055 dan data testing sebanyak 452. Hasil prediksi menunjukkan akurasi tinggi dengan nilai AUC 98,2%, CA 97,6%, F1 97,6%, precision 97,6%, dan recall 97,3%. Model ROC-curve dapat memisahkan tiga kategori waktu tunggu yaitu cepat, lambat, dan normal, dengan nilai akurasi mendekati 1. Visualisasi menggunakan Pythagorean Forest membantu mengidentifikasi kategori atau pola waktu tunggu pasien dengan akurasi yang tinggi.
Analisis Kesehatan Mental untuk Mencegah Gangguan Mental pada Mahasiswa Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Random Forest: Mental Health Analysis to Prevent Mental Disorders in Students Using The K-Nearest Neighbor (K-NN) Algorithm and Random Forest Algorithm Nurdiansyah, Najib; Febriyan, Farhan Sulis; Amanta, Zanuar Gesit Dian; Saputra, Dicky Arya; Baihaqi, Wiga Maulana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1537

Abstract

Pada era modern, gangguan mental menjadi masalah kesehatan global. Organisasi Kesehatan Dunia (WHO) memperkirakan bahwa satu dari empat orang di seluruh dunia mengalami gangguan mental atau neurologis. Gangguan sering terjadi pada pelajar yang salah satunya adalah mahasiswa.  Kesehatan mental mahasiswa, yang akan menjadi generasi penerus bangsa, sangat penting untuk keberhasilan mereka di bidang akademis ataupun non akademis dan peran mereka di masyarakat di masa depan. Dengan menggunakan algoritma K-Nearest Neighbor (K-NN) dan Randon Forest, penelitian ini bertujuan untuk menganalisis kesehatan mental untuk mencegah gangguan mental pada siswa. Dataset "Student mental health.csv" digunakan, yang diambil dari situs web Kaggle yang mencakup berbagai variabel terkait kesehatan siswa. Proses yang digunakan termasuk analisis data eksploratif, preprocessing data, modeling data menggunakan algoritma K-Nearest Neighbor (K-NN) dan Random Forest , dan akhirnya evaluasi. Hasil menunjukkan bahwa K-NN memiliki akurasi sebesar 90% pada splitting data 80:20, sedangkan Random Forest memiliki akurasi sebesar 85% pada splitting data yang sama. Namun, pada splitting data 70:30, kinerja K-NN turun menjadi 83%, sebanding dengan akurasi Random Forest 83% pada splitting data yang sama. Penelitian ini menyimpulkan bahwa, dalam beberapa kasus, algoritma K-NN menunjukkan akurasi yang sedikit lebih baik, sementara Random Forest menunjukkan kinerja yang lebih konsisten dalam berbagai pembagian data. 
Otomasi Backup Konfigurasi Settingan Router Mikrotik Menggunakan Ansible dengan Metode Network DevOps: Automation of Mikrotik Router Setting Configuration Backup Using Ansible with Network DevOps Method Zulfikar, Ahmad; Akbar, Yuma
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1591

Abstract

Di era teknologi informasi saat ini, akses data melalui jaringan komputer menjadi krusial bagi aktivitas sehari-hari dan kebutuhan perusahaan. PT Fcom Inti Teknologi, sebagai penyedia layanan jaringan, menghadapi tantangan dalam mengelola infrastruktur jaringan yang luas dan kompleks. Metode manual yang digunakan untuk backup konfigurasi perangkat jaringan tidak hanya memakan banyak waktu dan tenaga, tetapi juga rentan terhadap kesalahan manusia yang dapat menyebabkan downtime jaringan. Penelitian ini bertujuan untuk mengimplementasikan solusi automasi menggunakan Ansible dengan metode Network Development Operations (NetDevOps) guna meningkatkan efisiensi dan keandalan proses backup konfigurasi di PT Fcom Inti Teknologi. Automasi jaringan diharapkan dapat menyediakan cara yang lebih efisien dan andal dalam mengelola konfigurasi dan backup perangkat jaringan, serta mengurangi waktu dan tenaga yang dibutuhkan untuk tugas-tugas manual. Hasil penelitian menunjukkan bahwa implementasi sistem automasi untuk backup dan konfigurasi Mikrotik berhasil dilakukan, yang berdampak pada pengurangan kesalahan konfigurasi, dan meningkatkan efisiensi waktu dalam pengaturan router Mikrotik. Automasi jaringan tidak hanya meningkatkan konsistensi konfigurasi, tetapi juga meminimalkan risiko kesalahan dan downtime jaringan. Simpulan dari penelitian ini adalah bahwa dengan mengadopsi alat automasi seperti Ansible, PT Fcom Inti Teknologi berhasil meningkatkan ketersediaan dan keandalan jaringan mereka, sehingga dapat memberikan layanan yang lebih baik kepada pelanggan.
Implementasi K-Means Clustering untuk Optimalisasi Anggaran Penyakit Tidak Menular: Implementation of K-Means Clustering for Optimizing Non-Communicable Disease Budgets Sujak, Galuh Mafela Mutiara; Rofiq, Hanif Noer; Tawakal, Farhan Iqbal
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1597

Abstract

Pandemi menunjukkan pentingnya penganggaran, baik untuk menjalankan pelayanan kesehatan yang telah ada maupun untuk menghadapi COVID-19. Pandemi juga menunjukkan bahaya penyakit komorbid seperti diabetes melitus, hipertensi, dan obesitas sebagai pemicu tingginya risiko kematian akibat COVID-19. Untuk membuat kebijakan terkait penganggaran yang tepat guna, diperlukan analisis terkait anggaran kesehatan pemerintah daerah. Dalam penelitian ini penulis melakukan analisis clustering k-means anggaran kesehatan pemerintah daerah Tahun 2021 untuk mengelompokkan anggaran terkait penyakit komorbid seperti diabetes melitus, hipertensi, dan obesitas, serta gangguan mental emosional. Tujuan dari penelitian ini adalah memberikan insight mengenai pola pendanaan pemerintah daerah terkait penyakit tersebut. Clustering menghasilkan empat cluster dengan silhouette score sebesar 0,6156. Selanjutnya berdasarkan perbandingan dengan prevalensi penyakit masing-masing terdapat indikasi potensi optimalisasi dana untuk sub kegiatan lain atau untuk digunakan sebagai dana darurat pandemi.
Prototipe Sistem Monitoring Kelembapan Tanah pada Tanaman Cabai Berbasis Internet of Things dengan Metode Fuzzy Logic Menggunakan NodeMCU Esp8266, Blynk dan Thingspeak: Prototype of Soil Moisture Monitoring System for Chili Plants Based on Internet of Things Using Fuzzy Logic Method with NodeMCU ESP8266, Blynk, and ThingSpeak Romadan, Diva Putra; Arinal, Veri; Sarimole, Frencis Matheos; Tundo, Tundo
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1600

Abstract

Pengelolaan kelembapan tanah yang optimal sangat penting untuk pertumbuhan tanaman cabai, namun sering kali menjadi tantangan bagi petani, terutama dalam memastikan irigasi yang efisien. Masalah utama yang dihadapi adalah kesulitan dalam memantau dan mengontrol kondisi tanah secara real-time, yang sering kali menyebabkan penyiraman berlebihan atau kurang. Penelitian ini bertujuan untuk mengembangkan prototipe sistem monitoring kelembapan tanah berbasis Internet of Things (IoT) dengan menggunakan NodeMCU ESP8266. Sistem ini mengintegrasikan sensor tanah, suhu, dan kelembapan udara, di mana data dikirimkan secara real-time ke aplikasi Blynk untuk pemantauan dan kontrol jarak jauh. Metode Fuzzy Logic diterapkan untuk mengoptimalkan irigasi secara otomatis berdasarkan data sensor, sementara ThingSpeak digunakan untuk penyimpanan dan analisis data jangka panjang. Hasil pengujian menunjukkan bahwa sistem ini efektif menjaga kelembapan tanah pada tingkat ideal dan menghemat penggunaan air. Kesimpulannya, sistem ini memberikan solusi praktis dan efisien bagi petani dalam mengelola irigasi tanaman cabai secara berkelanjutan.
Pengembangan Aplikasi Document Management System Lembaga Pemasyarakatan Kelas IIA Banceuy Menggunakan Pemodelan Object Oriented Analysis and Design: Development of Document Management System Application for Class IIA Banceuy Correctional Institution Using Modeling Object Oriented Analysis and Design Mendonca, Fernando; Sulianta, Feri
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1603

Abstract

Lembaga Pemasyarakatan Kelas IIA Banceuy merupakan instansi pemerintahan yang bertugas membina pelaku tindak pidana khususnya narkotika, dimana pelaku tindak pidana akan menjalani masa pidananya.  Dengan kondisi yang ada saat ini Lembaga Pemasyarakatan Kelas IIA Banceuy belum mempunyai aplikasi pengelolaan dokumen sehingga sering mengalami kendala dalam pengelolaan dokumen. Maka dari itu diperlukanlah sebuah sistem aplikasi yang dapat membantu pengelolaan dokumen. Penelitian ini mengusulkan pengembangan Aplikasi Document Management System (DMS) berbasis Web yang  dibuat  menggunakan Framework CodeIgniter dan MySQLi sebagai Database. Untuk meningkatkan efisiensi dalam pengelolaan dokumen. Dengan menggunakan pendekatan pemodelan Object Oriented Analysis and Design (OOAD), metodologi pengembangan yang digunakan adalah pendekatan Waterfall dan perancangan sistem menggunakan diagram Unified Modeling Language (UML) serta diuji menggunakan Metode Blackbox Testing dan User Acceptance Test (UAT). Aplikasi ini dirancang untuk memungkinkan penyimpanan dokumen secara terpusat, dan pengelolaan yang lebih baik. Perancangan aplikasi ini diharapkan dapat memberikan kemudahan bagi pegawai dalam menangani dokumen dan meningkatkan keseluruhan pengelolaan dokumen di Lembaga Pemasyarakatan Kelas IIA Banceuy.
Perancangan Sistem Monitoring Cerdas Berbasis Internet of Things (IoT) dengan Algoritma Random Forest Regression untuk Deteksi Ketinggian pada Tanaman Tomat Cherry: Design of an Intelligent Monitoring System Based on Internet of Things (IoT) with Random Forest Regression Algorithm for Height Detection in Cherry Tomato Plants Putra, Vito Hafizh Cahaya; Al-Husaini, Muhammad; Wahyu, Ari Purno; Raharja, Agung Rachmat
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1612

Abstract

Tomat cherry merupakan komoditas bernilai di Indonesia dengan permintaan yang meningkat setiap tahunnya. Penelitian ini mengembangkan sistem pemantauan cerdas berbasis Internet of Things (IoT) untuk tanaman tomat cherry menggunakan algoritma Random Forest Regression (RFR). Sistem ini memanfaatkan mikrokontroler ESP32 dan lima sensor untuk memantau parameter lingkungan, serta aktuator untuk pengaturan kondisi optimal. Data sensor diproses dan disimpan di platform Thingspeak dan diintegrasikan dengan Google Colab untuk prediksi ketinggian tanaman. Hasil prediksi ditampilkan di layar LCD dan dikirimkan sebagai notifikasi melalui aplikasi Telegram. Penelitian ini mengisi kesenjangan dari studi sebelumnya dengan mengintegrasikan berbagai sensor, aktuator, dan platform cloud dalam satu sistem yang komprehensif. Evaluasi sistem menunjukkan nilai Mean Squared Error (MSE) sebesar 0.8294 dan R^2 Score sebesar 0.8939, serta hasil pengujian Black Box Testing memastikan fungsionalitas optimal dalam berbagai skenario. Hasil penelitian ini dapat memberikan manfaat dalam penerapan teknologi IoT dan machine learning untuk monitoring dan pengelolaan tanaman tomat cherry, harapannya meningkatkan efisiensi dan produktivitas pertanian.   
Implementasi Algoritma Machine Learning dalam Kompresi Citra Foto Sumbu Filosofi Yogyakarta: Implementation of Machine Learning Algorithm in Axis Photo Image Compression Yogyakarta Philosophy Sahria, Yoga; Pasa, Ike Yunia; Sudira, Putu
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1615

Abstract

Proses kompresi citra merupakan salah satu teknik yang esensial dalam mengelola data visual, terutama dalam konteks pelestarian dan digitalisasi warisan budaya. Penelitian ini membahas penerapan algoritma K-means dalam kompresi citra foto Sumbu Filosofi Yogyakarta, yang meliputi kawasan-kawasan bersejarah dan simbolis dari Kraton Yogyakarta hingga Panggung Krapyak. Algoritma K-means digunakan untuk mengurangi jumlah warna dalam citra, yang bertujuan untuk mengurangi ukuran file tanpa mengorbankan kualitas visual yang signifikan. Hasil penelitian menunjukkan bahwa algoritma K-means efektif dalam kompresi citra dengan menghasilkan ukuran file yang lebih kecil dan tetap mempertahankan detail penting dari objek bersejarah. Studi ini juga menyoroti keuntungan dan keterbatasan dari metode kompresi ini dalam konteks pelestarian digital dan penyebaran informasi budaya. Dengan demikian, penggunaan algoritma K-means dapat menjadi solusi yang efisien untuk manajemen data visual dalam upaya konservasi dan promosi warisan budaya Yogyakarta.

Page 26 of 42 | Total Record : 418

 24   25   26   27   28 

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