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
 29   30   31   32   33 
Prediksi Harga Saham Telkom Menggunakan Prophet: Analisis Pengaruh Sentimen Publik Terhadap Kehadiran Starlink: Telkom Stock Price Prediction Using Prophet: Analysis of the Effect of Public Sentiment on the Presence of Starlink Taofiqurrohman, Hendra; Wufron, Wufron; Roji, Fikri Fahru
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1796

Abstract

Fluktuasi harga saham menjadi tantangan signifikan bagi investor dan perusahaan karena dipengaruhi oleh berbagai faktor, termasuk sentimen publik di media sosial. Sebagian besar model prediksi tradisional hanya mengandalkan data historis sehingga kurang mampu menangkap dinamika eksternal yang memengaruhi harga saham. Penelitian ini bertujuan untuk memprediksi harga saham PT Telkom Indonesia Tbk (TLKM) dengan mengintegrasikan sentimen publik terkait kehadiran Starlink sebagai variabel eksternal pada model Prophet. Data sentimen diperoleh dari Twitter dengan algoritma Valence Aware Dictionary and Sentiment Reasoner (VADER), sementara data harga saham diambil dari Yahoo Finance untuk periode Mei hingga Oktober 2024. Hasil penelitian menunjukkan bahwa integrasi sentimen publik meningkatkan akurasi prediksi, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,927%, Mean Squared Error (MSE) sebesar 12102.43, dan Root Mean Square Error (RMSE) sebesar 110.01. Sentimen positif, seperti pada 27 Oktober 2024 dengan compound score 0.5106, menghasilkan prediksi sebesar 3030.75 dibandingkan harga aktual 2910.0. Sebaliknya, sentimen negatif pada 20 September 2024 dengan compound score sebesar -0.3613 menurunkan prediksi menjadi 3137.48 dibandingkan harga aktual 3150.0. Penelitian ini memberikan wawasan tambahan tentang dampak opini publik terhadap harga saham dan merekomendasikan perluasan sumber data, integrasi variabel eksternal yang lain, serta penggunaan metode deep learning untuk meningkatkan akurasi prediksi di masa depan.
Agriculture Biomass for Sustainable Electricity Supply Systems: A Dynamic System Approach Destianto, Arief Sandi; Mudjahidin, Mudjahidin
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1802

Abstract

East Java has great potential in utilizing agricultural waste as a source of biomass energy to support the transition to New Renewable Energy (NRE). However, the development of biomass power plants faces challenges such as investment feasibility evaluation and biomass potential measurement. The East Java Government has set sustainable energy targets through Governor Regulations. This study developed a dynamic system-based simulation model to analyze factors influencing the utilization of agricultural waste as biomass energy. Verification results using Vensim PLE software show the model is valid with an error rate of E1 < 5% and E2 < 30%. In the Do-Nothing scenario, the electricity deficit could worsen in the future without increasing power plant capacity, especially from renewable energy. Conversely, the biomass power plant infrastructure development scenario shows that by 2024, the electricity deficit can be reduced from -7,599.47 GWh to -2,722.98 GWh. This trend continues in subsequent years, with the biomass scenario consistently decreasing the deficit and even generating a surplus in some years. Therefore, developing biomass-based power plants is a strategic step to reduce dependence on fossil fuels and enhance regional energy security in East Java.
Penerapan Algoritma Convolutional Neural Networks untuk Pengenalan Tulisan Tangan Aksara Jawa: Implementation of Convolutional Neural Networks Algorithm for Javanese Handwriting Recognition Abdiansah, Lutfi; Sumarno, Sumarno; Eviyanti, Ade; Azizah, Nuril Lutvi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1814

Abstract

Aksara Jawa adalah sistem tulisan tradisional yang dulunya banyak digunakan di Jawa Timur dan Jawa Tengah, terdiri dari 20 huruf utama serta beberapa atribut tambahan. Namun, penggunaannya dalam kehidupan sehari-hari semakin berkurang. Penelitian ini bertujuan mengembangkan sistem pengenalan aksara Jawa menggunakan Convolutional Neural Network (CNN) sebagai upaya pelestarian. Dataset yang digunakan mencakup 1000 citra tulisan tangan aksara Jawa, dengan 700 citra untuk pelatihan dan 300 citra untuk validasi. Proses penelitian meliputi pengumpulan data, preprocessing, pembangunan arsitektur CNN, dan evaluasi model. Arsitektur CNN dirancang untuk menangkap fitur utama aksara, termasuk membedakan huruf yang memiliki kemiripan visual. Hasil evaluasi menunjukkan performa yang baik, dengan akurasi mencapai 99,83% pada pengenalan aksara yang diinputkan, serta grafik akurasi dan loss yang konsisten antara data pelatihan dan validasi. Temuan ini menunjukkan bahwa CNN memiliki potensi besar dalam pengenalan aksara Jawa, meskipun optimasi lebih lanjut tetap diperlukan untuk meningkatkan akurasi dan efisiensi sistem guna mendukung penerapannya secara lebih luas.
Penentuan Kualitas Kopra Berbasis Citra Kontur Menggunakan Metode Canny Edge Detection: Determination of Copra Quality Based on Contour Image Using the Canny Edge Detection Method Nugroho, Chandra Wisnu; Nurtanio, Ingrid; Jalil, Abdul
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.v5i1.1823

Abstract

UD Cendrawasih, yang berlokasi di Kelurahan Motoboi Kecil, Kotamobagu Selatan, Sulawesi Utara, adalah usaha jual beli kopra yang telah beroperasi lama. Proses penilaian kualitas kopra saat ini masih manual melalui inspeksi visual, yang meskipun andal, sering kali menghadirkan subjektivitas dan kurang konsisten. Penelitian ini bertujuan mengotomatisasi dan meningkatkan akurasi penilaian kualitas kopra menggunakan metode Canny Edge Detection dengan model Canny-Inception. Model ini mengklasifikasikan kopra menjadi tiga kelas: "basah" (kadar air tinggi), "kering" (kopra yang telah dikeringkan), dan "berjamur" (ditandai oleh warna dan bau). Data dibagi dalam tiga model: Model A (80:10:10), Model B (70:20:10), dan Model C (60:30:10). Hasil penelitian menunjukkan Model C memberikan performa terbaik dengan akurasi validasi 87,50% pada epoch ke-9 dan validation loss 40,27%. Analisis menggunakan Confusion Matrix mengungkapkan Model A unggul pada kelas basah (81%), Model B pada kelas kering (62%), dan Model C pada kelas berjamur (76%). Dengan akurasi keseluruhan 87,50%, Model C dinilai paling efektif untuk klasifikasi kualitas kopra secara akurat dan konsisten.
Perancangan UI/UX pada Website Inventaris Brang Menggunakan Metode Design Thinking: UI/UX Design of Goods Inventory Website Using the Design Thinking Method Fikriliani, Cindy; Panjaitan, Febriyanti; Abdillah, Leon Andretti; Putra, M. Soekarno
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.v5i1.1850

Abstract

Pengelolaan inventaris barang di Kejaksaan Negeri Empat Lawang masih dilakukan secara manual, menyebabkan berbagai permasalahan seperti kehilangan data, kesulitan dalam pencarian barang, serta ketidakjelasan penanggung jawab aset. Sistem pencatatan konvensional yang kurang efektif dapat menghambat efisiensi kerja, meningkatkan risiko kesalahan dalam pengelolaan aset, serta memperlambat proses audit dan pelaporan. Untuk mengatasi permasalahan ini, penelitian ini merancang User Interface (UI) dan User Experience (UX) pada Website Inventaris Barang menggunakan metode Design Thinking. Metode ini diterapkan melalui lima tahapan, yaitu Empathize (memahami kebutuhan pengguna), Define (mengidentifikasi permasalahan utama), Ideate (mengembangkan solusi inovatif), Prototype (merancang model awal desain), dan Testing (mengujinya dengan pengguna). Prototipe website yang telah dikembangkan diuji menggunakan metode Usability Testing dengan Single Ease Question (SEQ) untuk mengukur kemudahan penggunaan sistem. Hasil pengujian menunjukkan bahwa skor usability berada dalam rentang 5-7, yang mengindikasikan bahwa desain UI/UX yang dibuat mudah digunakan dan dipahami oleh pengguna. Implementasi sistem ini diharapkan dapat meningkatkan efisiensi dalam pencatatan dan pelacakan barang inventaris, meminimalkan kehilangan aset, serta memberikan pengalaman pengguna yang lebih baik. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dengan fitur tambahan seperti integrasi sistem QR Code, otomatisasi laporan inventaris, serta analisis data berbasis kecerdasan buatan untuk meningkatkan akurasi manajemen aset.
Game Adventure of Cakra Versi Cerita Rakyat Indonesia Sebagai Media Pembelajaran Interaktif: Game Adventure of Cakra Version of Indonesian Folklore as an Interactive Learning Media Aprilianto, Mohammad Andrean Jaya; Wijayanti, Esti; Chamid, Ahmad Abdul
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.v5i1.1879

Abstract

Penurunan Penurunan minat generasi muda terhadap cerita rakyat Indonesia di era digital mendorong pengembangan solusi inovatif. Penelitian ini bertujuan mengintegrasikan warisan budaya dengan teknologi modern melalui game edukasi "Adventure of Cakra" berbasis Android. Metodologi pengembangan memanfaatkan game engine Construct 3 untuk menciptakan pengalaman bermain yang imersif melalui animasi sprite, sistem partikel, dan physics engine. Pengembangan menggunakan metode Game Development Life Cycle (GDLC) dengan pengujian black box menunjukkan tingkat keberhasilan 100% pada 15 komponen fungsionalitas yang diuji.Hasil penelitian menunjukkan pendekatan ini berpotensi menjembatani kesenjangan antara nilai-nilai tradisional dengan preferensi generasi digital. Game ini menawarkan cara inovatif untuk mengenalkan kembali cerita rakyat dan mengatasi tantangan menurunnya minat terhadap budaya lokal di era globalisasi. Pengembangan ini sejalan dengan studi kasus game "Petualangan Bahasa Lampung" yang berhasil meningkatkan minat belajar bahasa daerah sebesar 80% pada siswa sekolah dasar. Integrasi teknologi dalam pelestarian budaya menciptakan solusi relevan dan menarik bagi generasi muda, mendorong inovasi dalam pendidikan budaya dan memperkuat identitas nasional di era digital.
Penerapan Algoritma Klasifikasi pada Machine Learning untuk Deteksi Phishing: Application of Classification Algorithms in Machine Learning for Phishing Detection Fauzan, Rizky; Vitianingsih, Anik Vega; Cahyono, Dwi; Maukar, Anastasia Lidya; Suprio, Yoyon Arie Budi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1968

Abstract

Phishing merupakan salah satu bentuk kejahatan siber yang bertujuan mencuri informasi sensitif melalui metode penipuan, seperti situs web palsu yang menyerupai halaman resmi. Maka diperlukan sistem deteksi yang lebih akurat dan efisien untuk mengidentifikasi ancaman ini. Penelitian ini bertujuan untuk menganalisis penerapan algoritma klasifikasi dalam machine learning guna mendeteksi URL phishing. Algoritma yang digunakan dalam penelitian ini adalah Naïve Bayes, Random Forest, dan Decision Tree, yang diterapkan pada dataset yang dikumpulkan dari berbagai sumber. Dataset ini dianalisis menggunakan fitur berbasis Term Frequency - Inverse Document Frequency (TF-IDF) serta fitur numerik, seperti panjang URL, jumlah angka, karakter khusus, dan keberadaan kata kunci yang sering ditemukan dalam situs phishing. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur efektivitas sistem deteksi yang dikembangkan. Hasil eksperimen menunjukkan bahwa model Random Forest memiliki performa terbaik dengan akurasi mencapai 97,2%, diikuti oleh Decision Tree (96,3%), sementara Naïve Bayes memiliki akurasi lebih rendah (85,3%). Model Random Forest juga memiliki keseimbangan yang baik antara precision dan recall, sehingga lebih andal dalam mendeteksi URL phishing. Penggunaan algoritma Machine Learning terbukti dapat meningkatkan efektivitas deteksi phishing secara signifikan.
Pengenalan Karakter Huruf Pada Gambar Tulisan Tangan Menggunakan Algoritma Convolutional Neural Network dan K-Means Clustering: Recognition of Letter Characters in Handwritten Images Using Convolutional Neural Network and K-Means Clustering Algorithm Swasono, Natan Enggal; Himamunanto, Agustinus Rudatyo; Budiati, Haeni
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.v4i4.1451

Abstract

Pengenalan karakter tulisan tangan adalah tantangan utama dalam berbagai aplikasi digital, disebabkan oleh variasi gaya tulisan, ukuran karakter, orientasi, dan kualitas gambar. Penelitian ini bertujuan membandingkan dua metode utama untuk pengenalan karakter tulisan tangan: Convolutional Neural Network (CNN) dan K-Means Clustering. CNN merupakan metode pembelajaran terarah yang digunakan untuk mengekstrak fitur penting dari gambar, sementara K-Means Clustering merupakan metode pembelajaran tanpa pengawasan yang mengelompokkan karakter berdasarkan kesamaan fitur. Hasil penelitian menunjukkan bahwa model CNN berhasil mencapai akurasi 90% dalam pengenalan karakter, menandakan kinerja yang sangat baik dalam mengenali pola kompleks dan variasi tulisan tangan. Sebaliknya, K-Means Clustering hanya mencapai akurasi 11%, menunjukkan bahwa metode ini kurang efektif untuk tugas pengenalan karakter tulisan tangan. Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa CNN jauh lebih unggul dibandingkan dengan K-Means Clustering dalam mengatasi tantangan variasi tulisan tangan.
Penerapan Algoritma Best First Search (BFS) untuk Penentuan Slot Parkir: Application of the Best First Search (BFS) Algorithm for Determining Parking Slots Suswiantara, Adi; Dzakhwan, Naufal; Fahruddin, Asraf; Dzaky, Muhammad Naufal; Auliana, Auliana; Setiadi, Tedy
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.v4i4.1541

Abstract

Parkir Motor Kampus X merupakan salah satu area parkir yang disediakan oleh Kampus X untuk mahasiswanya. Area parkir ini sering kali mengalami kepadatan, terutama pada jam-jam sibuk perkuliahan, sehingga menyebabkan kesulitan bagi pengguna dalam menemukan slot parkir yang tersedia. Penempatan motor yang tidak teratur dapat membuat pengguna kesulitan menemukan kembali kendaraannya. Oleh karena itu, diperlukan sebuah sistem yang mampu mengatur dan menentukan slot parkir secara efisien. Tujuan dari penelitian ini adalah mengembangkan sistem dengan algoritma Best First Search (BFS) yang dapat menentukan slot parkir secara otomatis. Algoritma BFS adalah algoritma yang menggunakan pendekatan pencarian dengan mengutamakan node yang paling menjanjikan berdasarkan fungsi heuristik pada setiap langkahnya. Implementasi algoritma BFS menghasilkan sistem yang mampu menempatkan motor pada slot yang kosong berdasarkan kedekatan dengan pintu masuk parkir, sehingga memudahkan mahasiswa dalam mencari dan menempatkan kendaraan mereka dengan lebih teratur serta membantu karyawan (juru parkir kampus) dalam mengatur parkir di Parkir Motor Kampus X. Metodologi penelitian diambil berdasarkan best first search,sistem informasi geografis dan struktur tree.
Implementasi IDS pada Jaringan Komputer Menggunakan Snort Berbasis Chatbot Telegram: Implementation of IDS on Computer Networks Using Snort Based on Telegram Chatbot Ardiyansyah, Ferry; Setiawan, Kiki; Sutisna, Nandang
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.v4i4.1561

Abstract

Pada era digital ini, keamanan informasi dan perlindungan jaringan komputer sangat penting. Penggunaan internet di Indonesia mencapai 79,50% dari populasi pada tahun 2024, disertai meningkatnya ancaman siber seperti Ping of Death (POD), Nmap scanning, dan DDoS. PT Tiga Kawan Sertifikasi menghadapi tantangan dalam mengelola keamanan jaringan. Penelitian ini bertujuan mengimplementasikan sistem deteksi serangan menggunakan Snort yang terintegrasi dengan chatbot Telegram untuk notifikasi real-time. Metode penelitian mencakup konfigurasi server Ubuntu sebagai IDS dengan Snort dan penggunaan chatbot Telegram sebagai media notifikasi. Pengujian dilakukan dengan skenario pentest menggunakan server Kali Linux. Hasil pengujian menunjukkan Snort mendeteksi serangan Ping of Death dalam 4 detik, Nmap scanning dalam 3 detik, dan DDoS dalam 2 detik. Sistem berhasil mengirimkan alert pada grup Telegram, mengoptimalkan keamanan jaringan PT Tiga Kawan Sertifikasi secara efektif dan efisien. Keseluruhan hasil menunjukkan bahwa solusi ini dapat memberikan perlindungan yang lebih baik terhadap ancaman siber dan memungkinkan respons cepat terhadap insiden keamanan. Selain itu, sistem ini mempermudah administrator jaringan dalam memantau dan menangani serangan secara real-time, meningkatkan ketahanan jaringan perusahaan

Page 31 of 42 | Total Record : 418

 29   30   31   32   33 

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