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
 30   31   32   33   34 
Analisis X Sebagai Platform Media Sosial Terhadap Experience Pengguna Menggunakan Metode User Experience Questionnaire: Analysis of X as a Social Media Platform for User Experience Using the User Experience Questionnaire Method Ferdianto, Yordan; Cahyono, Ariya D
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.v4i4.1590

Abstract

Akuisisi platform X (sebelumnya dikenal sebagai Twitter) oleh Elon Musk pada tahun 2022 menimbulkan perubahan signifikan yang memengaruhi pengalaman pengguna dan masa depan platform ini. Penelitian ini bertujuan untuk mengevaluasi dampak dari perubahan tersebut terhadap kualitas layanan X, dengan menggunakan User Experience Questionnaire (UEQ) sebagai alat evaluasi. Fokus penelitian terletak pada aspek attractiveness, perspicuity, efficiency, dependability, stimulation, dan novelty dalam layanan X. Hasil evaluasi menunjukkan bahwa meskipun X telah memberikan pengalaman pengguna yang memuaskan, dengan nilai attractiveness 1,66, efficiency 1,60, dependability  1,60, dan stimulation 1,66, terdapat ruang untuk peningkatan dalam aspek perspicuity dengan nilai 1,58 dan novelty yang hanya memperoleh nilai 0,79. Temuan ini menegaskan pentingnya penilaian pengalaman pengguna yang komprehensif dan spesifik. Penelitian masa depan sebaiknya mengeksplorasi metode evaluasi yang beragam untuk memperdalam pemahaman tentang kualitas layanan X dan kepuasan pengguna.
Perancangan Alat Ukur Emisi Carbon Monoxide Berdasarkan Jenis Bahan Bakar Minyak Honda Vario 150 di Universitas Semarang: Design of Carbon Monoxide Emission Measurement Tool Based on Honda Vario 150 Fuel Type at Semarang University Yahya, Ahmad; Islah, Muhammad Amirul; Adhiwibowo, Whisnumurti
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.v4i4.1667

Abstract

Pencemaran udara di Kota Semarang, ibukota Provinsi Jawa Tengah, telah menjadi masalah serius seiring dengan pesatnya pertumbuhan jumlah kendaraan bermotor dan kegiatan industri. Penelitian ini bertujuan untuk mengukur dan menganalisis dampak emisi gas buang kendaraan bermotor terhadap kualitas udara di lingkungan Universitas Semarang, dengan fokus pada emisi karbon monoksida (CO) yang dihasilkan oleh berbagai jenis bahan bakar. Alat ukur emisi berbasis Internet of Things (IoT) menggunakan sensor gas MQ-7 dan NodeMCU ESP8266 dikembangkan untuk mendeteksi tingkat emisi secara real-time. Hasil penelitian menunjukkan bahwa kendaraan bermotor, khususnya yang menggunakan bahan bakar 'Pertalite', berkontribusi signifikan terhadap tingginya emisi CO. Analisis menggunakan model regresi pohon keputusan (Decision Tree Regression) menunjukkan bahwa bahan bakar 'Pertamax' memiliki tingkat emisi CO yang lebih rendah, dengan squared error sebesar 162.544 dibandingkan dengan 'Pertalite' yang mencapai 433.496. Selain itu, alat pengukur emisi ini memberikan solusi efektif untuk memantau tingkat polusi udara di area kampus, yang dapat membantu pengambilan keputusan terkait pengelolaan lingkungan dan pemilihan bahan bakar yang lebih ramah lingkungan. Berdasarkan hasil penelitian ini, disarankan untuk meningkatkan pemantauan emisi kendaraan bermotor serta mendorong penggunaan bahan bakar yang lebih ramah lingkungan, seperti 'Pertamax', guna mengurangi dampak negatif pencemaran udara di lingkungan kampus.
Predicting Student Performance Using Deep Learning Models: A Comparative Study of MLP, CNN, BiLSTM, and LSTM with Attention Airlangga, Gregorius
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.v4i4.1668

Abstract

This study aims to predict student performance using deep learning models, including Multilayer Perceptron (MLP), Convolutional Neural Networks (CNN), Bidirectional Long Short-Term Memory (BiLSTM), and Long Short-Term Memory with Attention (LSTM with Attention). The dataset comprises student demographic and educational factors, and the models are evaluated using metrics such as MAE, RMSE, R², MSLE, and MAPE. The results show that the CNN model outperforms other models, achieving the highest accuracy in predicting student test scores. The MLP model also performs well, while the BiLSTM and LSTM with Attention models exhibit lower predictive performance. High MAPE values across models suggest a need for alternative metrics in future research. This study highlights the importance of selecting suitable model architectures for predictive tasks in education, emphasizing the effectiveness of convolutional layers in capturing complex patterns.
Spam Detection in YouTube Comments Using Deep Learning Models: A Comparative Study of MLP, CNN, LSTM, BiLSTM, GRU, and Attention Mechanisms Airlangga, Gregorius
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.v4i4.1671

Abstract

This study explores the effectiveness of various deep learning models for detecting spam in YouTube comments. Six models were evaluated: Multilayer Perceptron (MLP), Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), Bidirectional LSTM (BiLSTM), Gated Recurrent Unit (GRU), and Attention mechanisms. The dataset consists of 1,956 real comments extracted from popular YouTube videos, representing both spam and legitimate messages. The preprocessing phase involved tokenization and padding of text sequences to prepare them for model input. Results reveal that the LSTM model achieved the highest test accuracy of 95.65%, outperforming other models by capturing sequential dependencies and context within comments. The CNN model also demonstrated high accuracy, underscoring the importance of local pattern recognition in text classification. While BiLSTM and Attention models offered comparable performance, their marginal improvement over LSTM indicates that sequential modeling plays a crucial role in this task. The GRU model, despite being computationally efficient, showed slightly lower accuracy compared to LSTM and BiLSTM. The MLP model, serving as a baseline, exhibited limited performance, emphasizing the need for advanced architectures in spam detection. These findings suggest that combining sequential modeling with local feature extraction could lead to more robust spam detection systems. 
Implementasi Algoritma Haversine pada Mapbox API Guna Pencarian Bengkel Terdekat Berbasis Perangkat Mobile: Implementation of Haversine Algorithm on Mapbox API for Searching Nearest Workshop Based on Mobile Devices Prasetyo, Sushilo; Zaky, Umar
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.v4i4.1677

Abstract

Industri otomotif di Indonesia mengalami pertumbuhan pesat seiring dengan meningkatnya pendapatan per kapita dan kebutuhan masyarakat akan transportasi. Salah satu sektor penting dalam industri ini adalah layanan bengkel kendaraan bermotor, yang memiliki peran krusial dalam perawatan dan perbaikan kendaraan. Meskipun sudah ada beberapa aplikasi pencarian bengkel, sebagian besar masih berbasis web dan tidak menyediakan fitur komunikasi langsung antara pelanggan dan bengkel. Penelitian ini bertujuan untuk mengembangkan aplikasi layanan bengkel berbasis mobile Android yang mengimplementasikan algoritma Haversine. Aplikasi ini dirancang untuk memudahkan pengguna dalam menemukan bengkel terdekat, menghitung jarak, dan berkomunikasi langsung dengan bengkel melalui fitur chat. Hasil penelitian menunjukkan bahwa aplikasi ini mampu menghitung jarak dengan akurasi tinggi, di mana bengkel terdekat ditemukan berjarak 3,229 kilometer dari lokasi pengguna. Penggunaan algoritma Haversine dalam aplikasi ini memberikan hasil perhitungan jarak yang akurat dengan tingkat akurasi mencapai 99%. Dengan demikian, penelitian ini berkontribusi dalam meningkatkan kualitas layanan bengkel di Indonesia, terutama dalam memanfaatkan teknologi berbasis lokasi untuk kemudahan dan kenyamanan pengguna.
Klasifikasi Kelayakan Peminjaman Nasabah Menggunakan Algoritma K-Nearest Neighbor (K-NN): Classification of Customer Loan Eligibility Using The K-Nearest Neighbor (K-NN) Algorithm Hasibuan, Ainun Mardiah; Sriani, Sriani
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.v4i4.1682

Abstract

Penelitian ini dilakukan untuk mengatasi tantangan dalam penilaian kelayakan nasabah di PT. BPRS Amanah Insan Cita, sebuah lembaga keuangan syariah. Untuk mengatasi masalah ini dalam proses filter nasabah, Algoritma K-Nearest Neighbor (K-NN) digunakan untuk klasfikasi dan prediksi yang merupakan salah satu teknik data mining yang efektif dalam klasifikasi data, yang bertujuan untuk mengembangkan model klasifikasi kelayakan peminjaman nasabah dengan menggunakan Data yang digunakan dalam penelitian ini mencakup 150 nasabah dengan delapan atribut utama, seperti jenis kelamin, profesi, pendapatan bulanan, total hutang, jumlah tanggungan, status pernikahan, dan nilai aset. Hasil penelitian menunjukkan tingkat akurasi dan kehandalan model klasifikasi K-NN dalam memprediksi resiko peminjaman nasabah pada PT. BPRS Amanah Insan Cita yang telah dilakukan menggunakan tools RapidMiner nilai akurasi dari sistem pada klasifikasi ketepatan penggunaan metode K-NN pada kelayakan peminjaman nasabah di lembaga keuangan berbasis syariah, khususnya PT. BPRS Amanah Insan Cita accuracy sebesar 0,9 (90%), precision untuk kelas layak sebesar 0,92 (92%) recall untuk kelas layak 0,92 (92%) dan f1 score untuk kelas layak 1,05 (105%) Sedangkan untuk kelas tidak layak nilai precision sebesar 0,80 (80%) nilai recall sebesar 0,80 (80%), dan nilai f1 score sebesar 0,80 (80%).
Analisis Sentimen Terhadap Kinerja Program Walikota Medan pada Media Sosial X Menggunakan Support Vector Machine: Sentiment Analysis of The Performance of Medan Mayor Program on Social Media X Using Support Vector Machine Sari, Desliana; Kurniawan, Rakhmat
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.v4i4.1685

Abstract

Kepemimpinan adalah proses dan seni dalam menciptakan interaksi yang mempengaruhi para pengikut untuk mencapai tujuan yang telah ditetapkan. Kepemimpinan penting untuk menciptakan keteraturan dan kesesuaian antara pemimpin dan pengikutnya. Penelitian ini mengangkat tentang kinerja Walikota Medan yaitu bapak Muhammad Bobby Afif Nasution, S.E., M.M. Terdapat 5 program prioritas Walikota Medan yaitu Bidang Kesehatan, Penanganan Infrastruktur, Penanganan Banjir, Kebersihan, dan Pembenahan Kawasan Heritage sekaligus Pemberdayaan UMKM. Penerapan teknik Support Vector Machine (SVM) bertujuan untuk menemukan fungsi pemisah yang paling optimal di antara berbagai fungsi yang ada guna membedakan dua jenis objek. Analisis sentimen atau opinion mining adalah proses otomatis untuk memahami, mengekstrak, dan memproses data tekstual guna memperoleh informasi tentang sentimen yang terkandung dalam kalimat opini. Hasil dari penelitian ini menunjukkan bahwa SVM mampu mencapai tingkat akurasi yang sangat baik dalam mengolah data sentimen, sehingga dapat membantu mahasiswa dan penulis dalam menganalisis pandangan publik terhadap aplikasi ini. Analisis sentimen terhadap data pada aplikasi X mengenai kinerja program Walikota Medan dapat dilakukan menggunakan metode Support Vector Machine dengan accuracy 81 %, precission 84%, recall 90% dan f1-score 87%.
Analisis Pengembangan Aplikasi Pemesanan Kendaraan dan Paket Wisata Provinsi Yogyakarta Menggunakan Metode Agile Devlopment: Analysis Development of Vehicle Ordering Applications and Tour Packages for Yogyakarta Province Using Methode Agile Devlopment Syah, Nur Ilham; Hermawan, Arief
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.v4i4.1689

Abstract

Teknologi informasi di Indonesia berkembang pesat dengan revolusi 5.0, mendorong penggunaan ponsel untuk akses internet di berbagai sektor karena kepraktisannya. Namun, pengetahuan masyarakat tentang pariwisata, khususnya di Yogyakarta, masih kurang dan seringkali hanya mengandalkan media sosial yang informasinya tidak lengkap. Untuk mengatasi hal ini, diperlukan media informasi dengan jangkauan luas. Aplikasi ini bertujuan memberikan informasi yang lengkap kepada masyarakat luas. Wisatawan dapat dengan mudah mencari dan memesan kendaraan sesuai kebutuhan serta memilih paket wisata yang mencakup berbagai destinasi menarik. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data, analisis kebutuhan, perancangan sistem, dan implementasi sistem. Data diperoleh melalui wawancara. Hasil dari penelitian ini adalah Aplikasi Pemesanan Kendaraan dan Paket Wisata Provinsi Yogyakarta menggunakan Framework Flutter sehingga masyarakat dapat melakukan pemesanan sesuai keinginan dan pembayaran dapat dilakukan dengan berbagai pilihan. Hasil user acceptance test rata-rata user yang memilih setuju sebesar (24/40; 60%) sedangkan yang memilih sangat setuju sebesar (16/40; 40%).
Pengelompokan Data Penyakit THT Menggunakan Algoritma K-Means Clustering: Grouping of ENT Disease Data Using K-Means Clustering Algorithm Hutagalung, Minta Ito; Sriani, Sriani
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.v4i4.1692

Abstract

Keseimbangan tubuh yang terganggu dapat menyebabkan berbagai jenis penyakit, termasuk penyakit pada Hidung, Telinga, dan Tenggorokan (THT). Penyakit THT dianggap berbahaya karena menyerang beberapa organ vital manusia yang berfungsi untuk mendengar, bernapas, dan menelan. Infeksi bakteri atau virus sering menjadi penyebab penyakit ini, namun ada juga yang disebabkan oleh kelainan pertumbuhan sel yang dapat berkembang menjadi tumor atau kanker. Permasalahan utama dalam penelitian ini adalah bagaimana mengelompokkan data pasien penyakit THT berdasarkan umur menggunakan Algoritma K-Means Clustering. Penelitian ini dilakukan di RSUD Gunung Tua, dengan melibatkan 51 data pasien yang diolah menggunakan Python. Hasil penelitian menunjukkan bahwa pasien dapat dibagi menjadi tiga kelompok (3 cluster) berdasarkan usia dan jenis penyakit, dengan cluster 0 terdiri dari pasien usia lanjut yang lebih rentan terhadap penyakit seperti sinusitis dengan total 10 data, kemudian cluster 1 terdiri dari pasien yang lebih muda dengan diagnosis penyakit yang lebih ringan dengan total 19 data. Sedangkan cluster 2 mencakup pasien dengan rentang umur yang bervariasi dan diagnosis yang lebih beragam, seperti OMSK dan Rhinitis Alergi dengan total 22 data. Hasil penelitian menunjukkan bahwa algoritma K-Means Clustering mampu mengelompokkan pasien dengan baik, dan evaluasi menggunakan DBI menghasilkan nilai 0.90, yang menandakan bahwa kualitas cluster yang dihasilkan cukup baik.
Analisis Sentimen pada Ulasan Aplikasi Sirekap di Google Play Menggunakan Algoritma Naive Bayes: Sentiment Analysis on Sirekap App Reviews on Google Play Using Naive Bayes Algorithm Hanafi, Muhammad Rizky; R, Rakhmat Kurniawan
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.v4i4.1693

Abstract

Seiring dengan perkembangan dan pemanfaatan teknologi baru, KPU membuat dan menggunakan aplikasi SIREKAP untuk membantu proses rekapitulasi suara secara berjenjang. Sistem Informasi Rekapitulasi Elektronik (SIREKAP) merupakan program komputer yang membantu proses penghitungan ulang hasil pemilu dan publikasi hasil pemilu. Sistem ini dibuat sesuai dengan Keputusan Komisi Pemilihan Umum Nomor 66 Tahun 2024. Untuk mendapatkan informasi mengenai ulasan aplikasi SIREKAP, data diambil dari Google Play (scraping).  Dalam investigasi ini, pelabelan sentimen dilakukan secara manual. Temuan menunjukkan bahwa sentimen terhadap aplikasi SIREKAP sebagian besar tidak menguntungkan (93,3%) dan positif (6,7%). Teknik Naive Bayes kemudian digunakan untuk memodelkan klasifikasi menggunakan data yang diberi label. Algoritma Naive Bayes memiliki accuracy rata-rata 90%, precision 98%, dan recall 81%, menurut data evaluasi. Konteks evaluasi pengguna untuk aplikasi SIREKAP dipahami melalui analisis visualisasi menggunakan wordcloud.

Page 32 of 42 | Total Record : 418

 30   31   32   33   34 

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