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 485 Documents
 45   46   47   48   49 
Sistem Informasi Monitoring Sustainable Development Goals (SDGs) Berbasis Web Menggunakan Metode Framework for the Application System Thinking: Web-Based Sustainable Development Goals (SDGs) Monitoring Information System Using the Framework for the Application System Thinking Method Ayu Andini Lestari; Marini Marini
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2703

Abstract

Manajemen data untuk Tujuan Pembangunan Berkelanjutan (SDGs) di BAPPERIDA Kota Pangkal Pinang masih sangat bergantung pada penggunaan spreadsheet daring bersama tanpa sistem kontrol akses yang memadai. Hal ini menimbulkan berbagai persoalan, termasuk duplikasi data, ketidaksesuaian informasi, dan risiko pengisian data yang melampaui kewenangan Organisasi Perangkat Daerah (OPD). Oleh karena itu, studi ini berfokus pada perancangan dan implementasi sistem informasi monitoring SDGs berbasis web. Pendekatan metodologi yang digunakan adalah Framework for the Application System Thinking (FAST), yang diaplikasikan melalui tujuh fase krusial. Pengembangan sistem ini memanfaatkan teknologi PHP dan MySQL, serta mengintegrasikan mekanisme Role-Based Access Control (RBAC) untuk memastikan bahwa hak akses setiap OPD dibatasi sesuai dengan kewenangan masing-masing. Sistem ini mengintegrasikan delapan kapabilitas kebutuhan, yaitu login, master data OPD, pemetaan dan penetapan sasaran, penginputan capaian kinerja, penyediaan dokumentasi pendukung, proses validasi laporan, serta platform visualisasi data komprehensif (dashboard). Evaluasi melalui User Acceptance Testing (UAT) yang melibatkan lima partisipan dari BAPPERIDA mengindikasikan tingkat adopsi sebesar 80% yang diklasifikasikan sebagai “Baik”. Secara substansial, sistem ini berhasil memitigasi isu redundansi data dan ketidaksesuaian informasi, seraya mengoptimalkan ketepatan, akuntabilitas, dan efektivitas dalam pengelolaan data SDGs pada level pemerintahan regional.
Prediksi Harga Rumah Menggunakan XGBoost Berbasis Optuna Hyperparameter Optimization: House Price Prediction using XGBoost Based on Optuna Hyperparameter Optimization Nandana Ayudya Natasaskara; Yoga Pristyanto; Ika Nur Fajri
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2704

Abstract

Fluktuasi dan kompleksitas atribut pasar properti membuat prediksi harga rumah sulit dan kurang akurat jika hanya mengandalkan parameter algoritma bawaan. Kinerja optimal algoritma Machine learning seperti Extreme Gradient Boosting (XGBoost) sangat bergantung pada pengaturan hyperparameter yang tepat, namun banyak penelitian sebelumnya mengabaikan optimasi atau menggunakan metode konvensional yang tidak efisien. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan model XGBoost yang dioptimasi secara dinamis menggunakan kerangka kerja Optuna Hyperparameter Optimization. Optuna, yang bekerja berdasarkan optimasi Bayesian, secara cerdas dan efisien mengeksplorasi ruang parameter guna menemukan konvergensi yang lebih cepat. Hasil eksperimen membuktikan bahwa integrasi Optuna berhasil meningkatkan keakurasian prediksi secara signifikan. Model XGBoost berbasis Optuna menghasilkan performa yang lebih unggul dengan peningkatan skor R² dari 0.8204 menjadi 0.8263, serta berhasil menekan tingkat kesalahan di mana RMSE turun menjadi Rp 301.132.090,80, MAE menjadi Rp 196.869.100,79, dan MAPE menyusut menjadi 16,53%. Pendekatan ini terbukti lebih tangguh, stabil, dan presisi dibandingkan model tanpa optimasi (baseline) dalam memetakan pola harga yang non-linear. Meskipun akurasi meningkat, hal ini menuntut waktu komputasi pelatihan yang jauh lebih tinggi, yakni melonjak drastis menjadi 3.550,34 detik. Dataset akhir yang digunakan dalam penelitian ini berjumlah 16.674 catatan, yang diperoleh setelah proses preprocessing dan eliminasi outlier secara ekstensif dari 40.200 catatan awal.
Media Pembelajaran Interaktif Berbasis Multimedia untuk Pembelajaran Gerak Dasar Olahraga pada Anak PAUD: Multimedia-Based Interactive Learning Materials for Teaching Basic Sports Movements to Preschool Children Fitri, Ertin Lia; Firmansyah, Ada Udi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2714

Abstract

Penelitian ini dilatarbelakangi oleh perkembangan teknologi pendidikan yang mendorong penggunaan media pembelajaran yang semakin interaktif, terutama dalam pendidikan anak usia dini. Proses pembelajaran gerak dasar olahraga pada anak PAUD masih dilakukan secara konvensional, sehingga siswa mudah merasa bosan dan kurang tertarik untuk mengikuti pembelajaran. Penelitiannya ini memiliki tujuan dalam perkembangan media belajar interaktif berbasis multimedia memakai aplikasi Adobe Flash CS6, mengetahui tingkat kelayakan, dan efektivitas penggunaannya dalam pembelajaran gerak dasar olahraga pada anak PAUD. Metode penelitiannya yang dipakai merupakan System development Life Cycle (SDLC) cakupannya adalah perancangan, analisa, perencanaan, implementasi, dan pengujian. Teknik pengumpulan data dilaksanakan melalui observasi, wawancara, dokumentasi, dan angket. Hasil penelitian mengindikasikan bahwa media pembelajaran dianggap layak berdasarkan validasi ahli media sebesar 84% dan validasi ahli materi sebesar 96%. Respons siswa mencapai persentase 90,2% dengan kategori sangat baik. Uji Black Box menunjukkan semua fitur aplikasi dilakukan selaras fungsinya. Maka, media pembelajaran interaktif berbasis multimedia efektif digunakan untuk mendukung pelaksanaan pembelajaran, sehingga menjadi semakin menarik, interaktif, serta mudah dipahami oleh anak PAUD.
Perencanaan Strategis Sistem Informasi Kafe Amabel Workspace Menggunakan Metode Ward and Peppard: Strategic Planning of Information Systems at Amabel Workspace Cafe Using Ward and Peppard Method Romero, Vincent Jehezkiel; Rudianto, Christ
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2722

Abstract

Laju pertumbuhan Kafe Amabel Workspace terhambat oleh eksekusi prosedur operasional yang masih manual, instabilitas jaringan internet, serta beban kerja pemasaran digital yang tersentralisasi pada pemilik di tengah ketatnya persaingan industri kuliner. Penelitian ini bertujuan merumuskan perencanaan strategis sistem informasi untuk meretas kendala tersebut menggunakan metode Ward and Peppard. Pendekatan ini dieksekusi melalui pemetaan Value Chain untuk analisis kapabilitas internal, yang kemudian dikonsolidasikan ke dalam matriks SWOT. Hasil penelitian ini merekomendasikan cetak biru portofolio aplikasi terstruktur menggunakan McFarlan Strategic Grid. Luaran utamanya menetapkan integrasi platform pemesanan mandiri dan sistem reservasi daring sebagai prioritas strategis perusahaan. Selain itu, diusulkan pula penguatan infrastruktur jaringan failover, adopsi Customer Relationship Management (CRM), dan implementasi Human Resource Information System (HRIS) berbasis awan. Seluruh usulan tersebut dipetakan dalam rencana implementasi bertahap selama tiga tahun guna memastikan stabilitas layanan dan eskalasi efisiensi manajerial.
Evaluasi Tingkat Kematangan Kinerja Sistem Biro Administrasi Akademik dan Kemahasiswaan Menggunakan Kerangka Kerja COBIT 4.1 pada Domain Pemantauan dan Evaluasi: Assessment of Information System Maturity in the Academic and Student Affairs Administration Bureau Using the COBIT 4.1 Monitoring and Evaluation Domain Fitri, Muhamad Idil; Marini, Marini
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2737

Abstract

Layanan akademik dan pengelolaan data di perguruan tinggi sangat bergantung pada tata kelola teknologi informasi yang efektif untuk mendukung proses administrasi serta penyediaan layanan akademik. Penelitian ini bertujuan untuk mengevaluasi tingkat kematangan tata kelola teknologi informasi pada Sistem Informasi BAAK Pascasarjana ISB Atma Luhur menggunakan framework COBIT 4.1 pada domain Monitor and Evaluate (ME). Penelitian ini menerapkan pendekatan deskriptif kuantitatif dengan teknik pengumpulan data melalui observasi, wawancara, dan penyebaran kuesioner. Analisis dilakukan menggunakan model maturity level COBIT 4.1 serta gap analysis pada subdomain ME1, ME2, ME3, dan ME4. Hasil pengukuran menunjukkan nilai kematangan masing-masing sebesar 2,87 (ME1), 2,86 (ME2), 2,88 (ME3), dan 2,93 (ME4), dengan rata-rata 2,885 yang berada pada Level 3 (Defined Process). Hasil ini menunjukkan bahwa proses tata kelola teknologi informasi telah terdokumentasi dan diterapkan, namun pengukuran kinerja serta evaluasi berkelanjutan masih perlu ditingkatkan. Seluruh domain juga belum mencapai target Level 4 (Managed and Measurable). Penelitian ini memberikan rekomendasi perbaikan pada aspek pengukuran kinerja, penguatan sistem pengawasan internal, kepatuhan terhadap regulasi, serta peningkatan tata kelola teknologi informasi untuk mendukung kualitas layanan akademik.
Analisis User Experience Gemini AI pada Jurusan Teknik Informatika Menggunakan User Experience Questionnaire (UEQ): User Experience Analysis of Gemini AI in Informatics Engineering Using User Experience Questionnaire Sabami, Rivaldo Otniel Moreno Samber; Limbong, Josua Josen A; Marini, Lion Ferdinand
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2746

Abstract

Pemakaian Generative Artificial Intelligence (GenAI) telah menjadi bagian dari kegiatan akademik di perguruan tinggi, terutama pada program studi yang berkaitan erat dengan teknologi komputasi. Hasil pra-survei di Jurusan Teknik Informatika Universitas Papua memperlihatkan bahwa Gemini AI merupakan perangkat GenAI yang paling sering dimanfaatkan oleh mahasiswa dan dosen. Namun, pengalaman penggunaan platform tersebut belum pernah diukur secara empiris dalam konteks jurusan tersebut. Oleh karena itu, penelitian ini mengevaluasi Gemini AI dengan instrumen User Experience Questionnaire (UEQ). Data penelitian berasal dari 111 responden yang dipilih menggunakan purposive sampling dan terdiri atas mahasiswa serta dosen. Hasil analisis menunjukkan bahwa enam skala UEQ memperoleh nilai rata-rata positif dan semuanya berada di atas batas interpretasi 0,8. Skor tertinggi terdapat pada Kejelasan (1,63), kemudian Efisiensi (1,53) dan Daya Tarik (1,48), sedangkan Kebaruan menjadi skor paling rendah (1,18). Jika dibandingkan dengan dataset benchmark UEQ, sebagian skala berada pada kategori Above Average dan skala lainnya masuk kategori Good. Dengan demikian, Gemini AI dipandang mudah dipahami, efisien, dan cukup dapat diandalkan untuk menunjang aktivitas akademik. Meskipun demikian, nilai Kebaruan yang lebih rendah menunjukkan bahwa penyegaran antarmuka, variasi pola interaksi, serta fitur yang lebih inovatif masih perlu dikembangkan agar keterlibatan pengguna meningkat.
Comparison of Airdrop Coin Prices in Cryptocurrency Using LSTM: A Case Study of Grass, Not Pixel, and Dogs Coins Fatih, Muhamad Ardi Al; Paradise, Paradise; Nugroho, Nicolaus Euclides Wahyu
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2748

Abstract

The distribution of airdrops across the cryptocurrency ecosystem often leads to extreme price volatility, complicating data-driven strategic decision-making for investors. This study aims to implement a Long Short-Term Memory (LSTM) architecture to predict airdrop coin prices and integrate the results into an interactive dashboard-based Decision Support System (DSS). The research methodology employs a Recursive Multi-step Forecasting strategy to model nonlinear time-series data across three case studies: GRASS, NOT PIXEL, and DOGS, covering the period from August 2024 to March 2026. Data were obtained via the CoinGecko API v3 and evaluated using MSE, MAE, RMSE, and MAPE metrics. The experimental results demonstrate that the LSTM model achieved high accuracy with MAPE values of 10.75% for GRASS, 6.29% for NOT PIXEL, and 6.73% for DOGS, with NOT PIXEL recording the best overall performance. The primary contribution of this research is the transformation of numerical projections into automated decision signals (Strong Buy, Hold, Caution, and Strong Sell) integrated into the DSS. In conclusion, this system serves as an effective tool for mitigating investment risk, providing strategic guidance to airdrop cryptocurrency users amid dynamic market fluctuations.
Optimasi dan Analisis Kinerja MobileNetV2 dan VGG16 untuk Klasifikasi Jenis Sirih Berdasarkan Morfologi Daun: Optimization and Performance Analysis of MobileNetV2 and VGG16 for Betel Leaf Species Classification Based on Leaf Morphological Characteristics Ningrum, Pramita Widya; Suhendra, Christian D.; Sirami, Elieser Y. I. V.
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2749

Abstract

Daun sirih memiliki keragaman morfologi yang cukup tinggi, tanaman ini banyak digunakan dalam bidang kesehatan, praktik budaya, dan kegiatan ekonomi di berbagai wilayah Asia. Oleh karena itu, identifikasi spesies yang akurat menjadi penting untuk mendukung budidaya dan pemanfaatannya secara optimal. Namun, identifikasi secara manual masih menjadi tantangan karena sangat bergantung pada keahlian pakar. Sebagian besar penelitian berbasis citra pada daun sirih berfokus pada deteksi penyakit, sedangkan klasifikasi spesies masih mendapat perhatian yang terbatas. Akibatnya, bukti mengenai efektivitas model deep learning dalam membedakan perbedaan morfologi yang halus antarspesies daun sirih masih relatif sedikit. Penelitian ini mengevaluasi kinerja MobileNetV2 dan model VGG16 yang telah dioptimasi untuk mengklasifikasikan tiga jenis daun sirih berdasarkan karakteristik morfologinya. MobileNetV2 digunakan sebagai model transfer learning dasar (baseline). Sementara itu, VGG16 yang telah dilatih sebelumnya pada dataset ImageNet dioptimasi dengan membekukan lapisan konvolusional dan memodifikasi lapisan klasifikasi untuk tiga kelas keluaran. Hasil penelitian menunjukkan bahwa VGG16 yang telah dioptimasi mencapai akurasi validasi sebesar 95,50% dan macro F1-Score sebesar 0,95. Kinerja tersebut lebih baik dibandingkan MobileNetV2 yang memperoleh akurasi validasi sebesar 89,23% dan macro F1-Score sebesar 0,88. Temuan ini menunjukkan bahwa VGG16 yang telah dioptimasi merupakan pendekatan yang efektif dan andal untuk klasifikasi spesies daun sirih berdasarkan karakteristik morfologinya.
Analisis Penerimaan Pengguna PLN Mobile Menggunakan Technology Acceptance Model (TAM) 3: Analysis of PLN Mobile User Acceptance Using Technology Acceptance Model (TAM) 3 bagaskara, Khrisna Andhika; Baisa, Lorna Y.; Indrayani, Lilis
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2750

Abstract

Studi ini mengkaji penerimaan PLN Mobile oleh pengguna di Manokwari, Papua Barat, dengan kerangka Technology Acceptance Model 3 (TAM 3). Penelitian dilakukan secara kuantitatif melalui survei terhadap 303 responden yang pernah memakai PLN Mobile untuk mengakses layanan kelistrikan. Data dianalisis menggunakan Partial Least Squares Structural Equation Modeling (PLS-SEM). Dari 12 hubungan yang diuji, 10 hipotesis memperoleh dukungan empiris, sedangkan 2 hipotesis tidak didukung. Computer Playfulness, Perceived Enjoyment, Perception of External Control, dan Experience terbukti meningkatkan Perceived Ease of Use. Job Relevance dan Perceived Ease of Use berkontribusi terhadap Perceived Usefulness. Sementara itu, Subjective Norm, Perceived Ease of Use, dan Perceived Usefulness mendorong Behavioral Intention. Jalur paling kuat terdapat pada pengaruh Behavioral Intention terhadap Use Behavior dengan koefisien 0,875. Objective Usability tidak berpengaruh signifikan terhadap Perceived Ease of Use, dan Image tidak berpengaruh signifikan terhadap Perceived Usefulness. Temuan ini menegaskan bahwa penerimaan PLN Mobile di Manokwari terutama dibentuk oleh nilai guna, kemudahan, pengalaman, dukungan sumber daya, pengaruh sosial, serta niat untuk menggunakan aplikasi secara berkelanjutan
Model Klasifikasi Tingkat Kerusakan Jalan Berbasis Algoritma Random Forest di Kabupaten Kuantan Singingi: A Classification Model for Road Damage Severity Using the Random Forest Algorithm in Kuantan Singingi Regency Sapitri, Riska Mela; Yenni, Helda; Rahmaddeni, Rahmaddeni; Agustin, Agustin
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2765

Abstract

Kerusakan jalan merupakan salah satu permasalahan infrastruktur yang dapat menghambat mobilitas masyarakat serta mempengaruhi efektivitas transportasi. Penilaian kondisi jalan yang masih dilakukan secara manual membutuhkan waktu yang cukup lama dan berpotensi menghasilkan penilaian yang kurang konsisten. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat kerusakan jalan menggunakan algoritma Random Forest pada data infrastruktur jalan Kabupaten Kuantan Singingi. Data yang digunakan berasal dari Dinas Pekerjaan Umum dan Penataan Ruang (PUPR) Kabupaten Kuantan Singingi sebanyak 1.240 data dengan 13 variabel. Tahapan penelitian meliputi preprocessing data, data cleaning, pembagian data dengan rasio 80:20, seleksi fitur menggunakan feature importance, serta pembangunan model klasifikasi Random Forest. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan kondisi jalan ke dalam empat kategori, yaitu baik, sedang, rusak ringan, dan rusak berat dengan nilai accuracy sebesar 83%, precision sebesar 78%, recall sebesar 83%, dan F1-score sebesar 80%. Hasil tersebut menunjukkan bahwa tujuan penelitian berhasil dicapai, yaitu menghasilkan model klasifikasi yang mampu melakukan penilaian kondisi jalan secara otomatis dengan performa yang baik. Model yang dihasilkan diharapkan dapat membantu pemerintah daerah dalam melakukan penilaian kondisi jalan secara lebih objektif, cepat, dan efisien sebagai dasar dalam perencanaan pemeliharaan infrastruktur jalan

Page 47 of 49 | Total Record : 485

 45   46   47   48   49 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 3 (2026): MALCOM July 2026 Vol. 6 No. 2 (2026): MALCOM April 2026 Vol. 6 No. 1 (2026): MALCOM January 2026 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