Pub Date : 2023-10-05DOI: 10.57152/malcom.v3i2.897
Salsabila Rabbani, Dea Safitri, Nadila Rahmadhani, Al Amin Fadillah Sani, M. Khairul Anam
Kebijakan perubahan harga Bahan Bakar Minyak (BBM) oleh pemerintah pada September 2022 lalu menimbulkan kontroversi pengguna sosial media termasuk Twitter. Untuk memahami bagaimana perubahan kenaikan harga BBM apakah mempengaruhi persepsi dan emosi masyarakat di Twitter maka dalam penelitian ini dilakukan analisis sentimen menggunakan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel berbeda, yaitu linier, RBF (Radial Basis Function), dan polinomial. Penelitian ini bertujuan untuk mengklasifikasikan tweet-tweet sebagai positif, negatif, atau netral, serta membandingkan kinerja ketiga kernel SVM tersebut. Penelitian ini juga mencoba mengatasi ketidakseimbangan kelas dengan menerapkan teknik SMOTE (Synthetic Minority Over-sampling Technique) oversampling pada dataset. Hasil penelitian menunjukkan bahwa pengguna Twitter dominan memberikan reaksi negatif terhadap kenaikan harga BBM. Dalam mengaplikasikan algoritma SVM, kernel RBF menghasilkan kinerja terbaik yaitu sebesar 87% menggunakan pembobotan kata TF-IDF. Selain itu, penggunaan pembobotan kata TF-IDF memiliki hasil akurasi terbaik dibandingkan dengan model pembobotan kata BoW. Penerapan teknik SMOTE oversampling dalam kernel polynomial pembobotan kata TF-IDF pada pembagian data 70:30 dan 80:20 berhasil meningkatkan kinerja algoritma sebesar 2%. Hasil penelitian ini memberikan wawasan mendalam tentang pandangan masyarakat terhadap kebijakan harga BBM dan memungkinkan pengambil keputusan publik serta industri untuk merancang kebijakan yang lebih responsif dan berpihak kepada kepentingan rakyat.
{"title":"Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM","authors":"Salsabila Rabbani, Dea Safitri, Nadila Rahmadhani, Al Amin Fadillah Sani, M. Khairul Anam","doi":"10.57152/malcom.v3i2.897","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.897","url":null,"abstract":"Kebijakan perubahan harga Bahan Bakar Minyak (BBM) oleh pemerintah pada September 2022 lalu menimbulkan kontroversi pengguna sosial media termasuk Twitter. Untuk memahami bagaimana perubahan kenaikan harga BBM apakah mempengaruhi persepsi dan emosi masyarakat di Twitter maka dalam penelitian ini dilakukan analisis sentimen menggunakan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel berbeda, yaitu linier, RBF (Radial Basis Function), dan polinomial. Penelitian ini bertujuan untuk mengklasifikasikan tweet-tweet sebagai positif, negatif, atau netral, serta membandingkan kinerja ketiga kernel SVM tersebut. Penelitian ini juga mencoba mengatasi ketidakseimbangan kelas dengan menerapkan teknik SMOTE (Synthetic Minority Over-sampling Technique) oversampling pada dataset. Hasil penelitian menunjukkan bahwa pengguna Twitter dominan memberikan reaksi negatif terhadap kenaikan harga BBM. Dalam mengaplikasikan algoritma SVM, kernel RBF menghasilkan kinerja terbaik yaitu sebesar 87% menggunakan pembobotan kata TF-IDF. Selain itu, penggunaan pembobotan kata TF-IDF memiliki hasil akurasi terbaik dibandingkan dengan model pembobotan kata BoW. Penerapan teknik SMOTE oversampling dalam kernel polynomial pembobotan kata TF-IDF pada pembagian data 70:30 dan 80:20 berhasil meningkatkan kinerja algoritma sebesar 2%. Hasil penelitian ini memberikan wawasan mendalam tentang pandangan masyarakat terhadap kebijakan harga BBM dan memungkinkan pengambil keputusan publik serta industri untuk merancang kebijakan yang lebih responsif dan berpihak kepada kepentingan rakyat.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"38 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-10-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135547355","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-10-01DOI: 10.57152/malcom.v3i2.894
Muhammad Rizal, Arham Arifin, Muhammad Furqan Rasyd, Andi Asvin Mahersatillah Suradi, Akbar Bahtiar
Penelitian ini mengkaji penerapan sensor gas dalam mendeteksi keberadaan gas berbahaya di sekitar area cakupan perangkat yang telah dikembangkan. Dua sensor utama digunakan dalam penelitian ini, yaitu sensor MEMS Gas dan sensor BME680. Sensor MEMS Gas dapat mendeteksi lima jenis gas di udara, sedangkan BME680 memiliki kemampuan mendeteksi berbagai gas berbahaya serta mengukur suhu, tekanan udara, dan kelembaban udara. Dari skenoario data percobaan ditemukan bahwa meskipun hanya menggunakan satu sampel gas, sensor MEMS Gas berhasil mendeteksi kandungan gas metana (CH4) sebesar 25.000 ppm, karbon monoksida (CO) sebesar 573 ppm, dan H2 sebesar 331.12 ppm pada skenario eksperimen. Berdasarkan pengambilan data sensor BME680 menunjukkan penurunan resistansi ketika mendeteksi gas berbahaya, yang kemudian dapat dikonversi menjadi indeks kualitas udara dalam ruangan (IAQ). Uji lanjutan pada BME680 menunjukkan respons perubahan suhu dan kelembaban ketika sumber api didekatkan. Implementasi dan pengambilan data dilakukan di SMKS Darul Ulum Layoa Bantaeng yang menunjukkan kualitas udara pada wilayah tersebut bagus berdasarkan IAQ yang dihasilkan oleh Sensor BME680. Penelitian ini memberikan wawasan penting tentang efektivitas dan responsivitas kedua sensor dalam mendeteksi gas berbahaya dan perubahan kondisi lingkungan.
{"title":"Desain dan Implementasi Sistem Pemantauan Polusi Udara Berbasis Android Real-Time di SMKS Darul Ulum Layoa Bantaeng","authors":"Muhammad Rizal, Arham Arifin, Muhammad Furqan Rasyd, Andi Asvin Mahersatillah Suradi, Akbar Bahtiar","doi":"10.57152/malcom.v3i2.894","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.894","url":null,"abstract":"Penelitian ini mengkaji penerapan sensor gas dalam mendeteksi keberadaan gas berbahaya di sekitar area cakupan perangkat yang telah dikembangkan. Dua sensor utama digunakan dalam penelitian ini, yaitu sensor MEMS Gas dan sensor BME680. Sensor MEMS Gas dapat mendeteksi lima jenis gas di udara, sedangkan BME680 memiliki kemampuan mendeteksi berbagai gas berbahaya serta mengukur suhu, tekanan udara, dan kelembaban udara. Dari skenoario data percobaan ditemukan bahwa meskipun hanya menggunakan satu sampel gas, sensor MEMS Gas berhasil mendeteksi kandungan gas metana (CH4) sebesar 25.000 ppm, karbon monoksida (CO) sebesar 573 ppm, dan H2 sebesar 331.12 ppm pada skenario eksperimen. Berdasarkan pengambilan data sensor BME680 menunjukkan penurunan resistansi ketika mendeteksi gas berbahaya, yang kemudian dapat dikonversi menjadi indeks kualitas udara dalam ruangan (IAQ). Uji lanjutan pada BME680 menunjukkan respons perubahan suhu dan kelembaban ketika sumber api didekatkan. Implementasi dan pengambilan data dilakukan di SMKS Darul Ulum Layoa Bantaeng yang menunjukkan kualitas udara pada wilayah tersebut bagus berdasarkan IAQ yang dihasilkan oleh Sensor BME680. Penelitian ini memberikan wawasan penting tentang efektivitas dan responsivitas kedua sensor dalam mendeteksi gas berbahaya dan perubahan kondisi lingkungan.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"54 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136129311","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-09-11DOI: 10.57152/malcom.v3i2.887
Teddy Hidayat, Nopi Ramsari
Ginjal merupakan organ penting dari sistem metabolisme dalam tubuh. Sebagian besar masyarakat masih kurang memahami bagaimana pentingnya peranan ginjal di tubuh manusia, terlebih lagi berbagai macam penyakit yang dapat muncul di area ginjal. Masyarakat kurang memahami gejala-gejala apa saja yang terdapat pada penyakit ginjal. Penyakit ginjal membutuhkan dokter spesialis untuk mendiagnosanya dan membutuhkan biaya yang relatif besar disamping jumlah dokter spesialis ahli ginjal di Indonesia masih belum banyak. Karena adanya keterbatasan pengetahuan mengenai penyakit ginjal dan jumlah dokter spesialis ginjal sehingga menyulitkan masyarakat untuk mendiagnosa awal dalam penyakit ginjal. Metodologi pengembangan sistem yang digunakan adalah metodologi Extreme Programming (XP). Penelitian ini membangun aplikasi sistem pakar untuk diagnosis awal penyakit ginjal dengan menggunakan metode inferensi yaitu metode forward chaining. Dilakukan survey terhadap 20 responden yang dipilih secara sampling untuk menguji desain dan kemudahan penggunaan dari aplikasi yang dibangun Setelah dilakukan pengujian UAT (user acceptance task) maka hasil jawab oleh responden rata-rata persentase UAT sebesar 84,4 % untuk menilai desain dan kemudahan penggunaan aplikasi sistem pakar penyakit ginjal.
{"title":"Sistem Pakar Diagnosa Awal Penyakit Ginjal Menggunakan Metode Forward Chaining","authors":"Teddy Hidayat, Nopi Ramsari","doi":"10.57152/malcom.v3i2.887","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.887","url":null,"abstract":"Ginjal merupakan organ penting dari sistem metabolisme dalam tubuh. Sebagian besar masyarakat masih kurang memahami bagaimana pentingnya peranan ginjal di tubuh manusia, terlebih lagi berbagai macam penyakit yang dapat muncul di area ginjal. Masyarakat kurang memahami gejala-gejala apa saja yang terdapat pada penyakit ginjal. Penyakit ginjal membutuhkan dokter spesialis untuk mendiagnosanya dan membutuhkan biaya yang relatif besar disamping jumlah dokter spesialis ahli ginjal di Indonesia masih belum banyak. Karena adanya keterbatasan pengetahuan mengenai penyakit ginjal dan jumlah dokter spesialis ginjal sehingga menyulitkan masyarakat untuk mendiagnosa awal dalam penyakit ginjal. Metodologi pengembangan sistem yang digunakan adalah metodologi Extreme Programming (XP). Penelitian ini membangun aplikasi sistem pakar untuk diagnosis awal penyakit ginjal dengan menggunakan metode inferensi yaitu metode forward chaining. Dilakukan survey terhadap 20 responden yang dipilih secara sampling untuk menguji desain dan kemudahan penggunaan dari aplikasi yang dibangun Setelah dilakukan pengujian UAT (user acceptance task) maka hasil jawab oleh responden rata-rata persentase UAT sebesar 84,4 % untuk menilai desain dan kemudahan penggunaan aplikasi sistem pakar penyakit ginjal.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"34 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136070915","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-09-11DOI: 10.57152/malcom.v3i2.850
Yudo Devianto, Saruni Dwiasnati, Bambang Sukowo, Ahmad Fauzi, Kiki Ahmad Baihaqi
Produktivitas tanaman cabai bergantung kepada iklim, lingkungan, serta hama dan penyakit. Petani yang baru dalam budidaya cabai merah menghadapi beberapa kesulitan karena memiliki sedikit pengalaman dalam budidaya, sehingga sulit untuk mengidentifikasi jenis penyakit dan hama yang menyerang. Hal ini menyebabkan penurunan produktivitas. Selain itu, petani juga belum memiliki pengalaman dalam menangani masalah yang timbul pada tanaman yang mereka budidayakan. Dalam rangka membantu petani mengatasi masalah ini, SPK berbasis web telah dikembangkan. Sistem ini menggunakan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Kriteria yang digunakan dalam metode ini adalah daun mudah mengkerut dengan warna mosaic kekuningan, daun mengkerut hingga menjadi ukuran kecil dan lebih tebal, bercak bulat berwarna coklat pada daun yang mengering, terdapat lubang pada bercak tua, dan pucuk daun yang berubah menjadi kuning jelas. Alternatif yang dipertimbangkan dalam penelitian ini Daun Cabai " Penyakit Layu Bakteri ", Daun Cabai " Layu Pusertium ", Daun Cabai " Penyakit Virus Kuning ", dan Daun Cabai “Penyakit Bercak Daun”. Perhitungan dengan metode TOPSIS, Daun Cabai " Penyakit Virus Kuning" mendapatkan peringkat dengan nilai preferensi sebesar 2.0118. Penelitian ini disimpulkan bahwa metode TOPSIS dapat digunakan untuk mengetahui daun cabai dengan kriteria apa yang terbaik berdasarkan kriteria
{"title":"Penerapan Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) untuk Mendiagnosa Penyakit Bercak Daun Cabai","authors":"Yudo Devianto, Saruni Dwiasnati, Bambang Sukowo, Ahmad Fauzi, Kiki Ahmad Baihaqi","doi":"10.57152/malcom.v3i2.850","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.850","url":null,"abstract":"Produktivitas tanaman cabai bergantung kepada iklim, lingkungan, serta hama dan penyakit. Petani yang baru dalam budidaya cabai merah menghadapi beberapa kesulitan karena memiliki sedikit pengalaman dalam budidaya, sehingga sulit untuk mengidentifikasi jenis penyakit dan hama yang menyerang. Hal ini menyebabkan penurunan produktivitas. Selain itu, petani juga belum memiliki pengalaman dalam menangani masalah yang timbul pada tanaman yang mereka budidayakan. Dalam rangka membantu petani mengatasi masalah ini, SPK berbasis web telah dikembangkan. Sistem ini menggunakan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Kriteria yang digunakan dalam metode ini adalah daun mudah mengkerut dengan warna mosaic kekuningan, daun mengkerut hingga menjadi ukuran kecil dan lebih tebal, bercak bulat berwarna coklat pada daun yang mengering, terdapat lubang pada bercak tua, dan pucuk daun yang berubah menjadi kuning jelas. Alternatif yang dipertimbangkan dalam penelitian ini Daun Cabai \" Penyakit Layu Bakteri \", Daun Cabai \" Layu Pusertium \", Daun Cabai \" Penyakit Virus Kuning \", dan Daun Cabai “Penyakit Bercak Daun”. Perhitungan dengan metode TOPSIS, Daun Cabai \" Penyakit Virus Kuning\" mendapatkan peringkat dengan nilai preferensi sebesar 2.0118. Penelitian ini disimpulkan bahwa metode TOPSIS dapat digunakan untuk mengetahui daun cabai dengan kriteria apa yang terbaik berdasarkan kriteria","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136071087","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-09-11DOI: 10.57152/malcom.v3i2.879
Eri Mardiani, Nur Rahmansyah, Ira Kurniati, Andy Setiawan, Diah Widiastuti, Muhammad Ridwan, Muhammad Zidan Rosyid, Ari Febriansyah
Perkembangan teknologi informasi semakin pesat hingga saat ini terus dikembangkan teknologi-teknologi terbaru, penggunaan data sebagai pengolahan kini semakin banyak diterapkan pada berbagai bidang, dengan penggunaan data dapat dilakukan perkembangan teknologi yang dapat meningkatkankan kualitas dan efisiensi, pengolahan data dapat diterapkan di semua bidang dan salah satunya adalah di bidang musik. Musik sudah menjadi bagian dari kehidupan manusia sehari-hari. Sudah banyak media-media yang menyajikan berbagai macam lagu dengan genre yang beragam pula mulai dari Pop, Jazz, Rock, R&B, dan genre-genre lainnya. Dengan menggunakan data mining untuk mengolah data maupun menganalisis data-data musik kita dapat memprediksi keanekaragaman preferensi mendengarkan musik dan dengan menggunakan tools aplikasi Orange Data Mining dapat membantu masyarakat untuk mengetahui musik apa saja yang diminat dengan memprediksi melalui beberapa metode dalam tools orange, dengan Algoritma Naive Bayes memiliki tingkat akurasi yang lebih baik.
{"title":"Penerapan Algoritma Supervised Learning untuk Klasifikasi Data Music Listening","authors":"Eri Mardiani, Nur Rahmansyah, Ira Kurniati, Andy Setiawan, Diah Widiastuti, Muhammad Ridwan, Muhammad Zidan Rosyid, Ari Febriansyah","doi":"10.57152/malcom.v3i2.879","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.879","url":null,"abstract":"Perkembangan teknologi informasi semakin pesat hingga saat ini terus dikembangkan teknologi-teknologi terbaru, penggunaan data sebagai pengolahan kini semakin banyak diterapkan pada berbagai bidang, dengan penggunaan data dapat dilakukan perkembangan teknologi yang dapat meningkatkankan kualitas dan efisiensi, pengolahan data dapat diterapkan di semua bidang dan salah satunya adalah di bidang musik. Musik sudah menjadi bagian dari kehidupan manusia sehari-hari. Sudah banyak media-media yang menyajikan berbagai macam lagu dengan genre yang beragam pula mulai dari Pop, Jazz, Rock, R&B, dan genre-genre lainnya. Dengan menggunakan data mining untuk mengolah data maupun menganalisis data-data musik kita dapat memprediksi keanekaragaman preferensi mendengarkan musik dan dengan menggunakan tools aplikasi Orange Data Mining dapat membantu masyarakat untuk mengetahui musik apa saja yang diminat dengan memprediksi melalui beberapa metode dalam tools orange, dengan Algoritma Naive Bayes memiliki tingkat akurasi yang lebih baik.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"3 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136070910","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Depresi adalah gangguan mental yang mempengaruhi kesejahteraan dan kualitas hidup seseorang.Pengaruh sosial menyebabkan penderita depresi dan gangguan kecemasan mengabaikan orang-orang di sekitarnya. Jadi mereka beralih ke media sosial seperti Twitter untuk mendapatkan dukungan. Penderita depresi pengguna Twitter sulit untuk diidentifikasi berdasarkan tweet. Oleh karena itu pemodelan klasifikasi teks untuk penderita depresi sangat diperlukan agar mengetahui seberapa banyak pengguna twitter yang mengalami depresi dan kecemasan. Klasifikasi teks merupakan metode untuk mengelompokkan data yang sejenis ke dalam kelompok yang sesuai. Algoritma yang digunakan dalam membuat pola penderita depresi adalah algoritma Decision Tree, Random Forest, Naive Bayes, dan K-Nearest Neighbor (KNN). Penggunaan keempat algoritma bertujuan untuk melihat kinerja algoritma terbaik. Hasil percobaan yang dilakukan diperoleh bahwa algoritma Random Forest pada splitting data 80:20 memiliki kinerja yang lebih baik, dengan nilai akurasi sebesar 0.957 atau 96%. Hasil penelitian ini dapat digunakan oleh pengguna untuk mengetahui penderita depresi dan kecemasan.
{"title":"Klasifikasi Teks untuk Mendeteksi Depresi dan Kecemasan pada Pengguna Twitter Berbasis Machine Learning","authors":"Kharisma Rahayu, Vindi Fitria, Dhini Septhya, Rahmaddeni Rahmaddeni, Lusiana Efrizoni","doi":"10.57152/malcom.v3i2.780","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.780","url":null,"abstract":"Depresi adalah gangguan mental yang mempengaruhi kesejahteraan dan kualitas hidup seseorang.Pengaruh sosial menyebabkan penderita depresi dan gangguan kecemasan mengabaikan orang-orang di sekitarnya. Jadi mereka beralih ke media sosial seperti Twitter untuk mendapatkan dukungan. Penderita depresi pengguna Twitter sulit untuk diidentifikasi berdasarkan tweet. Oleh karena itu pemodelan klasifikasi teks untuk penderita depresi sangat diperlukan agar mengetahui seberapa banyak pengguna twitter yang mengalami depresi dan kecemasan. Klasifikasi teks merupakan metode untuk mengelompokkan data yang sejenis ke dalam kelompok yang sesuai. Algoritma yang digunakan dalam membuat pola penderita depresi adalah algoritma Decision Tree, Random Forest, Naive Bayes, dan K-Nearest Neighbor (KNN). Penggunaan keempat algoritma bertujuan untuk melihat kinerja algoritma terbaik. Hasil percobaan yang dilakukan diperoleh bahwa algoritma Random Forest pada splitting data 80:20 memiliki kinerja yang lebih baik, dengan nilai akurasi sebesar 0.957 atau 96%. Hasil penelitian ini dapat digunakan oleh pengguna untuk mengetahui penderita depresi dan kecemasan.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"25 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136070911","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-09-07DOI: 10.57152/malcom.v3i1.892
Rice Novita
Shaykh Manna Al-Qahthan said that the Qur'an is the message of Allah SWT for all humankind. As a country with a majority Muslim population, 87.18% based on statistical data at the end of 2010 from the Central Statistics Agency. Data from research conducted by the Institute of Al-Qur'an Sciences in 2017 noted that around 65% of Indonesian Muslim communities are illiterate in the Qur'an. Learning tajweed Al-Qur'an by taking classes directly usually will take longer to master one material because it is carried out once a week. Information Technology can be utilized in this problem. Android-based application is one of them. The focus of this research is build a mobile application for learning Al-Qur'an recitation with the Nurul Bayan method using the Rapid Application Development system method. The results of the Blackbox test calculation on the Tajweed Learning Application are 100% and the results of the UAT test are. Based on the results of testing using the Blackbox Testing and User Acceptance Test methods, Android-based Tajweed Learning Applications can assist users in learning the basic theory of Al-Qur'an recitation with the Nurul Bayan method.
sheikh Manna Al-Qahthan说，《古兰经》是真主对全人类的信息。作为一个穆斯林人口占多数的国家，根据中央统计局2010年底的统计数据，87.18%。2017年古兰经科学研究所的研究数据指出，约65%的印度尼西亚穆斯林社区对古兰经一无所知。通过直接上课学习《古兰经》通常需要更长的时间来掌握一门材料，因为它是每周一次的。信息技术可以用于解决这个问题。基于android的应用程序就是其中之一。本研究的重点是利用快速应用开发系统的方法，构建一个努鲁巴彦法学习古兰经背诵的移动应用程序。Tajweed学习应用程序的Blackbox测试计算结果为100%，UAT测试结果为。基于黑盒测试和用户验收测试两种方法的测试结果，基于android平台的Tajweed学习应用程序可以帮助用户用Nurul Bayan方法学习古兰经背诵的基本理论。
{"title":"Implementasi Model Rapid Application Development untuk Pengembangan Pembelajaran Tajwid Al-Qur'an","authors":"Rice Novita","doi":"10.57152/malcom.v3i1.892","DOIUrl":"https://doi.org/10.57152/malcom.v3i1.892","url":null,"abstract":"Shaykh Manna Al-Qahthan said that the Qur'an is the message of Allah SWT for all humankind. As a country with a majority Muslim population, 87.18% based on statistical data at the end of 2010 from the Central Statistics Agency. Data from research conducted by the Institute of Al-Qur'an Sciences in 2017 noted that around 65% of Indonesian Muslim communities are illiterate in the Qur'an. Learning tajweed Al-Qur'an by taking classes directly usually will take longer to master one material because it is carried out once a week. Information Technology can be utilized in this problem. Android-based application is one of them. The focus of this research is build a mobile application for learning Al-Qur'an recitation with the Nurul Bayan method using the Rapid Application Development system method. The results of the Blackbox test calculation on the Tajweed Learning Application are 100% and the results of the UAT test are. Based on the results of testing using the Blackbox Testing and User Acceptance Test methods, Android-based Tajweed Learning Applications can assist users in learning the basic theory of Al-Qur'an recitation with the Nurul Bayan method.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"40 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135098998","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Penelitian ini dimaksudkan untuk melakukan klasifikasi terhadap penerima bantuan Program Keluarga Harapan (PKH) Kota Pekanbaru dengan membandingkan tiga metode sekaligus yaitu K-Nearest Neighbor (KNN), Probalistic Neural Network (PNN) dan Naive Bayes Classifier (NBC).Atribut yang digunakan dalam proses klasifikasi adalah Jumlah Anak SD, Jumlah Anak SMP, Jumlah Ibu Hamil, dan Jumlah Anak dibawah lima tahun (Balita), atribut ini berdasarkan panduan Tim Nasional Penangulangan dan Penanganan Kemiskinan (TNP2K) Kementrian Sosial Republik Indonesia. Proses klasifikasi dilakukan terhadap Rumah Tangga Sangat Miskin (RTSM) sebagai data training dengan jumlah 450 data sebagai data testing dengan jumlah 10 data, sehingga dengan melakukan perbandingan didapatlah hasil akurasi yang bervariasi diantara ke-tiga metode. Metode Nave Bayes (NBC) memiliki hasil akurasi yanng paling tinggi dengan hasil akurasi 80%, yang dibandingkan dengan metode KNN 20% dan PNN 10% maka Metode Nave Bayes(NBC) ditetapkan menjadi metode terbaik untuk kasus pengklasifikasian program keluarga harapan (PKH) Kota Pekanbaru.
{"title":"Penerapan Algoritma Supervised Learning untuk Klasifikasi Program Keluarga Harapan","authors":"Muhammad Syarif Hartawan, Moh. Erkamim, Sitti Rachmawati, Nirma Ceisa Santi, Legito Legito, Sepriano Sepriano","doi":"10.57152/malcom.v3i2.873","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.873","url":null,"abstract":"Penelitian ini dimaksudkan untuk melakukan klasifikasi terhadap penerima bantuan Program Keluarga Harapan (PKH) Kota Pekanbaru dengan membandingkan tiga metode sekaligus yaitu K-Nearest Neighbor (KNN), Probalistic Neural Network (PNN) dan Naive Bayes Classifier (NBC).Atribut yang digunakan dalam proses klasifikasi adalah Jumlah Anak SD, Jumlah Anak SMP, Jumlah Ibu Hamil, dan Jumlah Anak dibawah lima tahun (Balita), atribut ini berdasarkan panduan Tim Nasional Penangulangan dan Penanganan Kemiskinan (TNP2K) Kementrian Sosial Republik Indonesia. Proses klasifikasi dilakukan terhadap Rumah Tangga Sangat Miskin (RTSM) sebagai data training dengan jumlah 450 data sebagai data testing dengan jumlah 10 data, sehingga dengan melakukan perbandingan didapatlah hasil akurasi yang bervariasi diantara ke-tiga metode. Metode Nave Bayes (NBC) memiliki hasil akurasi yanng paling tinggi dengan hasil akurasi 80%, yang dibandingkan dengan metode KNN 20% dan PNN 10% maka Metode Nave Bayes(NBC) ditetapkan menjadi metode terbaik untuk kasus pengklasifikasian program keluarga harapan (PKH) Kota Pekanbaru.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"37 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136036304","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-08-31DOI: 10.57152/malcom.v3i2.877
Arif Tri Widiyatmoko, Agung Nugroho, Ike Yunia Pasa
Rendahnya kondisi sanitasi di Indonesia, terutama di desa-desa, yang dapat menyebabkan masalah kesehatan dan lingkungan. Akses informasi terkait masalah sanitasi masih sangat minim terutama di desa-desa. Diperlukan aplikasi yang mampu memberikan informasi pemetaan terhadap kondisi sanitasi. Penelitian ini bertujuan untuk mengembangkan aplikasi pemetaan desa rawan sanitasi dengan menggunakan teknologi leafletjs dan Open StreatMap untuk menyediakan informasi pemetaan wilayah rawan sanitasi. dengan mengintegrasikan data spasial dengan data kondisi sanitasi desa aplikasi ini dapat menampilkan pemetaan wilayah desa untuk memudahkan visualisasi desa rawan sanitasi. Hasil pengujian menggunakan metode blackbox testing menunjukkan hasil aplikasi dapat berjalan dengan baik sesuai dengan yang diharapkan.
{"title":"Pengembangan Aplikasi Pemetaan Desa Rawan Sanitasi Berbasis Web Menggunakan Open StreatMap","authors":"Arif Tri Widiyatmoko, Agung Nugroho, Ike Yunia Pasa","doi":"10.57152/malcom.v3i2.877","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.877","url":null,"abstract":"Rendahnya kondisi sanitasi di Indonesia, terutama di desa-desa, yang dapat menyebabkan masalah kesehatan dan lingkungan. Akses informasi terkait masalah sanitasi masih sangat minim terutama di desa-desa. Diperlukan aplikasi yang mampu memberikan informasi pemetaan terhadap kondisi sanitasi. Penelitian ini bertujuan untuk mengembangkan aplikasi pemetaan desa rawan sanitasi dengan menggunakan teknologi leafletjs dan Open StreatMap untuk menyediakan informasi pemetaan wilayah rawan sanitasi. dengan mengintegrasikan data spasial dengan data kondisi sanitasi desa aplikasi ini dapat menampilkan pemetaan wilayah desa untuk memudahkan visualisasi desa rawan sanitasi. Hasil pengujian menggunakan metode blackbox testing menunjukkan hasil aplikasi dapat berjalan dengan baik sesuai dengan yang diharapkan.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"69 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136036303","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-08-31DOI: 10.57152/malcom.v3i2.871
Moh. Erkamim, Sepriano Sepriano, I Gede Iwan Sudipa, Khoirun Nisa, Ali Zainal Abidin Alaydrus, Legito Legito
Penelitian ini bertujuan untuk memberikan alternatif pada pemilihan lahan perkebunan Kelapa Sawit Riau dengan Metode Analytic Hierarchy Process (AHP). Dengan jumlah kriteria adalah 5 yang terdiri dari curah hujan, ketinggian diatas permukaan laut, kandungan bahan dasar, ketebalan gambut dan keasaman tanah. Alternatif adalah 12 yang terdiri dari 12 kabupaten di Riau. Provinsi Riau merupakan salah satu provinsi yang memiliki perkebunan kelapa sawit yang paling luas di indonesia, pertumbuhan luas area kebun kelapa sawit sangat pesat. Pencarian alternatif menggunakan metode AHP dengan jumlah kriteria adalah 5 terdiri dari curah hujan, ketinggian diatas permukaan laut, kandungan bahan dasar, ketebalan gambut dan keasaman tanah. Jumlah alternatif adalah 12 yang terdiri dari 12 Kabupaen di Riau. Sehingga didapatkan hasil perankingan bahwa Kuantan merupakan prioritas pertama dan Bengkalis merupakan prioritas ke-12 dengan nilai konsitensi rasio adalah 2,6%
{"title":"Implementasi Metode Analytic Hierarchy Process untuk Pemilihan Lahan Perkebunan Kelapa Sawit di Riau","authors":"Moh. Erkamim, Sepriano Sepriano, I Gede Iwan Sudipa, Khoirun Nisa, Ali Zainal Abidin Alaydrus, Legito Legito","doi":"10.57152/malcom.v3i2.871","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.871","url":null,"abstract":"Penelitian ini bertujuan untuk memberikan alternatif pada pemilihan lahan perkebunan Kelapa Sawit Riau dengan Metode Analytic Hierarchy Process (AHP). Dengan jumlah kriteria adalah 5 yang terdiri dari curah hujan, ketinggian diatas permukaan laut, kandungan bahan dasar, ketebalan gambut dan keasaman tanah. Alternatif adalah 12 yang terdiri dari 12 kabupaten di Riau. Provinsi Riau merupakan salah satu provinsi yang memiliki perkebunan kelapa sawit yang paling luas di indonesia, pertumbuhan luas area kebun kelapa sawit sangat pesat. Pencarian alternatif menggunakan metode AHP dengan jumlah kriteria adalah 5 terdiri dari curah hujan, ketinggian diatas permukaan laut, kandungan bahan dasar, ketebalan gambut dan keasaman tanah. Jumlah alternatif adalah 12 yang terdiri dari 12 Kabupaen di Riau. Sehingga didapatkan hasil perankingan bahwa Kuantan merupakan prioritas pertama dan Bengkalis merupakan prioritas ke-12 dengan nilai konsitensi rasio adalah 2,6%","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"73 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136036305","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：