Pub Date : 2024-02-24DOI: 10.57152/malcom.v4i2.1244
Saul Kadoka Jangga Wolu, Yustina Rada
Desa Weluk Praimemang, yang terletak di Kabupaten Sumba Tengah, Kecamatan Umburatu Nggay, saat ini masih mengelola keuangan desanya secara konvensional. Proses tersebut melibatkan pencatatan manual menggunakan buku/kertas dan pena, yang kemudian disalin ke Microsoft Excel untuk dijadikan laporan oleh bendahara desa setiap tahunnya. Metode ini tidak hanya dinilai kurang efisien, tetapi juga memiliki risiko keamanan data yang tinggi karena buku, kertas, atau catatan digital dapat hilang atau rusak, mengakibatkan kehilangan informasi penting seperti data pendapatan, belanja, dan pembiayaan. Oleh karena itu, penelitian ini bertujuan untuk mempermudah dan membantu Kepala Desa dan Pengurus Desa Weluk Praimemang dalam mengelola APBDes dengan lebih baik. Pendekatan yang diambil adalah dengan mengimplementasikan sistem pengelolaan APBDes berbasis website. Hasil penelitian menunjukkan bahwa penerapan sistem baru ini memberikan dampak positif terhadap efektivitas pengelolaan keuangan desa. Pengurus Desa, dan Bendahara Desa, dengan fokus pada aspek keamanan data. Hasil menunjukkan bahwa sistem berbasis website dapat meningkatkan ketersediaan data dan laporan yang akurat kepada pihak terkait seperti Pemdes dan BPD. Dengan adanya sistem ini, transparansi dan efisiensi dalam pengelolaan keuangan desa dapat ditingkatkan, memberikan dasar untuk pengembangan lebih lanjut dalam konteks pemerintahan desa di Weluk Praimemang, Kabupaten Sumba Tengah, Kecamatan Umburatu Nggay.
{"title":"Pengembangan Sistem Informasi Pengelolaan Keuangan Anggaran Pendapatan dan Belanja Desa Berbasis Object Oriented Analysis and Design","authors":"Saul Kadoka Jangga Wolu, Yustina Rada","doi":"10.57152/malcom.v4i2.1244","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1244","url":null,"abstract":"Desa Weluk Praimemang, yang terletak di Kabupaten Sumba Tengah, Kecamatan Umburatu Nggay, saat ini masih mengelola keuangan desanya secara konvensional. Proses tersebut melibatkan pencatatan manual menggunakan buku/kertas dan pena, yang kemudian disalin ke Microsoft Excel untuk dijadikan laporan oleh bendahara desa setiap tahunnya. Metode ini tidak hanya dinilai kurang efisien, tetapi juga memiliki risiko keamanan data yang tinggi karena buku, kertas, atau catatan digital dapat hilang atau rusak, mengakibatkan kehilangan informasi penting seperti data pendapatan, belanja, dan pembiayaan. Oleh karena itu, penelitian ini bertujuan untuk mempermudah dan membantu Kepala Desa dan Pengurus Desa Weluk Praimemang dalam mengelola APBDes dengan lebih baik. Pendekatan yang diambil adalah dengan mengimplementasikan sistem pengelolaan APBDes berbasis website. Hasil penelitian menunjukkan bahwa penerapan sistem baru ini memberikan dampak positif terhadap efektivitas pengelolaan keuangan desa. Pengurus Desa, dan Bendahara Desa, dengan fokus pada aspek keamanan data. Hasil menunjukkan bahwa sistem berbasis website dapat meningkatkan ketersediaan data dan laporan yang akurat kepada pihak terkait seperti Pemdes dan BPD. Dengan adanya sistem ini, transparansi dan efisiensi dalam pengelolaan keuangan desa dapat ditingkatkan, memberikan dasar untuk pengembangan lebih lanjut dalam konteks pemerintahan desa di Weluk Praimemang, Kabupaten Sumba Tengah, Kecamatan Umburatu Nggay.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"40 10","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140435044","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}
Kondisi medis yang dikenal sebagai sindrom metabolik berpotensi meningkatkan kemungkinan penyakit jantung koroner, stroke, serangan jantung dan diabetes tipe 2. Sindrom metabolik juga dapat menyebabkan gula darah tinggi, kadar kolesterol rendah, obesitas secara bersamaan dan kelebihan lemak di daerah pinggang. Jika kombinasi dari ketiga kondisi ini terjadi maka dapat dikatakan penyakit ini sebagai sindrom metabolik. Selain itu, sindrom metabolik juga dikaitkan dengan resistensi insulin, artinya dimana sel-sel tubuh tidak merespon baik terhadap efek insulin yang menyebabkan kadar gula darah tinggi karena gula tidak terserap ke dalam sel dengan baik. Sindrom metabolik tumbuh seiring meningkatnya obesitas di Asia, dengan perkiraan prevalensi yang terus naik. Ini berpotensi meningkatkan kasus penyakit kardiovaskular dan risiko kematian. Oleh karena itu, perlu dikembangkan model untuk mendiagnosis sindrom metabolik. Penelitian ini bertujuan untuk membandingkan kinerja algoritma klasifikasi utama, yaitu Naïve Bayes (NB) dan K-Nearest Neighbors (KNN) dalam mendeteksi sindrom metabolik. Hasil dari penelitian ini menunjukkan bahwa penggunaan algoritma Naïve Bayes menghasilkan akurasi sebesar 79%, sedangkan akurasi tertinggi dari algoritma K-Nearest Neighbors (KNN) adalah 82%. Kesimpulannya, dari hasil penelitian ini menunjukkan bahwa algoritma K-NN dengan pembagian data 50:50 lebih efektif dalam memprediksi dan mengklasifikasikan sindrom metabolik.
{"title":"Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbors untuk Klasifikasi Metabolik Sindrom","authors":"Fitriana Sholekhah, Adinda Dwi Putri, Rahmaddeni Rahmaddeni, Luasiana Efrizoni","doi":"10.57152/malcom.v4i2.1249","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1249","url":null,"abstract":"Kondisi medis yang dikenal sebagai sindrom metabolik berpotensi meningkatkan kemungkinan penyakit jantung koroner, stroke, serangan jantung dan diabetes tipe 2. Sindrom metabolik juga dapat menyebabkan gula darah tinggi, kadar kolesterol rendah, obesitas secara bersamaan dan kelebihan lemak di daerah pinggang. Jika kombinasi dari ketiga kondisi ini terjadi maka dapat dikatakan penyakit ini sebagai sindrom metabolik. Selain itu, sindrom metabolik juga dikaitkan dengan resistensi insulin, artinya dimana sel-sel tubuh tidak merespon baik terhadap efek insulin yang menyebabkan kadar gula darah tinggi karena gula tidak terserap ke dalam sel dengan baik. Sindrom metabolik tumbuh seiring meningkatnya obesitas di Asia, dengan perkiraan prevalensi yang terus naik. Ini berpotensi meningkatkan kasus penyakit kardiovaskular dan risiko kematian. Oleh karena itu, perlu dikembangkan model untuk mendiagnosis sindrom metabolik. Penelitian ini bertujuan untuk membandingkan kinerja algoritma klasifikasi utama, yaitu Naïve Bayes (NB) dan K-Nearest Neighbors (KNN) dalam mendeteksi sindrom metabolik. Hasil dari penelitian ini menunjukkan bahwa penggunaan algoritma Naïve Bayes menghasilkan akurasi sebesar 79%, sedangkan akurasi tertinggi dari algoritma K-Nearest Neighbors (KNN) adalah 82%. Kesimpulannya, dari hasil penelitian ini menunjukkan bahwa algoritma K-NN dengan pembagian data 50:50 lebih efektif dalam memprediksi dan mengklasifikasikan sindrom metabolik.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"55 9","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140434224","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 : 2024-02-12DOI: 10.57152/malcom.v3i2.1227
M. Mustakim, Delvi Nur Aini, Ana Uzla Batubara, Moh. Erkamim, Legito Legito
Learning activities are the main activity in the overall teaching and learning process in schools. This is because whether or not the achievement of educational goals depends on how the learning process is carried out by students. The uneven level of student success in learning is one of the problems in the school's efforts to realize the vision and mission of SMKN 5 Pekanbaru in preparing skilled graduates to be able to work in certain sectors by the public interest and the industrial world. In this study, mapping and grouping student grade data was carried out using the Fuzzy C-Means algorithm to provide information to the school in making the right decisions and optimizing the learning process. Furthermore, clustering was carried out in several experiments K=3 to K=7, and obtained the best validity value tested with the Silhouette Index of 0.4277 located at K=5. Then the distribution of cluster 5 on student score data was obtained with details, namely cluster 1 with a capacity of 1 student, cluster 2 with a capacity of 27 students, cluster 3 with a capacity of 1 student, cluster 4 with a capacity of 10 students, cluster 5 with a capacity of 23 students.
{"title":"Fuzzy Clustering-Based Grouping for Mapping the Distribution of Student Success Data","authors":"M. Mustakim, Delvi Nur Aini, Ana Uzla Batubara, Moh. Erkamim, Legito Legito","doi":"10.57152/malcom.v3i2.1227","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.1227","url":null,"abstract":"Learning activities are the main activity in the overall teaching and learning process in schools. This is because whether or not the achievement of educational goals depends on how the learning process is carried out by students. The uneven level of student success in learning is one of the problems in the school's efforts to realize the vision and mission of SMKN 5 Pekanbaru in preparing skilled graduates to be able to work in certain sectors by the public interest and the industrial world. In this study, mapping and grouping student grade data was carried out using the Fuzzy C-Means algorithm to provide information to the school in making the right decisions and optimizing the learning process. Furthermore, clustering was carried out in several experiments K=3 to K=7, and obtained the best validity value tested with the Silhouette Index of 0.4277 located at K=5. Then the distribution of cluster 5 on student score data was obtained with details, namely cluster 1 with a capacity of 1 student, cluster 2 with a capacity of 27 students, cluster 3 with a capacity of 1 student, cluster 4 with a capacity of 10 students, cluster 5 with a capacity of 23 students.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"12 5","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140458361","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 : 2024-02-11DOI: 10.57152/malcom.v4i2.1191
Antonius Kalujur Lidjang, Yustina Rada, D. A. Sitaniapessy
The village is one of the government agencies responsible for the process of managing village assets in an area. Waimbidi Village, Kambata Mapambuhang District, East Sumba Regency, currently managing village assets still uses manual methods by recording in master books, so that making reports takes a long time or even the required reports are incomplete. Recording using books can result in reports piling up, making it difficult to find data and taking a long time if one day it is needed. Based on these problems, a system is needed that can manage village assets. With the aim of being able to store village asset data permanently in a database. The system development method used in research is the waterfall method which starts from the process of planning, analysis, design and system implementation. The results of this research can create a Web-based Village Asset Information System in Villages, which can help the Waimbidi Village government manage asset data so that it can be more efficient and structured.
{"title":"Design of a Web-Based Village Asset Information System in Waimbidi Village","authors":"Antonius Kalujur Lidjang, Yustina Rada, D. A. Sitaniapessy","doi":"10.57152/malcom.v4i2.1191","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1191","url":null,"abstract":"The village is one of the government agencies responsible for the process of managing village assets in an area. Waimbidi Village, Kambata Mapambuhang District, East Sumba Regency, currently managing village assets still uses manual methods by recording in master books, so that making reports takes a long time or even the required reports are incomplete. Recording using books can result in reports piling up, making it difficult to find data and taking a long time if one day it is needed. Based on these problems, a system is needed that can manage village assets. With the aim of being able to store village asset data permanently in a database. The system development method used in research is the waterfall method which starts from the process of planning, analysis, design and system implementation. The results of this research can create a Web-based Village Asset Information System in Villages, which can help the Waimbidi Village government manage asset data so that it can be more efficient and structured.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"8 11","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140458676","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 : 2024-02-11DOI: 10.57152/malcom.v4i2.1225
Muhammad Aldi Wirayudha, Novriyanto Novriyanto, Teddie Darmizal, Lolo Oktavia
Komisi Pemilihan Umum adalah lembaga negara yang menyelenggarakan pemilihan umum di Indonesia. Sebagai penyelenggara pemilu, pemanfaatan teknologi informasi sangat penting untuk mendukung operasional bisnis dan meningkatkan kualitas organisasi. Oleh karena itu, penting bagi lembaga negara untuk menerapkan pengelolaan risiko teknologi informasi khususnya pada Komisi Pemilihan Umum Kabupaten XYZ guna mencegah terjadinya kerugian risiko serta meningkatkan efikasi dan efisiensi manajemen risiko teknologi informasi. Pengelolaan risiko teknologi informasi di KPU Kabupaten XYZ belum maksimal sehingga rentan terhadap kejadian risiko yang dapat berdampak negatif terhadap pelaksanaan tanggung jawabnya. Analisis manajemen risiko teknologi informasi di Komisi Pemilihan Umum Kabupaten XYZ khususnya pada aspek keamanan data, sistem informasi, dan infrastruktur TI bertujuan untuk menilai capability level dengan menggunakan framework COBIT 5 domain APO12 yang secara khusus mengatur manajemen risiko. Nilai kapabilitas organisasi yang ditentukan berdasarkan analisis domain APO12 adalah 1,35 yang menunjukkan bahwa organisasi telah mencapai level kapabilitas 1 (proses yang dilakukan). Artinya, proses manajemen risiko teknologi informasi telah diterapkan, namun masih belum terstruktur dan tidak konsisten. Agar proses APO12 mencapai level 2 (proses terkontrol), ditemukan celah 1 di setiap subdomainnya. Berdasarkan analisis kesenjangan, diberikan saran perbaikan. Rekomendasi ini akan menjadi landasan penilaian manajemen risiko teknologi informasi di KPU Kabupaten XYZ ke depan.
{"title":"Analisis Manajemen Risiko Teknologi Informasi pada KPU Menggunakan Cobit 5 Domain APO12","authors":"Muhammad Aldi Wirayudha, Novriyanto Novriyanto, Teddie Darmizal, Lolo Oktavia","doi":"10.57152/malcom.v4i2.1225","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1225","url":null,"abstract":"Komisi Pemilihan Umum adalah lembaga negara yang menyelenggarakan pemilihan umum di Indonesia. Sebagai penyelenggara pemilu, pemanfaatan teknologi informasi sangat penting untuk mendukung operasional bisnis dan meningkatkan kualitas organisasi. Oleh karena itu, penting bagi lembaga negara untuk menerapkan pengelolaan risiko teknologi informasi khususnya pada Komisi Pemilihan Umum Kabupaten XYZ guna mencegah terjadinya kerugian risiko serta meningkatkan efikasi dan efisiensi manajemen risiko teknologi informasi. Pengelolaan risiko teknologi informasi di KPU Kabupaten XYZ belum maksimal sehingga rentan terhadap kejadian risiko yang dapat berdampak negatif terhadap pelaksanaan tanggung jawabnya. Analisis manajemen risiko teknologi informasi di Komisi Pemilihan Umum Kabupaten XYZ khususnya pada aspek keamanan data, sistem informasi, dan infrastruktur TI bertujuan untuk menilai capability level dengan menggunakan framework COBIT 5 domain APO12 yang secara khusus mengatur manajemen risiko. Nilai kapabilitas organisasi yang ditentukan berdasarkan analisis domain APO12 adalah 1,35 yang menunjukkan bahwa organisasi telah mencapai level kapabilitas 1 (proses yang dilakukan). Artinya, proses manajemen risiko teknologi informasi telah diterapkan, namun masih belum terstruktur dan tidak konsisten. Agar proses APO12 mencapai level 2 (proses terkontrol), ditemukan celah 1 di setiap subdomainnya. Berdasarkan analisis kesenjangan, diberikan saran perbaikan. Rekomendasi ini akan menjadi landasan penilaian manajemen risiko teknologi informasi di KPU Kabupaten XYZ ke depan.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"3 3","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140458962","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}
Kondisi kekurangan gizi kronis yang disebabkan oleh asupan makanan yang tidak mencukupi sebagai akibat dari kebiasaan makan yang tidak tepat sesuai dengan gizi yang diperlukan disebut juga dengan stunting. Stunting dapat membuat fisik anak menjadi lebih pendek, selain itu dapat menghambat pertumbuhan dan perkembangan organ lain seperti ginjal, jantung, dan otak pada anak. Meningkatnya kasus stunting pada anak memerlukan upaya pencegahan secara dini. Pada penelitian ini menggunakan 18 atribut dan 5021 record data dari 10 kelurahan Kota Dumai dimana salah satu diantaranya dijadikan sebagai kelas. Pada penelitian ini menerapkan Algoritma Decision Tree dan Support Vactor Machine (SVM) untuk mengetahui algoritma mana yang tepat memproses data tersebut. Hasil prediksi dengan menggunakan Decision Tree pada penelitian ini mendapatkan nilai akurasi sebesar 96.15%, nilai recall Tidak sebesar 92.06% serta Ya sebesar 97.34% dan nilai presisi Tidak sebesar 90.99% serta Ya sebesar 97.68%. Sedangkan dengan menggunakan Algoritma SVM mendapatkan nilai akurasi sebesar 62.48%, nilai recall Tidak sebesar 99.12% serta Ya sebesar 51.80% dan nilai presisi Tidak sebesar 37.49% serta Ya sebesar 99.51%. Berdasarkan penelitian menggunakan data tersebut dapat disimpulkan bahwa akurasai algoritma Decision Tree jauh lebih baik dibandingkan dengan algoritma SVM.
{"title":"Implementasi Algoritma Decision Tree dan Support Vector Machine (SVM) untuk Prediksi Risiko Stunting pada Keluarga","authors":"Amanda Iksanul Putri, Yuli Syarif, Puguh Jayadi, Fadlan Arrazak, Febi Nur Salisah","doi":"10.57152/malcom.v3i2.1228","DOIUrl":"https://doi.org/10.57152/malcom.v3i2.1228","url":null,"abstract":"Kondisi kekurangan gizi kronis yang disebabkan oleh asupan makanan yang tidak mencukupi sebagai akibat dari kebiasaan makan yang tidak tepat sesuai dengan gizi yang diperlukan disebut juga dengan stunting. Stunting dapat membuat fisik anak menjadi lebih pendek, selain itu dapat menghambat pertumbuhan dan perkembangan organ lain seperti ginjal, jantung, dan otak pada anak. Meningkatnya kasus stunting pada anak memerlukan upaya pencegahan secara dini. Pada penelitian ini menggunakan 18 atribut dan 5021 record data dari 10 kelurahan Kota Dumai dimana salah satu diantaranya dijadikan sebagai kelas. Pada penelitian ini menerapkan Algoritma Decision Tree dan Support Vactor Machine (SVM) untuk mengetahui algoritma mana yang tepat memproses data tersebut. Hasil prediksi dengan menggunakan Decision Tree pada penelitian ini mendapatkan nilai akurasi sebesar 96.15%, nilai recall Tidak sebesar 92.06% serta Ya sebesar 97.34% dan nilai presisi Tidak sebesar 90.99% serta Ya sebesar 97.68%. Sedangkan dengan menggunakan Algoritma SVM mendapatkan nilai akurasi sebesar 62.48%, nilai recall Tidak sebesar 99.12% serta Ya sebesar 51.80% dan nilai presisi Tidak sebesar 37.49% serta Ya sebesar 99.51%. Berdasarkan penelitian menggunakan data tersebut dapat disimpulkan bahwa akurasai algoritma Decision Tree jauh lebih baik dibandingkan dengan algoritma SVM.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"16 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140460921","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 : 2024-02-05DOI: 10.57152/malcom.v4i2.1143
Ari Wibowo, Ni'matul Ma'muriyah, Andik Yuliyanto
Perpustakaan sekolah memiliki fungsi sebagai tempat penyimpanan buku-buku referensi baik referensi dalam bentuk hardcopy dan softcopy. Fungsi lainnya perpustakaan menjadi tempat menambah wawasan ilmu pengetahuan bagi murid sekolah secara mandiri, demikian juga dengan guru sekolah. Ruang perpustakaan selalu dijaga suasana ketenangan nya untuk memberikan kenyamanan bagi pengunjungnya namun tidak jarang beberapa pengunjung secara tidak sadar membuat keributan yang mengganggu pengunjung lainnya ditambah dengan lokasi operator perpustakaan yang selalu berada di depan sehingga tidak bisa memonitor semua pengunjung yang datang ke perpustakaan. Kemajuan teknologi saat ini yang menghadirkan Internet of Things (IoT) sangatlah banyak implikasinya, salah satunya Smart Library. Smart library yang dirancang mampu mendeteksi kebisingan melalui Sound Level Meter berbasis Arduino yang dipasang dititik-titik yang tidak terlihat oleh operator perpustakaan. Beberapa perangkat pendukung yang diperlukan agar system dapat berfungsi adalah HC-12, Buzzer, Sensor KY-038, dan Bahasa C. Dengan perangkat IoT ini, operator perpustakaan dapat memonitor seluruh sudut area yang jauh sekalipun sehingga suasana ketenangan dapat dikendalikan. Hasil penelitian menunjukkan System yang dirancang dapat mengurangi kebisingan yang dapat mengganggu pengunjung dan menciptakan suasana perpustakaan yang tenang.
{"title":"Sistem Smart Library Berbasis Arduino di Perpustakaan Sekolah","authors":"Ari Wibowo, Ni'matul Ma'muriyah, Andik Yuliyanto","doi":"10.57152/malcom.v4i2.1143","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1143","url":null,"abstract":"Perpustakaan sekolah memiliki fungsi sebagai tempat penyimpanan buku-buku referensi baik referensi dalam bentuk hardcopy dan softcopy. Fungsi lainnya perpustakaan menjadi tempat menambah wawasan ilmu pengetahuan bagi murid sekolah secara mandiri, demikian juga dengan guru sekolah. Ruang perpustakaan selalu dijaga suasana ketenangan nya untuk memberikan kenyamanan bagi pengunjungnya namun tidak jarang beberapa pengunjung secara tidak sadar membuat keributan yang mengganggu pengunjung lainnya ditambah dengan lokasi operator perpustakaan yang selalu berada di depan sehingga tidak bisa memonitor semua pengunjung yang datang ke perpustakaan. Kemajuan teknologi saat ini yang menghadirkan Internet of Things (IoT) sangatlah banyak implikasinya, salah satunya Smart Library. Smart library yang dirancang mampu mendeteksi kebisingan melalui Sound Level Meter berbasis Arduino yang dipasang dititik-titik yang tidak terlihat oleh operator perpustakaan. Beberapa perangkat pendukung yang diperlukan agar system dapat berfungsi adalah HC-12, Buzzer, Sensor KY-038, dan Bahasa C. Dengan perangkat IoT ini, operator perpustakaan dapat memonitor seluruh sudut area yang jauh sekalipun sehingga suasana ketenangan dapat dikendalikan. Hasil penelitian menunjukkan System yang dirancang dapat mengurangi kebisingan yang dapat mengganggu pengunjung dan menciptakan suasana perpustakaan yang tenang.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"188 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140461529","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 : 2024-02-05DOI: 10.57152/malcom.v4i2.1210
N. F. Sahamony, Terttiaavini Terttiaavini, Harsih Rianto
Stunting menjadi masalah serius dalam pertumbuhan anak di Indonesia, mendorong penelitian ini untuk mengembangkan model prediksi menggunakan Machine Learning. Tujuan penelitian adalah membandingkan performa dari lima algoritma yaitu Random Forest, Logistic Regression, Naïve Bayes, SVM dan Neural Networks untuk memprediksi stunting anak. Data stunting anak tahun 2023 dari Kota Lubuk Linggau yang digunakan dengan total 400 sampel. Metodologi penelitian melibatkan langkah inisiasi, pengembangan model linier, pembandingan hasil pengujian model, dan analisis prediksi menggunakan platform KNIME. Hasil uji menunjukkan bahwa Naïve Bayes memiliki performa tertinggi dengan akurasi = 98,57%, F1-Score = 0,99, serta recall dan precision yang sangat tinggi. Random Forest juga memberikan hasil baik dengan akurasi = 98,29%, namun Naïve Bayes diidentifikasi sebagai model terbaik. Penelitian ini memberikan kontribusi signifikan dalam upaya untuk pencegahan stunting dengan menggabungkan teknologi Machine Learning dan analisis dataset kesehatan. Dengan mengembangkan model prediksi menggunakan berbagai algoritma machine learning, diharapkan dapat membantu praktisi kesehatan dalam mengidentifikasi risiko stunting secara dini. Model yang optimal dapat digunakan sebagai alat pendukung keputusan untuk memberikan intervensi yang tepat dan efektif.
{"title":"Analisis Perbandingan Kinerja Model Machine Learning untuk Memprediksi Risiko Stunting pada Pertumbuhan Anak","authors":"N. F. Sahamony, Terttiaavini Terttiaavini, Harsih Rianto","doi":"10.57152/malcom.v4i2.1210","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1210","url":null,"abstract":"Stunting menjadi masalah serius dalam pertumbuhan anak di Indonesia, mendorong penelitian ini untuk mengembangkan model prediksi menggunakan Machine Learning. Tujuan penelitian adalah membandingkan performa dari lima algoritma yaitu Random Forest, Logistic Regression, Naïve Bayes, SVM dan Neural Networks untuk memprediksi stunting anak. Data stunting anak tahun 2023 dari Kota Lubuk Linggau yang digunakan dengan total 400 sampel. Metodologi penelitian melibatkan langkah inisiasi, pengembangan model linier, pembandingan hasil pengujian model, dan analisis prediksi menggunakan platform KNIME. Hasil uji menunjukkan bahwa Naïve Bayes memiliki performa tertinggi dengan akurasi = 98,57%, F1-Score = 0,99, serta recall dan precision yang sangat tinggi. Random Forest juga memberikan hasil baik dengan akurasi = 98,29%, namun Naïve Bayes diidentifikasi sebagai model terbaik. Penelitian ini memberikan kontribusi signifikan dalam upaya untuk pencegahan stunting dengan menggabungkan teknologi Machine Learning dan analisis dataset kesehatan. Dengan mengembangkan model prediksi menggunakan berbagai algoritma machine learning, diharapkan dapat membantu praktisi kesehatan dalam mengidentifikasi risiko stunting secara dini. Model yang optimal dapat digunakan sebagai alat pendukung keputusan untuk memberikan intervensi yang tepat dan efektif.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"111 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140461722","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 : 2024-02-05DOI: 10.57152/malcom.v4i2.1201
Luthfiah Nur Aziza, Rizka Yuli Astuti, Bagas Akbar Maulana, N. Hidayati
Ketahanan pangan merupakan hal yang penting untuk dijaga karena dapat berdampak pada kesejahteraan masyarakat. Penelitian ini bertujuan untuk memprediksi ketahanan pangan di Provinsi Jawa Tengah tahun 2023 menggunakan metode K-Nearest Neighbor (KNN). Data yang digunakan dalam penelitian ini adalah data komposit ketahanan pangan tahun 2021 dan 2022 di 29 kabupaten/kota di Provinsi Jawa Tengah. Data tersebut dinormalisasi terlebih dahulu sebelum digunakan untuk pelatihan dan pengujian model KNN. Hasil penelitian menunjukkan bahwa nilai komposit ketahanan pangan di Provinsi Jawa Tengah meningkat sebesar 1,70% dari tahun 2022 menjadi 84,23 pada tahun 2023. Model KNN dengan nilai n_neighbors sebesar 3 menunjukkan kinerja yang baik dalam memprediksi nilai komposit ketahanan pangan dengan nilai RMSE sebesar 0,80. Hasil penelitian ini menunjukkan bahwa ketahanan pangan di Provinsi Jawa Tengah mengalami perbaikan pada tahun 2023. Model KNN dapat digunakan untuk memprediksi ketahanan pangan di Jawa Tengah dengan akurasi yang baik
{"title":"Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Ketahanan Pangan di Provinsi Jawa Tengah","authors":"Luthfiah Nur Aziza, Rizka Yuli Astuti, Bagas Akbar Maulana, N. Hidayati","doi":"10.57152/malcom.v4i2.1201","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1201","url":null,"abstract":" \u0000Ketahanan pangan merupakan hal yang penting untuk dijaga karena dapat berdampak pada kesejahteraan masyarakat. Penelitian ini bertujuan untuk memprediksi ketahanan pangan di Provinsi Jawa Tengah tahun 2023 menggunakan metode K-Nearest Neighbor (KNN). Data yang digunakan dalam penelitian ini adalah data komposit ketahanan pangan tahun 2021 dan 2022 di 29 kabupaten/kota di Provinsi Jawa Tengah. Data tersebut dinormalisasi terlebih dahulu sebelum digunakan untuk pelatihan dan pengujian model KNN. Hasil penelitian menunjukkan bahwa nilai komposit ketahanan pangan di Provinsi Jawa Tengah meningkat sebesar 1,70% dari tahun 2022 menjadi 84,23 pada tahun 2023. Model KNN dengan nilai n_neighbors sebesar 3 menunjukkan kinerja yang baik dalam memprediksi nilai komposit ketahanan pangan dengan nilai RMSE sebesar 0,80. Hasil penelitian ini menunjukkan bahwa ketahanan pangan di Provinsi Jawa Tengah mengalami perbaikan pada tahun 2023. Model KNN dapat digunakan untuk memprediksi ketahanan pangan di Jawa Tengah dengan akurasi yang baik","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"40 4","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140461489","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 : 2024-02-05DOI: 10.57152/malcom.v4i2.1187
Fahri Husaini, Inggih Permana, M. Afdal, Febi Nur Salisah
Kelapa sawit memberikan kontribusi yang besar bagi perkembangan perekonomian Indonesia. Salah satunya ekspor non migas negara dan yang terus mengalami pertumbuhan yang dilakukan perusahaan kelapa sawit. PT XYZ merupakan salah satu perusahaan kelapa sawit yang mengolah kelapa sawit menjadi minyak kelapa sawit. Dalam menghadapi permintaan minyak kelapa sawit dunia yang terus meningkat, PT. XYZ berkomitmen untuk meningkatkan produksinya. Untuk meningkatkan produksi, PT XYZ telah menetapkan target produksi dengan melakukan prediksi produksi kelapa sawit menggunakan metode Global Telling. Namun, metode ini kurang efektif karena tidak dilakukan secara berkala. Untuk itu, diperlukan suatu metode yang dapat mempelajari pola panen setiap bulannya untuk membuat target produksi. Penelitian ini menerapkan Algoritma Long Short-Term Memory dengan percobaan beberapa parameter untuk menemukan model terbaik yang dapat memprediksi produksi kelapa sawit secara akurat. Berdasarkan hasil percobaan, model dengan optimizer RMSprop, learning rate 0.001, dan batch size 8 merupakan model dengan parameter terbaik dengan nilai RMSE 0.1725, MAPE 0.5087, dan R2 0.0578. Model tersebut memprediksi bahwa produksi kelapa sawit akan mengalami penurunan
{"title":"Penerapan Algoritma Long Short-Term Memory untuk Prediksi Produksi Kelapa Sawit","authors":"Fahri Husaini, Inggih Permana, M. Afdal, Febi Nur Salisah","doi":"10.57152/malcom.v4i2.1187","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1187","url":null,"abstract":"Kelapa sawit memberikan kontribusi yang besar bagi perkembangan perekonomian Indonesia. Salah satunya ekspor non migas negara dan yang terus mengalami pertumbuhan yang dilakukan perusahaan kelapa sawit. PT XYZ merupakan salah satu perusahaan kelapa sawit yang mengolah kelapa sawit menjadi minyak kelapa sawit. Dalam menghadapi permintaan minyak kelapa sawit dunia yang terus meningkat, PT. XYZ berkomitmen untuk meningkatkan produksinya. Untuk meningkatkan produksi, PT XYZ telah menetapkan target produksi dengan melakukan prediksi produksi kelapa sawit menggunakan metode Global Telling. Namun, metode ini kurang efektif karena tidak dilakukan secara berkala. Untuk itu, diperlukan suatu metode yang dapat mempelajari pola panen setiap bulannya untuk membuat target produksi. Penelitian ini menerapkan Algoritma Long Short-Term Memory dengan percobaan beberapa parameter untuk menemukan model terbaik yang dapat memprediksi produksi kelapa sawit secara akurat. Berdasarkan hasil percobaan, model dengan optimizer RMSprop, learning rate 0.001, dan batch size 8 merupakan model dengan parameter terbaik dengan nilai RMSE 0.1725, MAPE 0.5087, dan R2 0.0578. Model tersebut memprediksi bahwa produksi kelapa sawit akan mengalami penurunan","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"196 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140461523","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：