Pub Date : 2024-02-05DOI: 10.57152/malcom.v4i2.1206
Bagas Akbar Maulana, Muhammad Jazilul Fahmi, Ari Muhamad Imran, Nutriana Hidayati
Analisis sentimen merupakan proses menganalisis teks untuk menentukan sentimen yang diungkapkan, seperti positif, negatif, atau netral. Analisis sentimen dapat digunakan untuk berbagai tujuan, seperti memahami opini publik, mengukur kepuasan pelanggan, dan mendeteksi penipuan. Dalam penelitian ini, kami menerapkan metode klasifikasi sentimen untuk menganalisis ulasan aplikasi Pluang. Aplikasi Pluang adalah aplikasi investasi digital yang menawarkan berbagai produk investasi, seperti emas, saham, dan reksa dana. Kami menggunakan dua model klasifikasi sentimen, yaitu Naive Bayes dan SVM. Hasil penelitian menunjukkan bahwa model SVM bekerja lebih baik dibandingkan model Naive Bayes. Secara spesifik, model SVM memiliki akurasi sebesar 99,50%, presisi 99,67%, recall 99,33%, dan skor F1 sebesar 99,50%. Sedangkan model Naive Bayes memiliki akurasi sebesar 99,25%, presisi sebesar 99,44%, recall sebesar 99,06%, dan skor F1 sebesar 99,25%. Kelebihan model SVM dibandingkan model Naive Bayes adalah kemampuannya untuk membedakan teks positif dan negatif dengan lebih baik. Ini disebabkan oleh beberapa faktor, antara lain: Data negatif memiliki karakteristik yang lebih beragam daripada data positif, SVM menggunakan teknik kernel yang mampu memetakan data ke dalam ruang dimensi yang lebih tinggi, sehingga dapat memodelkan hubungan antar data dengan lebih baik. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM merupakan metode klasifikasi yang efektif untuk menganalisis sentimen ulasan aplikasi Pluang.
{"title":"Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM)","authors":"Bagas Akbar Maulana, Muhammad Jazilul Fahmi, Ari Muhamad Imran, Nutriana Hidayati","doi":"10.57152/malcom.v4i2.1206","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1206","url":null,"abstract":"Analisis sentimen merupakan proses menganalisis teks untuk menentukan sentimen yang diungkapkan, seperti positif, negatif, atau netral. Analisis sentimen dapat digunakan untuk berbagai tujuan, seperti memahami opini publik, mengukur kepuasan pelanggan, dan mendeteksi penipuan. Dalam penelitian ini, kami menerapkan metode klasifikasi sentimen untuk menganalisis ulasan aplikasi Pluang. Aplikasi Pluang adalah aplikasi investasi digital yang menawarkan berbagai produk investasi, seperti emas, saham, dan reksa dana. Kami menggunakan dua model klasifikasi sentimen, yaitu Naive Bayes dan SVM. Hasil penelitian menunjukkan bahwa model SVM bekerja lebih baik dibandingkan model Naive Bayes. Secara spesifik, model SVM memiliki akurasi sebesar 99,50%, presisi 99,67%, recall 99,33%, dan skor F1 sebesar 99,50%. Sedangkan model Naive Bayes memiliki akurasi sebesar 99,25%, presisi sebesar 99,44%, recall sebesar 99,06%, dan skor F1 sebesar 99,25%. Kelebihan model SVM dibandingkan model Naive Bayes adalah kemampuannya untuk membedakan teks positif dan negatif dengan lebih baik. Ini disebabkan oleh beberapa faktor, antara lain: Data negatif memiliki karakteristik yang lebih beragam daripada data positif, SVM menggunakan teknik kernel yang mampu memetakan data ke dalam ruang dimensi yang lebih tinggi, sehingga dapat memodelkan hubungan antar data dengan lebih baik. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM merupakan metode klasifikasi yang efektif untuk menganalisis sentimen ulasan aplikasi Pluang.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"145 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140461543","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.v4i2.1230
Indah Permatasari, Terttiaavini Terttiaavini, A. Heryati, T. Saputra
Dinas Kependudukan dan Pencatatan Sipil Kota Palembang telah menerapkan pendekatan inovatif untuk meningkatkan efisiensi dan aksesibilitas melalui pengenalan Platform E-Government. Untuk mendapatkan tanggapan masyarakat, sangat penting untuk mengukur kepuasan pengguna terhadap Layanan Website sebagai langkah awal dalam proses perbaikan. Penelitian ini bertujuan untuk menilai Layanan Website Disdukcapil dengan mengidentifikasi tingkat kepuasan pengguna, mengevaluasi kinerja platform, dan memberikan rekomendasi perbaikan guna meningkatkan efektivitas layanan. Indikator diambil dari Indeks Layanan Publik Elektronik, dengan pengujian validasi menggunakan SPSS, dan Metode Importance Performance Analysis (IPA) digunakan untuk menganalisis sejauh mana kinerja aktual suatu variabel sesuai dengan harapan pengguna. Penelitian ini menghasilkan indeks layanan elektronik sebesar 3,417, menunjukkan penilaian yang sangat baik terhadap layanan E-Government. Namun, uji sampel berpasangan mengungkapkan adanya perbedaan yang signifikan antara kinerja aktual dan harapan pengguna. Analisis ini menegaskan perlunya perbaikan layayan guna meningkatkan kepuasan pengguna. Rekomendasi perbaikan yang dihasilkan dari analisis ini diharapkan dapat memberikan kontribusi positif terhadap efektivitas layanan publik elektronik di Dinas Kependudukan dan Pencatatan Sipil Kota Palembang.
{"title":"Evaluasi Layanan Publik pada Platform E-Government menggunakan Indeks Layanan Publik Elektronik dan Metode Importance Performance Analysis","authors":"Indah Permatasari, Terttiaavini Terttiaavini, A. Heryati, T. Saputra","doi":"10.57152/malcom.v4i2.1230","DOIUrl":"https://doi.org/10.57152/malcom.v4i2.1230","url":null,"abstract":"Dinas Kependudukan dan Pencatatan Sipil Kota Palembang telah menerapkan pendekatan inovatif untuk meningkatkan efisiensi dan aksesibilitas melalui pengenalan Platform E-Government. Untuk mendapatkan tanggapan masyarakat, sangat penting untuk mengukur kepuasan pengguna terhadap Layanan Website sebagai langkah awal dalam proses perbaikan. Penelitian ini bertujuan untuk menilai Layanan Website Disdukcapil dengan mengidentifikasi tingkat kepuasan pengguna, mengevaluasi kinerja platform, dan memberikan rekomendasi perbaikan guna meningkatkan efektivitas layanan. Indikator diambil dari Indeks Layanan Publik Elektronik, dengan pengujian validasi menggunakan SPSS, dan Metode Importance Performance Analysis (IPA) digunakan untuk menganalisis sejauh mana kinerja aktual suatu variabel sesuai dengan harapan pengguna. Penelitian ini menghasilkan indeks layanan elektronik sebesar 3,417, menunjukkan penilaian yang sangat baik terhadap layanan E-Government. Namun, uji sampel berpasangan mengungkapkan adanya perbedaan yang signifikan antara kinerja aktual dan harapan pengguna. Analisis ini menegaskan perlunya perbaikan layayan guna meningkatkan kepuasan pengguna. Rekomendasi perbaikan yang dihasilkan dari analisis ini diharapkan dapat memberikan kontribusi positif terhadap efektivitas layanan publik elektronik di Dinas Kependudukan dan Pencatatan Sipil Kota Palembang.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"40 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140461782","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 : 2024-01-30DOI: 10.57152/malcom.v4i1.1158
Nawang Kalbuana, Beni Kurnianto
Ancaman dari kebakaran dapat menimbulkan dampak yang serius, termasuk kerugian materi dan bahkan hilangnya nyawa. Tindakan pencegahan menjadi suatu keharusan untuk menghindari, mencegah, dan mengurangi risiko kebakaran. Tujuan dari penelitian ini adalah merancang serta membangun sistem deteksi asap berbasis sensor dan mikrokontroler, yang dapat efektif mendeteksi potensi bahaya kebakaran di dalam rumah atau gedung baik dikawasan perkantoran maupun dikawasan bandar udara. Metode penelitian menggunakan model Prototyping, dengan komponen-komponen utama seperti sensor asap, mikrokontroler, LED, dan buzzer alarm. Sistem yang dihasilkan memberikan peringatan dini melalui alarm terkait potensi risiko kebakaran, dan diharapkan dapat mendeteksi serta mencegah potensi bahaya kebakaran yang mungkin terjadi. Penelitian ini memberikan kontribusi pada pengembangan solusi pencegahan kebakaran yang efektif dan dapat diterapkan secara luas, sehingga secara spesifik meningkatkan keselamatan di rumah, gedung perkantoran, dan di sekitar bandar udara. Dengan implementasi sistem deteksi asap ini, diharapkan dapat mengurangi risiko kebakaran, memberikan peringatan dini, dan pada akhirnya, melindungi nyawa dan harta benda.
{"title":"Desain Sistem Deteksi Asap Berbasis Sensor Mikrokontroler Sebagai Upaya Pencegahan Kebakaran","authors":"Nawang Kalbuana, Beni Kurnianto","doi":"10.57152/malcom.v4i1.1158","DOIUrl":"https://doi.org/10.57152/malcom.v4i1.1158","url":null,"abstract":"Ancaman dari kebakaran dapat menimbulkan dampak yang serius, termasuk kerugian materi dan bahkan hilangnya nyawa. Tindakan pencegahan menjadi suatu keharusan untuk menghindari, mencegah, dan mengurangi risiko kebakaran. Tujuan dari penelitian ini adalah merancang serta membangun sistem deteksi asap berbasis sensor dan mikrokontroler, yang dapat efektif mendeteksi potensi bahaya kebakaran di dalam rumah atau gedung baik dikawasan perkantoran maupun dikawasan bandar udara. Metode penelitian menggunakan model Prototyping, dengan komponen-komponen utama seperti sensor asap, mikrokontroler, LED, dan buzzer alarm. Sistem yang dihasilkan memberikan peringatan dini melalui alarm terkait potensi risiko kebakaran, dan diharapkan dapat mendeteksi serta mencegah potensi bahaya kebakaran yang mungkin terjadi. Penelitian ini memberikan kontribusi pada pengembangan solusi pencegahan kebakaran yang efektif dan dapat diterapkan secara luas, sehingga secara spesifik meningkatkan keselamatan di rumah, gedung perkantoran, dan di sekitar bandar udara. Dengan implementasi sistem deteksi asap ini, diharapkan dapat mengurangi risiko kebakaran, memberikan peringatan dini, dan pada akhirnya, melindungi nyawa dan harta benda.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"147 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140481907","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 : 2024-01-30DOI: 10.57152/malcom.v4i1.1159
Yesi Sriyeni, Irwansyah Irwansyah, M. A. Priatama
Perkembangan teknologi saat ini mengharuskan sebuah usaha untuk bertumbuh agar dapat bertahan. PD Panca Motor KM 14 Palembang adalah salah satu perusahaan dealer kendaraan sepeda motor merk Yamaha. Penelitian ini bertujuan untuk membantu PD Panca Motor KM 14 yang memiliki permasalahan dalam mengolah data penjualan dan data bengkel melalui sebuah Sistem Informasi berbasis website. Penelitian ini menggunakan metode prototipe dalam pengembangan sistem, flowchart, DFD, ERD sebagai alat bantu perancangan sistem dan black box testing untuk pengujian sistem. Dengan Sistem Informasi Penjualan dan Bengkel dapat membantu PD Panca Motor KM 14 Palembang dalam mengelola data penjualan, laporan data penjualan, data stok barang, data sparepart, data service dan data laporan bengkel. Sistem Informasi dievaluasi menggunakan metode user acceptance testing, menghasilkan nilai persentase 81% artinya sistem informasi dapat diterima sepenuhnya dan digunakan oleh PD Panca Motor KM 14 Palembang.
当前的技术发展要求企业不断发展，以求生存。PD Panca Motor KM 14 Palembang 是雅马哈品牌摩托车经销商公司之一。PD Panca Motor KM 14 在通过基于网站的信息系统处理销售数据和车间数据方面存在问题，本研究旨在帮助 PD Panca Motor KM 14 解决这些问题。本研究使用原型法进行系统开发，使用流程图、DFD、ERD 作为系统设计工具，并使用黑盒测试进行系统测试。销售和车间信息系统可以帮助 PD Panca Motor KM 14 Palembang 管理销售数据、销售数据报告、库存数据、备件数据、服务数据和车间报告数据。使用用户验收测试方法对信息系统进行评估，得出的百分比值为 81%，这意味着 PD Panca Motor KM 14 Palembang 可以完全接受并使用该信息系统。
{"title":"Rancang Bangun Sistem Informasi Penjualan Motor dan Bengkel Menggunakan Metode Prototipe","authors":"Yesi Sriyeni, Irwansyah Irwansyah, M. A. Priatama","doi":"10.57152/malcom.v4i1.1159","DOIUrl":"https://doi.org/10.57152/malcom.v4i1.1159","url":null,"abstract":"Perkembangan teknologi saat ini mengharuskan sebuah usaha untuk bertumbuh agar dapat bertahan. PD Panca Motor KM 14 Palembang adalah salah satu perusahaan dealer kendaraan sepeda motor merk Yamaha. Penelitian ini bertujuan untuk membantu PD Panca Motor KM 14 yang memiliki permasalahan dalam mengolah data penjualan dan data bengkel melalui sebuah Sistem Informasi berbasis website. Penelitian ini menggunakan metode prototipe dalam pengembangan sistem, flowchart, DFD, ERD sebagai alat bantu perancangan sistem dan black box testing untuk pengujian sistem. Dengan Sistem Informasi Penjualan dan Bengkel dapat membantu PD Panca Motor KM 14 Palembang dalam mengelola data penjualan, laporan data penjualan, data stok barang, data sparepart, data service dan data laporan bengkel. Sistem Informasi dievaluasi menggunakan metode user acceptance testing, menghasilkan nilai persentase 81% artinya sistem informasi dapat diterima sepenuhnya dan digunakan oleh PD Panca Motor KM 14 Palembang.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"95 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140485541","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 : 2024-01-30DOI: 10.57152/malcom.v4i1.1083
Ahamd Nizar, Prihastuti Harsani, I. Anggraeni
Pekerjaan manusia saat ini mulai dapat tergantikan oleh robot yang di program khusus untuk melakukan berbagai pekerjaan. Di antara perkembangan bot yang ada saat ini, tercipta sebuah virtual assistant berbasis kecerdasan buatan. Saat ini masyarakat saat ini sedang memasuki era Society 5.0 dimana masyarakat harus mengintegrasikan teknologi ke dalam kehidupan dengan cara yang lebih cerdas, manusiawi dan perkelanjutan namun sayangnya banyak faktor yang membuat masyarakat tidak dapat memanfaatkan teknologi dalam kehidupan sehari-hari seperti faktor biaya, perangkat yang tidak mumpuni, dan aksesbilitas yang sulit sehingga membuat masyarakat indonesia masih sangat jauh dalam era Society 5.0 . Maka dari penelitian ini merancang sebuah sistem robot virtual assistant dengan teknologi Natural Language Processing berbasis Artificial Intelligence untuk membantu seseorang dalam kegiatan sehari-harinya. Sistem robot ini dibuat pada platform website sehingga tidak seperti Google Assistant yang membutuhkan memori penyimpanan pada perangkat yang cukup besar dan juga membutuhkan sistem operasi yang men-support google assistant tersebut. Sistem robot ini tidak membutuhkan penyimpanan memori pada perangkat dan juga support dengan semua sistem operasi sehingga device/gadget manapun dapat menggunakannya. Robot Virtual ini dibuat dengan menggunakan Algoritma Knuth Morris Pratt (KMP). Hasil robot virtual ini dapat menerima perintah untuk membuat alarm, cuaca, Youtube, serta pencarian di Google.
{"title":"Robot Virtual Menggunakan Metode Knuth Morris Pratt","authors":"Ahamd Nizar, Prihastuti Harsani, I. Anggraeni","doi":"10.57152/malcom.v4i1.1083","DOIUrl":"https://doi.org/10.57152/malcom.v4i1.1083","url":null,"abstract":"Pekerjaan manusia saat ini mulai dapat tergantikan oleh robot yang di program khusus untuk melakukan berbagai pekerjaan. Di antara perkembangan bot yang ada saat ini, tercipta sebuah virtual assistant berbasis kecerdasan buatan. Saat ini masyarakat saat ini sedang memasuki era Society 5.0 dimana masyarakat harus mengintegrasikan teknologi ke dalam kehidupan dengan cara yang lebih cerdas, manusiawi dan perkelanjutan namun sayangnya banyak faktor yang membuat masyarakat tidak dapat memanfaatkan teknologi dalam kehidupan sehari-hari seperti faktor biaya, perangkat yang tidak mumpuni, dan aksesbilitas yang sulit sehingga membuat masyarakat indonesia masih sangat jauh dalam era Society 5.0 . Maka dari penelitian ini merancang sebuah sistem robot virtual assistant dengan teknologi Natural Language Processing berbasis Artificial Intelligence untuk membantu seseorang dalam kegiatan sehari-harinya. Sistem robot ini dibuat pada platform website sehingga tidak seperti Google Assistant yang membutuhkan memori penyimpanan pada perangkat yang cukup besar dan juga membutuhkan sistem operasi yang men-support google assistant tersebut. Sistem robot ini tidak membutuhkan penyimpanan memori pada perangkat dan juga support dengan semua sistem operasi sehingga device/gadget manapun dapat menggunakannya. Robot Virtual ini dibuat dengan menggunakan Algoritma Knuth Morris Pratt (KMP). Hasil robot virtual ini dapat menerima perintah untuk membuat alarm, cuaca, Youtube, serta pencarian di Google.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"75 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140482130","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 : 2024-01-30DOI: 10.57152/malcom.v4i1.1215
Sitti Harlina Lina, Marsa Marsa, Andi Dita Dayana Opu
Sistem pakar dalam diagnosa berbagai jenis penyakit berdasarkan rekomendasi dan larangan makanan dengan metode certainty factor dan Forward Chaining dengan peningkatan penyakit kronis disebabkan karena berbagai faktor yang mempengaruhi kesehatan seseorang. Kesehatan seseorang dipengaruhi oleh apa yang dikonsumsi setiap jenis penyakit memiliki pantangan makanan. Sistem pakar diterapkan pada aplikasi berbasis web untuk memberikan persentase keyakinan terhadap suatu penyakit dianggap berhasil dibangun kedalam sistem Oleh karena itu, dibutuhkan suatu aplikasi yang dapat membantu penderita penyakit tertentu dalam menentukan jenis makanan yang boleh dan tidak boleh di konsumsi dengan berbasis Mobile Website. Penyakit yang dapat di diagnosis oleh sistem ada 5 (lima) yaitu Hipertensi, Diabetes Melitus, Asma, PPOK, dan Ginjal dengan menggunakan metode Certainty Factor dan Forward Chaining untuk menghitung nilai keyakinan user terhadap penyakit yang diderita. Penelitian ini menggunakan data 5 (lima) jenis penyakit, 26 gejala penyakit, 35 rekomendasi dan larangan makanan,serta 6 kasus pengujian. Dari 6 kasus pengujian tersebut di dapat hasil akurasi persentase keyakinan user terhadap suatu penyakit sebesar 83%.
{"title":"Implementasi Algoritma Certainty Factor dan Forward Chaining untuk Rekomendasi dan Larangan Makanan","authors":"Sitti Harlina Lina, Marsa Marsa, Andi Dita Dayana Opu","doi":"10.57152/malcom.v4i1.1215","DOIUrl":"https://doi.org/10.57152/malcom.v4i1.1215","url":null,"abstract":"Sistem pakar dalam diagnosa berbagai jenis penyakit berdasarkan rekomendasi dan larangan makanan dengan metode certainty factor dan Forward Chaining dengan peningkatan penyakit kronis disebabkan karena berbagai faktor yang mempengaruhi kesehatan seseorang. Kesehatan seseorang dipengaruhi oleh apa yang dikonsumsi setiap jenis penyakit memiliki pantangan makanan. Sistem pakar diterapkan pada aplikasi berbasis web untuk memberikan persentase keyakinan terhadap suatu penyakit dianggap berhasil dibangun kedalam sistem Oleh karena itu, dibutuhkan suatu aplikasi yang dapat membantu penderita penyakit tertentu dalam menentukan jenis makanan yang boleh dan tidak boleh di konsumsi dengan berbasis Mobile Website. Penyakit yang dapat di diagnosis oleh sistem ada 5 (lima) yaitu Hipertensi, Diabetes Melitus, Asma, PPOK, dan Ginjal dengan menggunakan metode Certainty Factor dan Forward Chaining untuk menghitung nilai keyakinan user terhadap penyakit yang diderita. Penelitian ini menggunakan data 5 (lima) jenis penyakit, 26 gejala penyakit, 35 rekomendasi dan larangan makanan,serta 6 kasus pengujian. Dari 6 kasus pengujian tersebut di dapat hasil akurasi persentase keyakinan user terhadap suatu penyakit sebesar 83%.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"229 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140485681","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 : 2024-01-30DOI: 10.57152/malcom.v4i1.1088
Siti Nurbayanah, J. W. Soedarsono, Badrul Munir, M. Mahendra
PT. ABC merupakan perusahaan perdagangan olahan minyak dan gas bumi di Indonesia, menekankan pentingnya tangki timbun atau storage tank dalam operasional penyaluran bahan bakar. Meskipun vital, storage tank sering menghadapi risiko korosi karena bahan konstruksi utama, seperti baja (Carbon Steel). Korosi ini dapat menyebabkan kegagalan peralatan, yang berpotensi merusak komponen sistem tangki dan bahkan melepaskan produk ke lingkungan. Dalam konteks Indonesia, regulasi pemerintah (Peraturan No. 32 Tahun 2021) menetapkan bahwa setiap tangki penyimpanan minyak atau gas alam di industri minyak dan gas harus menjalani pemeriksaan teknis dan keselamatan. Penelitian ini fokus pada pemeriksaan berbasis risiko dengan menggunakan API 581 Risk Based Inspection. Pendekatan ini merancang program inspeksi berdasarkan tingkat risiko terkait dengan peralatan. Dari hasil perhitungan dan analisis, disimpulkan bahwa storage tank memiliki tingkat risiko sedang (1D) dengan sisa umur terendah pada peralatan selama 15 tahun (180 bulan) dan corrosion rate maksimum sebesar 0,127 mm/tahun. Nilai-nilai ini masih berada dalam batas nilai risiko yang diperbolehkan, mengindikasikan kebutuhan untuk tindakan pencegahan dan pemeliharaan yang tepat guna memastikan keberlanjutan operasional yang aman dan efisien.
{"title":"Implementasi Metode Risk Based Inspection pada Storage Tank di PT. ABC dalam Penentuan Interval dan Metode Inspeksi","authors":"Siti Nurbayanah, J. W. Soedarsono, Badrul Munir, M. Mahendra","doi":"10.57152/malcom.v4i1.1088","DOIUrl":"https://doi.org/10.57152/malcom.v4i1.1088","url":null,"abstract":"PT. ABC merupakan perusahaan perdagangan olahan minyak dan gas bumi di Indonesia, menekankan pentingnya tangki timbun atau storage tank dalam operasional penyaluran bahan bakar. Meskipun vital, storage tank sering menghadapi risiko korosi karena bahan konstruksi utama, seperti baja (Carbon Steel). Korosi ini dapat menyebabkan kegagalan peralatan, yang berpotensi merusak komponen sistem tangki dan bahkan melepaskan produk ke lingkungan. Dalam konteks Indonesia, regulasi pemerintah (Peraturan No. 32 Tahun 2021) menetapkan bahwa setiap tangki penyimpanan minyak atau gas alam di industri minyak dan gas harus menjalani pemeriksaan teknis dan keselamatan. Penelitian ini fokus pada pemeriksaan berbasis risiko dengan menggunakan API 581 Risk Based Inspection. Pendekatan ini merancang program inspeksi berdasarkan tingkat risiko terkait dengan peralatan. Dari hasil perhitungan dan analisis, disimpulkan bahwa storage tank memiliki tingkat risiko sedang (1D) dengan sisa umur terendah pada peralatan selama 15 tahun (180 bulan) dan corrosion rate maksimum sebesar 0,127 mm/tahun. Nilai-nilai ini masih berada dalam batas nilai risiko yang diperbolehkan, mengindikasikan kebutuhan untuk tindakan pencegahan dan pemeliharaan yang tepat guna memastikan keberlanjutan operasional yang aman dan efisien.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"370 6","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140480014","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 : 2024-01-30DOI: 10.57152/malcom.v4i1.1163
Al-Yasir Al-Yasir, M. Afdal, Zarnelly Zarnelly, A. Marsal
PT. XYZ merupakan perusahaan yang bergerak di bidang distributor atap plastik dan Aluminium Composit Panel (ACP) yang mengadopsi model usaha B2B. Saat ini strategi yang digunakan oleh PT. XYZ masih belum berfokus pada segmentasi pelanggan dan masih memperlakukan setiap pelanggan dengan sama. Selain itu data penjualan yang terdapat ribuan lebih riwayat transaksi hanya digunakan sebagai arsip yang seharusnya dapat digunakan untuk pengembangan strategi perusahaan. Berdasarkan hal tersebut, penelitian ini melakukan segmentasi pelanggan pada PT. XYZ menggunakan model RFM dan algoritma FCM untuk menganalisis pelanggan bersasarkan karakteristik dan perilakunya. Data yang digunakan terdiri dari 9163 transaksi yang memuat 494 pelanggan. Untuk mendapatkan jumlah cluster yang optimal maka dilakukan pengujian pada jumlah cluster yaitu 2-10. Hasilnya menunjukkan 2 cluster sebagai jumlah yang terbaik dengan nilai DBI 0,4908. Cluster 1 yang terdiri dari 387 pelanggan dikategorikan sebagai loyal customer sedangkan cluster 2 yang terdiri dari 107 pelanggan dikategorikan sebagai lost customer. Sebagai pelanggan yang loyal, perusahaan perlu memberikan apresiasi untuk mempertahankan hubungan baik dengan pelanggan seperti memberikan diskon, ataupun penawaran khusus. Kemudian untuk segmen lost customer, perusahaan perlu mengambil langkah yang tepat untuk mencoba memulihkan hubungan dengan pelanggan dan menganalisis faktor dan penyebab pelanggan pada segmen ini beralih ke perusahaan lain.
{"title":"Analisis Loyalitas Pelanggan Business To Business Berdasarkan Model RFM Menggunakan Algoritma Fuzzy C-Means","authors":"Al-Yasir Al-Yasir, M. Afdal, Zarnelly Zarnelly, A. Marsal","doi":"10.57152/malcom.v4i1.1163","DOIUrl":"https://doi.org/10.57152/malcom.v4i1.1163","url":null,"abstract":"PT. XYZ merupakan perusahaan yang bergerak di bidang distributor atap plastik dan Aluminium Composit Panel (ACP) yang mengadopsi model usaha B2B. Saat ini strategi yang digunakan oleh PT. XYZ masih belum berfokus pada segmentasi pelanggan dan masih memperlakukan setiap pelanggan dengan sama. Selain itu data penjualan yang terdapat ribuan lebih riwayat transaksi hanya digunakan sebagai arsip yang seharusnya dapat digunakan untuk pengembangan strategi perusahaan. Berdasarkan hal tersebut, penelitian ini melakukan segmentasi pelanggan pada PT. XYZ menggunakan model RFM dan algoritma FCM untuk menganalisis pelanggan bersasarkan karakteristik dan perilakunya. Data yang digunakan terdiri dari 9163 transaksi yang memuat 494 pelanggan. Untuk mendapatkan jumlah cluster yang optimal maka dilakukan pengujian pada jumlah cluster yaitu 2-10. Hasilnya menunjukkan 2 cluster sebagai jumlah yang terbaik dengan nilai DBI 0,4908. Cluster 1 yang terdiri dari 387 pelanggan dikategorikan sebagai loyal customer sedangkan cluster 2 yang terdiri dari 107 pelanggan dikategorikan sebagai lost customer. Sebagai pelanggan yang loyal, perusahaan perlu memberikan apresiasi untuk mempertahankan hubungan baik dengan pelanggan seperti memberikan diskon, ataupun penawaran khusus. Kemudian untuk segmen lost customer, perusahaan perlu mengambil langkah yang tepat untuk mencoba memulihkan hubungan dengan pelanggan dan menganalisis faktor dan penyebab pelanggan pada segmen ini beralih ke perusahaan lain.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"180 17","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140484960","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}
Kualitas permukaan baja yang diproduksi sangat penting untuk meningkatkan daya saing dalam industri baja. Tingginya tingkat cacat pada permukaan baja merupakan masalah serius yang berdampak pada kualitas keluaran. Pengendalian yang masih dilakukan secara manual dan visual saat ini hanya dapat dilakukan oleh orang-orang dengan bakat dan keahlian tertentu. Pengamatan dengan metode konvensional ini memerlukan waktu yang lama, lamban, dan presisi yang rendah. Saat ini, perkembangan teknik pembelajaran mendalam memungkinkan deteksi cacat permukaan baja secara otomatis dengan tingkat akurasi yang tinggi. Arsitektur Xception digunakan dalam pekerjaan ini untuk menerapkan strategi pembelajaran mendalam. Teknik permutasi dan augmentasi digunakan untuk mengatasi ketidakseimbangan data. Model yang dikembangkan dapat membedakan empat jenis cacat pada permukaan baja. Koleksi 7.095 foto permukaan baja digunakan dalam prosedur pelatihan. Jika dibandingkan dengan tidak menggunakan transfer learning, hasil pengukuran kinerja proses pelatihan dengan menggunakan transfer learning (Imagenet) menunjukkan hasil yang lebih baik. Pelatihan pembelajaran transfer menghasilkan skor akurasi masing-masing sebesar 94,9% dan 97,7% untuk data pelatihan dan validasi. Sedangkan hasil penilaian nilai kerugian untuk data latih dan validasi masing-masing sebesar 19,4% dan 14,4%.
{"title":"Menggunakan Xception, Transfer Learning, dan Permutasi untuk Meningkatkan Klasifikasi Ketidaksempurnaan Permukaan Baja","authors":"Popong Setiawati, Adhitio Satyo Bayangkari Karno, Widi Hastomo, Iwan Setiawan","doi":"10.57152/malcom.v4i1.1258","DOIUrl":"https://doi.org/10.57152/malcom.v4i1.1258","url":null,"abstract":"Kualitas permukaan baja yang diproduksi sangat penting untuk meningkatkan daya saing dalam industri baja. Tingginya tingkat cacat pada permukaan baja merupakan masalah serius yang berdampak pada kualitas keluaran. Pengendalian yang masih dilakukan secara manual dan visual saat ini hanya dapat dilakukan oleh orang-orang dengan bakat dan keahlian tertentu. Pengamatan dengan metode konvensional ini memerlukan waktu yang lama, lamban, dan presisi yang rendah. Saat ini, perkembangan teknik pembelajaran mendalam memungkinkan deteksi cacat permukaan baja secara otomatis dengan tingkat akurasi yang tinggi. Arsitektur Xception digunakan dalam pekerjaan ini untuk menerapkan strategi pembelajaran mendalam. Teknik permutasi dan augmentasi digunakan untuk mengatasi ketidakseimbangan data. Model yang dikembangkan dapat membedakan empat jenis cacat pada permukaan baja. Koleksi 7.095 foto permukaan baja digunakan dalam prosedur pelatihan. Jika dibandingkan dengan tidak menggunakan transfer learning, hasil pengukuran kinerja proses pelatihan dengan menggunakan transfer learning (Imagenet) menunjukkan hasil yang lebih baik. Pelatihan pembelajaran transfer menghasilkan skor akurasi masing-masing sebesar 94,9% dan 97,7% untuk data pelatihan dan validasi. Sedangkan hasil penilaian nilai kerugian untuk data latih dan validasi masing-masing sebesar 19,4% dan 14,4%.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"676 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140482749","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 : 2024-01-30DOI: 10.57152/malcom.v4i1.1085
F. Putra, Hafsah Fulaila Tahiyat, Raja Muhammad Ihsan, Rahmaddeni Rahmaddeni, Lusiana Efrizoni
Penelitian ini fokus pada peningkatan akurasi penentuan keterangan berat badan manusia melalui penerapan Algoritma K-Nearest Neighbor (K-NN) dengan metode Wrapper sebagai preprocessing. Kesadaran akan berat badan menjadi esensial dalam menjaga kesehatan dan kesejahteraan. Meskipun manusia dapat mengetahui berat badannya, pendekatan yang sering digunakan cenderung bersifat subjektif dan kurang presisi. Penelitian mengidentifikasi permasalahan dalam penentuan keterangan berat badan dan mencari solusi melalui penggunaan model prediksi. Algoritma K-NN terpilih karena kemampuannya dalam menangani permasalahan klasifikasi dengan dataset yang kompleks. Metode Wrapper digunakan sebagai langkah preprocessing untuk memilih subset fitur yang paling signifikan. Dataset melibatkan parameter berat badan dan faktor-faktor lain yang berpengaruh. Model dikembangkan dan diuji menggunakan teknik cross-validation untuk memastikan konsistensi kinerja. Temuan penelitian menunjukkan bahwa penerapan Algoritma K-NN dengan Wrapper preprocessing dapat meningkatkan akurasi penentuan keterangan berat badan manusia. Penerapan metode K-Nearest Neighbor dan K-Nearest Neighbor dengan Wrapper sebagai tahap preprocessing dalam menentukan keterangan berat manusia mendapatkan hasil nilai akurasi yang sama yaitu sebesar 91%. Studi ini diharapkan dapat menjadi landasan untuk pengembangan metode evaluasi yang lebih baik dan informasi yang lebih akurat terkait berat badan manusia.
{"title":"Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia","authors":"F. Putra, Hafsah Fulaila Tahiyat, Raja Muhammad Ihsan, Rahmaddeni Rahmaddeni, Lusiana Efrizoni","doi":"10.57152/malcom.v4i1.1085","DOIUrl":"https://doi.org/10.57152/malcom.v4i1.1085","url":null,"abstract":"Penelitian ini fokus pada peningkatan akurasi penentuan keterangan berat badan manusia melalui penerapan Algoritma K-Nearest Neighbor (K-NN) dengan metode Wrapper sebagai preprocessing. Kesadaran akan berat badan menjadi esensial dalam menjaga kesehatan dan kesejahteraan. Meskipun manusia dapat mengetahui berat badannya, pendekatan yang sering digunakan cenderung bersifat subjektif dan kurang presisi. Penelitian mengidentifikasi permasalahan dalam penentuan keterangan berat badan dan mencari solusi melalui penggunaan model prediksi. Algoritma K-NN terpilih karena kemampuannya dalam menangani permasalahan klasifikasi dengan dataset yang kompleks. Metode Wrapper digunakan sebagai langkah preprocessing untuk memilih subset fitur yang paling signifikan. Dataset melibatkan parameter berat badan dan faktor-faktor lain yang berpengaruh. Model dikembangkan dan diuji menggunakan teknik cross-validation untuk memastikan konsistensi kinerja. Temuan penelitian menunjukkan bahwa penerapan Algoritma K-NN dengan Wrapper preprocessing dapat meningkatkan akurasi penentuan keterangan berat badan manusia. Penerapan metode K-Nearest Neighbor dan K-Nearest Neighbor dengan Wrapper sebagai tahap preprocessing dalam menentukan keterangan berat manusia mendapatkan hasil nilai akurasi yang sama yaitu sebesar 91%. Studi ini diharapkan dapat menjadi landasan untuk pengembangan metode evaluasi yang lebih baik dan informasi yang lebih akurat terkait berat badan manusia.","PeriodicalId":507205,"journal":{"name":"MALCOM: Indonesian Journal of Machine Learning and Computer Science","volume":"50 2","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140481471","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：