Article Per Year (5 Year)
p-Index From 2021 - 2026
2.42
P-Index
This Author published in this journals
All Journal DINAMIKA DOTCOM TEKNOLOGI INFORMASI SMATIKA Jurnal Ilmiah KOMPUTASI Jurnal Teknologi dan Sistem Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science (JOINTECS) PEDULI: Jurnal Imiah Pengabdian Pada Masyarakat Jurnal Aplikasi Dan Inovasi Ipteks SOLIDITAS Jurnal Teknika Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Prosiding SeNTIK STI&K
Tubagus Mohammad Akhriza
STMIK PPKIA Pradnya Paramita
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
STORYTELLING HASIL KLASTERISASI BI K-MEANS PADA DATA UMKM MENGGUNAKAN TRANSFORMERS Tubagus Mohammad Akhriza; Tubagus Arief Armanda; Tubagus M. Adrie Admira; Dr. H. Latifah
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Klasterisasi terhadap data hasil pendampingan unit usaha mikro, kecil dan menengah (UMKM) diselenggarakan dengan tujuan untuk mengetahui pola pengusaha mikro dalam branding produk mereka di platform digital. Artikel ini menjelaskan penggunaan metode klasterisasi Bisecting K-means (Bi K- means) dan membandingkan hasil klasterisasinya dengan hasil dari metode K-means tradisional. Metode Elbow terhadap nilai Silhouette dan Within cluster sum-of-square, serta visualisasi Silhouette klaster- klaster diterapkan untuk mendapatkan k klaster yang optimal untuk mengklaster UMKM. Selanjutnya, untuk meningkatkan interpretasi hasil klasterisasi, sebuah pendekatan transformers berbasis GPT-3.5 digunakan untuk membangkitkan narasi storytelling dari tiap klaster yang terbentuk, selain pemeringkatan klaster berdasarkan strategi branding yang dijalankan oleh UMKM
DESAIN WEB LOKAPASAR INTELIJEN DENGAN SISTEM REKOMENDASI UNTUK MENINGKATKAN VISIBILITAS PRODUK MBOISMART MALANG Akhriza, Tubagus Mohammad; Farida, Eni; Widodo, Anang Aris
JURNAL APLIKASI DAN INOVASI IPTEKS "SOLIDITAS" (J-SOLID) Vol. 7 No. 2 (2024): Jurnal Aplikasi Dan Inovasi Ipteks SOLIDITAS
Publisher : Badan Penerbitan Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Koperasi Pemasaran "Malang Kreatif Mbois" (MKKM) mengelola Mboismart sebagai toko fisik di gedung Malang Creative Center (MCC) Kota Malang, yang menghadapi tantangan dalam hal visibilitas produk yang terbatas pada pengunjung MCC. Untuk mengatasi keterbatasan ini, Tim Pengabdian kepada Masyarakat (PkM) dari STIMATA Malang dan Universitas Merdeka Pasuruan berkolaborasi mengembangkan lokapasar digital Mboismart.com. Artikel ini membahas kegiatan pengembangan prototipe web lokapasar ini sebagai solusi untuk memperluas jangkauan pasar dan meningkatkan eksposur produk UMKM yang menjadi mitra supplier Mboismart. Pengembangan lokapasar mencakup pembentukan dataset master produk dan supplier untuk kategori fashion, kriya, dan kuliner, yang sebelumnya belum terstruktur, serta pengintegrasian sistem rekomendasi berbasis association rule learning. Sistem rekomendasi ini menyarankan kombinasi produk populer dan non- populer untuk meningkatkan visibilitas produk yang kurang diminati. Selain itu, Focus Group Discussion (FGD) yang dilakukan mengidentifikasi persiapan penting terkait operasional lokapasar, seperti penanganan lonjakan order dan strategi promosi digital. Hasil awal menunjukkan potensi lokapasar ini dalam memperkuat pemasaran digital Mboismart, dengan dukungan administrasi konten yang efektif dan strategi promosi berkelanjutan. Artikel ini juga membahas tantangan yang dihadapi dan rencana keberlanjutan untuk mendukung peningkatan visibilitas produk UMKM di bawah naungan MKKM.
Klasifikasi Penerima Bantuan Sosial Program Kesejahteraan Sosial (PKH) Kecamatan Gondanglegi Menggunakan Metode Naïve Bayes Muhammad Rifat; Tubagus Mohammad Akhriza
Jurnal Ilmiah Komputasi Vol. 24 No. 2 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 2, Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.2.3785

Abstract

Penelitian ini bertujuan untuk meningkatkan ketepatan dalam mengklasifikasikan penerima bantuan sosial Program Keluarga Harapan (PKH) di Kecamatan Gondanglegi. Kesalahan dalam penyaluran bantuan menjadi masalah utama yang mengurangi keberhasilan program ini dalam mengurangi kemiskinan dan meningkatkan taraf hidup masyarakat. Metode Naïve Bayes digunakan untuk mengklasifikasikan berdasarkan data sosial ekonomi, yang mencakup informasi tentang kesehatan, pendidikan, kesejahteraan sosial, dan kemiskinan. Proses penelitian meliputi persiapan data, termasuk pemilihan kolom, pembagian data (dalam rasio 80:20, 70:30, 60:40), serta pengkodean variabel kategori menggunakan metode One-Hot Encoding. Model Gaussian Naïve Bayes diterapkan dan dievaluasi menggunakan Confusion Matrix untuk menghitung akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model dengan rasio data uji 80:20 mencapai akurasi tertinggi sebesar 96,5%. Penelitian ini berkontribusi pada pengembangan sistem klasifikasi yang membantu pemerintah daerah menargetkan penerima PKH secara lebih tepat. Rekomendasi penelitian selanjutnya mencakup pengujian di wilayah lain dan pengembangan sistem pembelajaran mesin untuk kebijakan sosial.
REKOMENDASI SOLUSI ATAS KASUS PERCERAIAN DI KABUPATEN LAMONGAN BERBASIS K-MEANS CLUSTERING Mahanani, Malinda; Utsalina, Dwi Safiroh; Akhriza, Tubagus Mohammad
Prosiding Seminar SeNTIK Vol. 8 No. 1 (2024): Prosiding SeNTIK 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis pola perceraian di Kabupaten Lamongan menggunakan metode K-Means Clustering. Data yang digunakan berasal dari 2022, mencakup atribut jenis perceraian (gugat/talak), usia penggugat dan tergugat, faktor penyebab perceraian, serta tempat pernikahan (KUA). Melalui metode Elbow dan Silhouette Coefficient, ditentukan jumlah klaster optimal sebanyak empat klaster. Hasil klasterisasi menunjukkan bahwa faktor utama perceraian di beberapa kecamatan adalah perselisihan dan pertengkaran terus-menerus, dengan kontribusi terbesar di Kecamatan Babat sebesar 5,29%. Selain itu, klaster lainnya menunjukkan bahwa masalah ekonomi merupakan penyebab dominan di kecamatan seperti Brondong dan Sukodadi. Berdasarkan hasil ini, rekomendasi diajukan kepada Pengadilan Agama dan KUA untuk melakukan intervensi, termasuk program konseling perkawinan dan mediasi ekonomi di kecamatan-kecamatan dengan tingkat perceraian tinggi.
Evaluasi Performa Large Language Model Sebagai Agen Kecerdasan Artifisial Untuk Rekomendasi Berita Generatif Akhriza, MohamTubagus Mohammad ad; Armanda, Tubagus Arief; Admira, Tb. M. Adrie
Prosiding Seminar SeNTIK Vol. 9 No. 1 (2025): Prosiding SeNTIK 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini mengevaluasi performa beberapa model bahasa besar (LLM) sebagai agen rekomendasi berita. Hasilnya menunjukkan GPT-OSS dan Gemma unggul dalam relevansi dan koherensi dibanding model lainnya.
Penerapan K-Means Clustering Guna Identifikasi Penduduk Miskin Ekstrem Yang Belum Terakses Program Perlindungan Sosial Ikhsan, Muhammad; Utsalina, Dwi Safiroh; Akhriza, Muhammad
Prosiding Seminar SeNTIK Vol. 9 No. 1 (2025): Prosiding SeNTIK 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini menerapkan metode K-Means untuk mengelompokkan penduduk miskin ekstrem berdasarkan data sosial. Lima klaster prioritas berhasil dibentuk untuk mendukung kebijakan penyaluran bantuan.
Prompting Adaptif pada LLM untuk Agen AI Rekomendasi Berita Generatif Bahasa Indonesia Tubagus Mohammad Akhriza; Ega Rudy Graha
Prosiding SISFOTEK Vol 9 No 1 (2025): SISFOTEK IX 2025
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

In the era of disruptive technology, increasing reader engagement rates has become a key factor for online media industries in Indonesia, as it directly impacts advertising revenue. To address this challenge, generative AI has emerged as a critical technology that can deliver more personalized, relevant, and adaptive reading experiences. This study introduces a prototype news recommendation system based on an AI Agent designed to provide adaptive and sustainable reading experiences. The system integrates several components, including short-term and long-term memory, association, similarity, and a generative mechanism powered by Large Language Models (LLMs) at the core of the agent. The system was evaluated using two prompting approaches: static prompting, which keeps the recommendation prompt fixed, and adaptive prompting, in which generative recommendations clicked by users dynamically update the prompt fed to the LLM. The evaluation was conducted across six questionnaire-based metrics from 49 respondents: diversity, novelty, serendipity, curiosity, filter bubble, and context coherence. Six open-weight LLMs from the Ollama platform were tested and categorized as large LLMs (>100B parameters) and small LLMs (<20B parameters). The experimental results indicate that adaptive prompting consistently improves contextual coherence and reader curiosity. Large LLMs achieved the highest scores across nearly all metrics, particularly serendipity and curiosity, demonstrating their potential to deliver adaptive and sustainable reading experiences that increase reader engagement. These results provide important contributions to the development of agentic AI in news recommendation systems, paving the way for more adaptive, contextual, and personalized reader interactions.
Kategorisasi dan Visualisasi Semantik-Topik Berbasis LLM pada Refleksi Guru Koding Kecerdasan Artifisial Tubagus Mohammad Akhriza; bagus; Meivi Kartikasari; Syntia Widyayuningtias Putri Listio
Prosiding SISFOTEK Vol 9 No 1 (2025): SISFOTEK IX 2025
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The training program for Senior and Vocational High School teachers of the Coding and Artificial Intelligence (KKA) subject serves as a strategic effort to strengthen human resource capacity in response to digital transformation. Teachers are expected to understand the KKA learning outcomes and be able to design and implement technology-based learning in their respective schools. This study employs a Large Language Model (LLM)-based categorization technique to analyse the reflective content of SMA/SMK teachers in Malang City after attending the KKA training, aiming to identify their learning achievement levels and how they interpret their learning experiences. The dataset, consisting of presentation files in PDF and PPTX formats, was text-extracted, processed by the LLM, categorized into ten main themes in JSON format, and visualized as a mind map using Mermaid scripts. The findings demonstrate that the LLM effectively performs consistent semantic categorization on unstructured reflective data and produces visual representations that facilitate the interpretation of learning achievements. Content analysis of teacher reflections reveals strong motivation to enhance digital and pedagogical competencies, successful implementation of project-based learning, and emerging challenges related to student scepticism toward AI adoption in art and design education. Furthermore, the comparison between a general-purpose LLM (GPT-OSS) and coder-type LLMs (such as GLM-4.6:Coder and Qwen3-Coder) indicates comparable accuracy in generating JSON structures and Mermaid scripts. However, the non-coder LLM exhibits greater stability in maintaining contextual coherence and processing speed. These findings highlight the potential of LLMs in analysing reflective educational data and underscore the need for pedagogical adaptation and continued digital competence development among teachers toward AI-driven educational independence.
Co-Authors Adistia, Laras Dewi Admira, Tb. M. Adrie Agustina, Rini Ahmad Syarif Rosidy Ahmad Syarif Rosidy Ali Syaifulloh Anang Aris Widodo Anastasia Lidya Maukar Arie Restu Wardhani Armanda, Tubagus Arief Bagus Dinny Wahyu Widarti Dodit Suprianto Dr. H. Latifah Dwi Safiroh Utsalina Ega Rudy Graha Eka Yuniar Eni Farida Evy Sophia Febri Romadon Fitri Marisa Gafri Putra Aliffansah Indah Dwi Mumpuni Mahanani, Malinda Mardiana Andarwati Meivi Kartikasari Mochammad Husni Mohamad Sofiudin Muhammad Ikhsan Muhammad Rifat Navi Atri Lestari Rosyid Muarif Roy Nasrul Akbar Samsul Arifin Samsul Arifin Singgih Jatmiko Syahroni Wahyu Iriananda, Syahroni Wahyu Syntia Widyayuningtias Putri Listio Tubagus Arief Armanda Tubagus M. Adrie Admira Weda Adistianaya Dewa