Article Per Year (5 Year)
p-Index From 2021 - 2026
2.663
P-Index
This Author published in this journals
All Journal ABDIMAS SILIWANGI JELTII (Journal of English Language Teaching and Islamic Integration) ILKOMNIKA: Journal of Computer Science and Applied Informatics JISO : Journal of Industrial and Systems Optimization Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Sains dan Teknologi Jurnal Pemberdayaan: Publikasi Hasil Pengabdian kepada Masyarakat (JPM ITTC ) Sewagati Nusantara Community Empowerment Review Journal of Science and Social Development Submit : Jurnal Ilmiah Teknologi Informasi dan Sains Nusantara Computer and Design Review
Achmad Mufliq
Departemen Sistem Informasi, Institut Teknologi Sepuluh Nopember, Kampus ITS, Keputih, Sukolilo, Surabaya 60111
Religion Aerospace Engineering Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Penerapan Ant Colony Optimization Dengan Sentiment-Based Weighting Untuk Rekomendasi Rute Wisata Di Kota Makassar Nugroho, Rizky Aditya; Mufliq, Achmad
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1197

Abstract

Abstract An effective and relevant tourist route recommendation system is essential to support tourists in making informed decisions when planning efficient and enjoyable trips. This study aims to develop a tourist route recommendation model for Makassar City by implementing a modified Ant Colony Optimization (ACO) algorithm that incorporates user star ratings as weighting factors. The research adopts a computational experimental quantitative approach, consisting of six main stages: identifying tourist destinations, collecting star rating data and estimated travel times between locations, calculating rating-based weights, implementing the ACO algorithm, and evaluating the resulting routes. The data used include star ratings of tourist destinations obtained from digital platforms and estimated travel times retrieved through online mapping services. The results indicate that the ACO model combined with rating-based weighting successfully generates routes that are more preferred by users, as they balance travel efficiency with the quality of destinations. Compared to conventional models that consider only travel time, this hybrid model delivers higher recommendation value in terms of user satisfaction. The proposed model can be applied in the development of intelligent tour guide applications to enhance tourists’ travel experiences. Furthermore, this study opens opportunities for future development by incorporating additional supporting variables to make the system more adaptive and context-aware. Keywords: recommendation system, ant colony optimization, star rating, tourist route, Makassar City Abstrak Sistem rekomendasi rute wisata yang efektif dan relevan sangat dibutuhkan untuk mendukung pengambilan keputusan wisatawan dalam merencanakan perjalanan yang efisien sekaligus menyenangkan. Penelitian ini bertujuan untuk mengembangkan model rekomendasi rute wisata di Kota Makassar dengan mengimplementasikan algoritma Ant Colony Optimization (ACO) yang dimodifikasi dengan bobot berdasarkan rating bintang pengguna. Penelitian menggunakan pendekatan kuantitatif eksperimental berbasis komputasi dengan enam tahapan utama, mulai dari identifikasi destinasi wisata, pengumpulan data rating dan waktu tempuh antar lokasi, perhitungan bobot berbasis rating, implementasi ACO, hingga evaluasi hasil rute yang dihasilkan. Data yang digunakan meliputi rating bintang destinasi wisata dari platform digital serta estimasi waktu tempuh antar lokasi menggunakan layanan pemetaan daring. Hasil penelitian menunjukkan bahwa model ACO yang dikombinasikan dengan bobot rating mampu menghasilkan rute yang lebih disukai oleh pengguna karena menggabungkan efisiensi waktu dan kualitas destinasi. Dibandingkan dengan model konvensional yang hanya mempertimbangkan waktu tempuh, model hybrid ini memberikan nilai rekomendasi yang lebih tinggi dalam konteks kepuasan pengguna. Model yang dihasilkan dapat diimplementasikan dalam pengembangan aplikasi pemandu wisata berbasis sistem cerdas, khususnya untuk meningkatkan pengalaman perjalanan wisatawan. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dengan menambahkan variabel-variabel pendukung lainnya agar sistem semakin adaptif dan kontekstual. Kata kunci: sistem rekomendasi, ant colony optimization, rating bintang, rute wisata, Kota Makassar
Penerapan Web-Based Map Services dalam Sistem Informasi UMKM Desa Segoro Tambak Untuk Mendukung Ekonomi Lokal Mufliq, Achmad; Taqwanur, Taqwanur; Qurratu’aini, Nafia Ilhama; Zawawi, Muhammad Fahmi Basyarahil; Cahyono, Andy Kasum Dwy; Yulianti, Fransisca Eri
ILKOMNIKA Vol 7 No 3 (2025): Volume 7, Number 3, December 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i3.804

Abstract

Perkembangan teknologi informasi memberikan peluang besar bagi pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) dalam meningkatkan promosi dan daya saing usaha di era digital. Namun, di Desa Segoro Tambak, pengelolaan data dan informasi UMKM masih dilakukan secara manual dan tersebar, sehingga belum tersedia sistem terintegrasi yang mampu menampilkan informasi dan lokasi UMKM secara terpusat. Kondisi ini menyebabkan kegiatan promosi UMKM belum berjalan optimal dan sulit diakses oleh masyarakat luas. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi UMKM berbasis web dengan integrasi peta digital menggunakan Leaflet dari OpenStreetMap guna mendukung promosi dan pertumbuhan ekonomi lokal. Penelitian ini menggunakan metode penelitian terapan (applied research) dengan tahapan perancangan sistem, implementasi menggunakan framework Laravel, pengujian fungsional sistem, serta evaluasi kepuasan pengguna. Data penelitian diperoleh melalui observasi, wawancara, dan survei kepada dua kelompok pengguna, yaitu pemilik UMKM dan pengunjung umum, dengan delapan indikator penilaian menggunakan skala Likert. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan berjalan sesuai dengan kebutuhan pengguna dan mampu meningkatkan efektivitas penyampaian informasi UMKM dibandingkan dengan kondisi manual sebelumnya. Tingkat kepuasan pengguna mencapai rata-rata lebih dari 80%, khususnya pada aspek kemudahan penggunaan, tampilan antarmuka, dan manfaat sistem terhadap promosi usaha. Hasil ini membuktikan bahwa penerapan layanan peta berbasis web efektif dalam mendukung digitalisasi UMKM di tingkat desa serta berkontribusi positif terhadap penguatan ekonomi lokal berbasis teknologi informasi.
Analisis Time Series Serangan Siber Global Menggunakan Metode ARIMA Editya, Arda Surya; Mu’min, Syahri; Andhyka, Awang; Nugroho, Rizky Aditya; Mufliq, Achmad
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v5i2.4527

Abstract

Insiden keamanan siber terus mengalami peningkatan baik dari sisi frekuensi maupun dampak yang ditimbulkan, sehingga analisis berbasis waktu menjadi penting untuk memahami pola serangan jangka panjang. Penelitian ini bertujuan untuk menganalisis tren serangan siber global menggunakan pendekatan time series analysis dengan metode Autoregressive Integrated Moving Average (ARIMA). Dataset yang digunakan berasal dari data ancaman keamanan siber global periode 2015–2024 yang telah diagregasi menjadi data runtun waktu tahunan berdasarkan jumlah insiden serangan. Metodologi penelitian meliputi proses agregasi data, pengujian kestasioneran melalui differencing, penentuan parameter ARIMA berdasarkan analisis autocorrelation function (ACF) dan partial autocorrelation function (PACF), serta evaluasi model menggunakan Akaike Information Criterion (AIC). Hasil penelitian menunjukkan bahwa model ARIMA mampu merepresentasikan pola temporal dan tren peningkatan serangan siber global secara efektif. Penelitian ini memberikan kontribusi dalam pemanfaatan analisis time series berbasis ARIMA untuk memahami dinamika historis serangan siber sebagai dasar analisis keamanan siber berbasis data.
Lifestyle-Based Obesity Risk Clustering Using Ward Hierarchical Clustering Aunilla, Moch. Fikri; Mufliq, Achmad; Nugroho, Rizky Aditya
ILKOMNIKA Vol 8 No 1 (2026): Volume 8, Number 1, April 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v8i1.860

Abstract

Obesity is a growing public health problem influenced by multiple interacting lifestyle behaviors that cannot always be adequately captured by single-factor or label-driven analysis. Therefore, this study applies an unsupervised clustering approach to identify natural behavioral segments associated with obesity risk. The data were obtained from the Poltekkes Kemenkes Semarang Obesity Risk Dataset, consisting of 20,758 records and 16 mixed attrib`utes (numerical and categorical) with the NObeyesdad label. Pre-processing included standardizing numerical features and one-hot encoding categorical features, followed by dimensionality reduction using PCA to 13 components retaining approximately 95.48% of the variance. Ward clustering was applied in the PCA space, and the number of clusters was tested for k=2–10 using the Silhouette coefficient, Davies–Bouldin Index (DBI), and Calinski–Harabasz (CH) index. Although the average Silhouette coefficient was modest (≈0.2029), the k=5 solution was retained because it offered the best balance between internal validation results and the practical interpretability of cluster-based risk profiles. BMI-based interpretation using WHO Asia criteria identified Cluster 0 as very high risk (mean BMI 33.04; 73.7% obese), Cluster 2 as high risk characterized by predominant smoking (65.3% obese), Cluster 4 as moderate-to-high risk (34.0% overweight; 30.3% obese), Cluster 1 as a mixed group, and Cluster 3 as relatively low risk (mean BMI 22.21; 8.9% obese). Agreement between clusters and the label was low (NMI 0.126; ARI 0.073), indicating that the clusters represent similarity in behavioral patterns rather than the label classes.
Penguatan Literasi Etika Pemanfaatan Artificial Intelligence sebagai Asisten Riset Tanpa Plagiarisme bagi Mahasiswa Nur Asitah; Hadi Ismanto; Fatkul Anam; Ahmad Khoir Alhaq; Achmad Mufliq; Rizky Aditya Nugroho; Achmad Wahyudi
Journal of Science and Social Development Vol. 9 No. 1 (2026): Journal of Science and Social Development
Publisher : Universitas Nahdlatul Ulama Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55732/jssd.v9i1.2306

Abstract

The development of Artificial Intelligence (AI) in higher education opens up opportunities for students to support learning, academic writing, and research. However, the use of generative AI also raises ethical issues, particularly plagiarism, information validity, technological dependency, and academic responsibility. This community service activity aims to strengthen students' ethical literacy in using AI as a research assistant without violating scientific integrity. The activity method uses an educational-participatory approach through academic seminars, interactive discussions, and reflections on AI use practices. The activity was attended by 80 students from various study programs at Nahdlatul Ulama University, Sidoarjo. The material covered the development of AI in Society 5.0, the use of GenAI in higher education, the role of AI as a research assistant, and the ethical boundaries of academic writing. The activity results showed an increase in participants' understanding of the use of AI for brainstorming, topic mapping, outlining, language improvement, and literature summarization while still emphasizing verification, citation, transparency, and academic integrity. This activity encourages the critical, responsible, and plagiarism-free use of AI on campus.
Penerapan Algoritma K-Means Clustering untuk Pengelompokan Karakteristik Limbah Makanan Rediutami, Imaulidia; Mufliq, Achmad; Mu'min, Syahri
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1743

Abstract

Limbah makanan merupakan salah satu permasalahan lingkungan yang dapat memberikan dampak signifikan terhadap aspek lingkungan, ekonomi, serta sosial. Banyaknya timbunan limbah makanan disebabkan oleh pola produksi dan konsumsi yang tidak efisien, serta rendahnya pemahaman publik dan pemerintah terhadap karakteristik limbah makanan yang bersifat kompleks dan direpresentasikan oleh berbagai sektor seperti rumah tangga, ritel, dan bisnis makanan dan minuman cepat saji. Untuk menganalisis data limbah makanan yang kompleks tersebut, diperlukan metode analitis yang mampu menyederhanakan data kompleks menjadi informasi yang mudah dipahami. Penelitian ini bertujuan mengoptimalkan pemanfaatan algoritma K-Means Clustering dalam pengelompokan data limbah makanan berdasarkan kesamaan karakteristiknya. Data yang digunakan untuk penelitian ini mencakup beberapa indikator limbah makanan, seperti limbah makanan per kapita, per ton, dan limbah makanan dari berbagai sektor. Sebelum dilakukan klasterisasi, data akan melalui tahap pra-pemrosesan yang meliputi pengecekan kelengkapan data serta standarisasi data menggunakan RobustScaler untuk menyamakan skala semua atributnya. Kemudian, menentukan jumlah klaster menggunakan evaluasi model Elbow Method dan Silhouette Score. Setelah itu, dilakukan proses klasterisasi akhir yaitu pengelompokan atribut dengan jumlah klaster yang sudah ditentukan berdasarkan hasil kedua evaluasi model tersebut. Hasil klasterisasi diharapkan mampu digunakan sebagai dasar perancangan program edukasi yang tepat sasaran dan sebagai dasar perumusan kebijakan pengelolaan sampah yang akurat dan efisien.
Klasterisasi Potensi Budidaya Bawang Putih Berdasarkan Faktor Iklim Menggunakan PCA dan K-Means Nur Azizah, Afida; Mufliq, Achmad; Andhyka, Awang
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1745

Abstract

Ketergantungan Indonesia terhadap impor bawang putih yang melebihi 90% kebutuhan nasional menjadi ancaman serius bagi ketahanan pangan. Salah satu penyebab utamanya adalah ketidaksesuaian antara lokasi budidaya dengan karakteristik iklim yang diperlukan untuk pertumbuhan dan pembentukan umbi bawang putih secara optimal. Penelitian ini bertujuan memetakan kesesuaian iklim bagi budidaya bawang putih di 38 provinsi di Indonesia menggunakan data iklim tahun 2024 yang mencakup suhu rata-rata, curah hujan, jumlah hari hujan, dan lama penyinaran matahari. Metode penelitian menggabungkan Principal Component Analysis (PCA) untuk mereduksi variabel iklim yang berkorelasi, dilanjutkan dengan K-Means Clustering untuk mengelompokkan provinsi berdasarkan kemiripan kondisi iklim. Evaluasi menggunakan Davies-Bouldin Index sebesar 0,7632 menunjukkan bahwa empat klaster merupakan pengelompokan yang paling optimal. Klaster 3 yang terdiri atas Jawa Barat, Sulawesi Selatan, dan Papua Pegunungan menunjukkan tingkat kesesuaian iklim tertinggi dengan suhu rata-rata 21,73°C. Visualisasi biplot PCA menggambarkan kontribusi masing-masing variabel iklim dalam pembentukan klaster. Temuan ini dapat menjadi dasar ilmiah bagi perumusan kebijakan pengembangan sentra produksi bawang putih dalam negeri yang lebih terarah.
Co-Authors Abdillah, Ikhwan Achmad Wahyudi Agus Wibowo Ahmad Khoir Alhaq Ahmad Wahyudi Alhaq, Ahmad Khoir Almishbah, Zamzami Alviansyah, Muhammad Vargas Nur Alvisi Aura Chandra Angga Lisdiyanto Arda Surya Editya Aunilla, Moch. Fikri Awang Andhyka Cahyono, Andy Kasum Dwy Erma Suryani Eskaluspita, Pratama Faiq Najib Al-Aziz Fatkul Anam Fauziana, Oktaviana Risma Fitrani, Laqma Dica Ganal Arief Rahmawan Hadi Ismanto Hanifan Muhayat Lutfiyah, Nanik Markhaban Siswanto Miftahul Djanah Mu'min, Syahri Mubarrok, Much. Nasrulloh Al Mu’min, Syahri Nafia Ilhama Qurratu’aini Nur Asitah Nur Azizah, Afida Pratama Wirya Atmaja Putri, Ananda Zalwa Saskia Qurratu'aini, Nafia Qurratu’aini, Nafia Ilhama Rachmawati, Dwi Ayu Rafi, Haris Rediutami, Imaulidia Rizky Aditya Nugroho Rizky Aditya Nugroho Rohman, Achmad Alfi Rully Agus Hendrawan Ryan Purnomo Saputro, Arief Serra Charisma Viontita Syahri Mu’min Taqwanur Taqwanur, Taqwanur Tri Septianto Winarti ., Winarti Yulianti, Fransisca Eri Zawawi, Muhammad Fahmi Basyarahil