Andy Maulana Yusuf, S.Kom., M.Kom.

Andy Maulana Yusuf, S.Kom., M.Kom. adalah dosen di Fakultas Informatika Universitas Telkom, Bandung. Bidang minat risetnya mencakup Socio Informatics, Recommender System, dan Generative AI. Fokus penelitiannya saat ini ada pada sistem rekomendasi yang sadar intensi pengguna (intent-aware), rekomendasi bundel, serta pemanfaatan Large Language Model (LLM) untuk rekomendasi yang dapat dijelaskan.

Ia menyelesaikan pendidikan magister di S2 Informatika Universitas Telkom dengan tesis tentang penanganan positional bias menggunakan metode ARES Item Repositioning (2023), serta saat ini sedang proses dalam penyelesaian Doktoral di S3 Informatika Universitas Telkom. Publikasinya tersebar di jurnal terindeks Scopus dan konferensi IEEE, dengan kolaborasi bersama peneliti Kelompok Keahlian Data Science and Intelligent Systems.

NIP

Kode Dosen

Email

Kelompok Keahlian

: 25980006

: ANM

: [email protected]

: Data Science and Intelligent Systems (DSIS)

Riset Area

  • Socio Informatics
  • Recommender System
  • Generative AI

Publikasi

No Judul Penulis Sumber / Tahun
1 Enhancing Sequential Recommendation with Multi-Intent Detection and Preference Scoring from Implicit Transactions A.M. Yusuf, Adiwijaya, A.T. Wibowo, Z.K.A. Baizal Ingénierie des Systèmes d’Information, 30(12), 2025 (Scopus Q3; penulis pertama)
2 IMPACT-P: New Approach for Bundle Recommendation Using Implicit Constraints and Sentiment-Based Reranking. A.M. Yusuf, A. Adiwijaya, A.T. Wibowo, Z.K.A. Baizal Journal of Information Processing Systems 22 (4), 333 (Scopus Q3; penulis pertama)
3 Semantic-Retrieval-Reasoning Pipeline: A Hybrid Large Language Model Framework for Intent-Aware and Explainable Bundle Recommendation A.M. Yusuf, A. Adiwijaya, A.T. Wibowo, Z.K.A. Baizal 2026 (penulis pertama)
4 Integrating LLM Intent-Aware Approach for Enhancing the Quality of Bundle Recommendations A.M. Yusuf, M. Musrinah Computer Science (CO-SCIENCE), 6(2), 144-153, 2026
5 Optimization of CTR Prediction in Recommendation with Rating-Time Decay A.M. Yusuf, A.T. Wibowo, K.R. Saleh 2023 IEEE International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology (IAICT)

Penelitian

No Topik Penelitian Keterangan
1 Pemodelan multi-intent pada rekomendasi sekuensial dan keranjang belanja (basket) berbasis data transaksi implisit Mendeteksi beragam intensi pengguna agar rekomendasi tidak monoton.
2 Rekomendasi bundel berbasis LLM yang sadar intensi dan dapat dijelaskan Kerangka hibrida semantic retrieval dan reasoning untuk bundle recommendation.
3 Penanganan positional bias dengan metode ARES Item Repositioning (tesis S2, 2023) Mengurangi bias posisi item pada daftar rekomendasi.
4 Optimasi prediksi CTR dengan pembobotan rating dan peluruhan waktu (rating-time decay) Meningkatkan akurasi prediksi klik pada sistem rekomendasi.
5 Rekomendasi long-tail dengan roulette wheel selection, hybrid rating dan temporal decay weighting Mengangkat item jarang (long-tail) pada JITK 12(1), 2026.

Pengabdian Kepada Masyarakat

  • Implementasi Google Spreadsheet dan Apps Script dalam Sistem Penjadwalan Sidang Tugas Akhir pada Jurusan Energi di Politeknik XYZ

Prestasi dan Keterlibatan

  • Organizing Committee, 2019 s/d 2023 IEEE International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology (IAICT), Telkom University.
  • Penulis pertama pada artikel jurnal-jurnal internasional bereputasi Scopus Q3 dari tahun 2025.
  • Rekam sitasi: H-index 2 (Scopus dan Google Scholar), 14 sitasi Google Scholar.
  • Kolaborasi riset lintas tim di Fakultas Informatika, antara lain bidang klasifikasi citra medis (Alzheimer, MRI) dan bias AI pada dermatologi (2026). Selain itu juga, melakukan kolaborasi dengan beberapa peneliti dari Universitas Bina Sarana Informatika (UBSI), Institut Teknologi Budi Utomo (ITBU), dan Politeknik Negeri Bandung dalam bidang Elektronika dan Informatika.
  • Publikasi di konferensi IEEE (IAICT) dan konferensi internasional ICSECS-ICOCSIM.
  • Riset – risetnya juga mendapatkan hibah, khususnya untuk penelitian yang basisnya kerja sama, selain itu juga berperan aktif dalam pengabdian Masyarakat terutama terkait dengan kebermanfaatan LLM, dan Recommender System yang bekerja sama dengan mitra Pemerintah Kabupaten dan Kota. Kemudian semua karya aplikasi, data, dan analisa yang dihasilkannya telah dibuatkan dalam bentuk Hak Kakayaan Intelektual (HKI).