Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Data Sciences Indonesia (DSI) Jurnal Manajemen Sistem Informasi Proceedings of The International Conference on Computer Science, Engineering, Social Sciences, and Multidisciplinary Studies
Pratama, Haris
Unknown Affiliation
Religion Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Physics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Pola Asosiasi Interaksi Pengguna pada Sistem Informasi Akademik Berbasis Web Menggunakan Algoritma Apriori Rizka; Pratama, Haris; Nabawy, Putri; Cahyadi, Bhagaskara; Furqan, Mhd.
Data Sciences Indonesia (DSI) Vol. 5 No. 1 (2025): Article Research Volume 5 Issue 1, June 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i1.5943

Abstract

Penelitian ini bertujuan untuk menganalisis pola frekuensi data pokok pengguna pada sistem informasi berbasis web menggunakan algoritma Apriori. Analisis ini penting untuk mengidentifikasi asosiasi antar item data yang sering muncul secara bersamaan, guna meningkatkan kualitas layanan sistem dan efisiensi pengambilan keputusan berbasis data. Metode yang digunakan dalam penelitian ini adalah pendekatan data mining dengan algoritma Apriori, yang mampu menemukan pola hubungan antar data dalam bentuk aturan asosiasi. Data yang digunakan berupa transaksi pengguna pada sistem informasi yang disimulasikan melalui dataset dummy, kemudian dianalisis menggunakan Google Colab dengan bahasa pemrograman Python. Hasil penelitian menunjukkan adanya pola hubungan antar fitur yang signifikan, seperti kombinasi halaman yang sering diakses bersama oleh pengguna. Kesimpulan dari penelitian ini adalah bahwa algoritma Apriori efektif dalam mengekstraksi pengetahuan tersembunyi dari data pengguna sistem informasi berbasis web, yang dapat digunakan untuk peningkatan pengalaman pengguna dan pengembangan fitur.
Antara Cheat dan AI: Studi Interaksi Manusia-Komputer terhadap Bot dalam Game Arena Breakout Pratama, Haris; Cahyadi, Bhagaskara; Siregar, Haikal Habibi
Jurnal Manajemen Sistem Informasi Vol 3, No 2 (2025)
Publisher : Universitas Catur Insan Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51920/jurminsi.v3i2.405

Abstract

Penelitian ini mengeksplorasi dinamika Interaksi Manusia dan Komputer (IMK) antara pemain dan kecerdasan buatan (AI) dalam game Arena Breakout. Fokus utama penelitian adalah persepsi pemain terhadap bot AI bernama “Jackson” yang menunjukkan tingkat akurasi dan agresivitas tidak wajar sehingga sering disamakan dengan perilaku cheater. Penelitian ini menggunakan pendekatan kualitatif deskriptif dengan pengumpulan data berupa video killcam serta unggahan komunitas di TikTok dan Facebook. Hasil temuan menunjukkan bahwa perilaku bot Jackson memicu respons emosional dan budaya yang kuat dari komunitas, seperti meme, julukan, dan narasi kolektif. Fenomena ini bahkan direspon oleh pihak pengembang melalui konten resmi media sosial. Studi ini menunjukkan bahwa perilaku AI dalam game dapat memengaruhi pengalaman pemain dan kepercayaan terhadap sistem. Hasil penelitian menekankan pentingnya transparansi dan keseimbangan dalam desain AI di lingkungan digital interaktif.
Analysis of User Interaction Association Patterns in E-Learning Systems Using the Apriori Algorithm Rizka; Berutu, Asro Hayati; Nabawy, Putri; Pratama, Haris; Supiyandi
Proceedings of The International Conference on Computer Science, Engineering, Social Science, and Multi-Disciplinary Studies Vol. 1 (2025)
Publisher : CV Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/cessmuds.v1.30

Abstract

The development of e-learning systems has generated a vast volume of user interaction data. Every activity—such as logging in, viewing materials, taking quizzes, and downloading assignments—contains valuable information that can be leveraged to enhance the effectiveness of online learning systems. This study aims to analyze user interaction association patterns in an e-learning system using the Apriori algorithm. A data mining approach was employed to identify relationships among features frequently accessed together, with a minimum support threshold of 0.4, minimum confidence of 0.6, and lift > 1.0. The dataset used consists of simulated (dummy) data representing seven user transactions and five main e-learning features. The analysis produced eight significant association rules with lift values above 1.0, indicating non-random relationships among features. Feature combinations such as {login} → {view_material} and {take_quiz} → {view_score} exhibited strong relationships, with confidence values reaching 0.75. These findings suggest the existence of dominant user interaction patterns that can be utilized to optimize navigation design, recommendation features, and overall user experience in e-learning systems. This research contributes to the application of the Apriori algorithm for exploring user access patterns in online education contexts, providing an analytical foundation for developing more adaptive and behavior-driven systems.
Co-Authors Berutu, Asro Hayati Cahyadi, Bhagaskara Mhd Furqan Nabawy, Putri Rizka Siregar, Haikal Habibi Supiyandi Supiyandi