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
Cahyadi, Bhagaskara
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.
Sentiment Analysis of Reviews from Google Play: Azur Lane, Genshin Impact, Arknights Siregar, Kardandi Alfarizi; Cahyadi, Bhagaskara; Samosir, Legiman; Azhard, Alfani; 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.v1.33

Abstract

Sentiment analysis of user reviews for mobile games is essential for understanding player perceptions of a game. This study focuses on sentiment analysis of user reviews for three popular mobile games: Azur Lane, Genshin Impact, and Arknights, using the Support Vector Machine (SVM) algorithm. The objective of this research is to classify reviews into three sentiment categories: Positive, Negative, and Neutral. Data was collected through web scraping from the Google Play Store, with a total of 6,000 reviews analyzed. The data preprocessing steps included cleaning, tokenization, stopword removal, and stemming, followed by TF-IDF feature extraction. The results show that the SVM model achieved an accuracy of 79.50%, with the best performance for Positive and Negative sentiments, but struggled with Neutral sentiment classification. The sentiment distribution revealed that Azur Lane had a higher proportion of Negative reviews compared to Genshin Impact and Arknights, which received predominantly Positive feedback. This study provides insights into the potential of using SVM for sentiment analysis in mobile games, and highlights areas for improvement, such as better handling of Neutral sentiment through more advanced models or balanced datasets.
Co-Authors Azhard, Alfani Mhd Furqan Nabawy, Putri Pratama, Haris Rizka Samosir, Legiman Siregar, Haikal Habibi Siregar, Kardandi Alfarizi Supiyandi Supiyandi