Analisis Ketergantungan Mahasiswa Universitas Merangin terhadap ChatGPT dengan Machine Learning
DOI:
https://doi.org/10.55338/justikpen.v5i1.201Keywords:
Machine Learning, Dependency, ChatGPT, UTAUT2Abstract
Penelitian ini mengeksplorasi faktor-faktor yang memengaruhi ketergantungan mahasiswa Universitas Merangin terhadap ChatGPT dengan pendekatan machine learning. Latar belakangnya adalah meningkatnya penggunaan ChatGPT dalam aktivitas akademik serta minimnya kajian mengenai peran jenis kelamin sebagai moderator di Indonesia. Studi ini menggunakan metode kuantitatif, dan data dikumpulkan melalui kuesioner UTAUT2 berbasis konstruk. Tiga model prediktif—Regresi Linier, Random Forest, dan Gradient Boosting dibangun dan dibandingkan akurasinya. Analisis dilakukan secara terpisah untuk kelompok laki-laki dan perempuan guna mengidentifikasi pola spesifik. Hasil menunjukkan bahwa Ekspektasi Kinerja (PE) berpengaruh terhadap mahasiswa laki-laki, sementara Motivasi Hedonis (HM) lebih memengaruhi mahasiswa perempuan. Model Gradient Boosting paling optimal untuk kelompok laki-laki, sementara Regresi Linier lebih sesuai untuk kelompok perempuan. Temuan ini menunjukkan pentingnya desain strategi edukasi AI yang mempertimbangkan perbedaan karakteristik pengguna berdasarkan jenis kelamin serta mendemonstrasikan nilai aplikasi machine learning dalam riset perilaku pengguna teknologi di pendidikan tinggi.
References
OpenAI. (2023). Introducing ChatGPT. Retrieved from https://openai.com/blog/chatgpt
Singh, A., Gupta, R., & Patel, N. (2025). Factors influencing ChatGPT adoption among university students in India: A UTAUT2 perspective. International Journal of Educational Technology Research, 14(2), 89–104.
Inda, S. (2023). Menganalisis adopsi AI generatif di kalangan mahasiswa Asia Tenggara dengan pendekatan UTAUT2. Jurnal Teknologi dan Pendidikan, 7(3), 203–214.
Wang, Y., & Teo, H. H. (2021). Habit and technology use: A meta-analysis of the UTAUT2 model. Computers in Human Behavior, 124, 106892.
Zhang, X., & Wang, C. (2020). Comparing machine learning and SEM in predicting technology adoption. Journal of Data Science in Education, 5(1), 45–60.
J. F. Hair, G. T. M. Hult, C. M. Ringle, and M. Sarstedt, A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 2nd ed. Thousand Oaks, CA: Sage Publications, 2017.
I. Etikan, S. A. Musa, and R. S. Alkassim, "Comparison of convenience sampling and purposive sampling," American journal of theoretical and applied statistics, vol. 5, no. 1, pp. 1-4, 2016.
Indria, Lily, and Setiawan Assegaff. "Sistem Informasi Pariwisata Kabupaten Merangin." Jurnal Manajemen Sistem Informasi 8.4 (2023): 688-699.
Indria, Lily, and Lola Yorita Sari. "Analisis Dan Evaluasi Usability Website Smk Negeri 1 Merangin Dengan Menggunakan Metode System Usability Scale (SUS)." ADIL 5, no. 1 (2023): 68-80.
S. Lessmann, B. Baesens, C. Mues, and S. Pietsch, "Benchmarking classification models for profit-driven credit scoring," J. Oper. Res. Soc., vol. 66, no. 2, pp. 211-222, 2015.
P. Olson, Supremacy: AI, ChatGPT and the Race That Will Change the World, London, UK: Pan Macmillan, 2024.
A. Narayanan and S. Kapoor, AI Snake Oil: What Artificial Intelligence Can Do, What It Can't, and How to Tell the Difference, Princeton, NJ: Princeton University Press, 2024.
V. Venkatesh, J. Y. L. Thong, and X. Xu, "Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology," MIS Quarterly, vol. 36, no. 1, pp. 157–178, Mar. 2012.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Lily indria, Muhammad Furqan Hakim
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
