Analisis dan Prediksi Minat Mahasiswa Menggunakan Artificial Intelligence pada Pembelajaran Berdasarkan Technology Acceptance Model Menggunakan Logistic Regression dan Random Forest

Kumara, Dennis (2026) Analisis dan Prediksi Minat Mahasiswa Menggunakan Artificial Intelligence pada Pembelajaran Berdasarkan Technology Acceptance Model Menggunakan Logistic Regression dan Random Forest. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (538kB)
	PDF BAB_I.pdf Download (249kB)
	PDF BAB_II.pdf Download (544kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (360kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (214kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (225kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000074796_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan artificial intelligence (AI) mendorong pemanfaatannya dalam berbagai aktivitas akademik mahasiswa. Namun, faktor-faktor yang memengaruhi minat mahasiswa dalam menggunakan AI masih perlu dipahami secara agar penerapannya dapat dilakukan secara lebih efektif. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi minat mahasiswa terhadap penggunaan AI berdasarkan kerangka Technology Acceptance Model (TAM) serta membandingkan performa logistic regression dan random forest dalam memprediksi tingkat minat penggunaan AI. Penelitian ini menggunakan data yang diperoleh dari 526 responden mahasiswa melalui kuesioner. Variabel yang digunakan meliputi perceived usefulness, perceived ease of use, attitude toward using, dan perceived trust sebagai variabel independen, serta behavioral intention sebagai variabel dependen. Data dianalisis menggunakan logistic regression dan random forest, kemudian dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan AUC-ROC. Hasil penelitian menunjukkan bahwa logistic regression memperoleh accuracy sebesar 72.64% dan AUC-ROC sebesar 0.8233, sedangkan random forest memperoleh accuracy sebesar 73.58% dan AUC-ROC sebesar 0.8172. Analisis variabel menunjukkan bahwa attitude toward using merupakan faktor yang paling berpengaruh terhadap behavioral intention, diikuti oleh perceived usefulness dan perceived trust. Sementara itu, perceived ease of use menunjukkan hubungan negatif terhadap behavioral intention. Meskipun random forest memiliki accuracy sedikit lebih tinggi, logistic regression menunjukkan kemampuan generalisasi dan interpretabilitas yang lebih baik sehingga lebih sesuai untuk menjelaskan pengaruh variabel TAM terhadap minat mahasiswa dalam menggunakan AI.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Kumara, Dennis (00000074796)
Contributors:	Kusuma, A. A. N. Ananda (8984101024)
Keywords:	Artificial Intelligence, Behavioral Intention, Logistic Regression, Machine Learning, Random Forest
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	23 Jul 2026 08:04
URI:	https://kc.umn.ac.id/id/eprint/47943

Actions (login required)

View Item