Klasifikasi Persepsi Mahasiswa terhadap Penggunaan Artificial Intelligence dalam Kegiatan Akademik Menggunakan Metode Naïve Bayes

Muhammad Wendy Martadiansyah; Haryanto Haryanto; Harun Al Rasyid

doi:10.69693/ijmst.v4i3.14319

Authors

Muhammad Wendy Martadiansyah Universitas Bina Sarana Informatika
Haryanto Haryanto Universitas Bina Sarana Informatika
Harun Al Rasyid Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.69693/ijmst.v4i3.14319

Keywords:

Persepsi Mahasiswa, Artificial Intelligence, Naïve Bayes, Klasifikasi, Information Gain

Abstract

Pemanfaatan Artificial Intelligence (AI) dalam kegiatan akademik mahasiswa semakin berkembang, mulai dari pencarian referensi hingga pemahaman materi perkuliahan. Namun, penggunaan AI dapat menimbulkan persepsi yang beragam, sehingga diperlukan metode untuk mengklasifikasikan persepsi tersebut dan mengidentifikasi atribut yang informatif dalam membedakan kategori. Penelitian ini bertujuan mengklasifikasikan persepsi mahasiswa di Kecamatan Serpong terhadap penggunaan AI dalam kegiatan akademik ke dalam kategori Tinggi dan Rendah, mengevaluasi kinerja model, serta mengidentifikasi atribut yang paling informatif terhadap kategori persepsi. Penelitian menggunakan pendekatan kuantitatif dengan kerangka Cross Industry Standard Process for Data Mining (CRISP-DM). Data dikumpulkan melalui kuesioner berskala Likert yang terdiri atas 19 pernyataan dari 120 mahasiswa yang dipilih menggunakan teknik purposive sampling. Label kelas dibentuk berdasarkan median skor rata-rata jawaban responden. Pemodelan dilakukan menggunakan algoritma Naïve Bayes pada RapidMiner dan dievaluasi dengan teknik 10-fold cross validation menggunakan metrik accuracy, precision, recall, dan F1-score. Analisis atribut dilakukan menggunakan operator Weight by Information Gain. Hasil pengujian menunjukkan nilai rata-rata accuracy sebesar 95,00%, precision 98,33%, recall 91,67%, dan F1-score 94,36%. Analisis Information Gain menunjukkan bahwa Q18, yaitu pernyataan bahwa AI telah menjadi bagian penting dalam kegiatan akademik, memperoleh bobot tertinggi sebesar 0,321, sedangkan Q11 tentang kemampuan belajar mandiri meskipun menggunakan AI memperoleh bobot terendah sebesar 0,076. Hasil ini menunjukkan bahwa Naïve Bayes dapat digunakan untuk mengklasifikasikan persepsi responden pada dataset penelitian, sementara pembobotan atribut membantu mengidentifikasi butir yang paling informatif dalam membedakan kategori persepsi.

References

1. Asrulla, R., Jailani, M. S., & Jeka, F. (2023). Populasi dan sampling (kuantitatif), serta pemilihan informan kunci (kualitatif) dalam pendekatan praktis. Jurnal Pendidikan Tambusai, 7(3), 26320–26332. https://doi.org/https://doi.org/10.31004/jptam.v7i3.10836

2. Endraswari, P. M., Tou, N., & Zaliman, I. (2025). ANALISIS KETERGANTUNGAN MAHASISWA TERHADAP CHATGPT DALAM KONTEKS AKADEMIK : PEMODELAN KLASIFIKASI BERBASIS NAÏVE BAYES. Jurnal Informasi Interaktif, 10(3), 199–208. https://doi.org/https://doi.org/10.37159/jii.v10i3

3. Fajriyan, F. N., Ahsan, M., & Harianto, W. (2022). Komparasi Tingkat Akurasi Information Gain Dan Gain Ratio Pada Metode K-Nearest Neighbor. JATI (Jurnal Mahasiswa Teknik Informatika), 6(1), 386–391. https://doi.org/10.36040/jati.v6i1.4694

4. Febrianti, R., & Fitriani, S. (2024). Artificial Intelligence in Educational Research. 1(2), 10–21. https://doi.org/10.5772/intechopen.113844

5. Kusuma, A., & Nugroho, A. (2021). Analisa Sentimen Pada Twitter Terhadap Kenaikan Tarif Dasar Listrik Dengan Metode Naïve Bayes. Jurnal Ilmiah Teknologi Informasi, 15(2), 137–146. https://doi.org/10.32815/jitika.v15i2.557

6. Musa, D. M., Sakti, D., Shantiony, K. A., Zega, S. K. P., Hamzah, S., Zega, Y. J., & Lubis, B. O. (2024). Penerapan Data Mining Untuk Klasifikasi Data Penjualan Pakan Ternak Terlaris Dengan Algoritma C4.5. Jurnal Teknlogi Informatika Dan Komputer MH. Thamrin, 10(1), 168–182. https://doi.org/https://doi.org/10.37012/jtik.v10i1.1985

7. Mushofa, M., Hermina, D., & Huda, N. (2024). Memahami Populasi dan Sampel: Pilar Utama dalam Penelitian Kuantitatif. Jurnal Syntax Admiration, 5(12), 5937–5948. https://doi.org/10.46799/jsa.v5i12.1992

8. Navisa, S., Luqman Hakim, & Aulia Nabilah. (2021). Komparasi Algoritma Klasifikasi Genre Musik pada Spotify Menggunakan CRISP-DM. Jurnal Sistem Cerdas, 4(2), 114–125. https://doi.org/10.37396/jsc.v4i2.162

9. Negoro, N. K., Utami, E., & Yaqin, A. (2023). Klasifikasi Deteksi Penggunaan Masker Menggunakan Metode Convolutional Neural Network. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 8(2), 664–674. https://doi.org/10.29100/jipi.v8i2.3748

10. Ole, A. A., Supit, D., & Lotulung, M. (2026). PERSEPSI MAHASISWA TENTANG PENGGUNAAN AI (CHAT GPT) DALAM MENGERJAKAN TUGAS. Jurnal Ilmiah Pendidikan Dasar, 10(01), 1–15. https://doi.org/https://doi.org/10.23969/jp.v11i01.44069

11. Rozali, C., Zein, A., & Eriana, E. S. (2024). Artificial Intelligence ( AI ) Dimasa Depan : Tantangan Dan Peluang. Jurnal Inovasi Pengabdian Masyrakat, 2, 66–71. https://doi.org/https://doi.org/10.55903/jitu.v2i1.177

12. Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). ANALISIS DATA MINING DATA NETFLIX MENGGUNAKAN APLIKASI RAPID MINER. JBASE - Journal of Business and Audit Information Systems, 4(1), 13–21. https://doi.org/10.30813/jbase.v4i1.2729

13. Susana, H., & Suarna, N. (2022). PENERAPAN MODEL KLASIFIKASI METODE NAIVE BAYES TERHADAP PENGGUNAAN AKSES INTERNET. Jurnal Sistem Informasi Dan Teknologi Informasi, 4(1), 1–8. https://doi.org/https://doi.org/10.52005/jursistekni.v4i1.96

14. Tanti, L., Alam, A., & Wanayumini. (2026). Analisis Pengaruh Seleksi Atribut Relief-F dan Gain Ratio Terhadap Performa Naïve Bayes Classifier. 15. https://doi.org/10.33395/jmp.v15i2.16112

15. Valerian, F. R., Syarief, M., Fatah, D. A., Informasi, S., Madura, U. T., Kamal, K., & Timur, J. (2025). Klasifikasi tingkat obesitas menggunakan metode gbm dan confusion matrix. Jurnal Mahasiswa Tekrnik Informatika, 9(2), 2242–2249. https://doi.org/https://doi.org/10.36040/jati.v9i2.13062

16. Zahara, S. L., Azkia, Z. U., & Chusni, M. M. (2023). Implementasi Teknologi Artificial Intelligence ( AI ) dalam Bidang Pendidikan. Jurnal Peneltian Sains Dan Pendidikan, 3, 15–20. https://doi.org/doi.org/10.23971/jpsp.v3i1.4022