Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Artificial Intelligence in Educational Decision Sciences Journal of Vocational, Informatics and Computer Education Journal of Educational Studies in Science, Technology, Engineering, Arts and Humanities
Pramudya Asoka Syukur
Universitas Negeri Makassar
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

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

Found 3 Documents
Search

 1 
Comparison of Dataset Proportions in SVM and Random Forest Algorithms in Detecting Student Dependence on AI in Learning Sardar Faroq Ahmd Khan; Pramudya Asoka Syukur; Andi Baso Kaswar; Marwan Ramdhany Edy
Artificial Intelligence in Educational Decision Sciences Vol 1 No 1 (2026): Artificial Intelligence in Educational Decision Sciences
Publisher : PT. Academic Bright Collaboration

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66053/aieds.v1i1.6

Abstract

Purpose – The rapid integration of artificial intelligence (AI) in education has raised concerns about excessive student dependence, potentially undermining critical thinking and learning autonomy. This study aims to identify the most effective machine learning algorithm for detecting AI dependency in learning activities and to examine the impact of training–testing data proportion on predictive performance.Methods - This study employs the CRISP-DM framework and applies two supervised classification algorithms, Random Forest and Support Vector Machine (SVM), to a synthetic dataset of 10,000 AI-assisted learning sessions. The target variable, perceived AI assistance level, was discretised into three categories (low, medium, and high). Model performance was evaluated under four dataset split scenarios (60:40, 70:30, 80:20, and 90:10) using accuracy, AUC, precision, recall, and F1-score.Findings - The results show that Random Forest consistently outperforms SVM across all dataset proportions and evaluation metrics. The highest performance was achieved by Random Forest with a 60:40 split, yielding an accuracy of 67.6% and an AUC of 80.8%. Although SVM demonstrated stable performance, it required larger training datasets and remained inferior to Random Forest.Research limitations - The use of synthetic data and limited behavioural features restricts the generalisability of the findings. The moderate accuracy indicates that AI dependency is a complex construct not fully captured by the current model. Originality - This study provides empirical evidence on the combined influence of algorithm selection and dataset proportion in detecting AI dependency, offering practical guidance for developing early-warning systems to support responsible AI use in education.
Integrasi ChatGPT dalam Blended Learning dalam Mengoptimalkan Pemahaman Materi Pembelajaran Aminuddin; Nurmila; Pramudya Asoka Syukur; Nurul Islamia; Andi Dio Nurul Awalia
Journal of Vocational, Informatics and Computer Education Vol 2, No 2 (2024): December 2024
Publisher : Academic Bright Collaboration

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/voice.v2i2.20246

Abstract

Kemajuan teknologi menghadirkan tantangan bagi perguruan tinggi untuk menghasilkan lulusan yang tidak hanya menguasai ilmu pengetahuan, tetapi juga mampu memanfaatkan teknologi digital dalam mendukung produktivitas dan daya saing. Penelitian ini bertujuan untuk menganalisis pengaruh integrasi blended learning dan ChatGPT terhadap pemahaman materi, efisiensi pembelajaran, dan pengalaman penggunaan di perguruan tinggi. Metode yang digunakan adalah pendekatan kuantitatif dengan desain penelitian cross-sectional dan pengumpulan data melalui kuesioner menggunakan skala Likert. Hasil penelitian menunjukkan bahwa blended learning secara efektif meningkatkan pemahaman materi dengan partisipasi aktif dalam diskusi, ChatGPT mendukung motivasi dan kreativitas mahasiswa dalam belajar, serta kombinasi keduanya meningkatkan efisiensi pembelajaran melalui penghematan waktu dan akses informasi yang lebih baik. Mayoritas responden memberikan tanggapan positif terhadap penerapan model ini, mencerminkan keberhasilan integrasi teknologi dalam pembelajaran. Hasil ini juga mendukung relevansi blended learning dan ChatGPT sebagai solusi inovatif dalam memenuhi kebutuhan pembelajaran modern. Penelitian ini mengimplikasikan bahwa integrasi teknologi dalam pendidikan dapat mempercepat transformasi pembelajaran yang lebih efektif dan fleksibel.
Mengukur Kompetensi Pengguna Dalam Menggunakan Kecerdasan Buatan: Validasi dan Reliabilitas Skala Literasi Kecerdasan Buatan Andi Sarifa Safitri Bachmid; Annisa Syah Shadira; Andhika Dwi iswanto; Pramudya Asoka Syukur
Journal of Educational Studies in Science, Technology, Engineering, Arts and Humanities Vol.1 No.1 (2025): September 2025
Publisher : PT. Global Research Collaboration

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengembangkan dan memvalidasi sebuah skala literasi kecerdasan buatan (AI) yang dapat digunakan untuk mengukur kompetensi pengguna dalam menggunakan teknologi AI. Skala ini dirancang untuk membantu menilai sejauh mana individu dapat memahami, mengintegrasikan, dan mengoptimalkan kecerdasan buatan dalam berbagai konteks. Metode penelitian dilakukan melalui serangkaian tahapan yang mencakup pengembangan item skala, uji coba awal, uji validitas konten, dan analisis faktor eksploratori. Hasil dari penelitian ini menunjukkan bahwa skala literasi kecerdasan buatan ini memiliki validitas dan reliabilitas yang tinggi. Skala ini dapat digunakan untuk mengukur pemahaman dan keterampilan pengguna dalam berinteraksi dengan AI, serta memberikan dasar yang kuat untuk mengidentifikasi area pengembangan potensial. Temuan ini memiliki implikasi penting dalam pengembangan pendidikan dan pelatihan terkait kecerdasan buatan, serta dalam pengukuran kemampuan pengguna dalam mengadopsi teknologi AI dalam berbagai aspek kehidupan mereka. Skala literasi kecerdasan buatan ini dapat menjadi alat yang berharga dalam mengukur tingkat kesiapan dan kompetensi individu dalam menghadapi era AI yang semakin berkembang pesat.
Co-Authors Aminuddin Andhika Dwi iswanto Andi Baso Kaswar Andi Dio Nurul Awalia Andi Sarifa Safitri Bachmid Annisa Syah Shadira Marwan Ramdhany Edy Nurmila Nurul Islamia Sardar Faroq Ahmd Khan