Claim Missing Document
Check
Articles

Found 8 Documents
Search

Analisis Faktor-Faktor Penentu Penggunaan Chatbot AIDalam Lingkungan Hybrid Learning Kurnia Wahyu Prima; Jannah, Devi Miftahul; Aprilianti Nirmala S
Innovation and Applied Education Journal Volume 2, Issue 2, Juni 2025
Publisher : PT. Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/iaej.v2i2.252

Abstract

Pendidikan di era digital semakin kompleks, mendorong penerapan teknologi canggih untuk meningkatkan efisiensi pembelajaran. Salah satu inovasi yang menarik perhatian adalah Artificial Intelligence (AI), khususnya dalam bentuk chatbot. Penelitian ini mengeksplorasi faktor-faktor yang memengaruhi penggunaan chatbot AI dalam lingkungan hybrid learning. Hasil penelitian menunjukkan bahwa mahasiswa memberikan penilaian positif terhadap peran chatbot dalam mempermudah akses informasi dan mendukung berbagi pengetahuan. Namun, beberapa responden mengungkapkan ketidakpuasan terhadap kualitas respons chatbot, terutama dalam memahami pertanyaan yang diajukan. Faktor-faktor seperti kegunaan (usability), kepercayaan (trust), persepsi manfaat (perceived usefulness), dan pengaruh sosial tetap menjadi aspek penting, meskipun memerlukan penyesuaian dalam konteks hybrid learning. Analisis deskriptif menunjukkan mayoritas responden memberikan umpan balik positif terhadap fungsi chatbot, dengan tingkat kepuasan tinggi sesuai ekspektasi. Namun, keterbatasan pada input data dan pemahaman bahasa manusia yang kompleks menjadi tantangan utama. Temuan ini menunjukkan bahwa meskipun chatbot dianggap mampu memenuhi kebutuhan mahasiswa, peningkatan kualitas respons tetap diperlukan. Penelitian ini menggarisbawahi pentingnya institusi pendidikan untuk merancang strategi integrasi chatbot yang lebih efektif, dengan mempertimbangkan keterbatasan yang teridentifikasi. Keterbatasan ukuran sampel dalam penelitian ini membatasi generalisasi hasil, sehingga penelitian lanjutan disarankan untuk menggali lebih dalam faktor-faktor adopsi teknologi digital menggunakan pendekatan kualitatif. Kesimpulannya, chatbot AI memiliki potensi besar untuk meningkatkan pengalaman belajar mahasiswa, tetapi perlu dilakukan perbaikan untuk memastikan respons yang lebih berkualitas dan adaptif terhadap dinamika pembelajaran yang kompleks.
Korelasi Literasi Teknologi Pendidikan dan Kecemasan Pembelajaran Daring Siswa SMP Nurrahmah Agusnaya; Andi Dio Nurul Awalia; Aprilianti Nirmala S
Innovation and Applied Education Journal Volume 2, Issue 3, Oktober 2025
Publisher : PT. Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/iaej.v2i3.253

Abstract

Pendidikan mengalami transformasi signifikan seiring kemajuan teknologi, khususnya dalam konteks pembelajaran daring yang menjadi semakin umum akibat pandemi COVID-19 dan revolusi industri 4.0. Penelitian ini bertujuan untuk menganalisis hubungan antara literasi teknologi pendidikan dengan tingkat kecemasan siswa dalam mengikuti pembelajaran daring. Metode penelitian menggunakan pendekatan kuantitatif dengan desain survei dan teknik random sampling. Sebanyak 66 siswa SMPN 1 Kahu menjadi responden dengan instrumen kuesioner yang mengukur kecakapan teknologi dan tingkat kecemasan. Data dianalisis secara deskriptif dan korelasional. Hasil menunjukkan bahwa literasi teknologi siswa berada pada kategori baik (rerata 3.4–4.2), sementara tingkat kecemasan tergolong rendah (rerata 2.6–3.3). Terdapat kecenderungan korelasi negatif antara kecakapan teknologi dengan kecemasan, di mana sebagian besar siswa meyakini bahwa kemampuan menggunakan teknologi dapat membantu mengurangi tekanan selama pembelajaran daring. Temuan ini mendukung hasil penelitian sebelumnya dan memberikan implikasi penting bahwa peningkatan literasi teknologi dapat menjadi strategi efektif dalam menekan kecemasan akademik siswa. Penelitian ini merekomendasikan penguatan program literasi digital di sekolah guna mendukung kesiapan belajar siswa di era digital.
Analisis Kemampuan Berpikir Komputasi Studi Kasus Mahasiswa Jurusan STEM Wahyu Amal Imran; Muh Rezky Awal; Muarsiyah Waddah; Aprilianti Nirmala S
Innovation and Applied Education Journal Volume 2, Issue 1, Februari 2025
Publisher : PT. Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/iaej.v2i1.251

Abstract

Berpikir komputasional merupakan kemampuan penting dalam pemecahan masalah yang tidak terbatas pada pemrograman komputer saja. Di era perkembangan teknologi yang pesat, penguasaan kemampuan ini menjadi sangat krusial khususnya bagi mahasiswa di bidang ilmu pengetahuan, teknologi, rekayasa, dan matematika (STEM). Penelitian ini bertujuan untuk mengukur tingkat kemampuan berpikir komputasional mahasiswa STEM serta mengidentifikasi faktor faktor yang memengaruhinya. Metode penelitian menggunakan pendekatan kuantitatif dengan desain crosssectional, melalui penyebaran kuesioner untuk mengumpulkan data dari responden. Hasil penelitian menunjukkan bahwa sebagian besar mahasiswa memiliki kemampuan berpikir komputasional yang memadai. Faktor faktor yang berpengaruh signifikan meliputi partisipasi dalam kegiatan proyek, pemahaman konsep dasar komputasi, dan akses terhadap teknologi. Temuan ini mengindikasikan efektivitas kurikulum dan proses pembelajaran di jurusan STEM dalam membentuk kemampuan berpikir komputasional mahasiswa. Penelitian ini merekomendasikan pengembangan kurikulum yang lebih relevan dan kontekstual, peningkatan akses teknologi, serta peningkatan partisipasi mahasiswa dalam kegiatan proyek sebagai strategi untuk memperkuat kemampuan tersebut. Studi ini memberikan kontribusi penting bagi pengembangan pembelajaran di bidang STEM agar mahasiswa siap menghadapi tantangan karir di masa depan.
Analisis Model Penerimaan Teknologi berbasis EXT TAM untuk mengetahui penerimaan mahasiswa terhadap penggunaan media e learning Aprilianti Nirmala S; Pramudya Asoka Syukur; Devi Miftahul Jannah
Innovation and Applied Education Journal Volume 2, Issue 3, Oktober 2025
Publisher : PT. Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/iaej.v2i3.251

Abstract

Universitas Negeri Makassar (UNM) telah mengadopsi sistem pembelajaran daring melalui platform Learning Management System (LMS) SYAM OK sebagai upaya untuk meningkatkan kualitas pembelajaran di era digital. Namun, sejauh ini, belum terdapat evaluasi menyeluruh terkait penerimaan mahasiswa terhadap penggunaan sistem tersebut. Penelitian ini bertujuan untuk menganalisis penerimaan mahasiswa terhadap e learning menggunakan Extended Technology Acceptance Model (EXT TAM) dengan mempertimbangkan faktor eksternal seperti pengalaman teknologi, kecemasan terhadap teknologi, kenyamanan, dan faktor sosial. Pendekatan kuantitatif digunakan dalam penelitian ini, dengan pengumpulan data melalui survei daring yang disebarkan kepada mahasiswa UNM. Instrumen penelitian menggunakan skala Likert 1 5, dengan penyusunan item berdasarkan literatur terdahulu yang relevan. Hasil penelitian dari 44 responden menunjukkan bahwa persepsi terhadap kemudahan penggunaan dan kegunaan e learning dipengaruhi secara signifikan oleh faktor eksternal tersebut. Temuan ini memperkuat pentingnya strategi implementasi yang mempertimbangkan karakteristik pengguna untuk meningkatkan efektivitas pembelajaran daring. Penelitian ini memberikan kontribusi bagi pengembangan sistem e learning yang lebih responsif terhadap kebutuhan mahasiswa, serta sebagai referensi dalam pengambilan keputusan oleh institusi pendidikan tinggi dalam merancang sistem pembelajaran digital yang inklusif dan efisien.
Analisis Efektivitas Model Blended Learning dengan Penerapan Media Gamifikasi di Universitas Negeri Makassar Aprilianti Nirmala S; Elma Nurjannah
Innovation and Applied Education Journal Volume 2, Issue 2, Juni 2025
Publisher : PT. Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/iaej.v2i2.251

Abstract

Pandemi Covid 19 mendorong perubahan signifikan dalam sistem pendidikan, khususnya pergeseran menuju pembelajaran daring. Sebagai respon terhadap tantangan ini, blended learning berbasis gamifikasi muncul sebagai alternatif inovatif untuk meningkatkan keterlibatan dan hasil belajar siswa. Penelitian ini bertujuan untuk mengeksplorasi persepsi mahasiswa terhadap penggunaan sistem gamifikasi dalam pembelajaran berbasis blended learning. Menggunakan pendekatan kuantitatif deskriptif, data dikumpulkan melalui kuesioner tertutup berbasis skala Likert dari 35 mahasiswa dari berbagai program studi di Kota Makassar. Instrumen dikembangkan berdasarkan empat tipe motivasi pengguna dalam gamifikasi: Achiever, Explorer, Philanthropist, dan Socializer. Analisis dilakukan menggunakan perangkat lunak Jamovi dengan menghitung rata rata, frekuensi, dan simpangan baku. Hasil menunjukkan bahwa mayoritas mahasiswa memiliki persepsi positif terhadap penggunaan gamifikasi dalam blended learning, terutama dalam hal meningkatkan motivasi, kolaborasi, dan keterlibatan dalam proses belajar. Elemen seperti antarmuka yang mudah digunakan, interaksi sosial, serta dorongan untuk belajar secara teratur berkontribusi pada efektivitas metode ini. Temuan ini menegaskan bahwa integrasi gamifikasi dalam model blended learning dapat menjadi strategi yang efektif dalam mencegah learning loss dan menjawab tantangan pembelajaran pascapandemi. Penelitian ini memberikan kontribusi terhadap pengembangan desain pembelajaran berbasis teknologi yang lebih menarik dan partisipatif.
Pelatihan Daring Jamovi sebagai Upaya Penguatan Literasi Statistik Mahasiswa Elma Nurjannah; Aprilianti Nirmala S; Mushaf; Della Fadhilatunisa; Fakhri, M. Miftach
Jurnal Kemitraan Responsif untuk Aksi Inovatif dan Pengabdian Masyarakat Volume 3 Issue No. 1: July 2025
Publisher : Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/

Abstract

Pelatihan penggunaan Jamovi diselenggarakan untuk meningkatkan literasi data dan kompetensi analisis statistik mahasiswa Program Studi Pendidikan Teknik Informatika dan Komputer (PTIK) Universitas Negeri Makassar. Kegiatan ini bertujuan mengatasi rendahnya kepercayaan diri mahasiswa dalam menggunakan perangkat lunak statistik serta keterbatasan pengalaman praktis dalam pengolahan data. Penelitian menggunakan pendekatan kuantitatif dengan desain One-Group Posttest Only Evaluation, di mana data dikumpulkan melalui kuesioner posttest yang menilai empat aspek utama: Availability of Learning Materials (ALM), Accessibility and Connectivity (AC), Confidence (C), dan Participant Engagement (PE). Hasil evaluasi menunjukkan materi pelatihan sangat baik (ALM = 4,21), akses dan konektivitas baik (AC = 4,07), kepercayaan diri meningkat (C = 3,61), dan keterlibatan peserta tergolong baik (PE = 3,87). Pelatihan memberikan dampak nyata berupa peningkatan kemampuan analisis data, pengalaman praktik langsung, serta kesiapan mahasiswa untuk menerapkan Jamovi secara mandiri. Temuan ini menegaskan urgensi integrasi pelatihan berbasis praktik langsung dalam kurikulum pendidikan tinggi untuk memperkuat kompetensi digital, pemahaman statistik, dan kesiapan profesional mahasiswa.
Affective Drivers and Ethical Concerns Shaping AI Use Among University Students Nabilah Auliah Rahman; Melda Auliyah Zakina; Aprilianti Nirmala S; Saipul Abbas
Journal of Applied Artificial Intelligence in Education Vol 1, No 2 (2026): January 2026
Publisher : Academic Bright Collaboration

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66053/jaaie.v1i2.6

Abstract

The rapid growth of artificial intelligence (AI) use in higher education raises concerns about how students’ emotional states and the quality of their interactions with AI shape both affective engagement and ethical awareness in academic contexts. This study aims to examine the effects of emotional well-being, AI credibility, and AI interaction quality on students’ ethical awareness, with affective engagement positioned as a mediating mechanism. A quantitative cross-sectional survey was administered to higher education students who use AI tools for academic activities, and the proposed relationships were tested using PLS-based structural modeling with bootstrapping procedures. The findings indicate that emotional well-being (β = 0.549, p < 0.001) and AI interaction quality (β = 0.420, p < 0.001) significantly enhance affective engagement, whereas AI credibility shows no significant effect (β = –0.045, p = 0.342). Affective engagement has a significant positive influence on ethical awareness (β = 0.597, p < 0.001) and significantly mediates the effects of emotional well-being and interaction quality on ethical awareness, while no indirect effect is observed for AI credibility. Overall, these results imply that ethical awareness in student AI use is fostered more strongly through emotionally supportive experiences and high-quality human–AI interactions than through credibility perceptions alone, underscoring the need for human-centered AI integration and ethics-oriented guidance in higher education
KNN Vs Naive Bayes: An Innovative Comparison in Predictive AI Learning With Association Data Support Devi Miftahul Jannah; Aprilianti Nirmala S
Journal of Digital Technology and Computer Science Vol. 3 No. 1 (2025): November 2025
Publisher : Academic Bright Collaboration

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

Abstract

This study analyzes how Naive Bayes and K-Nearest Neighbor (KNN) predict learning outcomes based on artificial intelligence (AI). The main focus of this study is the difficulty of algorithms in handling complex learning data and the contribution of Association Rule Mining (ARM) attribute features in improving prediction accuracy. The methods applied include two classification algorithms (KNN and Naive Bayes) in an exploratory-comparative quantitative research design, as well as the application of ARM to uncover hidden patterns among variables using the apriori algorithm. Data for 368 students with prior experience in artificial intelligence technology was collected through an online survey. Although KNN outperforms in recall, the study results show that Naive Bayes has higher precision. By detecting hidden correlation patterns that cannot be identified by conventional classification methods, ARM improves classification results. The discussion emphasizes that the selection of the best algorithm depends on the application's objectives, namely whether the priority is on classification accuracy or the range of relevant results. Based on these findings, a hybrid technique combining KNN, Naive Bayes, and ARM is highly recommended for creating a more efficient and accurate prediction system to support AI-based education.