Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Griya Journal of Mathematics Education and Application Jurnal Inovasi, Evaluasi dan Pengembangan Pembelajaran (JIEPP)
Ananda, Nadia Rikza
Unknown Affiliation
Humanities Computer Science & IT Education Languange, Linguistic, Communication & Media Mathematics Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengaruh Aplikasi AI terhadap Pola Belajar Mahasiswa Statistika Universitas Negeri Medan Yulanda, Finny Aprilia; Amalia, Sarah; Nandana, Feyza Zaki; Ananda, Nadia Rikza; Maulidina, Putri
Jurnal Inovasi, Evaluasi dan Pengembangan Pembelajaran Vol 5 No 2 (2025): Jurnal Inovasi, Evaluasi dan Pengembangan Pembelajaran (JIEPP)
Publisher : ELRISPESWIL - Lembaga Riset dan Pengembangan Sumberdaya Wilayah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54371/jiepp.v5i2.980

Abstract

Penelitian ini bertujuan untuk menganalisis hubungan antara pengaruh penggunaan aplikasi Artificial Intelligence (AI) terhadap pola belajar mahasiswa pada ruang lingkup terbatas, yaitu Program Studi Statistika Universitas Negeri Medan angkatan 2024. Pendekatan kuantitatif digunakan dengan metode survei dan analisis regresi linier sederhana. Data diperoleh dari 68 mahasiswa yang dipilih melalui teknik simple random sampling, menggunakan kuesioner yang telah diuji validitas dan reliabilitasnya (nilai Cronbach’s Alpha = 0,908). Variabel bebas dalam penelitian ini adalah pengaruh penggunaan aplikasi AI, sedangkan variabel terikat adalah pola belajar mahasiswa yang diukur melalui indikator efisiensi, kemandirian, dan keterlibatan akademik. Tahapan penelitian meliputi pengumpulan data, pengujian instrumen, uji asumsi klasik, serta analisis data regresi linier menggunakan bantuan perangkat lunak SPSS. Hasil penelitian menunjukkan adanya hubungan positif dan signifikan antara penggunaan AI dan pola belajar mahasiswa, dengan persamaan regresi Y = 1,824 + 0,820X dan nilai signifikansi 0,000. Temuan ini menunjukkan bahwa penggunaan AI dapat berkontribusi dalam meningkatkan pola belajar mahasiswa. Namun, pemanfaatannya tetap perlu diimbangi dengan penguatan kemampuan berpikir kritis dan pembelajaran mandiri agar tidak menimbulkan ketergantungan. Hasil ini relevan dalam konteks terbatas dan belum dapat digeneralisasi secara luas tanpa kajian lanjutan.
Pemodelan Perilaku Pengguna Shopee dengan Pendekatan Generalized Linear Model (GLM) dan Lasso Regularization Amalia, Sarah; Ananda, Nadia Rikza
Griya Journal of Mathematics Education and Application Vol. 5 No. 4 (2025): Desember 2025
Publisher : Pendidikan Matematika FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/griya.v5i4.905

Abstract

Perkembangan pesat industri E-commerce mendorong perubahan perilaku konsumen menuju pola belanja digital yang dinamis. Shopee menjadi salah satu platform yang paling bayak digunakan di Indonesia berkat kemudahan akses, promosi, serta integrasi fitur transaksinya yang efisien. Penelitian ini bertujuan untuk membangun model perilaku pengguna Shopee dengan menggunakan pendekatan Generalized Linear Model (GLM) yang digabung dengan LASSO Regularization untuk mengidentifikasi variabel perilaku yang paling berpengaruh terhadap tingkat keaktifan pengguna. Data yang digunakan adalah data perilaku pengguna Shopee yang telah melalui tahap pembersihan dan standarisasi untuk memastikan kualitas analisis. Hasil seleksi variabel melalui LASSO menunjukkan lima faktor utama yaitu jumlah hari login, frekuensi login, aktivasi ShopeePay, jumlah pesanan, dan klaim voucher. Model GLM menghasilkan tiga variabel signifikan dengan nilai AUC sebesar 0.7325, menunjukkan kemampuan klasifikasi yang baik. Hasil evaluasi tambahan menunjukkan akurasi sebesar 65,4%, sensitivitas sebesar 85,5%, dan spesifisitas sebesar 48,5%. Nilai tersebut mengindikasikan bahwa model lebih baik dalam mengidentifikasi pengguna aktif dibandingkan pengguna tidak aktif, sesuai dengan karakteristik umum data perilaku pengguna. Temuan ini menegaskan bahwa intensitas interaksi dan aktivitas transaksi memiliki pengaruh lebih besar terhadap keaktifan pengguna dibandingkan frekuensi akses semata. Pendekatan GLM–LASSO terbukti efektif dalam membangun model perilaku pengguna yang stabil dan relevan bagi pengembangan strategi retensi pelanggan.
Co-Authors Amalia, Sarah Maulidina, Putri Nandana, Feyza Zaki Yulanda, Finny Aprilia