Rahmad Gunawan
Program Studi Teknik Informatika, Universitas Muhammadiyah Riau, Indonesia

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

Found 2 Documents
Search
Journal : Coding: Journal of Computing and Software Engineering

Peran ChatGPT dalam Meningkatkan dan Menghambat Proses Belajar Mahasiswa di Era Digital Dya Arzepta Maiza; Nayla Sifa Syabila; Salwa Aprila; Harun Mukhtar; Rahmad Gunawan; Januar Al Amien
Coding: Journal of Computing and Software Engineering Vol. 1 No. 2: DESEMBER 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i2.4363

Abstract

The rapid development of generative AI, such as ChatGPT, has had a significant impact on higher education, particularly in open and distance learning (ODL) systems. This transformation is not only changing the way students access information but also influencing the interaction patterns between lecturers and students in digital environments. Research shows that while ChatGPT offers advantages such as fast information access, writing assistance, instant feedback, and personalized learning tailored to individual needs, its unwise use can reduce intrinsic learning motivation, trigger over-dependence, and hinder the development of students' critical thinking, analytical skills, and creativity. Furthermore, various ethical challenges arise, such as the potential for plagiarism, data privacy violations, algorithmic bias, and low AI literacy among users. Therefore, an adaptive AI utilization strategy is needed, integrated into the curriculum, and based on clear ethical principles and regulations to support innovative learning without compromising students' academic integrity and intellectual abilities in a sustainable manner.
Penerapan Random Forest untuk Identifikasi Tipe Kepribadian: Studi Kasus Klasifikasi Introvert dan Extrovert Fauzan Azim; Doni Iskandar Rotama Sihaloho; Muhammad Rizki; Afdanil Hidayat Alghifary; Husnul Qadri Habibullah; Harya Jaya Kusuma; Rahmad Gunawan
Coding: Journal of Computing and Software Engineering Vol. 1 No. 2: DESEMBER 2025
Publisher : Coding: Journal of Computing and Software Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/coding.v1i2.4368

Abstract

Pengelompokan tipe kepribadian menjadi salah satu cara penting untuk memahami bagaimana individu berinteraksi dalam konteks sosial. Penelitian ini mengeksplorasi penerapan algoritma pembelajaran mesin dalam membedakan individu ke dalam dua kategori kepribadian utama: introvert dan ekstrovert, berdasarkan indikator perilaku sosial yang dapat diukur secara kuantitatif. Dataset yang digunakan mencakup 2.900 observasi dengan variabel-variabel seperti durasi waktu yang diluangkan secara mandiri, frekuensi partisipasi dalam kegiatan sosial, tingkat interaksi di luar lingkungan rumah, serta jumlah teman dalam jaringan sosial. Sebelum analisis, data mengalami proses pra-pemrosesan yang meliputi konversi variabel kategorikal menjadi bentuk numerik dan penskalaan fitur numerik agar seragam. Model klasifikasi yang digunakan adalah Random Forest Classifier dengan parameter baku, yang divalidasi menggunakan pembagian data latih dan uji melalui teknik stratified split untuk menjaga keseimbangan distribusi kelas. Hasil evaluasi menunjukkan performa model yang baik, dengan tingkat akurasi sebesar 90,86% dan F1-Score mencapai 91,03%. Temuan ini menegaskan bahwa pendekatan berbasis pembelajaran mesin, terutama model ensemble seperti Random Forest memiliki potensi besar dalam mengidentifikasi ciri kepribadian melalui pola perilaku sosial yang terekam.