Pengembangan Asisten AI Multi-Model dan Evaluasi Penerimaan Pengguna pada Tugas Akademik Mahasiswa

Muhammad Reza Redo Islami (Politeknik Negeri Lampung)
Dwirgo Sahlinal (Politeknik Negeri Lampung)

Journal of Technology and Data Science
Vol 4 No 1 (2026): January – June 2026

Penelitian ini mengembangkan asisten akademik berbasis kecerdasan buatan multi-model yang memanfaatkan empat model bahasa besar (LLM) melalui platform OpenRouter API, meliputi Llama 3.3 70B, DeepSeek R1 Distill Llama 70B, Gemma 3 27B, dan Phi-4. Pengembangan sistem menggunakan metodologi Prototype SDLC dengan pendekatan iteratif. Evaluasi penerimaan pengguna dilakukan menggunakan Technology Acceptance Model (TAM) terhadap 30 responden mahasiswa Politeknik Negeri Lampung. Hasil penelitian menunjukkan nilai Perceived Usefulness (PU) sebesar 4,32, Perceived Ease of Use (PEOU) sebesar 4,18, dan Behavioral Intention to Use (BIU) sebesar 4,27, yang mengindikasikan tingkat penerimaan yang tinggi. Sistem mampu mengintegrasikan respons dari keempat model secara simultan dan menyajikan perbandingan hasil secara terstruktur, sehingga memberikan perspektif yang lebih komprehensif bagi mahasiswa dalam menyelesaikan tugas akademik.