Klasifikasi Tujuan Penggunaan AI Oleh Mahasiswa Dengan Algoritma K-Nearst Neighbor

Abstract

Teknologi kecerdasan buatan ataupun Artificial Intelligence (AI) berkembang pesat, terutama melalui platform seperti ChatGPT dan Gemini AI yang banyak digunakan oleh mahasiswa untuk berbagai tujuan. Fakta ini menunjukkan pentingnya analisis yang lebih mendalam mengenai pola penggunaan AI oleh mahasiswa. Penelitian ini bertujuan untuk mengklasifikasikan tujuan penggunaan AI oleh mahasiswa memakai algoritma K-Nearest Neighbor (K-NN). Penelitian dilakukan melalui dua pendekatan klasifikasi, yaitu multi-class classification dan binary classification. Data didapatkan dari kuesioner terhadap 305 responden dan diolah memakai Python pada platform Google Colab menggunakan tahap pra-pemrosesan, normalisasi, dan pengkodean data. Hasil pengujian menunjukan algoritma K-NN mencapai akurasi tinggi yaitu 77% pada skenario klasifikasi biner (Produktif/Karir dan Hiburan/Personal), sementara pada skenario klasifikasi multi-kelas akurasi tertinggi hanya mencapai 34%. Temuan ini menandakan bahwa kinerja K-NN sangat dipengaruhi oleh kompleksitas jumlah kelas dan lebih optimal diterapkan pada klasifikasi dengan jumlah kelas yang terbatas.