Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan pesat kecerdasan buatan (AI) telah memengaruhi berbagai bidang, termasuk dalam AI-Assisted Language Learning (AALL). Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi adopsi teknologi AALL dengan menggabungkan kerangka teori UTAUT2, Self-Determination Theory (SDT), dan AI anxiety. Pendekatan kuantitatif diterapkan dalam penelitian ini dengan menggunakan data yang diperoleh dari kuesioner daring yang disebarkan kepada 557 responden. Data yang terkumpul kemudian dianalisis dengan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) menggunakan perangkat lunak SmartPLS 4. Hasil analisis menunjukkan bahwa faktor-faktor yang signifikan mempengaruhi adopsi teknologi AALL meliputi autonomy, competence, performance expectancy, effort expectancy, social influence, habit, price value, AI anxiety, behavioral intention, dan actual use. Di antara faktor-faktor tersebut, habit terbukti memiliki pengaruh signifikan terhadap niat pengguna dalam mengadopsi teknologi ini. Sementara itu, faktor facilitating conditions dan hedonic motivation tidak menunjukkan pengaruh signifikan dalam konteks penelitian ini. Temuan ini memberikan wawasan lebih dalam tentang dinamika adopsi teknologi AALL, serta memberikan kontribusi terhadap pengembangan strategi implementasi teknologi yang lebih efektif di masa depan.

---

The rapid development of artificial intelligence (AI) has influenced various fields, including AI-assisted language learning (AALL). This study aims to identify the factors that influence the adoption of AALL technology by integrating the UTAUT2 model, Self Determination Theory (SDT), and AI anxiety. A quantitative approach was applied in this research, utilizing data collected through an online questionnaire distributed to 557 respondents. The collected data was then analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM) with the SmartPLS 4 software. The analysis results indicate that significant factors influencing AALL technology adoption include autonomy, competence, performance expectancy, effort expectancy, social influence, habit, price value, AI anxiety, behavioral intention, and actual use. Among these factors, habit was found to have a significant impact on users' intention to adopt this technology. Meanwhile, facilitating conditions and hedonic motivation did not show significant effects in the context of this study. These findings provide deeper insights into the dynamics of AALL technology adoption and contribute to the development of more effective technology implementation strategies in the future."

"Penelitian ini bertujuan mengembangkan dan mengevaluasi chatbot asisten dosen yang memberikan layanan konsultasi akademik secara otomatis dan responsif kepada mahasiswa. Studi ini mengambil topik Scrum dalam mata kuliah Dinamika Tim Perangkat Lunak sebagai kasus uji, yang diajarkan di Program Magister Teknologi Informasi Universitas Indonesia (MTI UI). Pengembangan sistem dilakukan secara kolaboratif oleh dua penulis dengan peran berbeda: penulis pertama membangun aplikasi front-end dan back-end serta melakukan pengujian melalui User Acceptance Testing (UAT) dan API Testing; sedangkan penulis kedua mengembangkan model language model (LLM) yang mencakup persiapan data, fine-tuning model, evaluasi kinerja, dan deployment menggunakan FastAPI. Evaluasi chatbot dilakukan secara kuantitatif menggunakan metrik BLEU, ROUGE, dan BERTScore, serta secara kualitatif melalui wawancara dengan pengguna. Hasil evaluasi menunjukkan bahwa model berbayar ChatGPT unggul dalam seluruh metrik evaluasi, sementara model open-source seperti LLaMA dan Bloom masih menunjukkan potensi meskipun perlu peningkatan kualitas melalui penambahan data fine-tuning. Menariknya, proses fine-tuning tidak selalu memberikan peningkatan performa yang konsisten, bahkan pada beberapa kasus justru menurunkan akurasi model. Namun demikian, penggunaan model open-source tetap menjanjikan dari sisi efektivitas biaya, karena tidak bergantung pada token seperti model komersial.

---

This study aims to develop and evaluate a teaching assistant chatbot designed to provide automated and responsive academic consultation services to students. The case study focuses on the Scrum topic within the Software Team Dynamics course at the Master of Information Technology program, Universitas Indonesia (MTI UI). The development process was a collaboration between two authors with distinct roles: the first author was responsible for building the front-end and back-end applications and conducting tests using User Acceptance Testing (UAT) and API Testing; the second author focused on developing the large language model (LLM), including data preparation, model fine-tuning, performance evaluation, and deployment using FastAPI. The chatbot's performance was evaluated using quantitative metrics such as BLEU, ROUGE, and BERTScore, along with qualitative evaluation through user interviews. The results show that the commercial ChatGPT model achieved the best performance across all evaluation metrics. In contrast, open-source models such as LLaMA and Bloom showed promising but still suboptimal results, requiring larger and more comprehensive fine-tuning datasets to improve. Interestingly, fine-tuning did not always lead to consistent performance improvement; in some cases, it even degraded the model's quality. Nevertheless, open-source models remain advantageous in terms of cost-effectiveness, as they do not incur token-based usage fees like ChatGPT."

"Perkembangan kecerdasan buatan (artificial intelligence/AI) bergerak semakin cepat dan mengalami kemajuan pesat dalam setiap bidang kehidupan manusia, tak terkecuali dalam dunia kendali industri. Sementara kendali industri mensyaratkan sistem pengendali yang mampu mengatasi perubahan karakteristik secara otomatis serta dapat beradaptasi dengan dinamika perubahan sistem yang diakibatkan adanya perubahan kondisi lingkungan kerja. Pengendali berbasis kecerdasan buatan dianggap mampu untuk beradaptasi dengan perubahan karakteristik dari sistem secara otomatis adalah pengendali berbasis neural network. Dalam penelitian ini disajikan desain dan simulasi sistem pengendali berbasis neural network dengan metode pembelajaran back propagation yaitu pengendali inverse langsung(direct inverse control/DIC), pengendali neuron tunggal(single neuron controller), serta pengendali PID pada plant modul training pressure process rig(PPR 38-417). Untuk pengujiannya, didesain sistem identifikasi berbasis neural network sebagai simulator plant. Hasilnya, semua sistem kendali yang didesain tersebut mampu mengendalikan plant sesuai dengan sinyal referensi yang dinginkan. Namun pengendali single neuron dan PID mampu mempertahankan keluarannya dengan baik saat diberi gangguan pada sinyal kendali maupun plant dibandingkan dengan pengendali inverse langsung(ANN-DIC). Hal ini dikarenakan kendali single neuron dan PID bersifat close loop sehingga mampu mengkoreksi kesalahan secara langsung. Sementara jika dibandingkan dengan kendali PID, kendali single neuron lebih adaptif untuk berbagai kondisi gangguan karena memiliki metode pembelajaran langsung, sementara kendali PID perlu dilakukan tunning untuk mendapatkan unjuk kerja yang handal.

---

The development of artificial intelligence (AI) is moving faster and experiencing rapid progress in every area of human life, not least in the world of industrial control. While industrial control requires a control system that is able to overcome changes in characteristics automatically and can adapt to the dynamics of system changes caused by changes in working environment conditions. Artificial intelligence-based controllers are considered capable of adapting to changes in the characteristics of the system automatically is a neural network-based controller. In this study, the design and simulation of a neural network-based controller system with back propagation learning methods, namely direct inverse control (DIC) and single neuron controller, as well as PID controllers for the pressure process rig (PPR 38-417) training module.

For the test, a neural network-based identification system is designed as a simulator plant. As a result, all the control systems designed are able to control the plant in accordance with the desired reference signal. However, single neuron and PID controllers are able to maintain their output well when given interference with the control signal or plant compared to the direct inverse controller (ANN-DIC). This is because single neuron control and PID are close loop so that they can correct errors directly. Meanwhile, when compared to PID control, single neuron control is more adaptive for a variety of disruption conditions because it has a direct learning method, while PID control needs to be tuned to get reliable performance."

"Generative Artificial Intelligence (GAI) telah memegang penting dalam berbagai bidang, termasuk sebagai alat bantu pemrograman di Indonesia. Namun, penelitian mengenai adopsi GAI sebagai alat bantu pemrograman masih terbatas. Penelitian ini bertujuan menganalisis faktor yang memengaruhi niat karyawan di Indonesia untuk mengadopsi GAI dalam pemrograman, dengan fokus pada kualitas output kode dan kualitas sistem yang memengaruhi persepsi kegunaan serta kemudahan penggunaan GAI. Penelitian menggunakan metode PLS-SEM dalam analisis kuantitatif dengan 497 data valid, serta analisis kualitatif melalui wawancara 10 narasumber. Hasilnya menunjukkan bahwa persepsi kegunaan dipengaruhi oleh faktor presentation, structure, interactivity, responsiveness, understandability, assurance, dan reliability, sementara persepsi kemudahan penggunaan dipengaruhi oleh presentation, structure, responsiveness, assurance, dan reliability. Kedua persepsi ini memengaruhi niat adopsi GAI untuk pemrograman. Penelitian juga meneliti hubungan ini berdasarkan gender dan usia melalui analisis multigrup. Hasilnya memberikan saran bagi pengembang GAI untuk meningkatkan kualitas kode output dan sistem, yang terbukti memengaruhi persepsi pengguna tentang kegunaan dan kemudahan penggunaan GAI

---

Generative Artificial Intelligence (GAI) has become significant in various fields, including as a programming aid in Indonesia. However, research on the adoption of GAI as a programming tool remains limited. This study aims to analyze the factors influencing employees in Indonesia to adopt GAI for programming, focusing on output code quality and system quality, which affect the perceived usefulness and ease of use of GAI. The study employs the PLS-SEM method for quantitative analysis with 497 valid data points and qualitative analysis through interviews with 10 informants. The results indicate that perceived usefulness is influenced by factors such as presentation, structure, interactivity, responsiveness, understandability, assurance, and reliability, while perceived ease of use is influenced by presentation, structure, responsiveness, assurance, and reliability. Both perceptions affect the intention to adopt GAI for programming. The study also examines these relationships based on gender and age using multigroup analysis. The findings provide practical suggestions for GAI developers to enhance the quality of output code and system, which significantly influence users' perceptions of the usefulness and ease of use of GAI."

"Generative Artificial Intelligence (GAI) telah memegang penting dalam berbagai bidang, termasuk sebagai alat bantu pemrograman di Indonesia. Namun, penelitian mengenai adopsi GAI sebagai alat bantu pemrograman masih terbatas. Penelitian ini bertujuan menganalisis faktor yang memengaruhi niat karyawan di Indonesia untuk mengadopsi GAI dalam pemrograman, dengan fokus pada kualitas output kode dan kualitas sistem yang memengaruhi persepsi kegunaan serta kemudahan penggunaan GAI. Penelitian menggunakan metode PLS-SEM dalam analisis kuantitatif dengan 497 data valid, serta analisis kualitatif melalui wawancara 10 narasumber. Hasilnya menunjukkan bahwa persepsi kegunaan dipengaruhi oleh faktor presentation, structure, interactivity, responsiveness, understandability, assurance, dan reliability, sementara persepsi kemudahan penggunaan dipengaruhi oleh presentation, structure, responsiveness, assurance, dan reliability. Kedua persepsi ini memengaruhi niat adopsi GAI untuk pemrograman. Penelitian juga meneliti hubungan ini berdasarkan gender dan usia melalui analisis multigrup. Hasilnya memberikan saran bagi pengembang GAI untuk meningkatkan kualitas kode output dan sistem, yang terbukti memengaruhi persepsi pengguna tentang kegunaan dan kemudahan penggunaan GAI

---

Generative Artificial Intelligence (GAI) has become significant in various fields, including as a programming aid in Indonesia. However, research on the adoption of GAI as a programming tool remains limited. This study aims to analyze the factors influencing employees in Indonesia to adopt GAI for programming, focusing on output code quality and system quality, which affect the perceived usefulness and ease of use of GAI. The study employs the PLS-SEM method for quantitative analysis with 497 valid data points and qualitative analysis through interviews with 10 informants. The results indicate that perceived usefulness is influenced by factors such as presentation, structure, interactivity, responsiveness, understandability, assurance, and reliability, while perceived ease of use is influenced by presentation, structure, responsiveness, assurance, and reliability. Both perceptions affect the intention to adopt GAI for programming. The study also examines these relationships based on gender and age using multigroup analysis. The findings provide practical suggestions for GAI developers to enhance the quality of output code and system, which significantly influence users' perceptions of the usefulness and ease of use of GAI."

"Dengan kemajuan perangkat lunak sekarang ini serta diperkenalkannya ilmu pengetahuan Artificial Intellegent sejak tahun 50-an dan khususnya teknologi Jaringan Syaraf Tiruan sebagai salah satu perangkat lunak Intellegent Quotient yang dapat digunakan sebagai mesin penghitung. Jaringan Syaraf Tiruan (JST) mampu memecahkan permasalahan yang sulit dipecahkan dengan persamaan matematis biasa dalam waktu yang relatif cepat. Hasil perhitungan dari JST dapat dipakai sebagai Output perhitungan. Sistem JST merupakan salah satu teknik yang dikembangkan untuk sistem kecerdasan buatan dengan cara meniru cara kerja Jaringan syaraf biologis pada mahkluk hidup. Masukan untuk Jaringan syaraf biologis adalah penerimaan respon sedangkan keluarannya adalah tanggapan, dimana hubungan antara Input dengan Output-nya memiliki hubungan yang sulit dijabarkan serta dapat memberikan tanggapan yang benar terhadap Input yang tidak dikenal ( Model Free Estimator). JST dapat menghasilkan Output yang diharapkan, karena JST ini dilatih (training) dan diajar (learning). Proses pelatihan dan pengajaran JST ini dengan cara memberikan suatu bobot (weight) pada Input secara random, kemudian bobot ini diubah-ubah dengan aturan dan sejumlah iterasi tertentu sampai didapatkan hasil yang diharapkan. JST ini akan digunakan untuk pemodelan UV Lamp 1 filter, UV Lamp 2 filter dan Water Softener filter pada Sistem Pembuatan Air Steril ( Demineralized Water Process System ). Dalam Tugas Akhir ini dilakukan pembuatan JST yang berbasis pada Jaringan Backpropagation dan mencoba membandingkan beberapa Jaringan yang bisa dibuat dari parameter - parameter yang diukur dalam DI Water System untuk dicari pemodelan Jaringan terbaik untuk dijadikan sebagai sistem pemodelan Jaringan terbaik untuk DI Water System."

"Berbagai jenis kendaraan telah diciptakan saat ini, mulai dari yang hanyaberoda satu sampai beroda puluhan. Kendaraan-kendaraan tersebut diciptakantentunya untuk memenuhi kebutuhan tertentu. Salah satu jenis kendaraan yangcukup banyak digunakan saat ini adalah kendaraan dengan tiga roda, mulai daribajaj, bemo, kancil, sampai yang belakangan ini mulai banyak digunakan sebagaikendaraan pengangkut adalah motor cina dengan bak pengangkut di belakangnya.Dengan adanya tugas akhir ini, kami mencoba membuat kendaraan rodatiga yang sesederhana mungkin, lebih mudah dalam proses pabrikasinya, dan diberinama MTV (Multi-Terrain Vehicle). Namun, tanpa mengurangi segifungsionalitasnya. Dengan dasar inilah, konsep kendaraan ini adalah kendaraanroda tiga dengan berbasis sepeda motor, murah, komponen yang digunakan mudahdicari di pasaran, user-friendly. Sehingga dihasilkan, suatu kendaraan yangberspesifikasi hampir seperti sepeda motor beroda dua.Secara garis besar, proses yang dilakukan untuk pembuatan kendaraan iniialah dengan terlebih dahulu mengumpulkan komponen-komponen sepeda motoryang akan dirakit, lalu membuat desain kendaraan roda tiga berdasarkan dimensidari komponen yang akan digunakan, dan terakhir adalah proses pembuatannyaDengan tahapan proses inilah, MTV dapat diciptakan dengan proses pabrikasi yangsederhana dan selain itu, desain poros belakang yang digunakan adalah jenisrigid-rear shaft tanpa differential gear. Poros jenis ini lebih mudah dan murahdalam proses pengerjaannya. Namun, kekurangan desain ini adalah berkurangnyastabilitas kendaraan saat berbelok akibat adanya slip antara roda kanan dan kiri."