Hasil Pencarian  ::  Simpan CSV :: Kembali

"ChatGPT merupakan model bahasa Generative Pre-trained Transformer yang dikembangkan oleh OpenAI dan dirilis pada tahun 2015 dan mulai marak digunakan dalam konteks pendidikan. Dalam penerapannya penggunaan generative AI seperti ChatGPT memiliki tantangan dan risiko yang harus diatasi untuk menjaga integritas dan kejujuran akademis serta memastikan pemanfaatannya yang bertanggung jawab. Studi ini bertujuan untuk mengidentifikasi apakah sebaiknya digunakan secara resmi atau melarang penggunananya, mengidentifikasi risiko terkait dengan penerapannya, serta mengeksplorasi metode penggunaan yang bertanggung jawab dalam konteks belajar mengajar di lingkungan Universitas. Penelitian ini menggabungkan metode kualitatif dan kuantitatif atau mixed method dengan melakukan wawancara semi terstruktur terhadap 11 narasumber menggunakan open question serta menyebarkan kuesioner secara daring kepada responden. Hasil penelitian kualitatif dianalisis menggunakan metode thematic analyisis yang kemudian menjadi sumber acuan pengembangan model penggunaan ChatGPT yang bertanggung jawab. Pada pendekatan kuantitatif, sebanyak 251 data responden valid dianalisis menggunakan Partial Least Square Structural Equation Modeling (PLS-SEM) dengan bantuan aplikasi SmartPLS 4. Hasil penelitian menunjukkan bahwa model penggunaan ChatGPT yang bertanggung jawab didukung oleh berbagai faktor, termasuk Ability, Ascription of Responsibility, Personal Norm, Benefit, Intention, Behavior, serta Facilitating Conditions penggunaan ChatGPT dalam kegiatan belajardanmengajar. Penelitian ini berkontribusi memberikan pedoman penggunaan ChatGPT yang bertanggung jawab untuk kegiatan belajar dan mengajar di lingkungan Universitas.

---

ChatGPT is a Generative Pre-trained Transformer language model developed by OpenAI and released in 2015 and is beginning to be widely used in educational contexts. In its application, the use of generative AI such as ChatGPT has challenges and risks that must be addressed to maintain academic integrity and honesty and ensure its responsible utilisation. This study aims to identify whether it should be officially used or banned, identify the risks associated with its use, and explore methods of responsible use in the context of teaching and learning in a University environment. This research combines qualitative and quantitative methods or mixed methods by conducting semi-structured interviews with 11 interviewees using open questions and distributing online questionnaires to respondents. The results of the qualitative research were analysed using the thematic analysis method which then became a source of reference for developing a model of responsible use of ChatGPT. In the quantitative approach, a total of 251 valid respondent data were analysed using Partial Least Square Structural Equation Modeling (PLS-SEM) with the help of the SmartPLS 4 application. The results showed that the model of responsible use of ChatGPT was supported by various factors, including Ability, Ascription of Responsibility, Personal Norm, Benefit, Intention, Behaviour, and Facilitating Conditions for using ChatGPT in learning and teaching activities. This research contributes to providing guidelines for the responsible use of ChatGPT for learning and teaching activities in the University environment."

"ChatGPT merupakan model bahasa Generative Pre-trained Transformer yang dikembangkan oleh OpenAI dan dirilis pada tahun 2015 dan mulai marak digunakan dalam konteks pendidikan. Dalam penerapannya penggunaan generative AI seperti ChatGPT memiliki tantangan dan risiko yang harus diatasi untuk menjaga integritas dan kejujuran akademis serta memastikan pemanfaatannya yang bertanggung jawab. Studi ini bertujuan untuk mengidentifikasi apakah sebaiknya digunakan secara resmi atau melarang penggunananya, mengidentifikasi risiko terkait dengan penerapannya, serta mengeksplorasi metode penggunaan yang bertanggung jawab dalam konteks belajar mengajar di lingkungan Universitas. Penelitian ini menggabungkan metode kualitatif dan kuantitatif atau mixed method dengan melakukan wawancara semi terstruktur terhadap 11 narasumber menggunakan open question serta menyebarkan kuesioner secara daring kepada responden. Hasil penelitian kualitatif dianalisis menggunakan metode thematic analyisis yang kemudian menjadi sumber acuan pengembangan model penggunaan ChatGPT yang bertanggung jawab. Pada pendekatan kuantitatif, sebanyak 251 data responden valid dianalisis menggunakan Partial Least Square Structural Equation Modeling (PLS-SEM) dengan bantuan aplikasi SmartPLS 4. Hasil penelitian menunjukkan bahwa model penggunaan ChatGPT yang bertanggung jawab didukung oleh berbagai faktor, termasuk Ability, Ascription of Responsibility, Personal Norm, Benefit, Intention, Behavior, serta Facilitating Conditions penggunaan ChatGPT dalam kegiatan belajardanmengajar. Penelitian ini berkontribusi memberikan pedoman penggunaan ChatGPT yang bertanggung jawab untuk kegiatan belajar dan mengajar di lingkungan Universitas.

---

ChatGPT is a Generative Pre-trained Transformer language model developed by OpenAI and released in 2015 and is beginning to be widely used in educational contexts. In its application, the use of generative AI such as ChatGPT has challenges and risks that must be addressed to maintain academic integrity and honesty and ensure its responsible utilisation. This study aims to identify whether it should be officially used or banned, identify the risks associated with its use, and explore methods of responsible use in the context of teaching and learning in a University environment. This research combines qualitative and quantitative methods or mixed methods by conducting semi-structured interviews with 11 interviewees using open questions and distributing online questionnaires to respondents. The results of the qualitative research were analysed using the thematic analysis method which then became a source of reference for developing a model of responsible use of ChatGPT. In the quantitative approach, a total of 251 valid respondent data were analysed using Partial Least Square Structural Equation Modeling (PLS-SEM) with the help of the SmartPLS 4 application. The results showed that the model of responsible use of ChatGPT was supported by various factors, including Ability, Ascription of Responsibility, Personal Norm, Benefit, Intention, Behaviour, and Facilitating Conditions for using ChatGPT in learning and teaching activities. This research contributes to providing guidelines for the responsible use of ChatGPT for learning and teaching activities in the University environment."

"ChatGPT merupakan model bahasa Generative Pre-trained Transformer yang dikembangkan oleh OpenAI dan dirilis pada tahun 2015 dan mulai marak digunakan dalam konteks pendidikan. Dalam penerapannya penggunaan generative AI seperti ChatGPT memiliki tantangan dan risiko yang harus diatasi untuk menjaga integritas dan kejujuran akademis serta memastikan pemanfaatannya yang bertanggung jawab. Studi ini bertujuan untuk mengidentifikasi apakah sebaiknya digunakan secara resmi atau melarang penggunananya, mengidentifikasi risiko terkait dengan penerapannya, serta mengeksplorasi metode penggunaan yang bertanggung jawab dalam konteks belajar mengajar di lingkungan Universitas. Penelitian ini menggabungkan metode kualitatif dan kuantitatif atau mixed method dengan melakukan wawancara semi terstruktur terhadap 11 narasumber menggunakan open question serta menyebarkan kuesioner secara daring kepada responden. Hasil penelitian kualitatif dianalisis menggunakan metode thematic analyisis yang kemudian menjadi sumber acuan pengembangan model penggunaan ChatGPT yang bertanggung jawab. Pada pendekatan kuantitatif, sebanyak 251 data responden valid dianalisis menggunakan Partial Least Square Structural Equation Modeling (PLS-SEM) dengan bantuan aplikasi SmartPLS 4. Hasil penelitian menunjukkan bahwa model penggunaan ChatGPT yang bertanggung jawab didukung oleh berbagai faktor, termasuk Ability, Ascription of Responsibility, Personal Norm, Benefit, Intention, Behavior, serta Facilitating Conditions penggunaan ChatGPT dalam kegiatan belajardanmengajar. Penelitian ini berkontribusi memberikan pedoman penggunaan ChatGPT yang bertanggung jawab untuk kegiatan belajar dan mengajar di lingkungan Universitas.

---

ChatGPT is a Generative Pre-trained Transformer language model developed by OpenAI and released in 2015 and is beginning to be widely used in educational contexts. In its application, the use of generative AI such as ChatGPT has challenges and risks that must be addressed to maintain academic integrity and honesty and ensure its responsible utilisation. This study aims to identify whether it should be officially used or banned, identify the risks associated with its use, and explore methods of responsible use in the context of teaching and learning in a University environment. This research combines qualitative and quantitative methods or mixed methods by conducting semi-structured interviews with 11 interviewees using open questions and distributing online questionnaires to respondents. The results of the qualitative research were analysed using the thematic analysis method which then became a source of reference for developing a model of responsible use of ChatGPT. In the quantitative approach, a total of 251 valid respondent data were analysed using Partial Least Square Structural Equation Modeling (PLS-SEM) with the help of the SmartPLS 4 application. The results showed that the model of responsible use of ChatGPT was supported by various factors, including Ability, Ascription of Responsibility, Personal Norm, Benefit, Intention, Behaviour, and Facilitating Conditions for using ChatGPT in learning and teaching activities. This research contributes to providing guidelines for the responsible use of ChatGPT for learning and teaching activities in the University environment."

"Pemelajaran mesin dikenal sangat berguna dalam menyelesaikan permasalahan prediksi dan klasifikasi melalui pembelajaran pola dan perilaku data yang tersedia. Oleh karena itu, pemelajaran mesin dapat dimanfaatkan di berbagai bidang kehidupan dan industri modern. Namun, kinerja pemelajaran mesin sangat tergantung dari model pemelajaran mesin yang digunakan maupun dari kualitas data yang digunakan untuk pemelajaran. Data yang tidak bersih, tidak representatif, dan ketersediaannya terbatas akan mengurangi kualitas hasil prediksinya.Penelitian ini bertujuan untuk menguji kombinasi beberapa metode pemrosesan data (yaitu MissForest, GAIN, ENN, dan TabGAN oversampling) dengan model pembelajaran mesin (yaitu model CatBoost dan model klasifikasi biner berbasis neural network) untuk memprediksi kasus mahasiswa putus studi di beberapa universitas di Indonesia menggunakan data dari PDDikti. Penambahan fitur dilakukan untuk memberi label bidang studi terhadap dataset tersebut. Selain penambahan fitur seleksi fitur relevan menggunakan korelasi Pearson serta feature importances juga dilakukan setelah pelatihan model awal. Google Colab dengan bahasa pemrograman Python digunakan untuk menjalankan algoritma pemrosesan data dan pelatihan model.Hasil penelitian menunjukkan bahwa model CatBoost dengan kombinasi metode imputasi GAIN, undersampling ENN, dan tanpa fitur kelompok bidang studi memberikan F1-score tertinggi yaitu 66,38% dengan nilai precision 71,75% dan nilai recall 61,76%. Apabila digunakan model klasifikasi biner pemelajaran dalam akan didapatkan metrik terbaik F1-score 62,32%. Hasil terbaik penelitian ini menunjukkan peningkatan F1-score sebesar 2,15% dibandingkan dengan F1-score pada penelitian sebelumnya yang menggunakan model CatBoost bersama kombinasi Missforest dan ENN tanpa fitur kelompokbidang studi. Penelitian ini menunjukkan bahwa oversampling dan undersampling memberikan dampak yang berlawanan terhadap metrik precision dan recall. Penelitian juga menemukan seleksi fitur dapat meningkatkan kinerja model namun tidak berdampak besar dibandingkan teknik-teknik lain misalnya balancing dan optimisasi hyperparameter.

---

Machine learning is known to be very useful in solving prediction and classification problems

by learning the patterns and behavior of available data. Therefore, machine learning can be utilized in various areas of modern life and industry. However, the performance of machine learning is highly dependent on the machine learning model used as well as on the quality of the data used for learning. Data that is not clean, not representative, and scarce will reduce the quality of the prediction results.

This study aims to test the combination of several data processing methods (namely MissForest, GAIN, ENN, and TabGAN oversampling) with machine learning models (CatBoost and binary classification models based on neural networks) to predict dropout cases at several Indonesian universities using data from PDDikti. The addition of features is done to label data with their respective fields of study. Other than adding features, selection of relevant features using Pearson’s correlation as well as feature importances is also carried out after initial model training. Google Colab with the Python programming language is used to run data processing algorithms and train models.

This study shows that CatBoost with the combination of GAIN imputation, ENN undersampling, and no field of study feature results in the highest F1-score of 66.38%, which are composed of 71.75% in precision and 61.76% in recall. If a deep learning binary classification model is used instead, the best F1-score result is 62.32%. The best result from this study shows an increase in F1-score of 2.15% compared to the F1-score of the previous study (64.23%) which used CatBoost along with a combination of Missforest, ENN and no field of study features. This research shows oversampling and undersampling produce opposite effects on precision and recall scores. Research has also

found that feature selection can improve model performance but does not have a large impact compared to other techniques such as balancing and hyperparameter optimization"

"Pada tahun 2005-2006, untuk meningkatkan kualitas dan penyebaran layanan informasi yang telah ada dan memberikan bahan pendidikan yang simple dan menarik bagi siswa dan guru, sehubungan dengan pendidikan kesehatan reproduksi dan seksual remaja, YPI mengembangkan proyek baru berupa pengembangan module/kurikulum kesehatan reproduksi remaja berbasis web. YPI melakukan proses adaptasi terhadap modul WSWM (The World Start With Me) ke dalam versi Indonesia (disebut modul DAKU!), melakukan uji coba di 3 sekolah, melakukan revisi, dan mengimplementasikanya di 3 sekolah baru. Belajar dari proyek WPF (World Population Foundation) di East Afrika, modul ini akan memberikan keuntungan bagi siswa dan guru.Tujuan dari proyek akhir ini adalah untuk menganalisa prospek dari pemanfaatan TIK (Tehnologi Informasi dan Komunikasi) dalam kegiatan belajar mengajar di sekolah menengah atas dari sisi pengembangan dan implementasinya, menganalisa keunggulan dan kelemahan dari pemenfaatan TIK di sekolah, dan menganalisa hambatan serta solusi pemecahannya. Berdasarkan pengalaman dalam pengembangan dan implemantasi modul DAKU! YPI. Dari proyek akhir ini didapatkan bahwa secara umum proses pengembangan modul DAKU! hampir sesuai dengan pendekatan phased development; pemanfaatan TIK dalam KBM ini mampu laksana, 5 (83%) dari 6 sekolah yang terlibat berupaya melanjutkan program ini; pemanfaatan TIK mampu memotivasi siswa untuk terlibat, mendukung tehnik fasilitasi guru dan menciptakan suasana belajar yang menyenangkan.Hasil analisa proyek akhir ini diharapkan akan menjadi referensi bagi sekolah dan pemerintah untuk memanfaatkan TIK dalam kegiatan belajar mengajar di sekolah, dan memfasilitasi suasana belajar yang interaktif dengan menggunakan tehnologi komputer. Ke depan diharapkan akan lebih banyak institusi sekolah yang berperan serta dalam insiatif pemanfaatan TIK, untuk meningkatkan akses yang lebih luas.

---

On the year 2005-2006, to increase the quality and spread of the existing information services and provide a simple and attractive resource for teachers and students, regarding adolescent reproductive and sexual health education, YPI launch a new project involving the development of a web based youth reproductive health module.YPI have been conducted the adapted process of WSWM (The World Start With Me) modul to Indonesian setting (called modul DAKU!), piloting in 3 schools, revision, and implementing in 3 new schools. Learning from the WPF`s (World Population Foundation) program in East Africa. This module will have benefits for both young people and educators.The objective of these final project are to analyze the opportunity of using Information and Communication Technology (ICT) in learning activities in Senior High School from the development and implementation aspect, to analyze the strength and weakness of using ICT in schools, and to analyze the Challenge also solution for anticipate the barrier. Based on the development and implementation of module DAKU!These final project found that are, the development of DAKU! module is almost suited to phased development; The use of ICT on learning proses in the school is achievable, about 83% (5 from 6 schools) that has been implemented the module is eager to make it sustainable; The ICT using could motivated student to be involved in learning activities, support facilitating tehnik of teacher, and provide secure atmosphere. From these final project, it hope that will be a reference for the school and government in order to implementing the ICT in education proses at schools, and to facilitate an interactive lessons circumstance by using computer technology. It is expected that further, more schools institution will take part in this ICT using initiative, to open up more access to quality education in Indonesia."