Pengembangan Asisten AI Multi-Model dan Evaluasi Penerimaan Pengguna pada Tugas Akademik Mahasiswa
Journal of Technology and Data Science · 15.05.2026 · 4 (1) · 299-311
DOI: 10.59025/b4ba9209 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Technology and Data Science, online erschienen am 15.05.2026. Verfasst von Muhammad Reza Redo Islami und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
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.
Zitieren
APA
Islami, M. R. R., & Sahlinal, D. (2026). Pengembangan Asisten AI Multi-Model dan Evaluasi Penerimaan Pengguna pada Tugas Akademik Mahasiswa. Journal of Technology and Data Science, 4(1), 299-311. https://doi.org/10.59025/b4ba9209
Vancouver
Islami MRR, Sahlinal D. Pengembangan Asisten AI Multi-Model dan Evaluasi Penerimaan Pengguna pada Tugas Akademik Mahasiswa. Journal of Technology and Data Science. 2026;4(1):299-311. doi:10.59025/b4ba9209
BibTeX
@article{Islami2026,
author = {Islami, Muhammad Reza Redo and Sahlinal, Dwirgo},
title = {Pengembangan Asisten AI Multi-Model dan Evaluasi Penerimaan Pengguna pada Tugas Akademik Mahasiswa},
journal = {Journal of Technology and Data Science},
year = {2026},
volume = {4},
number = {1},
pages = {299--311},
doi = {10.59025/b4ba9209}
}
EUVIMED