library@unissula.ac.id
Logo Universitas Islam Sultan Agung Repository UNISSULAUniversitas Islam Sultan Agung Semarang

ANALISIS DAN IDENTIFIKASI POLA PERILAKU PENGGUNAAN APLIKASI MICROSOFT COPILOT OLEH GURU SMA DI JAWA TENGAH MENGGUNAKAN PENDEKATAN K-MEAN CLUSTERING

Detail Tugas Akhir

ANALISIS DAN IDENTIFIKASI POLA PERILAKU PENGGUNAAN APLIKASI MICROSOFT COPILOT OLEH GURU SMA DI JAWA TENGAH MENGGUNAKAN PENDEKATAN K-MEAN CLUSTERING

Hariadi, Moh. Sigid (2025) ANALISIS DAN IDENTIFIKASI POLA PERILAKU PENGGUNAAN APLIKASI MICROSOFT COPILOT OLEH GURU SMA DI JAWA TENGAH MENGGUNAKAN PENDEKATAN K-MEAN CLUSTERING. Masters thesis, Universitas Islam Sultan Agung.

Berkas Tugas Akhir

PDF
Text
Magister Teknik Elektro_20602300015_fullpdf.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (1MB)
PDF
Text
Magister Teknik Elektro_20602300015_pernyataan_publikasi.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (623kB)

Abstract

Transformasi digital dalam dunia pendidikan telah menjadi kebutuhan penting dalam era teknologi saat ini. Perkembangan aplikasi berbasis kecerdasan buatan (AI), seperti Microsoft Copilot, menawarkan potensi besar untuk meningkatkan efisiensi dan efektivitas proses pembelajaran dan administrasi. Aplikasi ini dapat membantu guru dalam menyusun materi pelajaran, menganalisis data siswa, dan mengotomatisasi berbagai tugas administratif. Penelitian ini dilakukan pada guru SMA sederajat di Jawa Tengah yang penerapan teknologinya sudah berjalan namun pola perilaku penggunaannya belum terpetakan dengan baik.
Tujuan penelitian ini adalah menganalisis dan mengidentifikasi pola perilaku penggunaan aplikasi Microsoft Copilot oleh guru SMA di Jawa Tengah menggunakan pendekatan K-Mean Cluestering. Metode analisis dalam penelitian ini menggunakan pendekatan K-Mean Clustering, merupakan salah satu metode analisis yang dapat digunakan untuk mengelompokkan data menjadi beberapa cluster berdasarkan karakteristik tertentu. K-Mean Clustering diaplikasikan untuk mengidentifikasi pola perilaku penggunaan Microsoft Copilot oleh guru SMA di Jawa Tengah. Hasil penelitian ini menunjukkan bahwa penerapan k-means clustering berdasarkan pada 19 parameter yang diukur dengan menggunakan kuesioner mengenai penerapan Microsoft Copilot terhadap 236 sampel guru SLTA sederajat di Jawa Tengah mendapatkan 2 cluster yang optimal, dimana dari perobaaan k-means clustering menggunakan k=2, k=3, k-4 dan k-5 menunjukkan bahwa hasil analisis untuk k=2 memiliki nilai Favies Bouldin Index (BDI) yang paling rendah.
Hasil analisis K-Means Clustering dengan penentuan jumlah klaster k = 3 menunjukkan terbentuknya tiga pola perilaku utama dalam penggunaan Microsoft Copilot oleh guru SMA di Jawa Tengah. Cluster 0 beranggotakan 138 guru yang memperlihatkan tingkat pemanfaatan yang tinggi, ditandai dengan persepsi manfaat, kemudahan penggunaan, dan intensitas pemakaian yang konsisten pada berbagai konteks pembelajaran. Cluster 1 terdiri dari 1 guru yang menunjukkan pola perilaku sangat rendah sehingga berfungsi sebagai outlier atau pengecualian dari pola umum populasi. Adapun Cluster 2 beranggotakan 97 guru yang mencerminkan perilaku penggunaan kategori sedang, dengan pemanfaatan yang selektif dan belum merata pada seluruh indikator yang diukur. Temuan ini mengindikasikan adanya keragaman perilaku adopsi Copilot dalam tiga tingkatan yang berbeda, sehingga memberikan gambaran yang lebih granular terhadap kesiapan dan pola pemanfaatan AI di lingkungan pendidikan menengah

Kata Kunci: pola perilaku penggunaan, Microsoft Copilot, K-Mean Clustering

Informasi Item

Actions (login required)

View Item
View Item
Repository UNISSULAPerpustakaan Universitas Islam Sultan Agung

Telusur

Layanan

Informasi

  • AlamatJl. Raya Kaligawe KM 4, Semarang 50112
  • PelayananSenin–Jumat, 07.00–18.00 WIB
    Sabtu, Minggu & hari libur tutup.
  • NPP3302202D2011823
© 2026 Perpustakaan Universitas Islam Sultan Agung. Hak cipta karya tetap pada penulis masing-masing. KebijakanOAI-PMHRSSDijalankan dengan EPrints