Prediksi Minat Pengguna terhadap Teknologi AI Image Generator Menggunakan Artificial Neural Network
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Penelitian ini bertujuan untuk menganalisis dan memprediksi tingkat minat pengguna terhadap teknologi AI Image Generator dengan menggunakan metode Artificial Neural Network (ANN) berbasis data kuesioner. Data penelitian diperoleh dari 102 responden yang termasuk dalam kelompok digital-native, seperti mahasiswa dan profesional muda, dengan variabel independen yang mengacu pada kerangka Technology Acceptance Model (TAM) dan Unified Theory of Acceptance and Use of Technology (UTAUT), yaitu persepsi kemudahan penggunaan, pengalaman pengguna, pengetahuan teknologi, sikap terhadap teknologi AI, dan pengaruh sosial. Data yang dikumpulkan melalui kuesioner skala Likert 5-point selanjutnya diproses melalui tahap pra-pemrosesan, meliputi pembersihan data, pengkodean, dan normalisasi, sebelum digunakan dalam pelatihan model ANN. Model ANN dirancang dengan arsitektur multilayer perceptron yang terdiri dari tiga hidden layer (64-32-16 neuron) serta mekanisme dropout untuk mencegah overfitting. Hasil penelitian menunjukkan bahwa tingkat minat pengguna terbagi ke dalam tiga kategori, yaitu minat rendah sebesar 36,3%, minat sedang sebesar 30,4%, dan minat tinggi sebesar 33,3%. Model ANN mampu menghasilkan performa prediksi yang baik dan stabil dalam mengklasifikasikan tingkat minat pengguna. Temuan ini menunjukkan bahwa pendekatan berbasis ANN efektif untuk memodelkan hubungan non-linear antar variabel persepsi pengguna terhadap teknologi AI Image Generator. Penelitian ini memberikan kontribusi akademis berupa penerapan model prediktif berbasis ANN dalam konteks teknologi generatif visual, serta kontribusi praktis bagi pengembang platform dalam merumuskan strategi pengembangan dan adopsi teknologi yang lebih terarah dan berbasis data.
Rincian Artikel
Referensi
F. Davis and F. Davis, “Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology,” MIS Quarterly, vol. 13, p. 319, Sep. 1989, doi: 10.2307/249008.
V. Venkatesh, M. G. Morris, G. B. Davis, and F. D. Davis, “User Acceptance of Information Technology: Toward a Unified View,” MIS Quarterly, vol. 27, no. 3, pp. 425–478, 2003.
Y. Zhang and X. Li, “Factors Influencing the Adoption of AI-Generated Content Tools: A Study on Digital Artists,” Journal of Creative Industries, vol. 8, no. 2, pp. 123–140, 2022.
T. P. Aliya, A. T. R. Aurelia, N. S. Najmi, F. A. Apsarini, and N. A. Rakhmawati, “Observation of AI Text to Image Usage on the Credibility of Visual Artworks,” Journal of Information System, Informatics and Computing, vol. 7, no. 2, p. 387, 2023, doi: 10.52362/jisicom.v7i2.1270.
T. Z. Alam and J. Haikal, “Dampak Produksi Desain Grafis Pada Penggunaan Teknologi Artificial Intelligence (AI) Dengan Menggunakan Grounded Theory,” Jurnal Seni Nasional Cikini, vol. 10, no. 1, pp. 15–26, 2024, doi: 10.52969/jsnc.v10i1.265.
F. Hamizan, M. A. M. Suswanto, M. Sahril, and N. A. Rakhmawati, “Studi Kuantitatif Persepsi Etis Penggunaan AI Image Generator di Kalangan Mahasiswa dan Masyarakat Umum,” vol. 1, no. 2, 2025, [Online]. Available: https://www.researchgate.net/publication/392591201
D. A. H. Panggabean, F. M. Sihombing, and N. M. Aruan, “Prediksi Tinggi Curah Hujan dan Kecepatan Angin Berdasarkan Data Cuaca Dengan Penerapan Algoritma Artificial Neural Network (ANN),” Seminastika, vol. 3, no. 1, pp. 1–7, 2021, doi: 10.47002/seminastika.v3i1.237.
B. A. Widyasmara, A. Pebrianggara, I. K. Almanfaluti, and B. Hari, “Perbandingan Model Pendekatan Artificial Intelligence Berbasis Jaringan Saraf Tiruan Dan Model Klasik Terhadap Minat E-Wallet,” vol. 7, no. 2, 2025.
Y. K. Dwivedi and et al., “So what if ChatGPT wrote it? Multidisciplinary perspectives on generative artificial intelligence,” International Journal of Information Management, vol. 71, 2023, doi: 10.1016/j.ijinfomgt.2023.102642.
L. Floridi and et al., “AI ethics: Principles, challenges, and opportunities,” Minds and Machines, vol. 28, no. 4, pp. 689–707, 2018, doi: 10.1007/s11023-018-9482-5.
J. McCormack and et al., “Creativity and AI: A systematic review,” Artificial Intelligence Review, vol. 56, 2023, doi: 10.1007/s10462-022-10159-7.
V. Venkatesh, J. Y. L. Thong, and X. Xu, “Consumer Acceptance and Use of Information Technology: Extending the UTAUT,” MIS Quarterly, vol. 36, no. 1, pp. 157–178, 2012.
S. Nurhaliza, B. Bustami, and H. A. K. Aidilof, “Implementasi Chatbot AI untuk Rekomendasi Produk Skincare Menggunakan Natural Language Processing,” Jurnal Ilmiah Global Education, vol. 6, no. 2, pp. 294–303, 2025, doi: 10.55681/jige.v6i2.3802.
E. M. Rogers, Diffusion of Innovations. New York: Free Press, 2003.
S. A. Raza and et al., “Acceptance of artificial intelligence-based technologies: TAM extension,” Technology in Society, vol. 65, 2021, doi: 10.1016/j.techsoc.2021.101566.
A. Jobin, M. Ienca, and E. Vayena, “The global landscape of AI ethics guidelines,” Nature Machine Intelligence, vol. 1, pp. 389–399, 2019, doi: 10.1038/s42256-019-0088-2.