METOPEN Revaldo Bremana Surbakti Revaldo Bremana Surbakti 2410501047

Perkembangan Kecerdasan Buatan Generatif (GenAI) telah mengubah lanskap pendidikan tinggi. Penelitian ini menganalisis dampak penggunaan GenAI terhadap performa akademik mahasiswa menggunakan pendekatan Knowledge Discovery in Databases (KDD) dan K-Means Clustering. Dataset yang digunakan adalah "AI Student Impact Dataset" dengan 50.000 data mahasiswa dan 5 fitur utama: Weekly_GenAI_Hours, Traditional_Study_Hours, Post_Semester_GPA, Skill_Retention_Score, dan Perceived_AI_Dependency. Penentuan jumlah cluster optimal menggunakan Elbow Method dan Silhouette Score menghasilkan k=3 cluster. Hasil penelitian mengidentifikasi tiga profil mahasiswa: Balanced Learner (45,4%) dengan performa akademik terbaik, Traditional Learner (36,8%) dengan penggunaan GenAI rendah, dan High-Dependency User (17,9%) dengan ketergantungan tinggi dan risiko burnout 62,5% kategori High. Analisis korelasi menunjukkan hubungan kuat antara intensitas penggunaan GenAI dengan ketergantungan AI (r=0,665) dan risiko burnout (r=0,469), serta korelasi negatif dengan retensi keterampilan (r=-0,118). Temuan ini menegaskan bahwa hampir 1 dari 6 mahasiswa berisiko tinggi dan perlu mendapat perhatian serius dari institusi pendidikan.