KLASIFIKASI DAN FAKTOR PENERIMAAN APLIKASI KESEHATAN BERDASARKAN ASPEK INDIVIDUAL MENGGUNAKAN ALGORITMA BiLSTM - Dalam bentuk buku karya ilmiah

FAUZAN AKMAL BAIHAQI

Informasi Umum

Kode

24.04.4096

Klasifikasi

005.133 - Special programming techniques-specific programming language

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

94 kali

Informasi Lainnya

Abstraksi

Di era digital yang semakin maju, penggunaan aplikasi kesehatan di Indonesia terus meningkat, namun penerimaan aplikasi ini masih menghadapi berbagai tantangan, terutama terkait faktor-faktor individual. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan faktor-faktor individu yang memengaruhi penerimaan aplikasi kesehatan di Kabupaten Bandung. Data dikumpulkan melalui wawancara, kemudian dianalisis menggunakan algoritma deep learning Bidirectional Long Short-Term Memory (BiLSTM). Penelitian ini menerapkan dua skenario BiLSTM skenario pertama menggunakan single-layer BiLSTM dengan batch size 16, dan skenario kedua menggunakan multi-layer BiLSTM dengan batch size yang sama. Hasil penelitian menunjukkan bahwa skenario pertama, yaitu single-layer BiLSTM dengan batch size 16, menghasilkan akurasi tertinggi sebesar 75,80%. Faktor Behavioural Intention, Trust, dan Self-Efficacy terbukti memiliki pengaruh positif yang signifikan terhadap keputusan pengguna untuk mengadopsi aplikasi kesehatan, sedangkan Technostress dan Habit menunjukkan dampak negatif. Temuan ini menyoroti pentingnya memahami faktor-faktor psikologis dan perilaku dalam mendorong adopsi aplikasi kesehatan. Sehingga dapat meningkatkan penerimaan dan penggunaan aplikasi kesehatan di kalangan masyarakat.<br /> <br /> Kata Kunci -- aplikasi kesehatan, faktor Adopsi aplikasi, aspek individual, bidirectional long short-term memory (BiLSTM)