ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN FP-GROWTH DALAM MENEMUKAN POLA PENGGUNAAN AI YANG BERPOTENSI MENYEBABKAN BRAINROT

Abstract

Pesatnya integrasi Artificial Intelligence (AI) dalam aktivitas akademik memicu risiko degradasi kognitif atau brainrot akibat ketergantungan digital yang ekstrem. Penelitian ini mengevaluasi performa algoritma Apriori dan FP-Growth dalam mengekstraksi pola penggunaan AI yang berdampak pada penurunan daya kritis mahasiswa. Data diperoleh dari 110 responden melalui instrumen tervalidasi dengan Cronbach’s Alpha 0,931. Hasil pengujian pada minimum support 0,2 dan confidence 0,6 menunjukkan kedua algoritma menghasilkan 76 itemset dan 134 aturan. Dari aspek efisiensi, Apriori unggul dengan waktu eksekusi 0,0072 detik, lebih cepat dibanding FP-Growth 0,0528 detik. Pengujian beban pada support 0,05 memicu lonjakan 8.128 itemset, dimana Apriori bekerja 53,8 kali lebih cepat (0,2021 detik) dibandingkan FP-Growth (10,8814 detik) Melalui analisis association rule, ditemukan bahwa jalur pemicu utama brainrot adalah kombinasi Ketenangan Emosional (P9) dan Generalisasi Tugas (P4) yang bermuara pada Degradasi Berpikir Kritis (P20) dengan nilai Lift Ratio 1,57. Temuan tambahan menunjukkan bahwa perilaku Substitusi Referensi (P5), atau kecenderungan mengganti literatur ilmiah dengan AI, menjadi faktor pengunci yang mempercepat penurunan ketajaman analisis mandiri. Penelitian ini berkontribusi empiris bagi institusi dalam merumuskan kebijakan literasi AI guna menjaga integritas intelektual mahasiswa di era transformasi digital