Universitas Syiah Kuala | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI
TAQWALLAH ARZA, PEMANFAATAN CHAT GENERATIVE PRE-TRAINED TRANSFORMER (GPT) DALAM MENUNJANG MAHASISWA PENDIDIKAN KEDOKTERAN. Banda Aceh Fakultas Kedokteran,2026

Perkembangan kecerdasan buatan, khususnya chat generative pre-trained transformer (chatgpt), telah membuka peluang baru dalam dunia pendidikan, termasuk pendidikan kedokteran. penelitian ini bertujuan untuk menilai tingkat akurasi chatgpt-5 dalam menjawab soal-soal kedokteran dasar dibandingkan dengan kunci jawaban resmi assessment fakultas kedokteran universitas syiah kuala (fk usk). penelitian ini menggunakan desain deskriptif. sampel penelitian berupa 50 soal pilihan ganda kedokteran dasar yang mewakili sepuluh bidang ilmu kedokteran dasar dan dipilih menggunakan teknik quota sampling. setiap soal dimasukkan ke dalam chatgpt-5 tanpa konteks tambahan, kemudian jawaban yang dihasilkan dibandingkan dengan kunci jawaban resmi dan dikategorikan menjadi akurat dan tidak akurat. data dianalisis secara deskriptif, baik secara keseluruhan maupun per bidang ilmu. hasil penelitian ini diharapkan dapat memberikan gambaran objektif mengenai kemampuan chatgpt-5 sebagai alat bantu pembelajaran serta menjadi dasar pertimbangan dalam pemanfaatan teknologi kecerdasan buatan secara bijak dalam pendidikan kedokteran.



Abstract

The rapid development of artificial intelligence, particularly Chat Generative Pre-trained Transformer (ChatGPT), has created new opportunities in education, including medical education. This study aims to evaluate the accuracy of ChatGPT-5 in answering basic medical science multiple-choice questions by comparing its responses with the official answer key of the Faculty of Medicine Assessment at Syiah Kuala University (FK USK). This study employed a descriptive research design. The study sample consisted of 50 basic medical science multiple-choice questions representing ten basic medical disciplines, selected using a quota sampling technique. Each question was entered into ChatGPT-5 without any additional context, and the generated responses were compared with the official answer key and classified as either accurate or inaccurate. The data were analyzed descriptively, both overall and by individual medical discipline. The findings of this study are expected to provide an objective overview of ChatGPT-5's performance as a learning support tool and to serve as a basis for the appropriate and responsible integration of artificial intelligence technology into medical education.



    SERVICES DESK