Evaluasi Dampak Penggunaan AI terhadap Kemandirian Belajar Mahasiswa
Keywords:
Penggunaan Artificial Intelligence, Kemandirian Belajar Mahasiswa, SEM-PLS, SelfRegulated LearningAbstract
Penelitian ini bertujuan untuk mengevaluasi dampak penggunaan Artificial Intelligence (AI) terhadap kemandirian belajar mahasiswa di era digital. Perkembangan teknologi AI seperti ChatGPT telah mengubah pola pembelajaran mahasiswa dengan memberikan kemudahan akses informasi, efisiensi waktu, dan dukungan dalam memahami materi akademik. Penelitian ini menggunakan pendekatan kuantitatif dengan metode explanatory research. Data
dikumpulkan melalui kuesioner berbasis skala Likert kepada 55 responden mahasiswa yang telah menggunakan AI dalam aktivitas belajar. Analisis data dilakukan menggunakan Structural
Equation Modeling berbasis Partial Least Squares (SEM-PLS).
Hasil penelitian menunjukkan bahwa penggunaan AI berpengaruh positif dan signifikan terhadap kemandirian belajar mahasiswa dengan nilai path coefficient sebesar 0,700 (p < 0,001; 95% CI
[0,457 – 0,961]) dan nilai R² = 0,405, yang berarti bahwa penggunaan AI mampu menjelaskan 40,5% variasi dalam kemandirian belajar mahasiswa. Seluruh indikator pengukuran menunjukkan
validitas dan reliabilitas yang baik (Cronbach's alpha X = 0,926; Y = 0,948; AVE X = 0,774; AVE Y = 0,827). Temuan ini mengindikasikan bahwa semakin intensif mahasiswa menggunakan AI secara produktif, semakin tinggi pula kemandirian belajar mereka. Namun, hasil ini perlu diinterpretasikan secara hati-hati mengingat masih terdapat faktor-faktor lain yang memengaruhi kemandirian belajar. Penelitian ini memberikan kontribusi teoritis dalam pengembangan konsep self-regulated learning dalam konteks teknologi AI, serta kontribusi praktis bagi institusi pendidikan dalam merancang kebijakan penggunaan AI secara bijak.
References
Chen, X., Zou, D., Xie, H., & Wang, F. L. (2020). Artificial intelligence in education: A review.
IEEE Access, 8, 75264–75278.
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and
mixed methods approaches (5th ed.). SAGE Publications.
Fitriani, D., Rahmawati, A., & Pratama, Y. (2023). Pengaruh penggunaan AI terhadap
kemandirian belajar mahasiswa. Jurnal Pendidikan dan Teknologi, 7(2), 112–125.
Fui-Hoon Nah, F., Zheng, R., Cai, J., Siau, K., & Chen, L. (2023). Generative AI and
ChatGPT: Applications, challenges, and AI-human collaboration. Journal of
Information Technology Case and Application Research, 25(3), 277–304.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least
squares structural equation modeling (PLS-SEM) (3rd ed.). SAGE Publications.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and
implications for teaching and learning. Center for Curriculum Redesign.
Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... &
Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large
language models for education. Learning and Individual Differences, 103, 102274.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An
argument for AI in education. Pearson Education.
Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self-regulated
learning in college students. Educational Psychology Review, 16(4), 385–407.
Russell, S., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson.
Santoso, B., & Widodo, A. (2024). Dampak AI terhadap kemandirian belajar mahasiswa di
Yogyakarta. Jurnal Ilmu Pendidikan, 15(1), 45–58.
Zhai, X., Chu, X., Chai, C. S., Jong, M. S. Y., Istenič, A., Spector, M., ... & Li, Y. (2024). A
review of artificial intelligence in education from 2010 to 2023: A bibliometric analysis.
Computers and Education: Artificial Intelligence, 6, 100235.
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory into
Practice, 41(2), 64–70
