Pengaruh Penggunaan AI dan Lingkungan Belajar terhadap Motivasi Belajar Mahasiswa: Analisis Mediasi Self-Efficacy
Main Article Content
Abstract
Abstract: Perkembangan pesat teknologi Artificial Intelligence (AI) memberikan peluang besar untuk meningkatkan kualitas pembelajaran di perguruan tinggi, terutama dalam hal motivasi belajar mahasiswa. Namun, pengaruh penggunaan AI terhadap motivasi belajar masih memerlukan pemahaman lebih mendalam, khususnya terkait peran lingkungan belajar dan self-efficacy sebagai mediator. Penelitian ini bertujuan untuk menguji secara kuantitatif pengaruh penggunaan AI dan lingkungan belajar terhadap motivasi belajar mahasiswa dengan self-efficacy sebagai variabel mediasi. Metode penelitian menggunakan desain korelasional dengan analisis Structural Equation Modeling-Partial Least Squares (SEM-PLS). Data diperoleh dari 195 mahasiswa aktif yang memiliki pengalaman menggunakan AI dalam proses pembelajaran, melalui kuesioner daring berbasis skala Likert. Hasil analisis menunjukkan bahwa penggunaan AI memiliki pengaruh positif dan signifikan terhadap motivasi belajar mahasiswa. Lingkungan belajar juga berpengaruh signifikan terhadap self-efficacy, namun tidak memberikan pengaruh langsung yang signifikan terhadap motivasi belajar. Self-efficacy terbukti berperan sebagai mediator yang memperkuat hubungan antara penggunaan AI dan motivasi belajar. Temuan ini mengindikasikan bahwa penciptaan lingkungan belajar yang kondusif dan pemanfaatan teknologi AI secara optimal dapat meningkatkan keyakinan diri mahasiswa dalam belajar, yang pada akhirnya mendorong motivasi belajar mereka. Penelitian ini memberikan kontribusi penting bagi pengembangan strategi pembelajaran berbasis teknologi yang holistik dan berkelanjutan di perguruan tinggi. Oleh karena itu, institusi pendidikan perlu mengintegrasikan aspek teknologi dan pengelolaan lingkungan belajar untuk mendukung keberhasilan akademik mahasiswa secara efektif.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Bandura, A. (1997). Self-Efficacy: The Exercise of Control. New York: W.H. Freeman.
Baron, R. M., & Kenny, D. A. (1986). The Moderator–Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182.
Etikan, I., Musa, S. A., & Alkassim, R. S. (2016). Comparison of Convenience Sampling and Purposive Sampling. American Journal of Theoretical and Applied Statistics, 5(1), 1–4.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed.). Thousand Oaks, CA: Sage Publications.
Moos, R. H. (1979). Evaluating Educational Environments: Procedures, Measures, Findings, and Policy Implications. San Francisco: Jossey-Bass.
Muchminiin, M. A., Andrian Rahmadhani, M. K., Muqorobin, S., Mustaghfirullah, F., & Luthfi, O. S. (2024). Pengaruh penggunaan artificial intelligence (AI) terhadap minat belajar mahasiswa Teknik Informatika angkatan 2022. Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer, 2(4), 56–62. https://doi.org/10.61132/mars.v2i4.235
Nelliraharti. (2024). Pengaruh penggunaan Artificial Intelligence (AI) terhadap motivasi belajar mahasiswa. Jurnal of Education Science, 10(1), 139–151. https://jurnal.uui.ac.id/index.php/jes/article/view/3993/1958
Patino, C. M., & Ferreira, J. C. (2018). Inclusion and exclusion criteria in research studies: Definitions and why they matter. Jornal Brasileiro de Pneumologia, 44(2), 84. https://doi.org/10.1590/S1806-37562018000000088
Rakuasa, H., Faris, D. A., & Hidayatullah, M. (2024). Transforming Education in the Age of Artificial Intelligence: Challenges and Opportunities in Indonesia, A Literature Review. Journal Education Innovation (JEI), 2(1), 180–186. https://jurnal.ypkpasid.org/index.php/jei/article/view/48
Rifky, S. (2024). Dampak Penggunaan Artificial Intelligence Bagi Pendidikan Tinggi. Indonesian Journal of Multidisciplinary on Social and Technology, 2(1), 37–42. https://doi.org/10.31004/ijmst.v2i1.287
Rohana, D. D. A., Ardhiansyah, A. N., & Widodo, D. P. (2024). Digital learning with artificial intelligence (AI): The correlation of AI to student learning motivation. International Conference on Applied Social Sciences in Education, 1(1), 139–151. Universitas PGRI Yogyakarta. https://journal.upy.ac.id/index.php/icasse/article/view/6913
Russell, S. J., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Hoboken, NJ: Pearson.
Ryan, R. M., & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination Theory Perspective: Definitions, Theory, Practices, and Future Directions. Contemporary Educational Psychology, 61, 101860.
Sadewo, A. P., & Marsofiyati, M. (2024). Analisis penggunaan media pembelajaran digital interaktif terhadap motivasi belajar dan hasil belajar mahasiswa Universitas Negeri Jakarta. Sindoro: Cendikia Pendidikan, 7(9), 71–80. https://ejournal.warunayama.org/index.php/sindorocendikiapendidikan/article/view/6570
Sarstedt, M., Ringle, C. M., & Hair, J. F. (2022). Partial Least Squares Structural Equation Modeling. In Handbook of Market Research (pp. 1–47). Springer.
Sugiarto, S., Sulindra, I. M., & Adnan, A. (2024). Pemanfaatan teknologi artificial intelligence dalam efektivitas pembelajaran mahasiswa Universitas Samawa. Jurnal Kependidikan, 9(1), 70–79. https://e-journallppmunsa.ac.id/index.php/kependidikan/article/view/1676
Sugiarto, S., Sulindra, I. M., & Adnan. (2024). Pemanfaatan teknologi artificial intelligence dalam efektifitas pembelajaran mahasiswa Universita Samawa. Jurnal Kependidikan, 9(1), 70–79. https://e-journallppmunsa.ac.id/index.php/kependidikan/article/view/1676
UNESCO. (2023). Global Education Monitoring Report 2023: Technology in Education. Paris: UNESCO Publishing.
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian dengan Partial Least Square Path Modeling. Jakarta: Salemba Empat.