Membangun Kepercayaan Diri Mahasiswa Di Era Ai: Analisis Pengaruh Persepsi Manfaat, Sikap Terhadap Teknologi, Dan Pengalaman Penggunaan Kecerdasan Buatan Building Students’ Self-Confidence in the Era of Artificial Intelligence: An Analysis of the Effects of Perceived Usefulness, Attitude Toward Technology, and Artificial Intelligence Usage Experience
Main Article Content
Abstract
Kemajuan teknologi kecerdasan buatan (AI) telah memberikan dampak besar terhadap sektor pendidikan, terutama dalam cara mahasiswa beradaptasi dan berinteraksi dengan teknologi pembelajaran modern. Penelitian ini bertujuan untuk mengkaji pengaruh persepsi manfaat AI, sikap terhadap teknologi, serta pengalaman penggunaan AI terhadap tingkat kepercayaan diri mahasiswa Fakultas Bisnis dan Informatika. Penelitian menggunakan pendekatan kuantitatif melalui metode survei dengan 306 responden dari total populasi 842 mahasiswa, menggunakan teknik proportionate stratified random sampling. Analisis data dilakukan dengan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) menggunakan perangkat lunak SmartPLS versi 4. Hasil analisis menunjukkan bahwa seluruh konstruk dalam model memenuhi kriteria validitas dan reliabilitas, serta model dinyatakan layak (fit) dengan nilai SRMR sebesar 0,063. Secara struktural, ketiga variabel independen terbukti memiliki pengaruh positif dan signifikan terhadap kepercayaan diri mahasiswa, dengan nilai R-square sebesar 0,633 yang berarti ketiganya menjelaskan 63,3% variasi pada kepercayaan diri mahasiswa. Temuan ini menegaskan pentingnya sinergi antara faktor kognitif, afektif, dan perilaku dalam membentuk kepercayaan diri mahasiswa di era digital, serta memberikan rekomendasi strategis bagi perguruan tinggi dalam mengoptimalkan pembelajaran berbasis kecerdasan buatan.
Downloads
Article Details

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
All rights reserved. This publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying, recording.
References
REFERENSI
Aithal, A., & Aithal, P. S. (2020). Development and Validation of Survey Questionnaire & Experimental Data – A Systematical Review-based Statistical Approach. Munich Personal RePEc Archive, 104830, 4. https://mpra.ub.uni-muenchen.de/104830/ MPRA
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(43), 1–18. https://doi.org/10.1186/s41239-023-00411-8
Cohen, J. (2012). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4135/9781412961288.n443
Fornell, C., & Larcker, D. F. (2012). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39–50. http://www.jstor.org/stable/3151312
Garson, G. D. (2016). Partial Least Squares: Regression and Structural Equation Models. Statistical Publishing Associates. https://doi.org/1626380392
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2020). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). In T. Edition (Ed.), JSage Publications, Inc. Sage P. https://www.researchgate.net/publication/353452600_Partial_Least_Squares_Structural_Equation_Modeling
Hamid, R. S., & Anwar, S. M. (2019). STRUCTURAL EQUATION MODELING (SEM) BERBASIS VARIAN: Konsep Dasar dan Aplikasi dengan Program SmartPLS 3.2.8 dalam Riset Bisnis (Abiratno (ed.); Cetakan 1). PT Inkubator Penulis Indonesia.
Haryono, S. (2016). Metode SEM untuk Penelitian Manajemen dengan AMOS LISREL PLS (Cetakan 1). PT Intermedia Personalia Utama. https://doi.org/10.1088/1751-8113/44/8/085201
Henseler, J., Hubona, G., & Ray, P. A. (2016). Using PLS path modeling in new technology research: Updated guidelines. Industrial Management and Data Systems, 116(1), 2–20. https://doi.org/10.1108/IMDS-09-2015-0382
Kock, N., & Hadaya, P. (2018). Minimum sample size estimation in PLS-SEM: The inverse square root and gamma-exponential methods. Information Systems Journal, 28(1), 227–261. https://doi.org/10.1111/isj.12131
Kusumah, E. P. (2023). Metode Penelitian Bisnis: Analisis Data Melalui SPSS dan Smart-PLS (Cetakan 1). Penerbit Deepublish.
Makwana, D., Engineer, P., Dabhi, A., & Chudasama, H. (2023). Sampling Methods in Research: A Review. International Journal of Trend in Scientific Research and Development (IJTSRD), 7(3), 762–768. https://www.researchgate.net/publication/371985656
Savitri, C., Faddila, S. P., Irmawartini, Iswari, H. R., Anam, C., Syah, S., Mulyani, S. R., Sihombing, P. R., Kismawadi, E. R., Pujianto, A., Mulyati, A., Astuti, Y., Adinugroho, W. C., Imanuddin, R., Kristia, Nuraini, A., & Siregar, M. T. (2021). Statistik Multivariat dalam Riset (I. Ahmaddien (ed.); Cetakan 1). Penerbit Widina Bhakti Persada. http://www.unil.ch/ssp/page34569.html
Wadood, F., Akbar, F., & Ullah, I. (2021). The Importance And Essential Steps Of Pilot Testing In Management Studies: A Quantitative Survey Results. Journal of Contemporary Issues in Business and Government, 27(5), 2021. https://cibg.org.au/