JURNAL RISET MAHASISWA AKUNTANSI (JRMA)
Volume 14.
No.
Tahun 2026 https://doi.
org/10.
21067/jrma.
Pengaruh Tingkat Ketergantungan Artificial Intelligence (AI) terhadap Kesiapan Kerja Mahasiswa Akuntansi dengan Self-Efficacy sebagai Variabel Intervening Deica Purnama Rahmadhania1*.
Bella Paraditaa2 Universitas Kahuripan Kediri.
Indonesia rahmadhani@students.
*Deica Purnama Rahmadhani1 Received: 5 Maret 2026.
Revised: 26 Maret 2026.
Accepted: 7 April 2026 Abstrak Penelitian ini bertujuan untuk mengevaluasi pengaruh tingkat ketergantungan Artificial Intelligence (AI) terhadap kesiapan kerja mahasiswa akuntansi dengan self-efficacy sebagai variabel intervening.
Menggunakan pendekatan kuantitatif, studi ini melibatkan 52 mahasiswa aktif Program Studi Akuntansi Universitas Kahuripan Kediri melalui teknik sensus.
Data dianalisis menggunakan Structural Equation Modeling (SEM) berbasis Partial Least Square (PLS) dengan perangkat lunak SmartPLS.
Hasil analisis mengungkapkan bahwa tingkat ketergantungan AI tidak berpengaruh langsung secara signifikan terhadap kesiapan kerja.
Namun, ketergantungan AI terbukti berpengaruh signifikan terhadap kesiapan kerja melalui peran self-efficacy sebagai mediasi penuh .
ull mediatio.
Temuan ini menegaskan bahwa penggunaan teknologi tanpa dibarengi keyakinan diri yang matang berisiko menghambat kemandirian mahasiswa.
Implikasi penelitian ini menekankan pentingnya reposisi peran teknologi dalam kurikulum akuntansi.
Institusi pendidikan disarankan tidak hanya membekali mahasiswa dengan kecakapan teknis AI, tetapi juga mengintegrasikan pengembangan aspek psikologis guna memastikan kesiapan profesional mahasiswa di era digital.
Kata kunci - Artificial Intelligence.
Kesiapan Kerja.
Self-Efficacy.
Mahasiswa Akuntansi.
SEM-PLS
Abstract This research aims to evaluate the influence of Artificial Intelligence (AI) dependency on the job readiness of accounting students, with self-efficacy as an intervening variable.
Using a quantitative approach, this study involved 52 active accounting students at Universitas Kahuripan Kediri selected through a census technique.
Data were analyzed using Structural Equation Modeling (SEM) based on Partial Least Square (PLS) with SmartPLS software.
The results reveal that the level of AI dependency does not have a significant direct effect on job readiness.
However.
AI dependency is proven to have a significant effect on job readiness through the role of self-efficacy as a full mediation.
These findings emphasize that the use of technology without mature selfconfidence risks hindering student independence.
The implications of this research highlight the importance of repositioning the role of technology in the accounting curriculum.
Educational institutions are advised not only to equip students with technical AI proficiency but also to integrate the development of psychological aspects to ensure students' professional readiness in the digital era.
Keywords - Artificial Intelligence.
Job Readiness.
Self-Efficacy.
Accounting Students.
SEM-PLS
How to Cite : Rahmadhani.
, & Paradita.
Pengaruh Tingkat Ketergantungan Artificial Intelligence (AI) terhadap Kesiapan Kerja Mahasiswa Akuntansi dengan Self-Efficacy sebagai Variabel Intervening.
Jurnal Riset Mahasiswa Akuntansi, 14.
, 108Ae118.
https://doi.
org/10.
21067/jrma.
Copyright A JRMA 2020 e-ISSN.
Hal | 108 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026
Rahmadhani.
Paradita
PENDAHULUAN
Dunia saat ini tengah mengalami transformasi digital yang sangat cepat akibat perkembangan masif teknologi artificial intelligence (AI) (Manel et al.
, 2.
Sektor akuntansi menjadi salah satu bidang yang paling terdampak, di mana tugas-tugas administratif rutin mulai digantikan oleh sistem otomatisasi (Yufrizal, 2.
Hal ini menuntut profesi akuntan masa depan untuk berevolusi menjadi analis strategis yang mahir dalam menginterpretasi data serta memecahkan persoalan yang kompleks (Mais, 2.
Oleh sebab itu, penguasaan teknologi dan literasi digital menjadi kompetensi wajib bagi mahasiswa akuntansi agar tetap relevan di pasar kerja yang kompetitif (Putri & Kaila Febina, 2025.
Harindahyani, 2.
Namun, kemudahan yang ditawarkan AI juga membawa risiko ketergantungan digital yang tidak sehat di kalangan akademisi (Lukman et al.
, 2.
Pemanfaatan alat bantu seperti ChatGPT secara berlebihan tanpa adanya proses verifikasi mandiri dikhawatirkan dapat melemahkan daya kritis mahasiswa (Harmilawati et al.
, 2.
Fenomena cognitive offloading, atau penyerahan beban berpikir sepenuhnya kepada teknologi, berisiko menciptakan lulusan yang bergantung secara kognitif namun minim pemahaman mendalam (Maghfiroh & Widhiastuti, 2.
Hal ini dapat memperlebar kesenjangan antara kompetensi lulusan dengan kebutuhan industri yang sebenarnya (Masriyanda & Fathurrahman, 2.
(Ikraharjo & Lestari, 2.
Dari sisi psikologis, ketergantungan ini berkaitan erat dengan self-efficacy, yaitu keyakinan seseorang terhadap kemampuannya dalam menyelesaikan tugas (Utami et al.
, 2.
Mahasiswa dengan kepercayaan diri yang rendah cenderung menghindari tantangan dan lebih memilih solusi instan dari AI (Noviyanti & Ngiu, 2.
Padahal, keyakinan diri merupakan fondasi utama dalam membentuk kesiapan kerja (Nelwan & Lumintang, 2.
Penelitian terbaru bahkan menunjukkan bahwa 40% mahasiswa mengalami penurunan motivasi belajar mandiri akibat ketergantungan pada teknologi cerdas tersebut (Hanifah & Novebri, 2.
(Sahabuddin, 2.
Gap analysis dalam penelitian ini menyoroti bahwa sebagian besar literatur sebelumnya lebih banyak mengeksplorasi peran positif implementasi teknologi dan self-efficacy terhadap kesiapan kerja mahasiswa (Liana et al.
, 2.
(Sitompul et al.
, 2.
Namun, masih terdapat kekosongan penelitian .
esearch ga.
yang secara spesifik menyelidiki potensi dampak negatif dari ketergantungan pada AI sebagai faktor penghambat psikologis dan perkembangan kognitif.
Kebaruan .
penelitian ini terletak pada pengujian mekanisme mediasi self-efficacy untuk menjelaskan bagaimana ketergantungan AI dapat memengaruhi kesiapan kerja secara tidak langsung (Azky, 2.
Urgensi masalah ini diperkuat oleh hasil studi pendahuluan yang menunjukkan bahwa 90,9% mahasiswa merasa tidak percaya diri menyelesaikan tugas tanpa bantuan teknologi.
Fenomena ini mengindikasikan adanya ancaman serius terhadap kemandirian kognitif mereka di masa depan (Firdaus et al.
, 2.
(Sukmantara, 2.
Berdasarkan uraian di atas, penelitian ini bertujuan untuk menganalisis pengaruh langsung ketergantungan AI terhadap kesiapan kerja mahasiswa akuntansi serta pengaruhnya terhadap tingkat self-efficacy (Elwathan & Syahrama, 2.
Selain itu, penelitian ini ingin mengevaluasi peran self-efficacy dalam meningkatkan kesiapan kerja serta fungsinya sebagai variabel mediasi (Sholihah, 2.
Studi ini dilakukan pada mahasiswa Akuntansi Universitas Kahuripan Kediri angkatan 2022Ae2025.
Hasilnya diharapkan dapat membantu lembaga pendidikan dalam menyelaraskan pemanfaatan teknologi dengan pengembangan kapasitas personal mahasiswa secara seimbang (Setiarini et al.
, 2.
Model konseptual dalam penelitian ini disusun untuk menggambarkan pola hubungan antar variabel yang diteliti.
Tingkat ketergantungan AI ditempatkan sebagai variabel independen yang diduga memengaruhi kesiapan kerja mahasiswa secara langsung maupun tidak langsung melalui selfefficacy sebagai variabel mediasi.
Secara visual, hubungan kausalitas dan alur pemikiran penelitian ini disajikan dalam Gambar 1 berikut.
Copyright A JRMA 2020 e-ISSN.
Hal | 109 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026 Rahmadhani.
Paradita Gambar 1 Model Kerangka Konseptual Berdasarkan kerangka konseptual yang telah dipaparkan pada Gambar 1, penelitian ini mengasumsikan adanya hubungan kausalitas antar variabel yang saling terkait.
Alur hubungan tersebut menunjukkan bahwa ketergantungan yang tinggi pada teknologi berpotensi menekan kapasitas psikologis mahasiswa, yang pada gilirannya memengaruhi kesiapan kerja mereka.
Sebagai dasar pengujian empiris, diajukan empat hipotesis utama dalam penelitian ini, diantaranya sebagai H1: Tingkat ketergantungan AI berpengaruh negatif dan signifikan terhadap kesiapan kerja mahasiswa H2: Tingkat ketergantungan AI berpengaruh negatif dan signifikan terhadap self-efficacy mahasiswa H3: Self-efficacy berpengaruh positif dan signifikan terhadap kesiapan kerja mahasiswa akuntansi.
H4: Self-efficacy memediasi pengaruh tingkat ketergantungan AI terhadap kesiapan kerja mahasiswa
METODE
Penelitian ini menggunakan pendekatan kuantitatif dengan lokasi penelitian pada Program Studi Akuntansi Universitas Kahuripan Kediri.
Populasi penelitian mencakup mahasiswa akuntansi angkatan 2022Ae2025, berdasarkan hasil observasi dan verifikasi data mahasiswa, terdapat 52 mahasiswa aktif .
etelah dikurangi 14 mahasiswa yang sudah tidak aktif/cut.
Teknik pengambilan sampel yang digunakan adalah teknik sampling jenuh .
Data primer dalam penelitian ini dikumpulkan melalui penyebaran kuesioner daring via Google Forms.
Instrumen penelitian dikembangkan berdasarkan indikator spesifik guna menjamin validitas Variabel ketergantungan AI diukur melalui indikator intensitas penggunaan, reduksi usaha mandiri, serta kecemasan saat teknologi tidak tersedia.
Variabel self-efficacy diukur menggunakan indikator keyakinan diri dalam penuntasan tugas dan otonomi dalam pengambilan Adapun variabel kesiapan kerja diukur melalui indikator kompetensi teknis, pengalaman praktis, dan dorongan motivasi kerja.
Analisis data dilakukan dengan metode Structural Equation Modeling berbasis Partial Least Square (SEM-PLS) menggunakan perangkat lunak SmartPLS.
Prosedur analisis meliputi evaluasi measurement model .
ji validitas konvergen, diskriminan, serta reliabilita.
dan evaluasi structural model .
ji R-square, f-square, dan koefisien jalu.
Pengujian hipotesis dan efek mediasi dilakukan melalui prosedur bootstrapping untuk menentukan nilai t-statistics dan p-values sebagai dasar penarikan kesimpulan empiris.
Copyright A JRMA 2020 e-ISSN.
Hal | 110 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026
Rahmadhani.
Paradita
PEMBAHASAN
Analisis statistik deskriptif digunakan untuk memberikan gambaran komprehensif mengenai kondisi setiap variabel yang diteliti berdasarkan persepsi responden.
Pada penelitian ini, analisis deskriptif diukur melalui tingkat tanggapan mahasiswa terhadap variabel utama, yaitu tingkat ketergantungan artificial intelligence (AI), self-efficacy dan kesiapan kerja pada mahasiswa Akuntansi Universitas Kahuripan Kediri.
Penilaian responden diklasifikasikan ke dalam tiga kategori utama, yaitu rendah, sedang, dan tinggi berdasarkan skor rata-rata .
yang diperoleh dari hasil pengolahan data.
Pengkategorian ini ditentukan menggunakan nilai rata-rata ideal, di mana skor ratarata tertinggi adalah 5,00 .
esuai nilai maksimal skala Liker.
dan skor rata-rata terendah adalah 1,00.
Berdasarkan perhitungan jarak interval pada nilai rata-rata tersebut, maka ditentukan batas kategori sebagai berikut: kategori rendah .
,00 Ae 2,.
, kategori sedang .
,34 Ae 3,.
, dan kategori tinggi .
,68 Ae 5,.
Data rata-rata yang diperoleh dari kuesioner kemudian diklasifikasikan ke dalam kategori tersebut untuk mengetahui kecenderungan persepsi responden terhadap masing-masing variabel Tabel 1.
Statistik Deskriptif Variabel Ketergantungan AI.
Self-Efficacy dan Kesiapan Kerja Kategori Tanggapan Responden
Total
Variabel
Rendah
Sedang Tinggi Tingkat Ketergantungan AI
Kesiapan Kerja Self-Efficacy Sumber : Data diolah, 2026
3,01
2,96
3,01
Merujuk pada Tabel 1, diperoleh hasil bahwa nilai total keseluruhan data dalam variabel yakni 52 responden yang bersumber dari teknik sensus pada Mahasiswa Akuntansi Universitas Kahuripan Kediri angkatan 2022Ae2025.
Tiap-tiap variabel akan dijelaskan berdasarkan pada Tabel 1 di atas, yakni sebagai berikut.
Variabel tingkat ketergantungan pada artificial intelligence (AI) memiliki tingkat kategori persentase AusedangAy 100% dengan nilai rerata 3,01.
Angka ini mengindikasikan adanya titik kritis ketergantungan digital, di mana responden mulai menunjukkan keterikatan emosional dan panik apabila akses teknologi terganggu.
Hal ini sejalan dengan Social Cognitive Theory (Bandura, 1.
bahwa lingkungan digital mulai mendominasi proses regulasi diri mahasiswa, yang jika tidak dikontrol dapat menciptakan efisiensi semu dan mengikis kemampuan analisis mandiri.
Variabel self-efficacy memiliki persentase 100% dan berada dalam kategori AusedangAy dengan nilai rerata 3,01.
Hasil ini merefleksikan bahwa mahasiswa memiliki keyakinan diri yang stabil namun masih dalam tahap akumulasi mastery experience.
Sesuai dengan Teori Self-Efficacy (Bandura, 1.
, ketersediaan AI pada level ini berperan sebagai stimulan yang menjaga stabilitas keyakinan diri, namun sekaligus menjadi tantangan dalam membangun kemandirian kognitif yang substansial di era transformasi digital.
Variabel kesiapan kerja memiliki persentase 100% dan berada dalam kategori AusedangAy dengan nilai rerata 2,96.
Nilai yang paling rendah dibandingkan variabel lainnya ini memberikan konfirmasi teoretis berdasarkan kerangka Social Career Cognitive Theory.
Hal ini menunjukkan bahwa literasi teknologi saja tidak secara otomatis menjamin kesiapan kerja yang optimal tanpa adanya internalisasi efikasi diri yang kuat.
Responden menunjukkan sinergi kognitif yang realistis, di mana mereka masih memerlukan penguatan kapasitas personal untuk benar-benar siap bertransisi menuju dunia kerja Copyright A JRMA 2020 e-ISSN.
Hal | 111 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026 Rahmadhani.
Paradita Evaluasi Measurement Model (Outer Mode.
Evaluasi outer model dilakukan untuk memastikan validitas dan reliabilitas instrumen Validitas konvergen dinilai berdasarkan nilai loading factor dan Average Variance Extracted (AVE).
Kriteria yang ditetapkan adalah nilai loading factor > 0,70 dan nilai AVE > 0,50.
Namun, dalam penelitian ini, indikator yang memiliki nilai di bawah 0,70 tetap dipertahankan selama nilai AVE konstruk secara keseluruhan tetap memenuhi ambang batas yang disyaratkan.
Selain itu, validitas diskriminan dipastikan melalui nilai Heterotrait-Monotrait Ratio (HTMT) yang harus berada di bawah 0,90.
Selanjutnya, uji reliabilitas dilakukan untuk mengukur konsistensi instrumen melalui parameter CronbachAos Alpha dan Composite Reliability .
Instrumen dinyatakan reliabel apabila kedua parameter tersebut menunjukkan nilai > 0,70.
Sebelum melakukan pengujian final pada outer model, dilakukan pembersihan data dengan mengeliminasi indikator yang tidak memenuhi syarat minimum loading factor.
Indikator KAI1.
KAI2 dan KAI7 dikeluarkan dari model karena memiliki nilai loading factor di bawah 0,50 yang dapat menurunkan nilai AVE dan reliabilitas Setelah indikator-indikator tersebut dieliminasi, seluruh konstruk yang tersisa dalam model penelitian ini memenuhi syarat validitas dan reliabilitas sebagaimana disajikan dalam Tabel 2 berikut.
Tabel 2.
Hasil Evaluasi Measurement Model (Outer Mode.
Outer
CronbachAos Composite Variabel
Indikator AVE
Loading Alpha
Reliability Ketergantungan AI (X) KAI3
0,788
0,611
0,790
0,862
KAI4
0,764
KAI5
0,847
KAI6
0,722
Self-Efficacy (Z) SEF1
0,787
0,539
0,828
0,874
SEF2
0,797
SEF4
0,733
SEF5
0,722
SEF6
0,773
SEF7
0,569
Kesiapan Kerja (Y) KES1
0,652
0,548
0,832
0,878
KES2
KES3
KES4
KES5
KES6
Sumber : Data diolah SmartPLS, 2026
0,718
0,685
0,847
0,674
0,839
Berdasarkan Tabel 2, hasil pengujian menunjukkan bahwa nilai Average Variance Extracted (AVE) untuk seluruh konstruk berada di atas 0,50 dan nilai Composite Reliability .
serta CronbachAos Alpha berada di atas 0,70.
Meskipun terdapat beberapa indikator seperti SEF7 .
KES1 .
KES3 .
, dan KES5 .
yang memiliki nilai outer loading di bawah 0,70, indikator tersebut tetap dipertahankan karena nilai AVE konstruk secara keseluruhan telah memenuhi syarat validitas konvergen.
Dengan demikian, dapat disimpulkan bahwa seluruh instrumen penelitian telah memenuhi kriteria validitas konvergen dan reliabilitas yang baik.
Copyright A JRMA 2020 e-ISSN.
Hal | 112 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026 Rahmadhani.
Paradita Selanjutnya, dilakukan uji validitas diskriminan menggunakan metode HeterotraitMonotrait Ratio (HTMT) untuk memastikan bahwa setiap konstruk benar-benar berbeda satu sama lain secara empiris.
Hasil uji HTMT disajikan pada Tabel 3 berikut.
Tabel 3.
Validitas Diskriminan (HTMT) Variabel
Kesiapan Kerja (Y) Kesiapan Kerja (Y) Ketergantungan AI (X) 0,425 Self-Efficacy (Z) 0,860 Sumber : Data diolah SmartPLS, 2026
Ketergantungan AI
(X)
Self-Efficacy (Z) 0,372 Berdasarkan Tabel 3, hasil pengujian Heterotrait-Monotrait Ratio (HTMT) menunjukkan bahwa seluruh nilai korelasi antar konstruk berada di bawah ambang batas 0,90.
Nilai tertinggi tercatat pada hubungan antara Self-Efficacy dan Kesiapan Kerja sebesar 0,860, sedangkan hubungan lainnya menunjukkan nilai yang jauh lebih rendah.
Hal ini mengindikasikan bahwa seluruh konstruk dalam model penelitian ini memiliki validitas diskriminan yang baik, yang berarti setiap variabel mampu mengukur fenomena yang berbeda secara unik dan tidak terjadi tumpang tindih antar variabel.
Secara keseluruhan, hasil evaluasi outer model baik dari sisi validitas konvergen, validitas diskriminan, maupun reliabilitas telah memenuhi kriteria yang dipersyaratkan.
Oleh karena itu, model penelitian ini dinyatakan layak untuk dilanjutkan ke tahap evaluasi model struktural .
nner mode.
dan pengujian hipotesis.
Evaluasi Structural Model (Inner Mode.
Evaluasi model struktural atau inner model dilakukan setelah model pengukuran .
uter mode.
dinyatakan memenuhi kriteria validitas dan reliabilitas.
Tahap ini bertujuan untuk memprediksi hubungan antar konstruk laten serta mengukur seberapa besar kemampuan variabel independen dalam menjelaskan varians variabel dependen.
Dalam penelitian ini, evaluasi model struktural diukur menggunakan beberapa parameter utama, yaitu koefisien determinasi (R.
, koefisien jalur .
ath coefficient.
, signifikansi melalui nilai T-statistics dan P-values, serta effect size .
dan uji specific indirect effect.
Nilai koefisien determinasi (R.
digunakan untuk menunjukkan kekuatan prediksi model, di mana nilai yang lebih tinggi mengindikasikan kemampuan model yang lebih baik dalam menjelaskan fenomena yang diteliti.
Hasil uji koefisien determinasi akan disajikan pada Tabel 4 Tabel 4.
Hasil Koefisien Determinasi (R.
Variabel Dependen R-Square R-Square Adjusted Kategori Kesiapan Kerja (Y) 0,580 0,563 Moderat Self-Efficacy (Z) 0,089 0,071 Lemah Sumber : Data diolah SmartPLS, 2026 Hasil uji koefisien determinasi menunjukkan nilai (R.
untuk variabel Kesiapan Kerja sebesar 0,580, yang mengindikasikan bahwa model penelitian ini memiliki kekuatan prediksi Ketergantungan AI dan self-efficacy secara simultan mampu menjelaskan varians kesiapan kerja mahasiswa sebesar 58,0%, sementara sisanya dipengaruhi oleh faktor lain di luar model.
sisi lain, nilai (R.
untuk self-efficacy sebesar 0,089 masuk dalam kategori lemah, yang mengisyaratkan bahwa meskipun ketergantungan AI berpengaruh signifikan, namun keyakinan Copyright A JRMA 2020 e-ISSN.
Hal | 113 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026 Rahmadhani.
Paradita diri mahasiswa akuntansi lebih dominan dibentuk oleh faktor eksternal lain seperti pengalaman akademik dan praktik lapangan daripada sekadar penggunaan teknologi.
Selanjutnya, arah dan kekuatan hubungan antar variabel dianalisis melalui koefisien jalur .
ath coefficient.
Untuk menguji hipotesis yang diajukan, penelitian ini menetapkan kriteria signifikansi dengan nilai T-statistics di atas 1,96 dan nilai P-values di bawah 0,05 pada tingkat signifikansi 5%.
Selain itu, kontribusi relatif dari setiap variabel independen terhadap variabel dependen dievaluasi menggunakan effect size .
dengan kategori kecil .
, menengah .
, dan besar .
Hasil uji path coefficients akan dijelaskan pada Tabel 5 berikut.
Tabel 5.
Hasil Uji Koefisien Jalur Hipotesis Hubungan Dugaan Original TPF2
Kesimpulan Antar Variabel
Arah
Sample Statistics Values (O) Ketergantungan Negatif
0,139
1,149
0,251 0,042
Ditolak AI Ie Kesiapan (-) Kerja Ketergantungan Negatif
0,299
2,003
0,045 0,098
Ditolak AI Ie Self(-) Efficacy Self-Efficacy Ie
Positif
0,708
9,375
0,000 1,089
Diterima Kesiapan Kerja ( ) Sumber : Data diolah SmartPLS, 2026 Berdasarkan Tabel 5 hasil pengujian hipotesis menunjukkan bahwa H1 ditolak karena pengaruh Ketergantungan AI terhadap Kesiapan Kerja terbukti tidak signifikan (O=0,139.
P=0,.
Hasil ini sejalan dengan kritik terhadap fenomena cognitive offloading dalam Social Cognitive Theory.
Meskipun teknologi menawarkan efisiensi, kesiapan kerja merupakan hasil dari mastery experience .
engalaman penguasaa.
yang bersifat aktif.
Ketergantungan yang pasif justru berisiko mendegradasi kapasitas analisis mandiri yang menjadi kompetensi fundamental di industri.
Temuan ini memperkuat penelitian (Sukmantara, 2.
yang menyatakan bahwa penggunaan AI tanpa kontrol diri yang baik membuat mahasiswa menjadi pasif dalam memecahkan masalah.
Hal ini mengonfirmasi bahwa tingginya intensitas penggunaan teknologi bukan jaminan otomatis bagi peningkatan kesiapan profesional seseorang.
Sementara itu.
H2 ditolak meskipun memiliki nilai signifikan (P=0,.
, hal ini disebabkan adanya perbedaan arah hubungan, hasil lapangan menunjukkan pengaruh positif (O=0,.
, berlawanan dengan dugaan awal yang memprediksi pengaruh negatif.
Hal ini dapat dijelaskan melalui Teori Self-Efficacy Bandura, di mana AI berperan sebagai proxy agency atau instrumen pendukung yang mempermudah tugas kompleks.
Aksesibilitas teknologi ini secara psikologis memperkuat persepsi keberdayaan mahasiswa dalam menanggulangi tantangan akademik.
Hasil ini sejalan dengan penelitian (Noviyanti & Ngiu, 2.
yang menemukan bahwa penggunaan AI berkontribusi sebesar 54,6% terhadap peningkatan self-efficacy siswa karena membantu meningkatkan kepercayaan diri akademik.
Sebaliknya.
H3 diterima dengan dukungan empiris yang sangat kuat (O=0,708.
P=0,.
, menunjukkan bahwa self-efficacy merupakan prediktor utama yang secara positif dan signifikan meningkatkan kesiapan kerja mahasiswa.
Nilai f2 sebesar 1,089 pada H3 mengonfirmasi bahwa selfefficacy memiliki dampak besar .
arge effec.
dalam model struktural ini.
Sesuai dengan Social Career Cognitive Theory (SCCT), keyakinan diri adalah motor penggerak kemandirian akademik dan Mahasiswa dengan efikasi diri tinggi cenderung lebih adaptif, optimis, dan merasa Copyright A JRMA 2020 e-ISSN.
Hal | 114 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026 Rahmadhani.
Paradita kompeten dalam memikul tanggung jawab profesional di masa depan.
Temuan ini konsisten dengan penelitian (Liana et al.
, 2.
yang menegaskan bahwa faktor psikologis berupa keyakinan diri merupakan determinan utama dalam proses transisi mahasiswa menuju dunia kerja.
Terakhir, pengujian pengaruh tidak langsung .
pecific indirect effect.
dilakukan untuk membuktikan peran variabel self-efficacy sebagai mediator dalam hubungan antara ketergantungan AI terhadap kesiapan kerja mahasiswa.
Hasil pengujian model struktural secara keseluruhan disajikan pada Tabel 6 berikut.
Tabel 6.
Hasil Uji Specific Indirect Effects Hipotesis Hubungan Antar Original TPKesimpulan Variabel
Sample (O) Statistics Values Ketergantungan AI Ie
0,212
1,993
0,046
Diterima Self-Efficacy Ie Kesiapan Kerja Sumber : Data diolah SmartPLS, 2026 Berdasarkan Tabel 6 ditemukan bahwa nilai koefisien pengaruh tidak langsung adalah sebesar 0,212 dengan nilai T-statistics 1,993 dan P-values 0,046 (< 0,.
Hasil ini menunjukkan bahwa H4 diterima, yang berarti self-efficacy secara signifikan memediasi hubungan antara ketergantungan AI terhadap kesiapan kerja.
Berdasarkan model Triadic Reciprocal Causation, teknologi .
tidak langsung membentuk hasil .
, melainkan harus melalui proses kognitif manusia .
aktor persona.
Dampak nyata AI terhadap kesiapan profesional hanya akan terwujud apabila interaksi tersebut mampu memperkokoh keyakinan diri mahasiswa.
Hasil ini mendukung penelitian (Sahabuddin, 2.
yang menyatakan bahwa faktor mediasi .
emampuan kritis atau keyakinan dir.
sangat penting untuk memastikan efisiensi teknologi bertransformasi menjadi hasil belajar atau kesiapan kerja yang optimal tanpa menimbulkan ketergantungan yang merusak.
Mengingat pengaruh langsung (H.
sebelumnya ditemukan tidak signifikan (T=1,149.
P=0,.
, maka sifat mediasi dalam model ini dikategorikan sebagai Mediasi Penuh (Full Mediatio.
Hal ini mengandung makna bahwa teknologi AI tidak serta-merta meningkatkan kesiapan kerja secara mandiri, dampak positifnya baru akan terasa secara nyata apabila penggunaan teknologi tersebut berhasil meningkatkan keyakinan diri .
elf-efficac.
mahasiswa dalam menguasai kompetensi akuntansi.
Secara visual, keseluruhan hubungan antar variabel dan kekuatan prediksi model dalam penelitian ini dapat dilihat pada Path Diagram (Model Struktura.
yang akan dijelaskan pada Gambar 2 berikut.
Gambar 2 Path Diagram Copyright A JRMA 2020 e-ISSN.
Hal | 115 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026 Rahmadhani.
Paradita Berdasarkan Gambar 2 di atas merupakan representasi akhir dari model penelitian setelah melalui tahap eliminasi indikator yang tidak valid.
Diagram tersebut mempertegas temuan mediasi penuh .
ull mediatio.
yang telah dibahas sebelumnya, di mana garis pengaruh dari SelfEfficacy ke Kesiapan Kerja memiliki nilai koefisien paling kuat yaitu 0,708.
Selain itu, nilai R-Square sebesar 0,580 yang tertera pada variabel Kesiapan Kerja menunjukkan bahwa model ini memiliki kemampuan moderat dalam menjelaskan kesiapan kerja mahasiswa akuntansi Universitas Kahuripan Kediri melalui kombinasi variabel ketergantungan AI dan self-efficacy.
KESIMPULAN
Penelitian ini bertujuan untuk mengkaji bagaimana pengaruh tingkat ketergantungan pada artificial intelligence (AI) terhadap kesiapan kerja mahasiswa akuntansi, dengan self-efficacy sebagai variabel intervening pada Universitas Kahuripan Kediri.
Berdasarkan hasil analisis yang telah dilakukan, dapat disimpulkan sebagai berikut:
Hipotesis pertama Aupengaruh langsung tingkat ketergantungan artificial intelligence terhadap kesiapan kerja mahasiswa akuntansiAy ditolak.
Berdasarkan hasil uji hipotesis, ditemukan bahwa tingkat ketergantungan pada teknologi AI tidak memiliki pengaruh langsung yang signifikan terhadap kesiapan kerja mahasiswa.
Temuan ini menegaskan bahwa tingginya intensitas penggunaan AI dalam ranah akademik bukan merupakan jaminan bagi peningkatan kesiapan individu memasuki dunia Tanpa disertai kontrol diri yang kuat, ketergantungan pada teknologi justru berisiko mendegradasi kapasitas analisis mandiri yang menjadi kompetensi fundamental di industri kerja.
Hipotesis kedua Aupengaruh langsung tingkat ketergantungan artificial intelligence terhadap self-efficacy mahasiswa akuntansiAy ditolak.
Temuan ini menarik karena justru menggugurkan asumsi awal mengenai adanya dampak negatif.
Bagi mahasiswa akuntansi Universitas Kahuripan Kediri.
AI diposisikan sebagai instrumen pendukung yang mempermudah penyelesaian tugas-tugas kompleks.
Aksesibilitas teknologi ini secara psikologis justru memperkuat rasa percaya diri serta persepsi keberdayaan mahasiswa dalam menanggulangi tantangan akademik.
Hipotesis ketiga Aupengaruh langsung self-efficacy terhadap kesiapan kerja mahasiswa akuntansiAy diterima.
Terdapat pengaruh positif dan sangat signifikan dari self-efficacy terhadap kesiapan kerja.
Hasil ini mempertegas bahwa faktor psikologis berupa keyakinan diri merupakan determinan utama dalam proses transisi mahasiswa menuju dunia profesional.
Mahasiswa dengan efikasi diri yang tinggi cenderung memiliki sikap adaptif, optimisme yang kuat, serta merasa lebih kompeten dalam memikul tanggung jawab profesional di masa depan.
Hipotesis keempat Auperan mediasi self-efficacy dalam hubungan antara ketergantungan artificial intelligence dan kesiapan kerja mahasiswa akuntansiAy diterima.
Hasil uji Specific Indirect Effects mengonfirmasi terjadinya mediasi penuh .
ull mediatio.
oleh variabel self-efficacy.
Hal ini berarti ketergantungan pada AI tidak mampu meningkatkan kesiapan kerja secara mandiri tanpa melalui perantara efikasi diri.
Dampak nyata teknologi terhadap kesiapan profesional hanya akan terwujud apabila interaksi mahasiswa dengan AI mampu memperkokoh keyakinan diri dan persepsi kompetensi mereka.
Tanpa adanya internalisasi rasa percaya diri, kecanggihan teknologi tetap tidak akan bertransformasi menjadi kesiapan kerja yang memadai.
Meskipun penelitian ini memberikan gambaran penting mengenai peran self-efficacy, terdapat beberapa keterbatasan yang perlu diperhatikan.
Pertama, penelitian ini hanya dilakukan pada satu program studi di Universitas Kahuripan Kediri dengan jumlah responden yang terbatas, sehingga hasilnya belum tentu dapat disamakan dengan institusi atau bidang ilmu lain.
Kedua, pengambilan data dilakukan secara sekaligus .
ross-sectiona.
melalui kuesioner mandiri, sehingga ada potensi bias subjektivitas dari jawaban responden.
Berdasarkan keterbatasan tersebut, peneliti selanjutnya disarankan untuk memperluas cakupan sampel dari berbagai universitas agar hasilnya lebih kuat.
Selain itu, penggunaan metode lain Copyright A JRMA 2020 e-ISSN.
Hal | 116 Jurnal Riset Mahasiswa Akuntansi (JRMA), 14 .
, 2026 Rahmadhani.
Paradita seperti wawancara mendalam atau studi jangka panjang sangat dianjurkan untuk melihat lebih detail bagaimana kepercayaan diri mahasiswa berkembang seiring dengan semakin masifnya penggunaan AI dalam pendidikan akuntansi di masa depan.
Daftar Pustaka