Statistik 2: Korelasi dan Regresi

 Dhinar Asri Intantri/250321803853

Review Artikel 12

Linear regression model to predict the use of artificial intelligence in experimental science students



(Sumber : Klik Disini )

1.     Tujuan Penelitian

Penelitian ini bertujuan untuk mendeskripsikan korelasi antara kompetensi profesional AI, penggunaan AI, dan sumber daya digital mahasiswa pendidikan sains eksperimen di UNACH dan mendesain model regresi linier untuk memprediksi penggunaan AI mahasiswa.


2.     Metode Penelitian

Peneliti menggunakan pendekatan kuantitatif. Instrumen pada penelitian ini adalah kuesioner Likert 1–5 (15 item). Sedangkan Sampel penelitian ini berjumalah 459 mahasiswa (non-probabilistic sampling). Analisis yang digunakan adalah statistik deskriptif, korelasi Pearson, regresi linear ganda menggunakan SPSS 26. Reliabilitas instrument menggunakan Cronbach’s Alpha = 0.87

 

3.     Hasil

Hasil penelitian menunjukkan bahwa terdapat korelasi positif dan signifikan antara kompetensi kecerdasan buatan (AI) dengan penggunaan AI, di mana nilai korelasi sebesar r = 0.432 (p < 0.01). Artinya, semakin tinggi kompetensi AI yang dimiliki mahasiswa, semakin sering pula mereka memanfaatkan AI dalam proses pembelajaran. Selain itu, terdapat pula hubungan positif yang signifikan antara ketersediaan sumber daya digital dengan penggunaan AI (r = 0.378; p < 0.01), yang menunjukkan bahwa akses terhadap sumber daya digital mendorong peningkatan pemanfaatan AI oleh mahasiswa. Analisis regresi linier mengungkapkan bahwa model penelitian mampu menjelaskan 24,1% variabilitas penggunaan AI (R² = 0.241), dengan koefisien regresi menunjukkan intercept sebesar 1.5, pengaruh kompetensi AI sebesar 0.3, serta pengaruh sumber daya digital sebesar 0.4. Temuan ini mengindikasikan bahwa peningkatan kompetensi AI dan dukungan sumber daya digital secara signifikan berkontribusi pada meningkatnya penggunaan AI dalam kegiatan akademik mahasiswa.

 

4.     Kelebihan Penelitian

·       Menggunakan ukuran sampel besar (459 responden).

·       Instrumen valid & reliabel (α = 0.87).

·       Analisis statistik lengkap (korelasi dan regresi).

·       Menggunakan kerangka teori TAM sehingga kuat secara teoritis.

 

5.     Keterbatasan Penelitian

·       Hanya dilakukan di satu universitas sehingga generalisasi terbatas.

·       Pengambilan sampel non-probabilistik → potensi bias.

·       Data bersifat self-report, tidak ada data perilaku nyata penggunaan AI.

 

6.     Novelty

Pada penelitian-penelitan sebelunya telah banyak dilakukan penelitian sejenis seperti :

Artikel

Temuan Utama

Kelemahan

(Aparicio-Izurieta, 2024) tentang preferensi AI dosen

Kajian persepsi dosen mengenai AI di universitas Ecuador

Fokus dosen, bukan mahasiswa eksperimen sains, & tidak mengembangkan model prediksi AI

(Lee et al., 2024)

tentang penggunaan ChatGPT siswa

Survei perilaku penggunaan AI oleh siswa SMA

Tidak meneliti kompetensi AI & digital resource sebagai prediktor

(Hwang et al., 2024)

profil penggunaan AI pada pendidikan keperawatan

Memprofilkan peran AI di bidang pendidikan

Tidak ada model regresi prediktif, konteks berbeda (keperawatan)

 

Novelty pada penelitian (Flores Hinostroza et al., 2025) terlatak pada artikel ini adalah Penelitian ini mengintegrasikan kompetensi AI dan sumber daya digital untuk memprediksi penggunaan AI mahasiswa pendidikan sains eksperimen menggunakan regresi linier, yang belum banyak dieksplorasi di konteks Amerika Latin terutama perguruan tinggi Ecuador.

 

7.     Daftar Referensi

Aparicio-Izurieta, V. V. (2024). Preferences towards artificial intelligence in Ecuadorian university professors. Sapienza, 5(1), 1–10. https://doi.org/10.51798/sijis.v5i1.730

Flores Hinostroza, E. M., Mendoza, D. J., Navarro Cejas, M., & Palacios Trujillo, E. P. (2025). Linear regression model to predict the use of artificial intelligence in experimental science students. International Electronic Journal of Mathematics Education , 20(1), 1–9. https://doi.org/10.29333/iejme/15736

Hwang, G. J., Tang, K. Y., & Tu, Y. F. (2024). How artificial intelligence (AI) supports nursing education: profiling the roles, applications, and trends of AI in nursing education research (1993–2020). Interactive Learning Environments, 32(1), 373–392. https://doi.org/10.1080/10494820.2022.2086579

Lee, V. R., Pope, D., Miles, S., & Zárate, R. C. (2024). Cheating in the age of generative AI: A high school survey study of cheating behaviors before and after the release of ChatGPT. Computers and Education: Artificial Intelligence, 7(January). https://doi.org/10.1016/j.caeai.2024.100253

Komentar

Posting Komentar

Postingan populer dari blog ini

Analisis/Review Kritis Substansi Artikel tentang Positivisme dan Post-positivisme, beserta Karakteristiknya

Gambar
 Haloooo readers, pada kesemapatan kali ini saya akan mereview sebuah artikel yang berjudul " Positivist Misconceptions of Science and the Search for Viable Solutions " selamat membaca Positivist Misconceptions of Science and the Search for Viable Solutions (Sumber : Link Artikel ) 1.      Tujuan Penelitian Penelitian ini bertujuan untuk merevisi definisi sains yang masih dipengaruhi oleh paradigma positivistic, dimana sains   cenderung didefiniskan sebagai ilmu alam ( natural sciences ) atau hard science yang didalamnya terdiri dari biologi, fisika, kimia dan matematika, dimana hard science dianggap lebih tinggi kedudukannya dibandingkan ilmu sosial dan humaniora ( soft science ). Artikel ini berupaya untuk merevisi definisi sains dengan mengintegrasikan sains dengan humaniora dan ilmu sosial.   2.      Metode Penelitian Metodologi yang digunakan dalam penelitian ini adalah metode studi literatur atau analisis lite...
Baca selengkapnya

Penelitian KUANTITATIF eksperimental: Sejarah, karakteristik, ancaman validitas, dan tahapan penelitian

Gambar
Dhinar Asri Intantri/250321803853   Threats to Internal Validity in Multiple-Baseline Design Variations (Sumber :  Klik Disini ) 1.      Tujuan Penelitian Penelitian ini bertujuan untuk menjelaskan dan mengkritisi asumsi bahwa desain multiple baseline nonconcurrent kurang valid dibandingkan concurrent, serta mengidentifikasi cara bagaimana keduanya mengontrol ancaman validitas internal (maturation, testing/session experience, coincidental events).   2.      Metode Penelitian Penelitian ini menggunakan Analisis metodologis dan konseptual (literature-based critical analysis). Penulis meninjau sejarah, teori, dan membandingkan fitur kontrol internal validity pada berbagai variasi multiple baseline.   3.      Hasil dari penelitian ini menunjukkan kedua desain (concurrent dan nonconcurrent) sama-sama mampu mengontrol ancaman maturasi dan pengalaman sesi. Untuk ancaman “coincidental events”, kriti...
Baca selengkapnya

Statistik 1. Cek data, validitas, reliabilitas, dan asumsi

Gambar
  Evidence for validity and reliability of a research-based assessment instrument on measurement uncertainty (Sumber : Klik Disini ) 1.      Tujuan Penelitian Penelitian ini bertujuan untuk menguji validitas dan reliabilitas instrumen asesmen berbasis penelitian (RBAI) yang dinamakan SPRUCE (Survey of Physics Reasoning on Uncertainty Concepts in Experiments). SPRUCE dirancang untuk mengukur tingkat pemahaman mahasiswa terhadap konsep dan praktik ketidakpastian pengukuran dalam eksperimen fisika laboratorium tingkat sarjana.   2.      Metode Penelitian Peneliti menggunakan pendekatan Classical Test Theory (CTT) untuk mengevaluasi validitas dan reliabilitas instrumen SPRUCE. Data dikumpulkan dari 36 mata kuliah di 22 institusi selama tiga semester (Fall 2022–Fall 2023) dengan total 2.596 respon mahasiswa dan 36 respon ahli (instructor/peneliti). Analisis mencakup: ·        Analisis validitas isi...
Baca selengkapnya