A Tantangan Etika dan Transparansi Artificial Intelligence dalam Implementasi Teknologi Pendidikan: Pendekatan Structural Equation Modeling-Partial Least Squares
DOI:
https://doi.org/10.69693/ijmst.v4i3.13018Keywords:
Artificial Intelligence, Etika AI, Transparansi AI, Kepercayaan Pengguna, Pendidikan DigitalAbstract
Perkembangan Artificial Intelligence (AI) dalam dunia pendidikan memberikan peluang besar dalam meningkatkan efektivitas pembelajaran, efisiensi administrasi, dan kualitas pengambilan keputusan berbasis data. Namun, implementasi AI juga menghadirkan berbagai tantangan, khususnya berkaitan dengan aspek etika, transparansi, perlindungan data pribadi, bias algoritma, dan kepercayaan pengguna terhadap sistem AI. Penelitian ini bertujuan untuk menganalisis pengaruh etika AI dan transparansi AI terhadap implementasi AI dalam dunia pendidikan dengan mempertimbangkan peran kepercayaan pengguna sebagai faktor yang mendukung keberhasilan adopsi teknologi. Penelitian ini menggunakan pendekatan kuantitatif dengan desain eksplanatori. Data penelitian menggunakan data simulasi yang melibatkan 115 responden dari berbagai institusi pendidikan. Analisis data dilakukan menggunakan metode Structural Equation Modeling-Partial Least Squares (SEM-PLS). Hasil penelitian menunjukkan bahwa seluruh konstruk penelitian memenuhi kriteria validitas dan reliabilitas, serta model memiliki kemampuan prediksi yang baik. Etika AI dan transparansi AI terbukti berpengaruh positif dan signifikan terhadap kepercayaan pengguna maupun implementasi AI. Selain itu, kepercayaan pengguna menjadi faktor yang memiliki pengaruh paling dominan terhadap implementasi AI. Temuan penelitian menunjukkan bahwa keberhasilan penerapan AI dalam pendidikan tidak hanya bergantung pada kemampuan teknologi, tetapi juga pada penerapan tata kelola AI yang berlandaskan prinsip etika, transparansi, akuntabilitas, dan perlindungan terhadap pengguna. Penelitian ini memberikan implikasi bagi institusi pendidikan dalam mengembangkan strategi implementasi AI yang bertanggung jawab, aman, dan berkelanjutan.
References
Adadi, A., & Berrada, M. (2018). Peeking inside the black-box: A survey on Explainable Artificial Intelligence (XAI). IEEE Access, 6, 52138–52160. doi:10.1109/ACCESS.2018.2870052
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. doi:10.1080/14703297.2023.2190148
Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). Thousand Oaks, CA: SAGE Publications.
European Commission. (2019). Ethics guidelines for trustworthy AI. Brussels, Belgium: European Commission.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS-SEM) (4th ed.). Thousand Oaks, CA: SAGE Publications.
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. doi:10.1007/s11747-014-0403-8
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Boston, MA: Center for Curriculum Redesign.
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 1–55.
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. London, England: UCL IOE Press.
OECD. (2024). OECD digital education outlook 2024: Shaping digital education for the future. Paris, France: OECD Publishing.
Sekaran, U., & Bougie, R. (2024). Research methods for business: A skill-building approach (9th ed.). Hoboken, NJ: John Wiley & Sons.
Sugiyono. (2023). Metode penelitian kuantitatif, kualitatif, dan R&D. Bandung, Indonesia: Alfabeta.
UNESCO. (2021). Recommendation on the ethics of artificial intelligence. Paris, France: UNESCO.
UNESCO. (2023). Guidance for generative AI in education and research. Paris, France: UNESCO.
Wing, J. M. (2020). The data life cycle and AI in education. Communications of the ACM, 63(11), 58–61.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education—Where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 39. doi:10.1186/s41239-019-0171-0
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Indonesian Journal of Multidisciplinary on Social and Technology

This work is licensed under a Creative Commons Attribution 4.0 International License.














