Model Struktural Resiliensi Akademik, Self-Efficacy, dan Pemanfaatan Artificial Intelligence terhadap Prestasi Akademik Mahasiswa Pendidikan IPA di Daerah Istimewa Yogyakarta.Inayah Dzil IzzatiHartonoauthorSyukrulHamdiauthorDalam penelitian ini, pemodelan persamaan struktural atau Structural Equation Modeling (SEM) digunakan untuk menganalisis dan memprediksi pengaruh faktor psikologis internal dan faktor teknologi dalam pembelajaran, yaitu resiliensi akademik, self-efficacy, dan pemanfaatan artificial intelligence terhadap prestasi akademik mahasiswa. Penelitian ini memiliki dua tujuan utama, yaitu pertama, menentukan hubungan antara resiliensi akademik, self-efficacy, dan pemanfaatan artificial intelligence terhadap prestasi akademik mahasiswa. Kedua, menentukan model persamaan struktural terbaik yang menggambarkan hubungan antar variabel tersebut. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei dalam pengumpulan data. Instrumen penelitian berupa kuesioner yang terdiri dari tiga variabel utama, yaitu resiliensi akademik, self-efficacy, dan pemanfaatan artificial intelligence yang diukur menggunakan skala Likert. Validitas isi instrumen ditentukan melalui expert judgement. Uji empiris instrumen dilakukan terhadap 90 mahasiswa untuk mengevaluasi validitas dan reliabilitas butir instrumen menggunakan Exploratory Factor Analysis (EFA). Selanjutnya, data penelitian utama diperoleh dari 248 mahasiswa Pendidikan IPA di Daerah Istimewa Yogyakarta. Analisis Confirmatory Factor Analysis (CFA) digunakan untuk mengonfirmasi model pengukuran serta hubungan antara konstruk laten dan indikatornya. Analisis model struktural dilakukan menggunakan Structural Equation Modeling berbasis kovarians dengan bantuan program Rstudio versi 2026 untuk menentukan hubungan antar variabel dan model struktural terbaik. Hasil penelitian menunjukkan bahwa model struktural terbaik adalah model orde kedua (second-order structural model) yang memosisikan resiliensi akademik dan self-efficacy sebagai konstruk orde pertama yang membentuk psychological capital, yang selanjutnya berpengaruh signifikan terhadap prestasi akademik mahasiswa. Hasil analisis jalur menunjukkan bahwa psychological capital memiliki pengaruh positif dan signifikan terhadap prestasi akademik dengan koefisien terstandarisasi sebesar β = 0,879 (p < 0,001) dan kemampuan menjelaskan variansi prestasi akademik sebesar 77,1%. Sebaliknya, pemanfaatan artificial intelligence tidak menunjukkan pengaruh langsung yang signifikan terhadap prestasi akademik mahasiswa. Temuan ini menunjukkan bahwa faktor psikologis internal mahasiswa memiliki peran yang lebih dominan dibandingkan faktor teknologi dalam memprediksi prestasi akademikPsikologi Pendidikan dan BimbinganPendidikan TinggiTeknologi InformasiEvaluasi PendidikanIlmu Pengetahuan Alam2026-05-13Sekolah Pascasarjana;Penelitian dan Evaluasi PendidikanThesis