ANALISIS EMPIRIS TINGKAT MISINFORMASI DAN KEPERCAYAAN PENGGUNA TERHADAP OUTPUT ARTIFICIAL INTELLIGENCE PADA MASYARAKAT UMUM
Isi Artikel Utama
Abstrak
Perkembangan Artificial Intelligence (AI) generatif telah meningkatkan penggunaan teknologi digital dalam kehidupan masyarakat, namun juga memunculkan risiko misinformasi akibat ketidakakuratan output AI. Penelitian ini bertujuan untuk menganalisis hubungan antara pengalaman masyarakat terhadap misinformasi AI dan tingkat kepercayaan pengguna terhadap output AI dengan perilaku verifikasi sebagai variabel moderasi. Penelitian menggunakan pendekatan kuantitatif dengan metode survei terhadap masyarakat umum pengguna AI generatif. Pengumpulan data dilakukan menggunakan kuesioner skala Likert 1–5 yang terdiri dari variabel Pengalaman terhadap Misinformasi AI, Tingkat Kepercayaan, dan Perilaku Verifikasi. Analisis data dilakukan melalui uji validitas, reliabilitas, regresi linear, dan Moderated Regression Analysis (MRA). Hasil penelitian menunjukkan bahwa pengalaman terhadap misinformasi AI berpengaruh signifikan terhadap tingkat kepercayaan pengguna. Semakin tinggi pengalaman pengguna terhadap kesalahan informasi AI, maka tingkat kepercayaan terhadap output AI cenderung menurun. Selain itu, perilaku verifikasi terbukti mampu memoderasi hubungan tersebut dengan mengurangi dampak negatif misinformasi terhadap kepercayaan pengguna. Penelitian ini menegaskan pentingnya literasi digital dan perilaku verifikasi dalam penggunaan AI generatif secara kritis dan bertanggung jawab.
Rincian Artikel
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) STMIK TIMEReferensi
[1] S. Park and X. Nan, “Generative AI and misinformation: a scoping review of the role of generative AI in the generation, detection, mitigation, and impact of misinformation,” Feb. 01, 2025, Springer Science and Business Media Deutschland GmbH. doi: 10.1007/s00146-025-02620-3.
[2] N. Thaiduong, “Public trust in AI: A dynamic social media view,” Social Sciences and Humanities Open, vol. 13, Jun. 2026, doi: 10.1016/j.ssaho.2026.102457.
[3] E. Đerić, D. Frank, and M. Milković, “Trust in Generative AI Tools: A Comparative Study of Higher Education Students, Teachers, and Researchers,” Information (Switzerland), vol. 16, no. 7, Jul. 2025, doi: 10.3390/info16070622.
[4] E. Kuznetsova, M. Makhortykh, V. Vziatysheva, M. Stolze, A. Baghumyan, and A. Urman, “IN GENERATIVE AI WE TRUST: CAN CHATBOTS EFFECTIVELY VERIFY POLITICAL INFORMATION?”
[5] Noname, “AI trust paradox,” wikipedia.org. Accessed: May 12, 2026. [Online]. Available: https://en.wikipedia.org/wiki/AI_trust_paradox
[6] Y. K. Dwivedi et al., “‘So what if ChatGPT wrote it?’ Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy,” Int. J. Inf. Manage., vol. 71, Aug. 2023, doi: 10.1016/j.ijinfomgt.2023.102642.
[7] J. T. A. Andrews, D. Zhao, W. Thong, A. Modas, O. Papakyriakopoulos, and A. Xiang, “Ethical Considerations for Responsible Data Curation,” Dec. 2023, [Online]. Available: http://arxiv.org/abs/2302.03629
[8] Sara Fischer, “Exclusive: GPT-4 readily spouts misinformation, study finds,” Axios. Accessed: May 12, 2026. [Online]. Available: https://www.axios.com/2023/03/21/gpt4-misinformation-newsguard-study
[9] G. Bansal, T. Wu, and J. Zhou, “Does the whole exceed its parts? The efect of ai explanations on complementary team performance,” in Conference on Human Factors in Computing Systems - Proceedings, Association for Computing Machinery, May 2021. doi: 10.1145/3411764.3445717.
[10] D. Hendrycks et al., “Measuring Massive Multitask Language Understanding,” Jan. 2021, [Online]. Available: http://arxiv.org/abs/2009.03300