Ringkasan
Paper ini menguji bagaimana work-integrated learning membentuk kesiapan kerja lulusan. Work-integrated learning adalah pembelajaran yang menyatu dengan dunia kerja, misalnya magang dan praktik industri. Kuncinya ada pada pemisahan dua kemampuan yang sering dianggap sama. Literasi digital berperan sebagai penopang di hulu, sedangkan adaptabilitas teknologi adalah pendorong yang paling dekat dengan kesiapan kerja. Paper ini juga menghitung ambang kemampuan minimum yang harus dilewati mahasiswa agar benar-benar siap kerja.
Latar belakang
Pemerintah meluncurkan kebijakan Merdeka Belajar Kampus Merdeka pada 2020 untuk menjembatani bangku kuliah dan praktik profesional dengan menanamkan work-integrated learning ke dalam pendidikan tinggi. Niatnya bagus, hasilnya timpang: sebagian evaluasi mencatat transisi kerja yang lancar, sebagian lain menemukan efek yang terbatas dan tidak konsisten. Konteks strukturalnya memperberat keadaan: hanya sekitar 19 persen penduduk usia muda memiliki kualifikasi pendidikan tinggi, dan kurang dari 1 persen angkatan kerja menguasai keterampilan digital lanjutan seperti pemrograman, kecerdasan buatan, atau analitik big data. Pertanyaan intinya menjadi tajam: dalam kondisi seperti apa pengalaman kerja terstruktur benar-benar menyiapkan lulusan, bukan sekadar memenuhi kewajiban magang.
Research gap
Literatur selama ini memperlakukan literasi digital dan magang sebagai penentu linier kesiapan kerja, seolah paparan otomatis berubah menjadi kapabilitas. Yang diabaikan adalah transformasi internal yang harus dilalui seseorang untuk mengubah paparan menjadi kemampuan. Belum ada studi yang memisahkan dengan tegas peran literasi digital di hulu dari adaptabilitas teknologi sebagai pendorong terdekat. Apalagi yang menguji apakah adaptabilitas bekerja sebagai ambang minimum. Padahal pertanyaan itu penting di negara berkembang, tempat kesenjangan digital masih lebar dan mutu magang belum seragam.
Novelty
Paper ini mengusulkan Adaptive Readiness Mechanism (ARM): WIL menumbuhkan adaptabilitas teknologi, adaptabilitas itulah mesin yang mengubah pembelajaran menjadi kesiapan kerja, sementara literasi digital berperan sebagai penopang di hulu, bukan penentu langsung. Kebaruan metodenya adalah memasangkan dua alat yang menjawab pertanyaan berbeda. Structural equation modelling menjawab seberapa besar pengaruhnya, sedangkan Necessary Condition Analysis menjawab berapa tingkat minimum yang mutlak harus dilewati. Dua pendekatan ini jarang digunakan bersama, padahal saling melengkapi.
Landasan teori
Payungnya dynamic capabilities theory dari Teece, yang biasanya digunakan di level organisasi, lalu direkonseptualisasi ke level individu: sensing (mengindra perubahan teknologi), seizing (memanfaatkan alat baru), dan reconfiguring (menata ulang cara kerja). Literasi digital diukur dengan kerangka DigComp 2.2 yang kini mencakup interaksi dengan sistem berbasis kecerdasan buatan, adaptabilitas teknologi diadaptasi dari Career Adapt-Abilities Scale, dan kesiapan kerja memakai Work Readiness Scale. Dari kerangka itu diturunkan delapan hipotesis, mencakup tiga jalur langsung dari WIL, jalur literasi digital ke adaptabilitas, serta dua hipotesis mediasi.
Metode
Survei cross-sectional atas 520 mahasiswa tingkat akhir dari 28 perguruan tinggi negeri dan 19 swasta, dikumpulkan selama lima bulan dari Desember 2024 sampai April 2025, dengan syarat minimal tiga bulan menjalani WIL. Skala Likert 4 poin dipilih untuk menekan kecenderungan menjawab netral. Ada beberapa praktik metode yang layak dicontoh. Data disaring dari pola jawaban asal-asalan dan dari waktu pengisian yang tidak masuk akal. Estimasinya memakai robust maximum likelihood dengan koreksi Satorra-Bentler, ditambah WLSMV sebagai uji pembanding. Common method bias ditangani lewat prosedur maupun statistik, dan efek tidak langsung diuji dengan bootstrap 5000 kali. Kesetaraan antar kelompok juga diuji bertahap sebelum kelompok ilmu sosial dibandingkan dengan STEM. Dua pertanyaan terbuka juga disertakan, dan jawabannya digunakan memperkaya tafsir angka.
Temuan
Enam dari delapan hipotesis terbukti, dan dua yang tidak terbukti itulah pesan utamanya. WIL sangat kuat mendongkrak literasi digital (koefisien 0,672) dan menyumbang ke adaptabilitas (0,303); literasi digital menguatkan adaptabilitas (0,426). Namun ketika keduanya dimodelkan bersama, literasi digital sama sekali tidak memprediksi kesiapan kerja secara langsung (0,029, tidak signifikan), sementara adaptabilitas teknologi muncul sebagai pendorong terkuat (0,457). Mediasi hanya bekerja lewat jalur adaptabilitas (0,269), sedangkan jalur lewat literasi digital nyaris nol. Analisis ambang mempertegasnya: adaptabilitas harus mencapai sekitar 2,25 pada skala empat poin, dan angka itu tidak berubah meski target kesiapannya dinaikkan, jadi itulah batas bawah yang mutlak harus dilewati; literasi digital cukup sekitar 2,00, dan paparan WIL minimal sekitar 2,80. Pola ini stabil di kedua rumpun ilmu.
Suara mahasiswa di pertanyaan terbuka menghidupkan angka-angka itu. Ada yang menulis sistemnya berganti dua kali selama magang, dan yang menentukan adalah kecepatan beradaptasi. Ada juga yang bercerita template dari vendor tidak pernah cocok, sehingga ia belajar berimprovisasi sambil menjaga datanya tetap siap diaudit. Satu mahasiswa merangkumnya paling jelas. Ia sudah tahu dasar-dasar perangkat lunaknya, tetapi ujian sebenarnya datang ketika antarmukanya berubah.
Kontribusi
Secara teoretis, paper ini membawa dynamic capabilities theory keluar dari ranah organisasi ke ranah individu dan pendidikan tinggi, dan menantang anggapan bahwa keterampilan menumpuk secara lurus. Bagi kampus, pesannya keras: magang harus dirancang sebagai proses yang sengaja menumbuhkan adaptabilitas, bukan sekadar menyediakan paparan tempat kerja, sehingga fokus bergeser dari kuantitas magang ke kualitas pengalaman belajarnya. Bagi pemberi kerja, mahasiswa sebaiknya dilibatkan dalam tugas otentik seperti menavigasi platform asing atau menyelesaikan ketidakcocokan data, bukan pekerjaan administratif rutin. Bagi pembuat kebijakan, bukti ambang ini menuntut standar mutu penempatan MBKM yang mensyaratkan mentoring, tugas digital, dan aktivitas pemecahan masalah, karena tanpa itu perluasan akses tidak akan berujung pada kesiapan yang nyata.
Perjalanan review
Dari kolofon jurnal, paper ini menempuh sekitar tiga setengah bulan dari submit sampai accepted dengan satu ronde revisi besar. Tempo itu tergolong cepat untuk jurnal Q1. Salah satu sebabnya, paper ini menawarkan dua hal sekali jalan: model penjelas dan ambang yang bisa langsung digunakan.
Catatan reviewer 1 minor revision
Reviewer pertama merekomendasikan minor revision dengan empat permintaan yang sangat teknis. Perkuat rumusan masalah riset. Jelaskan lebih rinci pendekatan risetnya, termasuk metode sampling, validitas, dan reliabilitas. Cantumkan dimensi dari setiap konstruk yang diukur. Tambahkan indeks goodness of fit pada pelaporan hasil. Catatan seperti ini khas untuk paper kuantitatif berbasis SEM. Reviewer ingin memastikan pembaca bisa menilai kualitas pengukurannya sebelum percaya pada temuannya.
Catatan reviewer 2 accept langsung
Reviewer kedua langsung merekomendasikan accept, sesuatu yang cukup langka. Pujiannya menyasar tepat ke inti paper. Kerangka Adaptive Readiness Mechanism dinilai sebagai kontribusi teoretis sekaligus praktis. Desain risetnya disebut ketat dan tersusun baik, hasilnya tersaji jernih dan sejalan dengan hipotesis, dan implikasinya jelas serta bisa dijalankan. Konteks Indonesia pun dinilai tetap relevan secara internasional karena menyentuh isu universal employability.
Di luar kedua reviewer, editor Prof. Tony Wall menambahkan syarat yang sering dilupakan penulis pemula. Paper harus dipangkas sampai di bawah 7000 kata. Versi revisinya harus dibuka anonimitasnya. Bagian metode wajib mencantumkan keterangan ethical review atau kesesuaian dengan kebijakan etik institusi. Pelajaran pentingnya: pernyataan etika riset bukan formalitas, jurnal Emerald menolak menerbitkan paper yang tidak bisa membuktikannya.