Pendahuluan
Sekitar satu juta lulusan sarjana dan pascasarjana di Indonesia tercatat menganggur pada Mei 2026. Badan Pusat Statistik mencatat 14,31 persen dari 7,22 juta penganggur nasional berpendidikan D4 hingga S3 (Badan Pusat Statistik, 2026b).
Di Amerika Serikat, peringatan yang lebih keras sudah terdengar. Pemimpin eksekutif ServiceNow, Bill McDermott, memperkirakan pengangguran lulusan baru (fresh graduate) bisa melonjak ke kisaran pertengahan 30 persen dalam beberapa tahun karena makin banyak pekerjaan tingkat pemula dikerjakan agen kecerdasan buatan atau AI (CNBC, 2026). Ramalan yang mulai tergambar dalam data datang dari pimpinan perusahaan yang menjual agen AI sehingga perlu disikapi hati-hati.
Tim Stanford Digital Economy Lab menelusuri data penggajian jutaan pekerja di Amerika Serikat dan menemukan pola yang mencemaskan. Sejak AI generatif ramai dipakai pada akhir 2022, jumlah pekerja berusia 22 hingga 25 tahun di bidang yang paling terpapar AI turun 13 persen secara relatif (Brynjolfsson, Chandar and Chen, 2025).
Pekerja senior di bidang yang sama justru stabil, bahkan bertambah. Penurunan terdalam terjadi pada pekerjaan yang tugasnya bisa diambil alih mesin, sedangkan pekerjaan yang memakai AI sebagai alat bantu relatif bertahan. Para penelitinya sendiri mengingatkan bahwa pola ini baru tanda awal yang masih perlu terus dipantau.
Indonesia belum memiliki data sejenis, tetapi arah angkanya patut diwaspadai. Tingkat pengangguran terbuka nasional turun perlahan dari 4,85 persen pada Agustus 2025 menjadi 4,65 persen pada Mei 2026, sementara pengangguran usia 15 hingga 24 tahun naik berturut-turut sejak November 2025 hingga menyentuh 17,37 persen (Badan Pusat Statistik, 2025, 2026a, 2026b).
Grafik 1. Tingkat Pengangguran Terbuka Nasional dan Usia 15 hingga 24 Tahun (Persen)
Data yang dirangkum pada Grafik 1 belum membuktikan bahwa AI menjadi penyebab naiknya pengangguran anak muda di Indonesia karena kelompok usia ini memang sudah lama menanggung angka tertinggi. Namun, penurunan jumlah pekerja muda di Amerika karena AI memungkinkan untuk terjadi di Indonesia.
Forum Ekonomi Dunia memperkirakan hampir 40 persen keterampilan inti pekerjaan akan berubah hingga 2030. Sementara itu, kemampuan manusiawi seperti resiliensi, fleksibilitas, dan kelincahan tetap dicari pemberi kerja (World Economic Forum, 2025). Perubahan dunia kerja sudah pasti datang. Mahasiswa perlu memiliki kemampuan cepat beradaptasi, dan kecepatan itu sangat ditentukan oleh sikap.
Pembahasan
Pintu masuk mendapat pekerjaan yang menyempit hanyalah permukaannya. Di baliknya ada tiga akar masalah, mulai dari pergeseran di sisi pasar kerja sampai kebiasaan belajar di kampus. Skema 1 memetakan ketiganya beserta dampak yang sudah terbaca dalam data.
Skema 1. Pohon Masalah Kesiapan Kerja Mahasiswa di Tengah Otomatisasi AI
1. Sikap Adaptif Bisa Dilatih
Sikap adaptif kerap dianggap sifat bawaan. Psikologi karier memandangnya lain. Savickas dan Porfeli (2012) menyebutnya career adaptability, yakni bekal psikososial yang dipakai seseorang ketika berpindah pekerjaan, menjalani tugas perkembangan, atau menghadapi guncangan karier. Bekal ini tersusun atas empat dimensi yang skalanya telah diuji di 13 negara, yaitu kepedulian terhadap masa depan karier (concern), kendali atas keputusan sendiri (control), rasa ingin tahu untuk menjelajahi peluang (curiosity), dan keyakinan untuk menuntaskan rencana (confidence). Keempat kemampuan itu bisa dilatih sekaligus diukur.
2. Celah pada Program Sekali Jalan
Kampus sebenarnya sudah bergerak lewat seminar karier, pelatihan soft skill, dan program magang. Masalahnya, sebagian besar kegiatan itu selesai begitu acara ditutup, padahal sikap tumbuh dari tindakan yang diulang. Meta-analisis terhadap 138 studi dengan 19.951 partisipan memperlihatkan bahwa kebiasaan memantau kemajuan secara rutin membantu orang mencapai tujuannya dengan efek yang tergolong kecil hingga sedang, tetapi konsisten (Harkin et al., 2016). Efeknya makin besar ketika kemajuan dicatat secara fisik dan dilaporkan kepada orang lain.
Gagasan atau Solusi
1. ADAPTIF, Latihan Harian Bersama Teman
Artikel ini mengusulkan ADAPTIF, aplikasi pendamping yang mengubah persiapan kerja menjadi latihan harian yang dijalankan bersama teman. Namanya sengaja dipilih agar setiap kali aplikasi dibuka, pengguna diingatkan pada sikap yang sedang dilatih. Setiap mahasiswa dapat memilih sendiri teman yang paling nyaman diajak berbagi kemajuan. Sebab, keterbukaan lebih mudah tumbuh di antara dua orang yang sudah saling percaya.
Pilihan itu punya dasar ilmiah. Dalam uji coba program penurunan berat badan, 95 persen peserta yang mendaftar bersama teman atau keluarga dan dibekali strategi saling mendukung berhasil menuntaskan program, jauh di atas 76 persen pada peserta yang mendaftar sendirian (Wing and Jeffery, 1999).
Enam bulan setelah program berakhir, 66 persen dari kelompok tersebut masih mempertahankan hasilnya, sedangkan kelompok yang sendirian hanya 24 persen. Aplikasi ini tetap memberikan kesempatan untuk mencari rekan latihan secara bebas. Rekan latihan yang dipilih secara bebas mampu memfasilitasi pengguna yang tidak menggunakan aplikasi bersama teman terdekatnya.
Riset tentang rantai hari beruntun atau streak memperkuat logika serupa. Lewat tujuh studi, Silverman dan Barasch (2023) menunjukkan bahwa orang lebih rajin mengulang kegiatan ketika catatan rantainya tampil utuh karena menjaga rantai itu terasa sebagai tujuan tersendiri. Duolingo menerapkan prinsip yang mirip melalui fitur Friend Streak dan melaporkan penggunanya 22 persen lebih mungkin menuntaskan pelajaran harian, meski angka ini berasal dari data internal perusahaan (Shuttleworth, 2024).
ADAPTIF meminjam mekanisme tersebut untuk tujuan yang berbeda. Latihannya menghasilkan bukti kemampuan kerja, setiap hasil tersimpan sebagai portofolio bertanggal, dan pengelolaannya diserahkan kepada himpunan program studi supaya dekat dengan kebutuhan jurusan. Alur kerjanya dapat dilihat pada Skema 2.
2. Lima Modul dalam Satu Siklus
Skema 2. Alur Kerja Lima Modul Aplikasi ADAPTIF
Siklus dimulai dari modul Audit Diri yang diisi saat pertama bergabung dan diperbarui setiap semester. Mahasiswa menjawab pertanyaan singkat tentang keterampilan yang dimiliki dan pekerjaan yang diincar. Aplikasi lalu menandai tugas dalam pekerjaan itu yang paling rawan diambil alih AI dengan mengacu pada indeks paparan AI generatif dari Organisasi Perburuhan Internasional (ILO) yang menempatkan pekerjaan administrasi perkantoran sebagai kelompok paling terpapar (Gmyrek et al., 2025). Dari tanda itu, mahasiswa tahu keterampilan mana yang perlu didahulukan.
Modul Latihan Harian kemudian memberi satu tugas kecil yang bisa selesai dalam waktu kurang dari lima belas menit. Contohnya menyusun draf surat lamaran dengan bantuan AI lalu memeriksa dan memperbaikinya sendiri, atau menjelaskan satu materi kuliah dengan bahasa awam. Latihan seperti ini membiasakan mahasiswa memakai AI sebagai alat bantu, jenis pekerjaan yang dalam studi Stanford relatif bertahan.
Setelah tugas selesai, modul Rantai Berdua mengambil peran. Satu mata rantai bertambah hanya jika kedua rekan berlatih sama-sama menuntaskan tugas hari itu. Rantai juga tidak langsung putus ketika salah satu lupa karena setiap pasangan memiliki dua jatah pemulihan per bulan. Fitur ini sejalan dengan temuan Silverman dan Barasch (2023) bahwa turunnya semangat akibat rantai yang putus dapat diredam bila rantai itu masih bisa diperbaiki.
Setiap latihan yang tuntas otomatis tersimpan di modul Portofolio Otomatis bersama tanggal pengerjaannya. Catatan tertulis yang juga bisa dilihat rekan berlatih ini memenuhi dua kondisi yang menurut Harkin et al. (2016) memperbesar peluang tercapainya tujuan. Ketika tiba waktunya melamar kerja, mahasiswa tinggal mengunduh bukti yang terkumpul selama berbulan-bulan.
Modul terakhir, Papan Prodi, menjumlahkan poin keaktifan per program studi setiap bulan dan mengumumkan prodi dengan partisipasi tertinggi melalui media sosial himpunan. Papan ini hanya menampilkan capaian bersama. Papan Prodi mendorong setiap mahasiswa untuk memotivasi satu sama lain sehingga program studi mereka mampu meraih peringkat.
Kelima modul itu saling terhubung. Masing-masing dirancang untuk melatih dimensi career adaptability tertentu, seperti terlihat pada Tabel 1.
Tabel 1. Pemetaan Modul ADAPTIF terhadap Dimensi Career Adaptability
| Dimensi | Wujud Sikap | Modul yang Melatih |
| Kepedulian (concern) | Memikirkan arah karier sejak masih kuliah | Audit Diri |
| Kendali (control) | Disiplin menjalankan komitmen harian | Latihan Harian dan Rantai Berdua |
| Rasa ingin tahu (curiosity) | Berani mencoba keterampilan dan alat baru | Audit Diri dan Latihan Harian |
| Keyakinan (confidence) | Percaya pada kemampuan yang sudah terbukti | Portofolio Otomatis dan Papan Prodi |
Sumber: diolah penulis (2026) dari Savickas and Porfeli (2012)
3. Titik Rawan dan Cara Mengujinya
Rancangan ini tetap menyimpan risiko. Rantai harian yang terlalu ketat bisa berubah dari penyemangat menjadi sumber cemas sehingga jatah pemulihan dan pengingat yang ramah wajib dipertahankan. Berlatih dengan teman juga membuka peluang saling memaklumi saat keduanya sedang malas. Untuk mencegahnya, aplikasi mengirim ringkasan kemajuan mingguan kepada kedua pengguna. Mahasiswa boleh mengundang teman lain apabila rekannya berhenti aktif. Papan Prodi pun perlu dijaga agar tetap menjadi fitur apresiasi positif.
Penerapannya tidak perlu menunggu aplikasi sempurna. Satu fakultas bisa menjalankan uji coba selama satu semester memakai purwarupa sederhana berupa formulir daring, lembar kerja bersama, dan grup pesan untuk setiap pasangan.
Himpunan mahasiswa bertindak sebagai pengelolanya. Hasil uji coba dinilai dari persentase tugas harian yang tuntas, persentase pasangan yang tetap aktif setelah 30 hari, serta perubahan skor career adaptability sebelum dan sesudah uji coba menggunakan skala Savickas dan Porfeli (2012). Jika ketiga indikator itu membaik, pengembangan aplikasi penuh layak diajukan kepada kampus.
Penutup
Otomatisasi AI mulai mempersempit pintu masuk dunia kerja bagi lulusan baru, sementara pengangguran usia muda di Indonesia masih menempati posisi tertinggi dan naik sejak akhir 2025. Program karier sekali jalan jarang mengubah kebiasaan.
ADAPTIF menjawab celah tersebut dengan latihan singkat setiap hari, rantai berdua bersama teman pilihan sendiri, dan portofolio yang tumbuh sedikit demi sedikit. Semua modulnya mengarah pada empat dimensi sikap adaptif yang dapat diukur sehingga keberhasilannya bisa dibuktikan lewat uji coba satu semester.
Himpunan program studi dapat memulainya dari hal paling kecil, yaitu satu fakultas dan dua teman yang saling mengingatkan. Mesin boleh belajar secepat apa pun. Arah karier tetap ditentukan mahasiswa yang memilih berlatih setiap hari, berdua, sampai kebiasaan itu menjadi bekal yang tidak bisa direbut algoritma mana pun.
Penulis: Gregorius Agung Wicaq Adji Purnomo
Mahasiswa Manajemen Keuangan Negara, Politeknik Keuangan Negara STAN
Editor: Salwa Alifah Yusrina
Bahasa: Rahmat Al Kafi
Referensi
Badan Pusat Statistik, 2025. Keadaan ketenagakerjaan Indonesia Agustus 2025. Berita Resmi Statistik No. 103/11/Th. XXVIII. Jakarta: Badan Pusat Statistik.
Badan Pusat Statistik, 2026a. November 2025: tingkat pengangguran terbuka (TPT) sebesar 4,74 persen dan rata-rata upah buruh sebesar 3,33 juta rupiah. [online] Available at: https://www.bps.go.id/id/pressrelease/2026/02/05/2547/ [Accessed 11 September 2026].
Badan Pusat Statistik, 2026b. Tingkat pengangguran terbuka (TPT) sebesar 4,65 persen; rata-rata upah buruh sebesar 3,39 juta rupiah. [online] Available at: https://www.bps.go.id/id/pressrelease/2026/08/05/2606/ [Accessed 11 September 2026].
Brynjolfsson, E., Chandar, B. and Chen, R., 2025. Canaries in the coal mine? Six facts about the recent employment effects of artificial intelligence. [pdf] Stanford: Stanford Digital Economy Lab. Available at: https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/ [Accessed 11 September 2026].
CNBC, 2026. AI agents could easily send college grad unemployment over 30%, ServiceNow CEO says. [online] Available at: https://www.cnbc.com/2026/03/13/software-ai-agents-college-graduate-unemployment.html [Accessed 11 September 2026].
Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K. and Troszyński, M., 2025. Generative AI and jobs: a refined global index of occupational exposure. ILO Working Paper 140. Geneva: International Labour Organization.
Harkin, B., Webb, T.L., Chang, B.P.I., Prestwich, A., Conner, M., Kellar, I., Benn, Y. and Sheeran, P., 2016. Does monitoring goal progress promote goal attainment? A meta-analysis of the experimental evidence. Psychological Bulletin, 142(2), pp.198-229.
Savickas, M.L. and Porfeli, E.J., 2012. Career Adapt-Abilities Scale: construction, reliability, and measurement equivalence across 13 countries. Journal of Vocational Behavior, 80(3), pp.661-673.
Shuttleworth, J., 2024. 5 product lessons we learned from building Friend Streak. [online] Duolingo Blog. Available at: https://blog.duolingo.com/product-lessons-friend-streak/ [Accessed 11 September 2026].
Silverman, J. and Barasch, A., 2023. On or off track: how (broken) streaks affect consumer decisions. Journal of Consumer Research, 49(6), pp.1095-1117.
Wing, R.R. and Jeffery, R.W., 1999. Benefits of recruiting participants with friends and increasing social support for weight loss and maintenance. Journal of Consulting and Clinical Psychology, 67(1), pp.132-138.
World Economic Forum, 2025. The future of jobs report 2025. Geneva: World Economic Forum.
⚡ Baca Lebih Cepat Artikel MMI di Ponsel Anda!
Ikuti Channel WhatsApp
Media Mahasiswa Indonesia (MMI):
KLIK DI SINI
