“Penelitian ini dilatarbelakangi oleh transformasi digital yang kini menjadi keharusan bagi perusahaan untuk tetap kompetitif. Salah satu area yang berubah drastis adalah pengelolaan SDM, di mana AI-Based HRIS tidak lagi hanya sekadar mencatat data, tetapi mampu memberikan rekomendasi keputusan berbasis data dan mengotomatisasi tugas rutin.

PT Advanced Agri Indonesia sebagai perusahaan agribisnis sangat membutuhkan sistem ini. Namun, kecanggihan teknologi saja tidak cukup; kesiapan organisasi atau Organizational Readiness menjadi kunci keberhasilannya.

Sayangnya, kajian yang menghubungkan AI-Based HRIS, kesiapan organisasi, dan efisiensi operasional di sektor agribisnis Indonesia masih sangat terbatas. Inilah yang menjadi alasan kuat dan research gap yang ingin saya isi melalui penelitian ini.”

“Berdasarkan fenomena tersebut, penelitian ini merumuskan lima pertanyaan utama. Pertama, bagaimana gambaran implementasi sistem ini di perusahaan? Kedua dan ketiga, apakah sistem ini benar-benar berpengaruh terhadap efisiensi operasional dan kinerja karyawan? Keempat, apakah efisiensi operasional itu sendiri turut berkontribusi pada kinerja karyawan? Dan kelima, yang paling menarik, apakah kesiapan organisasi atau Organizational Readiness mampu memperkuat pengaruh implementasi AI terhadap efisiensi operasional? Lima pertanyaan ini akan menjadi panduan utama dalam penelitian saya.”

“Untuk menjawab rumusan masalah tersebut, penelitian ini memiliki enam tujuan. Mulai dari mengimplementasikan sistem secara nyata di perusahaan, menganalisis pengaruh antar-variabel secara statistik, hingga menguji peran moderasi dari kesiapan organisasi. Tujuan akhirnya bukan hanya berhenti pada angka statistik, tetapi menghasilkan sebuah model implementasi AI-Based HRIS yang bisa menjadi acuan strategis, baik bagi PT Advanced Agri Indonesia maupun perusahaan agribisnis sejenis lainnya.”

“Penelitian ini dibangun di atas empat konsep teoretis utama. Pertama, AI-Based HRIS sebagai variabel independen, yaitu sistem yang tidak hanya mencatat, tetapi 'berpikir' menggunakan kecerdasan buatan. Kedua, Organizational Readiness sebagai variabel moderasi, yang mengukur seberapa siap manajemen, SDM, dan infrastruktur menghadapi perubahan. Ketiga, Efisiensi Operasional sebagai variabel dependen pertama, yang fokus pada kecepatan dan akurasi proses. Dan keempat, Kinerja Karyawan sebagai variabel dependen kedua, yang mencerminkan hasil kerja individu. Keempat variabel ini dirangkai menjadi satu model utuh.”

“Agar setiap variabel dapat diukur secara objektif di lapangan, saya menggunakan indikator yang spesifik. Misalnya, AI-Based HRIS diukur dari 6 dimensi, mulai dari rekrutmen berbasis AI hingga analitik data. Organizational Readiness diukur dari 5 dimensi, termasuk dukungan manajemen dan komitmen terhadap perubahan. Efisiensi operasional dilihat dari kecepatan, akurasi, dan biaya, sedangkan kinerja karyawan diukur dari produktivitas, kualitas, hingga inisiatif kerja. Indikator-indikator ini nantinya akan menjadi butir pertanyaan dalam kuesioner penelitian.”

“Inilah kerangka pemikiran penelitian saya. AI-Based HRIS diduga berpengaruh langsung terhadap efisiensi operasional dan kinerja karyawan. Menariknya, efisiensi operasional juga diposisikan sebagai mediator yang menjembatani pengaruh AI terhadap kinerja karyawan. Selain itu, ada variabel Organizational Readiness yang bertindak sebagai moderator. Artinya, meskipun teknologinya canggih, jika organisasi tidak siap, dampaknya terhadap efisiensi akan lemah. Sebaliknya, jika kesiapan organisasi tinggi, pengaruh teknologi terhadap efisiensi akan semakin kuat.”

“Dari kerangka pemikiran tersebut, dirumuskan lima hipotesis. H1 hingga H3 menguji pengaruh langsung antar variabel utama. H4 secara spesifik menguji efek moderasi, di mana kesiapan organisasi diharapkan mampu memperkuat hubungan antara teknologi dan efisiensi. Sementara H5 menguji efek mediasi, yang menyatakan bahwa teknologi akan meningkatkan kinerja karyawan melalui peningkatan efisiensi operasional terlebih dahulu. Kelima hipotesis ini akan diuji secara empiris pada tahap selanjutnya.”

“Penelitian ini menggunakan pendekatan kuantitatif dengan desain explanatory research untuk menjelaskan hubungan sebab-akibat. Objeknya adalah PT Advanced Agri Indonesia, dengan responden berupa seluruh pengguna aktif sistem. Keunggulan metodologis penelitian ini terletak pada teknik pengumpulan datanya. Saya tidak hanya mengandalkan kuesioner persepsi, tetapi juga mengambil data operasional aktual langsung dari sistem, seperti waktu rekrutmen dan jumlah kesalahan administrasi. Data ini kemudian diolah menggunakan SEM-PLS dengan bantuan SmartPLS, sehingga hasil evaluasi menjadi jauh lebih objektif dan komprehensif.”

“Terakhir, inilah tahapan olah data yang akan saya jalankan secara sistematis. Dimulai dari uji validitas dan reliabilitas untuk memastikan instrumen penelitian layak. Selanjutnya, evaluasi outer model dan inner model untuk melihat kekuatan hubungan antar variabel. Setelah model dinyatakan layak, dilakukan uji hipotesis melalui bootstrapping, dilanjutkan dengan analisis moderasi dan mediasi. Hasil statistik ini kemudian akan ditriangulasi dengan data operasional sistem untuk mendapatkan interpretasi yang utuh dan dapat dipertanggungjawabkan.”

“Demikianlah paparan proposal penelitian saya. Besar harapan saya penelitian ini dapat memberikan kontribusi nyata bagi transformasi digital SDM di sektor agribisnis Indonesia. Terima kasih atas perhatian Bapak/Ibu.”