SKRIPSI

ANALISIS KEPUASAN PENGGUNA APLIKASI HALODOC DI MASA

PANDEMI DENGAN MENGGUNAKAN MODEL END USER

COMPUTING SATISFACTION (EUCS)

Disusun Oleh :

Rahmatul Isnaini

11180930000010

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2022 M/1443 H

1
 HALAMAN JUDUL

ANALISIS KEPUASAN PENGGUNA APLIKASI HALODOC DI MASA

PANDEMI DENGAN MENGGUNAKAN MODEL END USER

COMPUTING SATISFACTION (EUCS)

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh :

Rahmatul Isnaini

11180930000010

Dosen Pembimbing :

Muhammad Qomarul Huda M. Kom., Ph.D

Elvi Fetrina M.IT

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2022 M/1443 H

ii
v
 ABSTRAK

Rahmatul Isnaini – 11180930000010. Analisis Kepuasan Pengguna Aplikasi Halodoc

di masa Pandemi dengan Menggunakan Model User ComputingSatisfaction (EUCS) di

bawah bimbingan Muhammad Qomarul Huda M. Kom., Ph.D dan Elvi Fetrina M.IT.

Halodoc merupakan aplikasi yang memberikan fasilitas praktisi kesehatan. Dalam

aplikasi Halodoc praktisi kesehatan dilakukan oleh dokter, apotek, dan laboratorium kemudian
langsung dihubungkan melalui pasien dengan menggunakan alat komunikasi. Halodoc
memberikan fitur konsultasi medis yang dilakukan dengan menggunakan video call, telepon, chat,
pembelian obat berbasis online, dan pemeriksaan lab yang dilakukan secara on demand. Aplikasi
Halodoc merupakan layanan telemedicine yang paling banyak digunakan oleh masyarakat
Indonesia sebanyak 46,5%. Saat ini Halodoc telah tumbuh menjadi platform layanan kesehatan
terintegrasi yang menghubungkan jutaan masyarakat Indonesia dengan produk dan layanan
kesehatan yang aman dan berkualitas tercatat dengan total pengguna aktif bulanan mencapai
20.000.000 pengguna. Halodoc mampu menjangkau hampir seluruh wilayah di Indonesia,
termasuk daerah terluar seperti Aceh, Nusa Tenggara, Maluku, dan Papua. Hal ini membuktikan
bahwa Aplikasi Halodoc berperan penting dalam dunia kesehatan di masa pandemi.Dalam
penerapannya, masih terdapat beberapa kendala yang dialami penggunanya seperti, chat dengan
dokter auto typing, kesalahan penginputan resep obat, suara dokter pada saat konsultasi tidak
terdengar, tampilan aplikasi membingungkan, waktu konsultasi tidak sesuai dengan yang tertera,
pengguna masih belum memiliki informasi yang cukup tentang bagaimana sistem layanan
aplikasi Halodoc. Maka dari itu perlu adanya penelitian yang bertujuan untuk mengetahui faktor
apa saja yang dapat mempengaruhi kepuasan pengguna dalam menggunakan aplikasi Halodoc di
masa pandemi. Model yang digunakan dalam penelitian ini adalam model End User Computing
Satisfaction (EUCS) dengan menambahkan variabel Computer Self Efficacy (CSE). Penelitian ini
menggunakan pendekatan kuantitatif, penyebaran kuisioner dilakukan secara online dengan 38
pertanyaan dan analisis data menggunakan tools SmartPLS versi 3.3.9. Berdasarkan hipotesis
yang telah diusulkan. Hasilnya dari 6 hipotesis yang diusulkan, 1 hipotesis dinyatakan tidak
signifikan dan ditolak karena nilai path coefficient dan T-test dari hipotesis tersebut kurang dari
0.1 dan 1.96, sedangkan 5 hipotesis lainnya dinyatakan signifikan dan diterima. Maka dapat
disimpulkan bahwa pengguna aplikasi Halodoc memiliki pengaruh dalam kepuasan pengguna.

Kata Kunci: Kepuasan Pengguna, Aplikasi Halodoc, EUCS.

Bab I-V + xiii Halaman + 116 Halaman + 18 Daftar Gambar + 27 Daftar Tabel + Daftar Pustaka
+ Lampiran

iii
 KATA PENGANTAR

Segala Puji bagi Allah SWT peneliti panjatkan karena atas limpahan rahmatdan hidayah-Nya

maka peneliti dapat menyelesaikan skripsi yang berjudul “Analisis Kepuasan Pengguna

Aplikasi Halodoc di masa Pandemi dengan Menggunakan Model End User Computing

Satisfaction (EUCS) ” ini dapat diselesaikan dengan baik. Shalawat serta salam semoga selalu

tercurahkan kepadasuri tauladan kita Rasulullah Muhammad SAW.

Dalam proses penyusunan skripsi ini, peneliti mendapatkan dukungan, motivasi, bantuan

maupun saran, serta bimbingan dari berbagai pihak. Oleh karenaitu, dengan segala kerendahan hati dan

tidak mengurangi rasa hormat perkenankanlah peneliti mengucapkan terima kasih kepada:

1. Bapak Ir. Nashrul Hakiem, M.T, Ph.D. selaku Dekan Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta.

2. Bapak Aang Subiyakto, M.Kom., Ph.D. selaku Ketua Program Studi Sistem Informasi

dan Bapak Nuryasin M.Kom selaku Sekretaris Prodi Sistem Informasi.

3. Bapak Muhammad Qomarul Huda M. Kom., Ph.D. sebagai Dosen Pembimbing I yang

tidak pernah lelah dan bosan untuk membimbing, dan memotivasi. Sekali lagi, peneliti

mengucapkan banyak terima kasih untuk waktu, tenaga, dukungan, arahan, saran dan

kritikan yang membangun agar skripsi ini dapat terselesaikan dengan baik.

4. Ibu Elvi Fetrina M.IT. sebagai dosen pembimbing II yang telah membimbing dan

mengarahkan dalam penulisan laporan ini dengan sangat solutif sehingga skripsi ini

dapat terselesaikan dengan baik.

5. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu kepada

peneliti selama masa perkuliahan.

iv
6. Kedua orang tua peneliti, Bapak Jafri S.Ag dan Ibu Novarina S.Ag yang telah

memberikan doa, semangat dan motivasi yang tiada hentinya sehingga peneliti dapat

menyelesaikan skripsi ini. Meskipun saya sering melakukan hal-hal yang tidak sesuai

dengan keinginan kalian, tapi yakinlah anakmu ini kelak akan sukses dan membanggakan

kalian.

7. Kedua wali peneliti, Alm. Bapak H. Syafwan dan Ibu Hj. Eva Yusmalinda yang telah

memberikan doa, semangat dan motivasi sehingga peneliti dapat menyelesaikan skripsi

ini. Sekali lagi, terima kasih peneliti ucapkan kepada papa dan mama telah menjadi orang

tua yang baik disaat peneliti jauh dari ayah dan bunda.

8. Adik peneliti, Muhammad Hidayatul Mursyidin dan Zakiyatul Humaira yang telah

banyak membantu, mendoakan dan memberikan motivasi sehingga kakak dapat

menyelesaikan perkulihan dengan baik dan cepat.

9. Sahabat peneliti, Viola Octavia, Sabila Rodhia, Sarah Arhami, Fachri Fadhila, M. Sami,

M. Fathi Azzumar, Taufik Rizki Arrahman yang selama masa kuliah ini memberikan

banyak kenangan dan keseruan yang selalu saling support disaat sedih dan senang.

Terima kasih atas solidaritas dan kebersamaannya selama ini.

10. Teman-teman Sistem Informasi angkatan 2018, khususnya Sistem Informasi kelas A

yang selalu saling mendukung dan berjuang bersama.

11. Teman-teman BPH Dema FST, Ravi, Sultan, Syalwa, Faiza, Risma, dan Vina yang

selama masa kepengurusan Dema FST saling support baik organisasi maupun akademik.

12. Teman-teman peneliti, Salman affandi, Annisa Lauza, Wilda Putri Adelanie, Sherly

Handayani, Angga Yurizki, Sativa Mercy Pusaka, dan Putri Rahma Nesa yang telah

memberikan support dan semangat untuk menyelesaikan skripsi ini.

13. Semua pihak yang tidak dapat disebutkan satu per satu yang telahmembantu sehingga

skripsi ini terselesaikan.

vi
 Peneliti memohon kepada Allah SWT agar seluruh dukungan, bantuan dan bimbingan dari

semua pihak dibalas pahala yang berlipat ganda. Selain itu, peneliti menyadari penyusunan skripsi

ini masih terdapat kekurangan dan jauh dari kata sempurna karena terbatasnya ilmu pengetahuan

maupun wawasan yang dimiliki. Peneliti memohon maaf atas segala kekurangan yang ada, serta tidak

menolak atassegala kritik dan saran bagi peneliti yang dapat disampaikan melaui email

rahmatul.isnaini18@mhs.uinjkt.ac.id. Akhir kata, peneliti berharap agar skripsi ini dap bermanfaat

bagi peneliti dan semua yang membaca. Aamiin Ya Rabbal ‘Alamin.

Padang, 7 Mei 2022

Rahmatul Isnaini

11180930000010

vii
 DAFTAR ISI

DAFTAR ISI

ABSTRAK ............................................................................................................................................... 3

KATA PENGANTAR ............................................................................................................................. 4

DAFTAR ISI ........................................................................................................................................... 7

DAFTAR GAMBAR ............................................................................................................................. 12

DAFTAR TABEL ................................................................................................................................. 13

BAB I ............................................................................................................................................................ 1

PENDAHULUAN ....................................................................................................................................... 1

1.1 Latar Belakang ......................................................................................................................... 1

1.2 Identifikasi Masalah .............................................................................................................. 14

1.3 Rumusan Masalah ................................................................................................................. 15

1.4 Ruang Lingkup dan Batasan Masalah ................................................................................. 15

1.5 Tujuan dan Sasaran Penelitian............................................................................................. 15

1.6 Manfaat Penelitian ................................................................................................................. 16

1.7 Model Penelitian..................................................................................................................... 16

1.8 Metodologi Penelitian ............................................................................................................ 18

1.9 Sistematika Penulisan ............................................................................................................ 19

BAB II ........................................................................................................................................................ 22

LANDASAN TEORI ................................................................................................................................ 22

2.1 Definisi Analisis ...................................................................................................................... 22

vii
 2.2.1 Kepuasan Pengguna Sistem Informasi (User Satisfaction) ................................................ 24

2.2.2 Faktor Keberhasilan Teknologi ............................................................................................ 24

2.3 Konsep Sistem Informasi ...................................................................................................... 25

2.4 Telemedicine............................................................................................................................ 26

2.4.1 Aplikasi Halodoc .................................................................................................................... 28

2.5 End User Computing System (EUCS) .................................................................................... 29

2.6 Computer Self Afficacy (CSE) ............................................................................................... 33

2.7 Analisis Data ........................................................................................................................... 35

2.7.1 Variabel Penelitian................................................................................................................. 36

2.7.2 Populasi dan Sampel .............................................................................................................. 38

2.8 Skala Likert ............................................................................................................................. 44

2.9 Instrumen Penelitian Data .................................................................................................... 45

2.10 Model Analisis Data ............................................................................................................... 45

2.10.1 Analisis Deskriptif .................................................................................................................. 45

2.11 Metode Kuantitatif................................................................................................................. 46

2.12 Partial Least Square Equation Modelling (PLS-SEM) ........................................................ 47

2.12.1 SmartPLS................................................................................................................................ 52

2.13 Google Form ........................................................................................................................... 53

2.14 Model Pengumpulan Data ..................................................................................................... 54

BAB III....................................................................................................................................................... 57

METODOLOGI PENELITIAN .............................................................................................................. 57

3.1 Pendekatan dan Strategi Penelitian ..................................................................................... 57

viii
 3.2 Populasi dan Sampel Penelitian ............................................................................................ 58

3.3 Prosedur Penelitian ................................................................................................................ 58

3.4 Perancangan Instrumen Penelitian ...................................................................................... 59

3.4.1 Model Penelitian..................................................................................................................... 59

3.4.2 Instrumen Penelitian .............................................................................................................. 62

3.5 Metode Pengumpulan Data ................................................................................................... 65

3.6 Analisis Data dan Interpretasi Hasil .................................................................................... 66

3.7 Studi Literatur ....................................................................................................................... 67

BAB IV ....................................................................................................................................................... 79

HASIL DAN PEMBAHASAN ................................................................................................................. 79

4.1 Pilot Study ............................................................................................................................... 79

4.1.1 Uji Internal Consistency Reliability (CR) .............................................................................. 80

4.1.2 Uji Average Variance Extracted (AVE) ................................................................................. 80

4.2 Hasil Analisis .......................................................................................................................... 81

4.2.1 Hasil Analisis Demografis ..................................................................................................... 81

4.3 Interpretasi dan Diskusi Hasil Analisis .............................................................................. 103

4.3.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis................................................ 103

4.3.2 Interpretasi Hasil Analisis Pengukuran Model Outer Model ........................................... 106

BAB V ...................................................................................................................................................... 113

PENUTUP................................................................................................................................................ 113

5.1 Kesimpulan ........................................................................................................................... 113

5.2 Limitasi ................................................................................................................................. 115

ix
 5.3 Saran...................................................................................................................................... 115

DAFTAR PUSTAKA ............................................................................................................................... 118

x
 DAFTAR GAMBAR

Gambar 1.1 Pertumbuhan penggunaan telehealth .......................................................................... 3

Gambar 1.2 Persebaran Pengguna Aplikasi Kesehatan ................................................................... 4

Gambar 1.3 Layanan Telemedicine & Faskes yang Paling Banyak Digunakan di Indonesia .. .......... 6

Gambar 1.4 Keluhan Pengguna Aplikasi Halodoc .............................................................. 8

Gambar 1.5 Rancangan dalam Penggabungan Model EUCS dan Variabel CSE…………………….…18

Gambar 2.1 Model End User Computing Satisfaction (EUCS) ............................................. 31

Gambar 3.1 Tahapan Penelitian ............................................................................................. 59

Gambar 3.2 Variabel Independent EUCS berpengaruh terhadap Variabel Dependent User
Satisfaction............................................................................................................................... 60

Gambar 3.3 Variabel Independent CSE berpengaruh terhadap Variabel Dependent User
Satisfaction
.................................................................................................................................................. 61
3

Gambar 4.1 Diagram Lingkaran Jenis Kelamin Responden .................................................. 82

Gambar 4.2 Diagram Lingkaran Fakultas Responden ........................................................... 83

Gambar 4.3 Diagram Lingkaran Semester Responden .......................................................... 83

Gambar 4.4 Diagram Lingkaran Lama Penggunaan Responden ........................................... 84

Gambar 4.5 Diagram Lingkaran Mudah digunakan Selama Pandemi ................................... 85

Gambar 4.6 Diagram Lingkaran Platform yang digunakan Responden ................................ 85

Gambar 4.7 Diagram Lingkaran Kepuasan Pengguna ........................................................... 86

Gambar 4.8 Hasil Model model Path Coefficient Awal ........................................................ 97

Gambar 4.9 Hasil Model model Path Coefficient Akhir ........................................................ 98

xii
 DAFTAR TABEL

Tabel 2.1 S Studi Pustaka Pengaruh Variabel Independent EUCS berpengaruh terhadap
Variabel Dependent User Satisfaction ..................................................................................... 32

Tabel 2.2 Studi Pustaka Pengaruh Independent Computer Self Efficacy berpengaruh terhadap
Variabel Dependent User Satisfaction ..................................................................................... 35

Tabel 2.3 Skor Responden Skala Likert .................................................................................. 44

Tabel 3.1 Indikator Penelitian ................................................................................................. 63

Tabel 3.2 Indikator Penelitian (Lanjutan) ............................................................................... 64

Tabel 3.3 Indikator Penelitian (Lanjutan) ............................................................................... 65

Tabel 3.4 Penelitian Sejenis .................................................................................................... 68

Tabel 4.1 Composite Reability (CR) Pilot Study .................................................................... 80

Tabel 4.2 Average Variance Extracted (AVE) Pilot Study..................................................... 80

Tabel 4.3 Hasil Pengujian Outer Loading Awal ..................................................................... 87

Tabel 4.4 Hasil Pengujian Outer Loading Akhir .................................................................... 89

Tabel 4.5 Hasil Uji Composite Reability (CR) ........................................................................ 91

Tabel 4.6 Hasil Uji Average Variance Extracted (AVE) ......................................................... 92

xiii
Tabel 4.7 Hasil Discriminant Validity (Cross Loading) ........................................................ 93

Tabel 4.8 Hasil Fornell-Larcker Criterion ............................................................................. 95

Tabel 4.9 Hasil Path Coefficient ............................................................................................. 96

Tabel 4.10 Hasil Coefficient Of Determination....................................................................... 99

Tabel 4.11 Hasil Uji T-test .................................................................................................... 100

Tabel 4.12 Hasil Uji Effect Size ............................................................................................ 101

Tabel 4.13 Hasil Uji Predictive Relevance (Q2) ................................................................... 101

Tabel 4.14 Hasil Uji Relative Impact (q2) ............................................................................. 102

Tabel 4.15 Hasil Analisis Struktural Model ...................................................................................... 103

xiii
xiv
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi memberikan kegiatan dan layanan salah

satunya dalam memudahkan akses terhadap fasilitas pelayanan kesehatan.

Semakin pesatnya kemajuan teknologi ada beberapa hal pendukung

didalamnya sepeti perangkat keras atau hardware dan perangkat lunak atau

software yang mendorong perkembangan aplikasi telemedicine. Inovasi yang

didapat dari perkembangan teknologi yaitu telemedicine yang memberikan

akses kesehatan dalam keterbatasan jarak antara pasien dan dokter. Inovasi

ini semakin melonjak tinggi semenjak COVID-19.

COVID-19 pertama kali muncul di Indonesi tanggal 2 Maret 2020.

Kemudian kasus COVID-19 meningkat pada 31 Maret 2020. Di Indonesia

kematian yang disebabkan oleh COVID-19 mencapai 8,9% sehingga

Indonesia memiliki angka kematian yang disebabkan oleh COVID-19

tertinggi di Asia Tenggara (Susilo et al., 2020). Virus ini menyebar sangat

cepat keberbagai negara yaitu Italia, Amerika, Thailand, dan Spanyol. Dalam

melakukan pencegahan, masyarakat dihimbau agar tetap berada didalam

rumah, selalu menggunakan masker saat berpergian, menjaga kebersihan

lingkungan, social distancing serta work from home (WFH).

1
 Pandemi COVID-19 memberikan pengruh siginifikan pada bidang

kesehatan, pemerintah mengeluarkan peraturan dan himbauan kepada

menunda pelayanan elektif, dengan tetap memberikan pelayanan yang

bersifat gawat darurat dan membutuhkan perawatan segera selain penyakit

COVID-19. Rumah sakit dihimbau untuk mengembangkan pelayanan jarak

jauh (telemedicine) atau aplikasi online lainnya dalam memberikan pelayanan

kepada pasien dan keluarga pasien yang memerlukan. Dokter, perawat dan

tenaga kesehatan lain yang berusia di atas 60 tahun dan memiliki penyakit

penyerta, dianjurkan untuk bekerja di rumah dengan memanfaatkan fasilitas

teknologi informasi (Kementerian Kesehatan Republik Indonesia, 2020).

Sistem Informasi dan Teknologi Informasi dalam penerapannya

bertujuan agar dapat memberikan peningkatan yang signifikan terhadap

produktivitas, efektifitas, kinerja, dan daya saing. Di Indonesia terdapat

berbagai jenis aplikasi yang mendukung aktifitas dalam bidang medis, salah

satunya yaitu aplikasi kesehatan Halodoc. Aplikasi Halodoc menyediakan

berbagai fasilitas untuk penggunanya seperti konsultasi dengan dokter,

pembelian obat, buat janji dengan rumah sakit, daftar tes COVID-19 secara

online, serta beberapa fasilitas kesehatan lainnya.

Pembatasan masyarakat dalam mengakses layanan kesehatan selama

masa pandemi merubah minat masyarakat dalam mengakses pelayanan

kesehatan jarak jauh menggunakan telemedicine. Berdasarkan survei yang

dilakukan oleh McKinsey & Company pada tahun 2020 dimana Pemanfaatan

telehealth telah stabil pada level 38 kali lebih tinggi dari sebelum pandemi.

2
Setelah lonjakan awal menjadi lebih dari 32 persen kunjungan kantor dan

rawat jalan yang terjadi melalui telehealth pada April 2020, tingkat

pemanfaatan sebagian besar telah stabil, mulai dari 13% hingga 17% di semua

spesialisasi. Pemanfaatan ini mencerminkan lebih dari dua pertiga dari apa

yang kami antisipasi sebagai kunjungan yang dapat di virtualisasikan.

Demikian pula, sikap konsumen dan penyedia terhadap telehealth telah

meningkat sejak era pra COVID-19 (Oleg Bestsennyy, Greg Gilbert, Alex

Harris, 2021). Persepsi dan penggunaan telah sedikit turun sejak puncaknya

pada musim semi 2020. Beberapa hambatan seperti persepsi keamanan

teknologi tetap harus diatasi untuk mempertahankan adopsi kesehatan virtual

konsumen dan penyedia, dan model kemungkinan akan berkembang untuk

mengoptimalkan virtual hybrid dan tatap muka pengiriman perawatan (Rost

et al., 2021).

Gambar 1.1 Pertumbuhan penggunaan telehealth (Oleg Bestsennyy,

Greg Gilbert, Alex Harris, 2021)

3
 Terhitung peningkatan pengguna aplikasi kesehatan pada tahun 2019

meningkat hingga 200%. Lonjakan ini memberikan pengaruh terhadap

kebutuhan masyarakat terhadap pelayanan kesehatan digital di masa

pandemi. Dapat dilihat pada Gambar 1.2 penggunaan aplikasi kesehatan

Tiongkok dan India memiliki nilai tertinggi dibandingkan negara lainnya.

Tiongkok sebesar lebih sebanyak 65% dan India sebanyak 63% dengan

penggunaan selama 12 bulan terakhir. Kemudian disusul oleh Indonesia

sebanyak 57% dan Amerika Serikat sebanyak 44% responden menggunakan

aplikasi kesehatan. (Katadata.co.id, 2021). Dibuktikan dengan statistik

persebaran pengguna aplikasi kesehatan dibeberapa negara dibawah ini.

Gambar 1.2 Persebaran Pengguna Aplikasi Kesehatan

(Katadata.co.id, 2021)

4
 Setelah menerapkan sistem informasi ada beberapa hal penting yang

perlu diperhatikan untuk mengetahui tingkat kepuasan pengguna dalam

menerapkan sistem informasi (Subiyakto et al., 2016). Dalam mengukur

sebuah kualitas sistem, pengembang aplikasi harus memahami tingkat

kepuasan pengguna sebagai inovasi dalam sebuah sebuah aplikasi agar sesuai

dengan kebutuhan pengguna.

Kepuasan pengguna merupakan hal yang sangat dibutuhkan dalam

sebuah aplikasi yang ada didalam sebuah perusahaan. Kepuasan pengguna

dapat diartikan sebagai tolak ukur seberapa besar perasaan pengguna yang

disertai dengan perbandingan keinginan pengguna yang diungkapkan oleh

pengguna dalam sebuah aplikasi ataupun produk dengan hasil nyata yang

diperoleh dari hasil penilaian pengguna (Philip Kotler, 2018). Dalam

memenuhi kepuasan pengguna apabila aplikasi atau produk yang digunakan

dapat memenuhi ekspektasi pengguna maka kepuasan penggua semakin

mengingkat.

Aplikasi Halodoc merupakan layanan telemedicine yang paling banyak

digunakan oleh masyarakat Indonesia sebanyak 46,5%, layanan

Telemedicine rumah sakit atau klinik terdapat pada urutan kedua digunakan

oleh masyarakat Indonesia sebanyak 41,8%. Kemudian, sebanyak 35,7%

menggunakan layanan telemedicine Alodokter, 20,3% konsultasi online

dengan dokter. 15,5% pengguna aplikasi Klik Dokter, 10,2% mengakses

isoman.kemenkes.go.id, 5,4% pengguna Good Doctor, 4,4% pengikut Link

Sehat, 2% pengguna Lekas Sehat, dan 1% menggunakan aplikasi

5
Telemedicine lainnya (KIC), 2022).

Gambar 1.3 Layanan Telemedicine & Faskes yang Paling Banyak

Digunakan di Indonesia (KIC), 2022)

Tingkat penggunaan aplikasi Halodoc sangat tinggi sehingga

menimbulkan beberapa rating positif dan negatif. Menurut Tri & Setiyana,

(2021) jumlah ulasan dari rating pengguna memberikan rating 5 atau sangat

suka terhadap aplikasi dengan jumlah 4568 ulasan sebanyak 39,9% dan

diikuti oleh rating 4 atau suka terhadap aplikasi dengan jumlah 3664 ulasan

sebanyak 32%. Adapun pengguna memberikan rating 3 atau cukup terhadap

aplikasi sebanyak 980 ulasan sebanyak 8,56%, rating 2 atau tidak suka

terhadap aplikasi sebanyak 658 ulasan sebanyak 5,76%, dan untuk rating 1

atau sangat tidak suka terhadap aplikasi sebanyak 1577 ulasan sebanyak

13,78%. Sehingga dapat disimpulkan dari sekian banyak rating positif akan

tetapi masih banyak pengguna yang merasa kurang puas dengan aplikasi

Halodoc.

6
 Setelah melakukan eksplorasi dengan pengguna aplikasi Halodoc

maka didapat beberapa permasalahan yang dialami oleh pengguna yaitu,

pada halaman pengguna “Chat dengan Dokter” sering kali jawaban yang

diberikan oleh dokter auto typing sehingga tidak memberikan kepuasan

terhadap pengguna atas jawaban yang telah diberikan, kesalahan pada saat

penginputan resep obat sering terjadi pada aplikasi Halodoc misalnya

pengguna memesan dua obat akan tetapi obat yang dikirimkan hanya satu

obat, pada saat melakukan konsultasi menggunakan Video Call suara dokter

yang memberkan konsultasi sering ahli tidak terdengar dan gambar yang

dihasilkan tidak jernih, tampilan aplikasi sedikit membingungkan bagi

pengguna baru, pada halaman pengguna “Chat dengan Dokter” konten yang

ada didalamnya tidak sesuai dengan yang tertera didalam aplikasi.

Misalnya, pada aplikasi tertera konsultasi berlangsung selama 30 menit akan

tetapi sebelum waktu tersebut habis dokter yang melakukan konsultasi

sudah meninggalkan room, pengguna masih belum memiliki informasi yang

cukup tentang bagaimana sistem layanan aplikasi halodoc. Sehingga dapat

disumpulkan bahwa pengguna merasa aplikasi Halodoc kurang memberikan

kepuasan terhadap pengguna. Oleh karena itu permasalah yang muncul

dapat digunakan sebagai landasan untuk dilakukan evaluasi keberhasilan

berdasarkan pengalaman pengguna. Pernyataan ini didukung oleh Irfan et al

(2021) menyatakan bahwa didapatkan permasalahan kesulitan dalam

mencari informasi dan pengguna merasa kurang nyaman dengan tampilan

7
gambar yang dirasa kurang representatif, selain itu ada beberapa kendala

terkait tampilan menu. Selain itu penelitian Surahman et al., (2021)

menyebutkan bahwa aplikasi Alodokter lebih besar dalam memberikan

impresi kepada pengguna dibanding Halodoc pada tempat kedua dan

Klikdokter ditempat terakhir. Hal ini membuktikan bahwa kebutuhan

pengguna menjadi salah satu landasan untuk mencapai kepuasan pengguna.

Berikut beberapa feedback pengguna yaitu:

Gambar 1.4 Keluhan Pengguna Aplikasi Halodoc (Halodoc – Dokter,

Toko Kesehatan & Appointment - Aplikasi di Google Play, n.d.)

8
 Dengan mengukur kepuasan pengguna pada aplikasi Halodoc, para

peneliti berfokus pada masalah kepuasan pengguna. Model EUCS dengan

menambahkan variabel CSE digunakan dalam penelitian ini untuk mengukur

kepuasan pengguna. Alasan menggunakan model dan variabel ini adalah

untuk dapat menentukan komponen sistem informasi digunakan sebagai tolak

ukur dalam kesuksesan sebuah aplikasi, model kepuasan pengguna, dan

apakah sistem informasi memperluas kemampuan dalam generalisasi dan

menyusun komponen kepuasan pengguna. Apabila pengguna merasa puas

dalam menggunakan sebuah aplikasi maka dapat disimpulkan bahwa

pengguna menerima keberadaan sebuah aplikasi tersebut.

Sebelumnya model End User Computing Satisfaction (EUCS) dengan

menambahkan variabel Computer Self Efficacy (CSE) belum pernah

digunakan untuk mengukur kepuasan pengguna Aplikasi Halodoc. Sehingga

peneliti belum mengetahui faktor apa saja yang dapat memberikan pengaruh

besar dalam sistem infomasi sebuah aplikasi Halodoc. End User Computing

Satisfaction (EUCS) merupakan model yang dikembangkan oleh Doll dan

Torkzadeh (1998) menyatakan bahwa model End User Computing

Satisfaction (EUCS) merupakan sebuah model yang digunakan dalam

melakukan penelitian untuk dapat mengukur tinggi atau rendahnya kepuasan

pengguna akhir dan bagaimana cara pengguna membandingkan antara

harapan dan kenyataan sesuai dengan pengalaman pengguna dalam

menggunakan sistem aplikasi di masa pandemi. Didalam model End User

Computing Satisfaction (EUCS) terdapat 5 variabel yaitu terdiri dari content,

9
accuracy, format, ease of use, dan timeliness. Sedangkan Computer Self

Efficacy (CSE) merupakan variabel pendukung dalam mengukur tinggi atau

rendahnya kepuasan pengguna dilihat dari sisi telemedicine dan keadaan

pandemi saat ini.

Alasan peneliti menggunakan metode End User Computing

Satisfaction (EUCS) di masa pandemi yaitu berdasakan berbagai teori analisis

untuk dapat menilai kepuasan pengguna model End User Computing

Satisfaction (EUCS) yang paling cocok digunakan, karena didalam model

End User Computing Satisfaction (EUCS) berisikan variabel yang kompleks

dalam mendukung penilaian kepuasan pengguna sistem informasi yaitu

content, accuracy, format, ease of use, dan timeliness dan Computer Self

Efficacy (CSE) yang memberikan penjelasan bagaimana aplikasi ini dapat

memudahkan pengguna dan pengguna merasa cukup tentang layanan aplikasi

yang diberikan, kemudian bagaimana aplikasi ini dapat memonitor kondisi

kesehatan pengguna dengan mudah di masa pandemi. Maka, dapat

disimpulkan bahwa metode ini memiliki kaitan yang erat dengan kepuasan

pengguna terhadap kinerja sistem informasi, hal ini didasari dengan

pengertian bahwa apabila pengguna merasa puas dalam menggunakan sebuah

sistem aplikasi maka dapat diartikan pengguna dapat menerima keberadaan

sistem sebagai aplikasi pembantu dalam pekerjaan pengguna.

Melihat permasalahan yang ada maka peneliti melakukan analisis

terhadap model End User Computing Satisfaction (EUCS). Berdasarkan studi

literatur yang penulis amati, maka ada beberapa penelitian terdahulu yang

10
berhubungan dengan analisis kepuasan pengguna dengan menggunakan

metode End User Computing Satisfaction (EUCS) dan Computer Self

Efficacy (CSE) . Penelitian pertama dilakukan oleh (Azzahrah et al., 2020)

dimana penelitian ini bertujuan untuk memenuhi kebutuhan masyarakat

dalam bidang kesehatan dimana nantinya akan memudahkan masyarakat

untuk terhubung dengan seluruh elemen fungsional pendukung sektor

kesehatan. Sampel pada penelitian ini disebar kepada 100 orang yang disebar

kepada pengguna aplikasi mobile e-health di 5 Puskesmas di Kota Surabaya.

Hasil penelitian ini menujukkan bahwa pengguna puas dengan mobile e-

health yang ada, tetapi masih terdapat kekurangan pada variabel timeliness

sebesar 0,6. Sehingga dapat dilakukan penguatan sistem agar pengguna dapat

merasa puas dengan aplikasi yang diberikan.

Penelitian kedua dilakukan oleh (Aggelidis & Chatzoglou, 2012) Hasil

penelitian ini model EUCS sebagai pendukung dan meningkatkan

generalisasi instrumen EUCS dan ketahanannya sebagai ukuran kepuasan

komputasi yang valid dan pengganti untuk keberhasilan sistem dalam

berbagai pengaturan budaya dan bahasa. Meskipun sifat psikometrik EUCS

tampaknya kuat di seluruh studi dan kelompok pengguna, itu tidak boleh

dianggap sebagai bab terakhir dalam validasi dan penyempurnaan skala ini.

Upaya berkelanjutan harus dilakukan untuk memvalidasi dan memperluas

instrumen.

Penelitian ketiga dilakukan oleh (Anita Merry Cisca, Sri Wahyuni

Nasution, Sri Lestari Ramadhani Nasution & Girsang, 2021) dimana

11
penelitian ini menggunakan model End User Computing Satisfaction

(EUCS) untuk mengetahui persepsi dan pengalaman mahasiswa aktif EFL

Indonesia dalam penerapan TOEIC (Test of Communicative English),

komunikasi internasional) dan TOEFL (Test of English as a Foreign

Language) kemahiran tes di era COVID19. Variabel dalam penelitian ini

bersifat independen yaitu dimensi isi, dimensi akurasi, dimensi format,

dimensi kemudahan penggunaan, dimensi ketepatan waktu yang diukur

dengan End-Method. Penelitian ini mewawancarai seorang mahasiswa aktif

EFL Indonesia di Universitas Nasional di Taiwan yang menjalankan program

internasional. Peserta studi lulus ujian, tetapi dia melakukannya berulang kali

sebelum dia bisa lulus. Hasil dari penelitian ini adalah terdapat pengaruh

dimensi konten terhadap kepuasan pengguna dengan nilai signifikansi

sebesar 0,000 dan persentase sebesar -3,41%, kemudian yang menunjukkan

kategori Kepuasan (>75%) dengan hasil persentase sebesar 82,75%.

Penelitian keempat dilakukan oleh (Pratiwi, 2021) dimana penelitian ini

bertujuan untuk mengukur pelaksanaan pembelajaran daring diperlukan

evaluasi. Penelitian bertujuan untuk menilai kepuasan mahasiswa aktif

terhadap pembelajaran daring dengan menggunakan End User Computing

Satisfaction (EUCS) yang dikembangkan oleh Doll. Ada lima indikator

EUCS yang akan menentukan tingkat kepuasan yaitu isi, akurasi, bentuk,

kemudahan penggunaan, dan ketepatan waktu. Hasil penelitian menunjukkan

bahwa pada indikator isi pembelajaran daring memperoleh skor akhir sebesar

67.17% dengan kategori puas. Indikator akurasi pembelajaran daring

12
memperoleh skor akhir sebesar 54.54% dengan kategori cukup puas.

Indikator bentuk pembelajaran daring memperoleh skor sebesar 56.48%

dengan kategori cukup puas. Indikator kemudahan mengakses pembelajaran

daring memperoleh skor sebesar 78.79% dengan kategori puas. Indikator

ketepatan waktu pembelajaran daring memperoleh skor sebesar 64.26%

dengan kategori puas. Data ini menunjukkan bahwa tingkat kepuasan

mahasiswa aktif tertinggi pada indicator kemudahan penggunaan dan tingkat

kepuasan terendah pada indicator akurasi.

Kemudian penelitian terakhir digunakan sebagai acuan untuk merujuk

variabel COVID-19 yaitu penelitian yang dilakukan oleh (Yamin & Alyoubi,

2020) Penelitian ini bertujuan untuk mengetahui perilaku individu terhadap

adopsi aplikasi telemedicine berbasis aplikasi jaringan sensor nirkabel

(WSN) selama pandemi COVID-19. Penelitian ini menggunakan beberapa

variabel salah satunya yaitu Computer Self Efficacy (CSE). Computer Self

Efficacy (CSE) pada penelitian ini menjelaskan bagaimana memonitor

kondisi kesehatan dengan menggunakan aplikasi jaringan sensor nirkabel,

bagaimana memiliki kemampuan yang cukup untuk memantau kondisi

kesehatan saat menggunakan aplikasi jaringan sensor nirkabel dan bagaimana

pengguna dapat menggunakan aplikasi jaringan sensor nirkabel tanpa banyak

usaha untuk memantau kondisi kesehatan.

13
 Berdasarkan uraian latar belakang diatas, maka penulis tertarik

melakukan penelitian berjudul “Analisis Kepuasan Pengguna Aplikasi

Halodoc di masa Pandemi dengan Menggunakan Model User

ComputingSatisfaction (EUCS)” Dengan harapan penelitian ini dapat

mengetahui seberapa besar tingkat kepuasan pengguna aplikasi Halodoc di

masa pandemi.

1.2 Identifikasi Masalah

Berdasarkan latar belakang permasalahan diatas, dapat di identifikasi

masalah sebagai berikut:

1. Masih adanya kendala pada aplikasi Halodoc seperti chat dengan

dokter auto typing, kesalahan penginputan resep obat, suara dokter

pada saat konsultasi tidak terdengar, waktu konsultasi tidak sesuai

dengan yang tertera, tampilan aplikasi membingungkan, dan

pengguna masih belum memiliki informasi yang cukup tentang

bagaimana sistem layanan aplikasi Halodoc.

2. Masih belum diketahui faktor apa saja yang mempengaruhi

kepuasan pengguna aplikasi Halodoc.

3. Masih belum diketahui pengaruh variabel Computer Self Efficacy

(CSE) terhadap kepuasan pengguna aplikasi Halodoc.

14
1.3 Rumusan Masalah

Berdasarkan identifikasi masalah diatas, maka rumusan masalah dalam

penelitian ini adalah “Apakah model End End User Computing Satisfaction

(EUCS) dan variabel Computer Self Efficacy (CSE) memiliki pengaruh

terhadap kepuasan pengguna aplikasi Halodoc di masa pandemi?”.

1.4 Ruang Lingkup dan Batasan Masalah

Berdasarkan rumusan masalah diatas, maka didapatlah batasan masalah

dalam penelitian ini, yaitu:

1. Analisis kepuasan pengguna aplikasi Halodoc

2. Pada penelitian ini digunakan analisis untuk mengukur penguna akhir

pada aplikasi Halodoc dengan EUCS dengan didukung dengan

variabel CSE

3. Metode penelitian yang digunakan yaitu kuantitatif dengan teknik

pengambilan sampel dengan menggunakan purposive sampling.

4. Penelitian ini menggunakan 5 poin poin skala likert.

5. Responden merupakan pengguna aplikasi Halodoc dengan

memanfaatkan fitur Google Form.

6. Penelitian ini menggunakan SmartPLS 3.3.9 sebagai alat pengolahan

data.

1.5 Tujuan dan Sasaran Penelitian

Penelitian ini bertujuan agar dapat berbagai faktor yang mempengaruhi

kepuasan pengguna aplikasi Halodoc. Adapun tujuan dari penelitian ini yaitu:

15
 1. Mengukur faktor apa saja yang dapat mempengaruhi kepuasan

pengguna dalam menggunakan aplikasi Halodoc di masa pandemi.

2. Mengukur kepuasan pengguna aplikasi Halodoc di masa pandemi

dengan menggunakan model EUCS dengan menambahkan variabel

CSE.

3. Mengukur bagaimana pandangan pengguna terhadap aplikasi

Halodoc di masa pandemi.

1.6 Manfaat Penelitian

Diharapkan nantinya penelitian ini dapat memberikan manfaat untuk

pihak-pihak tertentu. Maka didapatlah beberapa manfaat pada penelitian ini,

yaitu:

1. Bagi penulis, diharapkan hasil penelitian ini dapat meningkatkan

pengetahuan dan keilmuan yang telah ditempuh selama mengikuti

perkuliahan Program Studi Sistem Informasi Fakultas Sains dan

Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

2. Bagi Mahasiswa atau Responden, penelitian ini dapat dikembangkan

dengan menambahkan variabel yang mendukung sebagai bahan

penelitian selanjutnya.

1.7 Model Penelitian

Model penelitian yang diambil pada penelitian ini yaitu menggunakan

Model End User Computing Satisfaction (EUCS) dengan menambahkan

16
variabel Computer Self Efficacy (CSE). Model End User Computing

Satisfaction (EUCS) merupakan sebuah metode yang diadopsi oleh (Doll &

Torkzadeh, 1988) merupakan sebuah model yang digunakan dalam

melakukan penelitian utuk dapat mengukur tinggi atau rendahnya kepuasan

pengguna akhir dan bagaimana cara pengguna membandingkan antara

harapan dan kenyataan sesuai dengan pengalaman pengguna dalam

menggunakan sistem aplikasi di masa pandemi. Didalam model End User

Computing Satisfaction (EUCS) ini terdapat 5 variabel yaitu terdiri dari

content, accuracy, format, ease of use, dan timeliness.

Kemudian penelitian ini menambahkan variable Computer Self

Efficacy (CSE) yang memberikan penjelasan bagaimana aplikasi ini dapat

memudahkan pengguna dan pengguna merasa cukup tentang layanan aplikasi

yang diberikan, kemudian bagaimana aplikasi ini dapat memonitor kondisi

kesehatan pengguna dengan mudah di masa pandemi. Computer Self Efficacy

(CSE) pada penelitian ini menjelaskan bagaimana keyakinan pengguna

menggunakan aplikasi Halodoc. Self efficacy adalah kemampuan internal

pasien untuk melakukan suatu perilaku. Dalam telemedicine layanan

kesehatan self efficacy dilihat sebagai penilaian pengguna terhadap

kapasitasnya bahwa seberapa efektif aplikasi Halodoc di masa pandemi.

Sehingga dapat disimpulkan bahwa model dan variabel ini memiliki kaitan

yang erat dengan kepuasan pengguna terhadap kinerja sistem informasi, hal

ini didasari dengan pengertian bahwa apabila pengguna merasa puas dalam

menggunakan sebuah sistem aplikasi maka dapat diartikan pengguna dapat

17
 mereka keberadaan sistem sebagai aplikasi pembantu dalam pekerjaan

pengguna. Maka adapun gambar dari desain atau rancangan penelitian ini

yaitu:

Gambar 1.5 Rancangan dalam Penggabungan Model EUCS dan Variabel

Computer Self Efficacy (CSE)

1.8 Metodologi Penelitian

Metodelogi penelitian yang digunakan yaitu metode pengumpulan data.

Metode pengumpulan data terbagi menjadi tiga bagian yaitu:

a. Kuesioner

Peneliti memberikan pertanyaan kepada responden dalam hal ini adalah

pengguna aplikasi Halodoc dengan memberikan beberapa pertanyaan yang

berhubungan dengan kepuasan pengguna aplikasi Halodoc.

18
 b. Studi Pustaka

Pengumpulan data ini dilakukan dengan cara memahami berbagai teori

literatur dan buku-buku serta situs-situs penyedia layanan yang

berhubungan dengan objek skripsi sebagai dasar dalam analisis ini.

c. Pengolahan Data

Peneliti mengelola data yang didapat dari kuesioner yang telah diisi oleh

pengguna aplikasi Halodoc.

1.9 Sistematika Penulisan

Penelitian ini terdiri dalam bentuk laporan yang tersusun menjadi lima bab,

yaitu:

BAB I PENDAHULUAN

Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah,

tujuan dan manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini menjelaskan bagaimana dasar-dasar teori yang digunakan sebagai dasar

dalam penelitian.

BAB III METODOLOGI PENELITIAN

Bab ini menjelaskan bagaimana proses penelitian dalam bentuk metode dengan

memberikan penjelasan mengenai pendekatan, prosedur, populasi dan sample,

instrumen penelitian, pengumpulan dan pemrosesan data, dan kerangka berfikir.

BAB IV HASIL DAN PEMBAHASAN

Bab ini menjelaskan analisis data dan hasil yang didapat, interpretasi, dan diskusi

19
penelitian. Analisis data yang dilakukan dengan menggunakan perangkat lunak

SmartPLS.

BAB V PENUTUP

Bab ini berisi kesimpulan yang berkenaan dengan hasil pemecahan masalah,

Limitasi, serta beberapa saran untuk penelitian selanjutnya.

DAFTAR PUSTAKA

20
21
 BAB II

LANDASAN TEORI

2.1 Definisi Analisis

Analisis adalah sebuah penelitian yang berisikan sebuah sistem didalamnya.

Sistem ini bertujuan untuk dapat memberikan pembaharuan sistem yang akan

dilakukan nantinya (Sugiyono, 2017). Analisis memiliki pengertian yaitu kegiatan

berfikir agar dapat mengurangi sebuah sesuatu menjadi komponen yang dapat

mengenal setiap komponen yang ada, hubungan individu dan individu lainnya,

dan fungsi dari setiap keseluruhan yang terpadu (Sugiyono, 2017).

Maka dari definisi diatas dapat disimpulan bahwa analisis adalah tahapan

penelitian yang terdisi dari sistem berjalanm sistem ini memiliki tujuan untuk

dapat mengetahui berbagai permasalahan yang ada sehingga nantinya dapat

menyelesaikan permasalahan sistem dengan mudah. Selain itu analisis merupakan

sebuah pokok yang menjadi bagian atau komponen sehingga nantiya dapat

mengetahui bagaimana ciri-ciri ari setiap bagian sistem.

2.2 Definisi Kepuasan Pengguna

Kepuasan pengguna adalah sebuah tingkat perasaan pengguna dengan

membandingkan antara keinginan pengguna dalam sebuah aplikasi dengan

memberikan hasil yang nyata kepada pengguna (Philip Kotler, 2018). Menurut

(Doll & Torkzadeh, 1988) kepuasan pengguna akhir merupakan sebuah sikap

yang efektif dalam mengukur aplikasi komputer sehingga menghasilkan data yang

22
lebih spesifik. Kepuasan pengguna akhir ini dilakukan oleh seseorang yang

melakukan interaksi langsung dengan aplikasi tersebut secara langsung sehingga

pengguna dapat memberikan penilaian terhadap kepuasan aplikasi yang mereka

gunakan.

Kepuasan adalah keadaan yang subjektif. Keadaan ini berkaitan dengan

bagaimana orang senang dengan prestasi yang didapatnya. Sehingga secara umum

kepuasan sering kali diterjemahkan sebagai perbedaan antara harapan dengan

kinerja yang dihasilkan oleh sebuah sistem atau produk. Hal ini didukung oleh

pendapat (Philip Kotler, 2018) kepuasan merupakan ungkapan rasa bahagia atau

kecewa seseorang yang muncul setelah memberikan perbandingan sebuah hasi

kinerja sebuah produk yang disesuaikan dengan harapan pengguna. Sehingga

untuk mencapai kepuasan pengguna dalam sebuah sistem atau aplikasi sehingga

dapat disimpulkan bahwa model kepuasa pengguna yang cocok untuk penelitian

ini yaitu model End User Computer Satisfaction (EUCS).

Maka dapat disimpulkan dari definisi diatas bahwa kepuasan pengguna

memiliki manfaat untuk menilai bagaimana memenuhi keinginan pengguna

dengan kinerja yang dihasilakan oleh sebuah sistem aplikasi. Apabila kinerja yang

diberikan dibawah rata-rata maka pengguna merasa tidak puas dengan hasil yang

diberika, namun apabila kinerja sesuai dengan harapan ataupun melebihi yang

diharapkan maka pengguna merasa puas dengan hasil yang diberikan. Selain itu

juga kepuasan ini memberikan kualitas, pelayanan dan nilai dari suatu produk atau

sistem yang digunakan.

23
2.2.1 Kepuasan Pengguna Sistem Informasi (User Satisfaction)

Kepuasan pengguna sistem informasi adalah sikap pengguna pada saat

menggunakan sebuah aplikasi. Dalam menilai ketertarikan pengguna dalam

menggunakan sistem informasi dapat dinilai dari perilaku pengguna. Menurut

(Philip Kotler, 2018) kepuasan penguna merupakan sebuah kegiatan yang

mengukur suatu tingkat perasaan seseorang dari hasil perbandingan antara

keinginan pengguna terhadap sebuah aplikasi dengan hasil nyata sesuai dengan

penilaian pengguna terhadap produk atau aplikasi. Dalam memenuhi kepuasan

pengguna apabila aplikasi atau produk yang digunakan dapat memenuhi

ekspektasi pengguna maka kepuasan penggua semakin meningkat, sedangkan

apabila kinerja sebuah aplikasi atau produk tidak dapat memenuhi ekspektasi

pengguna maka semakin rendahnya tingkat kepuasan pengguna. Apabila hasil

yang didapat dari pengukuran melebihi ekspektasi pengguna maka pengguna akan

merasa sangat puas dengan aplikasi atau produk yang telah diberikan.

2.2.2 Faktor Keberhasilan Teknologi

Teknologi informasi dalam menentukan keberhasilan diukur dengan

menggunakan empat faktor sebagai tolak ukur dalam menganalisis sebuah

teknologi informasi (Luthfi, 2014). Berikut faktor yang meliputi keberhasilan

sebuah teknologi informasi:

24
 1. Teknologi diukur dari kelayakan teknis, hal ini menghasilkan nilai

tambah sehingga memiliki fitur ataupun kemampuan yang beraneka

ragam agar dapat memenuhi kebutuhan yang beragamdan faktor

teknis lainnya.

2. Teknologi diukur dari faktor ekonomis yang memberikan

produktivitas ekonomi dan finansial. Dalam melakukan sebuah

evaluasi yang prodiktiv teknologi dapat dilakukan dengan

menghitung rasio output ataupun input yang dihasilkan.

3. Dalam membuat sebuah teknologi tentunya faktor utama yang harus

diperhatikan yaitu dapat diterimanya sebuah aplikasi dikalangan

pengguna. Sebuah teknologi dapat diterima oleh pengguna karena

apat bermanfaat, mudah digunakan, disenangi, dapat digunakan

dengan efisien, dan tidak memberikan dampak terhadap kebiasaan

dan budaya pengguna.

4. Selain itu teknologi untuk dapat menentukan keberlanjutan sebuah

teknologi informasi dikalangan pengguna keserasian lingkungan

harus diperhatikan.

2.3 Konsep Sistem Informasi

Sistem merupakan sebuah kumpulan elemen yang saling berinteraksi untuk

dapat mencapai tujuan tertentu. Sistem terdiri dari gambaran kejadian dan

kesatuan yang menghasilkan suatu objek yang nyata. Sistem ini juga berisikan

jaringan kerja yang memiliki prosedur yang saling berhubungan agar dapat

25
melakukan sesuatu kegiatan agar dapat menyelesaikan suatu tujuan tertentu.

Informasi dapat didefinisikan sebagai pengolahan dalam bentuk yang lebih

bermanfaat bagi pengguna dan mengambarkan suatu kejadian agar dapat

digunakan sebagai pengambilan keputusan (Jogiyanto, 2017). Data yang

dimasukkan kemudian diolah sehingga menghasilkan sebuah informasi, akan

tetapi data yang dimasukkan kemudian dioleh menjadi informasi terlebih dahulu

ditempatkan kedalam penyimpanan yang disebut dengan Basis Data.

Sistem Informasi adalah komponen yang memiliki hubungan dengan fungsi

agar dapat mengumpulkan, memproses, menyimpan, dan memberikan distribusi

agar dapat memberikan informasi untuk memberikan dukungan dalam

pengambilan keputusan dan pengawasan dalam sebuah perusahaan atau

organisasi. Sistem informasi memiliki tujuan menghasilkan sebuah informasi.

sistem informasi agar lebih bermanfaat didukung oleh tiga pilar agar

menghasilkan tujuan yang tepat dan relevan, on time, dan memiliki nilai yang

akurat. Kemudian dari hasil tiga pilar ini didapat informasi yang lebih berguna.

Agar menjadi informasi yang relevan maka hasil dari sistem ini harus berupa

informasi yang berguna sehingga memenuhi ketiga pilar tersebut (Purnama,

2016).

2.4 Telemedicine

Telemedicine merupakan kegiatan konsultasi kesehata yang dilakukan

dengan menggunakan komunikasi audio, video visual, komunikasi visual, dan

26
data. Kegiatan telemedicine ini dilakukan dengan melakukan perawatan,

diagnosis, konsultasi dan pengobatan yang dilakukan secara ilmiah dengan jarak

jauh (Jamil et al., 2015). Telemedicine memiliki cakupan yang luas yang meliputi

penyampaian fasilitas telemedicine dengan melibatkan dokter, pasien dan pihak

pendukung lainnya dalam bentuk audio, video dan grafik dengan menggunakan

perangkat digital telekomunikasi.

Pelayanan ini dilakukan dengan baik, ramah dan menyenangkan sehingga

memberikan kepuasan terhadap pasien dan menimbulkan optimis kesembuhan

pasien (Sari & Wirman, 2021). Komunikasi yang dilakukan oleh dokter melalui

komunikasi verbal dan non verbal dimana akan menciptakan hubungan

interpersonal yang baik, pertukaran indormasi dan pengambilan keputusan medis

melalui aplikasi Telemedicine.

Berdasarkan survei yang dilakukan oleh McKinsey & Company pada tahun

2020 dimana Pemanfaatan telehealth telah stabil pada level 38 kali lebih tinggi

dari sebelum pandemi. Setelah lonjakan awal menjadi lebih dari 32 persen

kunjungan kantor dan rawat jalan yang terjadi melalui telehealth pada April 2020,

tingkat pemanfaatan sebagian besar telah stabil, mulai dari 13% hingga 17% di

semua spesialisasi. Pemanfaatan ini mencerminkan lebih dari dua pertiga dari apa

yang diantisipasi sebagai kunjungan yang dapat di virtualisasikan. Demikian pula,

sikap konsumen dan penyedia terhadap telehealth telah meningkat sejak era pra

COVID-19 (Oleg Bestsennyy, Greg Gilbert, Alex Harris, 2021). Persepsi dan

penggunaan telah sedikit turun sejak puncaknya pada musim semi 2020. Beberapa

hambatan seperti persepsi keamanan teknologi tetap harus diatasi untuk

27
mempertahankan adopsi kesehatan virtual konsumen dan penyedia, dan model

kemungkinan akan berkembang untuk mengoptimalkan virtual hybrid dan tatap

muka pengiriman perawatan (Rost et al., 2021).

2.4.1 Aplikasi Halodoc

Aplikasi Halodoc adalah aplikasi yang memberikan fasilitas praktisi

kesehatan. Dalam aplikasi Halodoc praktisi kesehatan dilakukan oleh dokter,

apotek, dan laboratorium kemudian langsung dihubungkan melalui pasien dengan

menggunakan alat komunikasi. Halodoc memberikan fitur konsultasi medis yang

dilakukan dengan menggunakan video call, telepon, chat, pembelian obat berbasis

online, dan pemeriksaan lab yang dilakukan secara on demand (Halodoc.com,

2017). Saat ini Halodoc merupakan aplikasi layanan kesehatan yang paling bayak

digunakan sebanyak 46,5% menurut ((KIC), 2022).

Aplikasi Halodoc memberikan konsultasi kepada dokter tanpa perlu

melakukan konsultasi secara tatap muka dengan dokter. Pasien dapat

menggunakan fitur-fitur yang disediakan oleh aplikasi Halodoc seperti chat,

telepon dan konsultasi tatap muka melalui video call. Halodoc juga menawarkan

layanan seperti pengadaan obat, tes lab, asuransi, pencarian rumah sakit, serta

pemesanan janji dengan dokter, dimana semua ini dilakukan secara online.

Sehingga aplikasi Halodoc memberikan kelebihan yang signifikan di masa

pandemi ini karena keterbatasan melakukan konsultasi selama masa pandemi

COVID-19. Selain itu, proses pembayaran layanan yang Halodoc gunakan

menggunakan dompet Halodoc, kartu debit/kredit, dan GoPay sebagai metode

28
pembayaran untuk memudahkan transaksi online.

2.5 End User Computing System (EUCS)

Model End User Computing Satisfaction (EUCS) merupakan sebuah

metode yang diadopsi oleh (Doll & Torkzadeh, 1988) merupakan sebuah model

yang digunakan dalam melakukan penelitian untuk dapat mengukur tinggi atau

rendahnya kepuasan pengguna akhir dan bagaimana cara pengguna

membandingkan antara keinginan dan kenyataan sesuai dengan pengalaman

pengguna dalam menggunakan sistem aplikasi. End User Computing Satisfaction

(EUCS) merupakan sebuah evaluasi secara keseluruhan dari pengguna sistem

informasi berdasarkan pemngalaman mereka dalam menggunakan sebuah sistem.

Model End User Computing Satisfaction (EUCS) mengacu pada evaluasi

kepuasan (satisfaction) pengguna akhir dengan menekankan teknologi, isi,

keakuratan, format, waktu, dan kemudahan pengguna dalam menggunakan sistem

aplikasi. Model ini banyak digunakan dalam penelitian untuk menguji relibilitas

dan hasil dari sebuah sistem. Model End User Computing Satisfaction (EUCS)

diukur dengan beberapa dimensi menurut Doll & Torkzadeh dalam (Rariry,

2020):

1. Content

Dimensi Content dalam mengukur kepuasan pengguna dinilai dari

isi dari sebuah sistem. Dalam sebuah sistem memiliki isi yang

berfungsi untuk dapat digunakan pengguna dan memberikan

informasi yang dihasilkan oleh sebuah sistem. Dimensi ini

29
 mengukur apakah sebuah sistem yang dihasilkan dapat sesuai

dengan kebutuhan pengguna. Sehingga dimensi content

memberikan standar dan infrmasi sistem yang lengkap. Maka,

dengan ditingkatkan kepuasan dari dimensi content ini memberikan

peningkatan terhadap kepuasan pengguna.

2. Accuracy

Dimensi accuracy dalam mengukur kepuasan pengguna dinilai dari

keakuratan data sehingga nantinya sistem dapat menerima input

dalam pengolahan informasi. Akurasi dalam sebuah sistem diukur

dari seberapa sering sistem menghasilkan output yang tidak sesuai

dengan data dalam pengolahan input dari pengguna. Akurasi juga

dapat dilihat dari seberapa seringnya sebuah aplikasi mengalami

gangguan dalam pengolahan data.

3. Format

Dimensi format dalam mengukur kepuasan pengguna dinilai dari

sisi tampilan antarmuka sebuah sistem, format berisikan bagaimana

laporan dan informasi menghasilkan sebuah sistem antarmuka dari

sistem agar dapat memberikan ketertarikan kepada pengguna serta

memberikan tampilan yang memberikan kepuasan pengguna

sehingga dapat memberikan kemudahan terhadap pengguna hal ini

berpengaruh kepada tingkat efektifitas sebuah sistem.

4. Ease Of Use

Dimensi ease of use dalam mengukur kepuasan pengguna dinilai

30
 dari sisi kemudahan pengguna dalam menggunakan sistem seperti

proses mengolah data, memasukkan informasi, ataupun mencari

informasi sesuai dengan kebutuhan pengguna.

5. Timeliness

Dimensi timeliness dalam mengukur kepuasan pengguna dinilai dari

sisi ketepatan waktu dalam sebuah sistem dan menyediakan data

ataupun informasi yang dibutuhkan oleh pengguna. Sistem yang

diproses dengan tepat waktu disebut dengan realtime system. Hal ini

memberikan arti bahwa setiap input yang dilakukan oleh pengguna

akan langsung diproses dan output yang akan ditampilkan tidak

memakan waktu.

Gambar 2.1 Model End User Computing Satisfaction (EUCS)

31
 Beberapa penelitian sebelumnya yang menyatakan bahwa variabel

Independent EUCS berpengaruh terhadap Variabel Dependent User Satisfaction,

yaitu:

Tabel 2.1 Studi Pustaka Pengaruh Variabel Independent EUCS berpengaruh

terhadap Variabel Dependent User Satisfaction

No. Peneliti Judul Hasil Penelitian

1. Azzahrah et Analisis Kepuasan Hasil dari penelitian ini menyimpulan
al., (2020) Pengguna Mobile E- bahwa pengguna puas dengan mobile e-
Health berdasarkan health yang ada, tetapi masih terdapat
Metode End kekurangan pada variabel timeliness
User Computing sebesar 0,6. Sehingga dapat dilakukan
Satisfaction (Studi di penguatan sistem agar pengguna dapat
5 Puskesmas di Kota merasa puas dengan aplikasi yang
Surabaya) diberikan.
2. Wijaya & Analisis Kepuasan Penelitian ini menganalisis tingkat
Suwastika, Pengguna E- kepuasan pengguna website e-learning
(2017) Learning pada STIKOM Bali. Hasil dari penelitian
menggunakan ini didapat Content 3.8425, Accuracy
Metode End User 3.825, Format 3.703, Ease Of Use 3.600
Computing dan Timeliness 3.709. Sesuai
Satisfaction dengan hasil evaluasi, didapatkan bahwa
nilai evaluasi kelima indikator > 3. Hal
ini menunjukkan secara keseluruhan,
mahasiswa aktif cukup puas dengan
aplikasi Elearning yang ada di
STIKOM Bali.
3. Pranita et al., Analisis Kepuasan Penelitian ini bertujuan untuk
(2019) Pengguna Sistem mengetahui tingkat kepuasan pengguna
Keagenan PERISAI pada Affiliate System Affiliate Shield
Menggunakan End BPJS Ketenagakerjaan. Hasil dari
User Computing penelitian ini adalah tingkat kepuasan
Satisfaction. pengguna sistem shield agent adalah
24,5% sangat setuju, 58,0% setuju,
14,0% merasa terpuaskan, 3,5% tidak
setuju dan 0,1% sangat tidak setuju.

32
 2.6 Computer Self Afficacy (CSE)

Computer Self Efficacy (CSE) merupakan sebuah penilaian kapabilitas

ataupun keahlian seseorang dalam bidang komputer untuk menyelesaikan sebuah

pekerjaan yang terkait dengan teknologi informasi. Computer Self Efficacy (CSE)

sangat penting dilakukan untuk mengukur kinerja dan perilaku seseorang dalam

menggunakan teknologi informasi (Compeau & Higgins, 1995). Computer Self

Efficacy (CSE) pada penelitian ini menjelaskan bagaimana keyakinan pengguna

menggunakan aplikasi Halodoc. Self efficacy adalah kemampuan internal pasien

untuk melakukan suatu perilaku. Dalam telemedicine layanan kesehatan self

efficacy dilihat sebagai penilaian pengguna terhadap kapasitasnya bahwa seberapa

efektif aplikasi Halodoc di masa pandemi. Dalam Computer Self Efficacy (CSE)

terdapat tiga dimensi sebagaimana dijelaskan oleh (Compeau & Higgins, 1995),

yaitu:

1. Magnitude

Dimensi Magnitude mengacu pada besaran Computer Self Efficacy

(CSE) yang dapat diartikan sebagai tingkat kapabilitas dari suatu

sistem sesuai dengan yang diharapkan. Dimensi ini mengacu pada

seberapa besar tingkat kesulitan yang akan dihadapi. Setiap pengguna

dalam sebuah tugas memiliki kapasitas yang berbeda dalam

menyelesaikan suatu tugas. Dalam menyelesaikan sebuah tugas ada

yang merasa kesulitan sedangkan beberapa orang lainnya merasa tidak.

Hal ini didasari dari pemahaman seseorang terhadap tugas yang akan

diselesaikan.

33
 2. Strength

Dimensi Strength mengacu pada kuatnya keyakinan seseorang

terhadap kemampuan yang dimiliki apabila menghadapi tuntutan atau

permasalahan. Strength berkaitan dengan bagaimana ketahanan

pengguna dalam menyelesaikan tugas secara individu. Pengguna yang

memiliki Self Efficacy yang rendah maka dapat menyerah dengan

mudah apabila menghadapi sebuah permasalahan yang sulit.

Sedangkan apabila pengguna memiliki Self Efficacy yang tinggi maka

memiliki keyakinan yang kuat dalam menyelesaikan sebuah

permasalahan. Apabila terdapat kesulitan pengguna tetap berusaha

dalam memecahkan permasalahan.

3. Generalibility

Dimensi Generalibility mengacu pada bagaimana pengguna

menghadapi berbagai situasi dalam sebuah permasalahan. Situasi ini

dapat terjadi seperti biasa sesuai aktivitas pengguna ataupun situasi

yang tidak pernah dihadapi oleh pengguna. Sehingga pengguna

menghadapi berbagai situasi yang bervariasi.

Beberapa penelitian sebelumnya yang menyatakan bahwa Computer Self

Efficacy (CSE) memiliki pengaruh positif terhadap User Satisfaction yaitu:

34
 Tabel 2.2 Studi Pustaka Pengaruh Independent Computer Self Efficacy

berpengaruh terhadap Variabel Dependent User Satisfaction

No. Peneliti Judul Hasil Penelitian

1. Achmad Faktor-Faktor yang Computer Self Efiifacacy pada
Djunaedi, Mempengaruhi penelitian ini bertujuan mengukur
(2015) Kesuksesan sikap pengguna terhadap sistem
Implementasi Sistem dan kemampuan dalam mengakses
Informasi SDM di sistem informasi SDM BPK RI.
BPK RI Maka dari hasil penelitian yang
didapat bahwa Hipotesis 8 yaitu
Computer Self Efficacy dan User
Satisfaction memiliki pengaruh
yang sisgnifikan sehingga dapat
diterima.
2. Aljaafreh Evaluating Penelitian ini menghasilkan bahwa
(2020) Electronic Health Computer Self Efficacy memiliki
Records Systems in pengaruh positif terhadap End
Jordan Extending User Computing Satisfaction.
EUCS with Self-
Efficacy
3. Handoyo Pengaruh Penelitian ini memiliki hasil
(2020) Karakteristik Sistem bahwa Computer Self Efficacy
Informasi Terhadap (CSE) memiliki nilai t hitung
Kepuasan Pengguna 6,624761 > t tabel 1,645. Sehingga
E-bisnis di Usaha Computer Self Efficacy (CSE) dan
Kecil dan Menengah User Satisfaction memiliki
Semarang pengaruh positif. Maka dapat
disimpulkan Hipotesis 6 diterima.

2.7 Analisis Data

Analisis data merupakan kegiatan yang dilakukan setelah data dari seluruh

responden terkumpul. Analisis data pada penelitian ini dikelompokkan

berdasarkan variabel dan jenis responden, mentabulasi data dari variabel.

Kemudian penyajian data dari setiap variabel yang akan diteliti, mengitung

seluruh data untuk dapat menjawab rumusan masalah, dan melakukan perhitungan

dari hipotesis yang akan dilakukan.

35
2.7.1 Variabel Penelitian

Variabel terdiri dari nilai, objek, kegiatan yang memiliki variasi tertentu

dalam sebuah penelitian agar dapat dipelajari kemudian dapat ditarik

kesimpulannya.

Penelitian ini menggunakan variabel independent dan variabel dependent.

Variabel independent merupakan variabel bebas yang dapat mempengaruhi atau

menjadi sebab utaman dalam perubahan atau timbulnya variabel lain seperti

variabel dependent. Variabel dependent merupakan variabel bebas yang dapat

mempegaruhi atau menjadi sebab akibat karena adanya variabel independent.

Pada penelitian ini menggunakan tujuh variabel independent yaitu Content

(isi), Accuracy (ketepatan), Format (bentuk), Ease of Use (mudah digunakan),

Timeliness (Ketepatan Waktu), dan Computer Self Efficacy (Keyakinan Diri

Sendiri menggunakan Komputer).

Kemudian variabel dependent terdiri dari User Satisfaction. variabel ini

berpengaruh terhadap ketujuh variabel independent yaitu yaitu Content (isi),

Accuracy (ketepatan), Format (bentuk), Ease of Use (mudah digunakan),

Timeliness (Ketepatan Waktu), dan Computer Self Efficacy (Keyakinan Diri

Sendiri menggunakan Komputer).

Pada penelitian ini variabel Content (isi) dipakai untuk mengukur seberapa

besar kepuasan pengguna dalam sebuah sistem atau aplikasi dinilai dari isi atau

konten dalam sebuah sistem atau aplikasi dan mengukur apakah aplikasi ini dapat

memberikan infromasi yang sesuai dengan kebutuhan pengguna.

36
 Kemudian pada penelitian ini variabel Accuracy (ketepatan) dipakai untuk

mengukur seberapa besar kepuasan pengguna dalam sebuah sistem atau aplikasi

dinilai dari keakuratan data pada saat melakukan input kemudian diolah menjadi

sebuah informasi. Hal ini dapat diukur dengan melihat seberapa sering aplikasi

tersebut terjasi gangguan dapam proses pengolahan data.

Kemudian pada penelitian ini variabel Format (bentuk) dipakai untuk

mengukur seberapa besar kepuasan pengguna dalam sebuah sistem atau aplikasi

dinilai dari tampilan sistem atau aplikasi tersebut. Format yang dihasilkan apakah

menarik dan dapat dengan mudah digunakan oleh pengguna.

Kemudian pada penelitian ini variabel Ease Of Use (mudah digunakan)

dipakai untuk mengukur seberapa besar kepuasan pengguna dalam sebuah sistem

atau aplikasi dinilai dari seberapa mudah pengguna dalam menggunakan aplikasi

tersebut seperti mencari informasi sesuai dengan kebutuhan pengguna.

Kemudian pada penelitian ini variabel timeliness (ketepatan waktu) dipakai

untuk mengukur kepuasan pengguna dalam sebuah sistem atau aplikasi dinilai dari

seberapa lama penyajian data atau infomasi yang dibutuhkan pengguna.

Timeliness dapat memastikan setiap pengguna dapat menggunakan sistem atau

aplikasi dengan tepat waktu tanpa harus menunggu lama.

Kemudian pada penelitian ini variabel Computer Self Efficacy (Keyakinan

Diri Sendiri menggunakan Komputer) dipakai untuk menilai keyakinan pengguna

menggunakan aplikasi Halodoc. Self efficacy adalah kemampuan internal pasien

untuk melakukan suatu perilaku. Dalam telemedicine layanan kesehatan self

efficacy dilihat sebagai penilaian pengguna terhadap kapasitasnya bahwa seberapa

37
efektif aplikasi Halodoc di masa pandemi.

Dan yang terakhir variabel User Satisfaction (kepuasan pengguna) dipakai

untuk mengukur kepuasan pengguna dalam sebuah sistem atau aplikasi dinilai dari

intensitas pengguna dan pengunaan sistem secara aktual. Sehingga dapat

diketahui seberapa besar tingkat puasan pengguna dalam menggunakan suatu

aplikasi dalam kehidupan sehari-hari.

2.7.2 Populasi dan Sampel

Populasi merupakan sebuah wilayah yang tergeneralisasi terdiri dari

beberapa objek atau subjek yang memiliki kuantitas dan karakteristik dalam

menentukan dan menetapkan sebuah penelitian. Hal ini dilakukan untuk nantinya

mengambil kesimpulan dan dipelajari. Sampel adalah karakteristik yang dimiliki

oleh populasi. Apabila sebuah populasi memiliki nilai yang besar maka peneliti

memiliki kemungkinan kecil agar dapat mempelajari semua populasi yang ada

sehingga peneliti dapat menggunakan sampel dari populasi sebagai acuan.

Dalam melakukan sebuah penelitian populasi harus terbagi menjadi dua

bagian yaitu:

1. Populasi Homogen

Populasi homogen dapat diartikan sebagai populasi yang

memilikibeberapa unsur sifat yang sama dimana nantinya tidak

menimbulkan permasalahan jumlah secara kuatitatif.

38
 2. Populasi Heterogen

Populasi heterogen dapat diartikan sebagai populasi yang

memiliki unsur sifat dengan kondisi yang beragam sehingga

nantinya dibutuhkan batasan-batasan baik secara kualitatif maupun

dengan cara kuantitatif.

Sampel merupakan salah satu bagian dari populasi. Sampel sering kali

digunakan dalam pengambilan kesimpulan dimana nantinya akan dikelompokkan

sesuai populasi. Dalam proses penarikan sampel dilakukan beberapa pemilihan

elemen dari populasi tersebut. Terdapat 4 elemen dalam menentukan sampel, yaitu

penentuan unit analisis, pendekatan penelitian yang digunakan, jumlah karakteristik

dalam sebuah populasi, dan keterbatasan penelitian yang dimiliki.

2.7.2.1 Teknik Sampling

Teknik sampling merupakan sebuah teknik yang dilakukan untuk

menentukan sebuah sampel. Penelitian yang baik harus memperhatikan dan dapat

mengubah sebuah teknik dalam menetapkan sampel yang diambil dalam subjek

penelitian (Sugiyono, 2017).

2.7.2.1.1 Probability Sampling

Probability Sampling merupakan suatu teknik pengambilan data atau

sampel dimana nantinya setiap data mempunyai kemungkinan untuk terpilih

sebagai sampel sama besar. Sehingga nantinya tidak menimbulkan kendala

terhadap probabilitas dari setiap elemen ataupun nantiya yang terpilih menjadi

39
sampel didalam penelitian menurut (Sugiyono, 2017), yaitu:

1. Simple Random Sampling

Simple Random Sampling dilakukan dengan teknik pengambilan

dari beberapa atribut populasi dengan melakukan sampling secara

acak tanpa perlu melakukan pertimbangan dan strata pada populasi.

2. Proportinate Statifield Random Sampling

Proportinate Statifield Random Sampling merupakan teknik yang

dilakukan dalam pengambilan sampel dengan syarat dapat

dilakukan apabila populasi mempunyai atribut atau unsur yang tidak

bersifat homogen.

3. Disproportionate Stratified Random Sampling

Disproportionate Stratified Random Sampling merupakan teknik

pengambilan sampel yang dilakukan dalam menentukan seberapa

banyak jumlah sampel. Hal ini dinilai dari populasi yang ada

berstrata akan tetapi kurang proposional.

4. Cluster Sampling

Cluster Sampling atau sering disebut area sampling merupakan

teknik yang digunakan untuk menentukan sampel. Cluster sampling

Sering kali digunakan sebagai alternatif apabila objek memiliki

cakupan yang luas seperti jumlah penduduk disuatu daerah tertentu.

40
2.7.2.1.2 Non probability Sampling

Non Probability Sampling merupakan suatu teknik yang dilakukan untuk

pengambilan data atau sampel dimana nantinya semua data memiliki

kemungkinan terpilih sebagai sampel tidal sama besar. Non probability sampling

memiliki sifat elemen yang tidak menentu menurut (Sugiyono, 2017), yaitu:

1. Sampling Sistematis

Sampling sistematis merupakan sebuah teknik yang dapat

menentukan sampel dinilai dari urutan anggota populasi.

2. Sampling Kuota

Sampling ini merupakan sebuah teknik yang digunakan dalam

menentukan. Sampling kuota memiliki ciri-ciri untuk memenuhi

jumlah kuota.

3. Sampling Aksidential

Sampling aksidential merupakan sebuah teknik yang dapat

menentukan sampel berdasarkan kebetulan. Misalnya siapa saja

yang kebetulan bertemu dengan peneliti yang dapat digunakan

sebagai sampel.

4. Purposive Sampling

Purposive Sampling merupakan sebuah teknik yang digunakan

untuk menentukan sampel dengan melakukan pertimbangan

tertentu.

5. Sampling Jenuh

Sampling jenuh merupakan sebuah teknik yang digunakan untuk

41
 menentukan sampel apabila semua anggota populasi dapat

digunakan sebagai sampel. Sampling jenuh sering kali disebut

dengan sensus.

6. Snowball Sampling

Snowball sampling merupakan sebuah teknik yang digunakan untuk

penentu sampel yang awalnya berjumlah kecil.

2.7.2.2 Ukuran Sampel

Ukuran sampel diambil dari jumlah besaran sampel diambil dari populasi

sehingga sebuah kegiatan dalam penelitian memiliki ketergantungan pada

keadaan populasi tersebut. Apabila sampel semakin homogen maka kedaan

populasi memiliki jumlah yang semakin sedikit, begitupun sebaliknya. Penentuan

jumlah sampel memiliki beberapa atribut menurut Roscoe dalam (Sugiyono,

2017) sebagai berikut:

1. Dalam penelitian ukuran sampel dinyatakan layak apabila sampel

mendekati angka 30 hingga 500 sampel.

2. Apabila sampel dikategorikan berdasarkan suatu objek misalnya

pada mahasiswa aktif, pelajar, pegawai dan lainnya, maka jumlah

anggota sampel dari masing-masing minimal 30 sampel untuk setiap

kategori.

3. Dalam melakukan sebuah penelitian menggunakan analisis dengan

korelasi ganda maka dibutuhkan jumlah anggota sampel minimal 10

kali dari jumlah variabel yang nantinya akan digunakan sebagai

42
 jumlah minimum sampel dalam penelitian. Misalnya pada sebuah

penelitian didapat 5 variabel independent dan dependent, maka

jumlah anggota sampel yaitu 10 x 5 = 50 sampel.

4. Dalam penelitian yang memiliki eksperimen sederhana

menggunakan kelompok eksperimen dan kelompok kontrol. Maka

dapat disimpulkan jumlah anggota dari setiap sampel antara 10

hingga 20 sampel.

Dalam menggunakan PLS SEM menurut (Hair et al., 2018) untuk

menentukan minimum pengambilan sampel dalam penelitian adalah 10 kali jumlah

maksimum anak panah (jalur) yang mengarah pada variabel penelitian. Apabila

jalur dalam penelitian memiliki 6 anak panah (jalur) yang mengarah kepada

variabel penelitian, sehingga 6 dikali 10 yaitu 60 sampel minimum untuk

pengambilan sampel. Menurut Yim (2019) mengatakan bahwa jumlah minimal

pengambilan sampel pada penelitian adalah 100 hingga 250 sampel.

Sampel yang ada dalam sebuah populasi dapat dikur menggunaan rumus

Slovin. Slovin dapat memonitor ketelitian yang memberikan pengaruh kesalahan

dalam pengambilan sampel. Berikut rumus Slovin yaitu:

Keterangan:

n = sampel yang dicari

N = jumlah populasi

e = margin eror yang ditoleransi

43
 Dalam menggunakan rumus ini yang dilakukan adalah menentukan batasan

untuk memberikan toleransi akan kesalahan. Batasan toleransi . Apabila toleransi

kesalahan kecil maka semakin akurat sampel yang menggambarkan populasi.

2.8 Skala Likert

Skala likert merupakan alat ukur pengetahuan, kemampuan, sikap, dan sifat

kepribadian. Pengukuran ini banyak digunakan oleh berbagai riset yang berupa

survey. Penelitian ini sering kali digunakan apabila menggunakan jenis penelitian

survey deskriptif atau survey dalam bentuk gambaran. Skala likert dapat

menentukan seberapa besar tingkat persetujuan responden terhadap suatu

pertanyaan dengan memilih beberapa jawaban yang telah ditentukan oleh peneliti.

Data yang didapat berisikan skor dari setiap pertanyaan yang telah dijawab oleh

responden kemudian diolah dalam bentuk kuantitatif. Menurut (Sugiyono, 2017)

skor dalam skala likert terdiri dari lima skor yaitu:

Tabel 2.3 Skor Responden Skala Likert

Jawaban Bobot
Sangat Setuju 5
Setuju 4
Netral 3
Tidak Setuju 2
Sangat TidakSetuju 1

44
2.9 Instrumen Penelitian Data

Penelitianini menggunakan instrumen yang digunakan untuk

mengumpulkan data dengan mudah dan sistematis (Ardianto, 2015). Pada

beberapa penelitian instrumen yang digunakan yaitu kuesioner ataupun angket.

Masing-masing kuesioner atau angket berisikan beberapa pertanyaan yang

ditujukan kepada responden. Instrumen yang ada diharapkan nantinya dapat

sigunakan sebagai alat ukur yang valid dengan menghasilkan nilai dan persentase

dalam bentuk kuantitatif. Menurut (Ardianto, 2015) dalam memperoleh sebuah

instrumen yang valid dibutuhkan beberapa langkah-langkah yaitu:

1. Melakukan identifikasi pada setiap variabel yang tercatum pada saat

merumuskan sebuah judul penelitian.

2. Melakukan penjabaran variabel yang diubah menjadi deskripsi,

kemudian menjadi indikator dan dirumuskan kedalam bulir

pertanyaan.

3. Melakukan Scoring yang didasari oleh skala likert. Sehingga pada

setiap pertanyaan tersedia bobot dan alternatif jawaban.

2.10 Model Analisis Data

2.10.1 Analisis Deskriptif

Analisis Deskriptif merupakan sebuah alat yang digunakan untuk

menganalisis data dengan menggunakan deskripsi dan gambaran data yang

dikumpulkan menjadi satu tanpa membuat kesimpulan yang berlaku (Sugiyono,

2017). Dalam melakukan sebuah analisis alat yang digunakan untuk dapat

45
meningkatkan penerimaan dalam penggunaan sebuah sistem atau aplikasi. Berikut

rumus Mean menurut (Suharsimi Arikunto, 2012), yaitu:

Rumus Mean :

Keterangan:

X = mean atau rata-rata

ƩX = jumlah nilai kuesioner

N = jumlah responden

2.11 Metode Kuantitatif

Metode kuantitatif merupakan sebuah metode penelitian yang digunakan

untuk melakukan penelitian pada setiap populasi dan sampel, hal ini berdasarkan

filsafat positif. Dalam melakukan pengambilan sampel dilakukan dengan random,

instrumen penelitian digunakan untuk pengumpulan data. Metode kuantitatif

melakukan untuk menganalisis sebuah data yang bertujuan untuk menguji

hipotesis penelitian (Sugiyono, 2017).

Metode kuantitatif merupakan penelitian dengan melakukan pendekatan

secara positivis sehingga nantinya dapat menyusun racangan penelitian. Penelitian

menggunakan metode kuantitatif memiliki kaitan yang kuat dengan gejala sosial.

Setiap gejala sosial dinyatakan dalam bentuk variabel yang memiliki nilai

intensitas atau jumah yang berbentuk angka dengan analisis menggunakan

statistik. Sehingga dapat disimpulkan metode penelitian kuantitaf sangat erat

46
 dengan prinsip objektivitas yang telah diuji validitas dan reliabilitasnya (Dr.

Priyono, 2016).

2.12 Partial Least Square Equation Modelling (PLS-SEM)

Partial Least Square Equation Modelling (PLS-SEM) sebuah metode yang

dipakai untuk menganalisis dan memberiki nilai yang cukup kuat agar dapat

digunakan dengan menggunakan skala data interval, nominal, dan rasio (Yamin, S

& Kurniawan, 2014). PLS merupakan metode yang diperkenalkan oleh Wold pada

tahun 1974.

Partial Least Square Equation Modelling (PLS-SEM) memiliki alasan

tertentu mengapa metode ini populer digunakan oleh para peneliti menurut (Yamin,

S & Kurniawan, 2014), yaitu:

1. Memiliki algoritma yang tidak terbatas melaikan memiliki hubungan

yang bersifat reflektif pada setiap indikator dengan konstruk laten.

Selain itu hubungan yang bersifat formatif digunakan pada algoritma

PLS.

2. Model path dengan menggunakan ukuran sampel yang kecil sehingga

dapat digunakan untuk menguraikan model path.

3. PLS-SEM sering kali digunakan karena memiliki metode penelitian

yang lengkap sehingga tidak menimbulkan masalah dan estimasi data.

4. Apabila data bersifat Skew (data sangat miring) maka Partial Least

Square Equation Modelling (PLS-SEM) dapat digunakan untuk

distribusi Skew (data sangat miring).

47
 Partial Least Square Equation Modelling (PLS-SEM) terdiri dari dua

gambungan yaitu regrensi dan analisis faktor. PLS-SEM memiliki kelebihan dapat

memberikan hasil estimasi meskipun ukuran sampel bernilai kecil. Analisis PLS-

SEM memiliki dua model yaitu outer model dan inner model (Ghozali., 2015).

1. Outer Model

Model pengukuran Outer Model merupakan indikator reflektif yang

dievaluasi dengan menggunakan convergent dan discriminant validity

untuk diletakkan pada blok indikator. Model pengukuran ini memiliki

beberapa tahapan didalamnya yaitu individual item reliability, internal

consistency realibility, average variance extravted, dan discriminany

validity (Ghozali., 2015). Convergent validity merupakan alat ukur

dalam besaran korelasi antara indikator dan didukung oleh variabel lain.

a. Convergent validity

Merupakan uji pemeriksaan bersifat individual item reliabiliy

yang dapat dilihat menggunakan standardize loading factor

menggambarkan besaran korelasi dari setiap indikator. Loading

factor memiliki nilai ideal diatas 0,7 maka, dapat disimpulkan

sebuah indikator dinyatakan valid apabila konstruk angkanya

bernilai 0,5 hingga 0,6 dapat dikatakan cukup (Ghozali., 2015).

b. Internal consistency realibility

Internal consistency realibility dapat dinilai dari composite

realibility. Composite realibility dinyatakan dapat memiliki

keunggulan dalam mengukur internal consistency dengan

48
 memiliki nilai batasan 0,7. Maka dapat disimpulkan bahwa

apabila memiliki nilai 0,8 dan 0,9 dinyatakan sangat

memuaskan.

c. Convergent validity

Convergent validity merupakan alat ukur lainnya yang memiliki

nilai average variance extracted (AVE). Metode Average

Variance Extracted digunakan untuk mengevaluasi

discriminant validity untuk setiap konstruk dan variabel laten.

AVE memiliki nilai dengan minimal 0,5 yang menunjukkan

bahwa ukuran dari Convergent validity bernilai baik.

d. Discriminant validity

Discriminant validity merupakan nilai cross loading faktor yang

berguna untuk mengetahui apakah konstruk memiliki

diskriminan yang memadai yaitu dengan cara membandingkan

nilai loading pada konstruk yang dituju harus lebih besar

dibandingkan dengan nilai loading dengan konstruk yang lain.

Untuk mengetahui nilai dari discriminant vailidity, dilakukan

perbandingan antara nilai square root of average Variance

Extracted (SR of AVE) dengan cross loading dengan

indikatornya. Jika nilai SR of AVE konstruk lebih besar dari

nilai cross loading maka dapat dikatakan memiliki discriminant

validity yang baik.

49
2. Inner Model

Inner Model atau disebut juga Model Struktural yang dapat

didefinisikan sebagai hubungan antar variabel laten berdasarkan

substantive theory. Inner Model adalah model analisa yang dilakukan

untuk dapat memastikan apakah model struktural dapat dibangun

dengan nilai yang akurat. Dalam melakukan pengujian dengan Inner

Model dilakukan dengan menggunakan enam tahapan pengujian

(Ghozali, 2016), yaitu:

a. Path Coefficient (β)

Tahapan ini melakukan uji dengan melihat nilai signifikasi dari

setiap hubungan konstruk. Nilai signifikasi dengan

menggunakan Path Coefficient dapat dilihat dari koefisien yang

memiliki gambaran kaitan yang kuat antara konstruk. Path

Coefficient (β) dinyatakan berpengaruh apabila memiliki nilai

diatas 0,1.

b. Coefficient of Determination (R2)

Uji Coefficient of Determination (R2) merupakan evaluasi yang

digunakan untuk dapat menjelaskan berbagai jenis dari target

endogeneous variable dengan menetapkan standar pengukuran

0,67 dengan intensitas kuat, 0,33 dengan intensitas moderat, dan

0,19 dengan intensitas lemah.

50
c. T-test

Uji t-test dilakukan dengan menggunakan metode bootstrapping

yang dilihat dari nilai t-test. Pada metode bootstrapping

dilakukan uji two tailed dengan tingkat signifikansi 5% agar

dapat menguji hipotesis yang ada didalam penelitian. Uji t-test

hipotesis dapat diterima apabila nilai t-test apabila memiliki

nilai lebih besar dari 1,96.

d. Effect Size (ƒ2)

Uji Effect Size (ƒ2) dilakukan agar dapat mengetahui seberapa

besar pengaruh variabel satu dengan yang lainnya. Effect Size

(ƒ2) dinyatakan berpengaruh kecil apabila memiliki nilai 0,2 ,

dinyatakan berpengaruh menengah apabila memiliki nilai 0,015

, dan dinyatakan memiliki pengaruh besar apabila memiliki nilai

0,35. Maka dalam rumus Effect Size (ƒ2) yaitu:

𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒𝑑 − 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒𝑑
2
𝑓 =
1 − 𝑅 2 𝐼𝑛𝑐𝑙𝑢𝑑𝑒𝑑

Keterangan:

𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒𝑑 = Nilai R2 yang diperoleh dari konstruk

eksogen dimasukkan kedalam model.

𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒𝑑 = Nilai R2 yang diperoleh dari konstruk

eksogen dikeluarkan kedalam model.

e. Predictive Relevance (Q2)

Uji Predictive Relevance (Q2) dilakukan dengan menggunakan

metode blindfolding. Hasil dari Predictive Relevance (Q2)

51
 dengan nilai batas 0 sehingga variabel yang dipakai memiliki

hubungan dengan variabel lainnya.

f. Relative Impact (q2)

Uji Relative Impact (q2) merupakan metode blindfolding yang

dapat menghitung relatif dalam sebuah hubungan presiktif denan

nilai dinyatakan berpengaruh kecil apabila memiliki nilai batas

0,2 , dinayatakan berpengaruh sedang apabila memiliki nilai

batas 0,15 , dan dinyatakan berpengaruh besar apabila memiliki

nilai ambang batas 0,35. Maka dalam rumus Relative Impact (q2)

yaitu:

𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒𝑑 − 𝑄 2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒𝑑
𝑞2 =
1 − 𝑄 2 𝐼𝑛𝑐𝑙𝑢𝑑𝑒𝑑

Keterangan:

𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒𝑑 = Nilai Q2 yang diperoleh dari konstruk eksogen

dimasukkan kedalam model.

𝑄 2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒𝑑 = Nilai Q2 yang diperoleh dari konstruk eksogen

dikeluarkan kedalam model.

2.12.1 SmartPLS

SmartPLS merupakan sebuah software yang digunakan dalam menganalisis

data statistik, seperti SPSS, SATA, dan lainnya. SmartPLS dikembangkan oleh h

J.F. Hair dari Kenesaw University, USA, Christian M Ringle dari Hamburg

University (Budhiasa, 2016). SmartPLS terdiri dari beberapa kompoen diantaranya:

52
1. Variabel Laten

Variabel ini merupakan variabel yang tidak dapat diukur dan diamati secara

langsung. Variabel laten disebut juga dengan construct agar dapat

membedakan antara variabel yang diukur secara langsung disebut dengan

“variabel” sedangkan “konstruk” disebut juga informasi yang tidak dapat

diukur secara lansung (Budhiasa, 2016). Variabel terpecah dalam dua

bagian yaitu variabel eksogen dan variabel endogen.

2. Variabel Manifest

Variabel ini biasa dikenal dengan observed variable. Variabel manifest

adalah variabel yang digunakan sebagai alat ukur dlam menhelaskan sebuah

variabel laten. Untuk memperoleh data dengan menggunakan variabel

manifest dibutuhkan penelitian lapangan seperti survey (Dahlia Br Ginting,

2009).

2.13 Google Form

Google Formulir merupakan sebuah alat yang digunakan untuk dapat

membantu menyelesaikan survei dengan mengirim beberapa pertanyaan, dan

mengumpulkan informasi dengan mudah dan efisien. Hasil dari survei dapat

dihubungkan melalui spreadsheet yang berisikan tanggapan secara otomatis.

sehingga pengguna diharuskan untuk login melalui Gmail. Spreadsheets

memberikan hasil pengguna dalam mengajukan berbagai pertanyaan. Pengguna

dapat memberikan jawaban dalam bentuk teks. Dalam Google Form pertanyaan

dapat berupa pilihan ganda, daftar pertanyaan, ataupun pertanyaan skala.

53
Keunggulan Google Form dapat dibuat secara kreatif sehingga memberikan

tampilan yang menarik dengan akses yang mudah didapatkan.

2.14 Model Pengumpulan Data

Penelitian ini melakukan pengumpulan data dengan menggunaan sumber

data primer dan sekunder. Data primer adalah data yang dikumpulkan secara

lansung seperti observasi, wawancaram dan kuesioner. Sedangkan data sekunder

merupakan pengumpulan data yang dilakukan dengan cara mengumpulkan data

dengan cara yang tidak langsung seperti studi literatur (Sugiyono, 2017).

1. Kuesioner

Pengumpulan data menggunakan kuesioner merupakan alat

pengumpulan data yang dilakukan secara langsung disampaikan

melalui alamat responden dalam bentuk tulisan (Sugiyono, 2017).

Kemudian, tahap pengumpulan data kuisioner dilakukan dengan pilot

study. Penyebaran kuisioner dengan pilot study dilakukan untuk

menguji validitas dan reliabilitas pada instrument penelitian

(Ma’rifatin, 2018). Dengan kata lain, pilot study dilakukan untuk

memastikan bahwa instrumen yang digunakan layak sebelum

menerapkan main study. Menurut (Ma’rifatin, 2018) mengatakan

bahwa aturan umum dalam melakukan pilot study adalah 30 data atau

lebih, pendekatan ini telah memenuhi syarat 80% batas kepercayaan

standar deviasi dari penerapan pilot study.

54
2. Studi Pustaka

Pengumpulan data dengan menggunakan Studi Pustaka berdasaran

berbagai penelitian yang sudah ada. Studi Pustaka merupakan

kegiatan mendalami, mencermati, menelaah, dan mengidentifikasi

berbagai pengetahuan. Dimana nantinya hasil penelitian

memberikan pengetahuan yang luas untuk penelitian sejenis

biasanya dalam bentuk jurnal penelitian (Suharsimi Arikunto,

2012).

55
56
 BAB III

METODOLOGI PENELITIAN

3.1 Pendekatan dan Strategi Penelitian

Penelitian ini menggunakan pendekatan kuantitatif, dimana pendekatan

kuantitatif dipilih untuk dapat memberikan bantuan dalam menganalisis

berbagai faktor yang dilakukan secara urut sesuai dengan tujuan penelitian untuk

mengetahui seberapa besar tingkat kepuasa pengguna Aplikasi Halodoc dengan

melakukan beberapa pengujian kepuasan pengguna dengan menggunakan

beberapa faktor yang mempengaruhi.

Berdasarkan pendekatan yang telah dilakukan didapat beberapa tahapan

penelitian dalam menerapkan metode, teknik, dan alat yang digunakan secara

kuantitatif sesuai prosedur penelitian pada sub bagian selanjutnya. Peneliti

mengumpulan data menggunakan survey dengan instrumen kuesioner yang

disebar secara online menggunakan fitur google form kepada pengguna aplikasi

Halodoc, analisis data yang dilakukan secara statistik dengan perangkat lunak

yang terkait. Selanjutnya peneliti melakukan analisis yaitu analisis demografis,

outer dan inner model dengan pendekatan PLS-SEM melalui software Smart-

PLS versi 3.3.9. Hasil penelitian yang didapat kemudian diinterpretasikan

kemudian disimpulkan disusun dengan menjawab pertanyaan sesuai dengan

keterbatasan penelitian.

57
3.2 Populasi dan Sampel Penelitian

Populasi pada penelitian ini ditujukan kepada pengguna aplikasi Halodoc.

Teknik pengambilan sampel menggunakan Purposive Sampling yang

merupakan pengguna aktif aplikasi Halodoc. Pada penelitian ini penulis

menggunakan aturan dari PLS SEM menurut (Hair et al., 2018), yang mana

menentukan minimum pengambilan sampel dalam penelitian adalah 10 kali

jumlah maksimum anak panah (jalur). Penelitian ini memiliki 6 anak panah

(jalur) yang mengarah kepada variabel penelitian, sehingga 6 dikali 10 yaitu 60

sampel minimum untuk pengambilan sampel. Menurut (Preacer and

MacCallum, 2002) yang dikutip dalam (Yim, 2019) mengatakan bahwa jumlah

minimal pengambilan sampel pada penelitian adalah 100 hingga 250 sampel.

Maka, penulis menentukan untuk mengambil sampel 155 untuk membulatkan

jumlah sampel sesuai dengan ketentuan PLS SEM. Pada penelitian ini penulis

menggunakan teknik purposive sampling yang memiliki kriteria yaitu pengguna

aplikasi Halodoc.

3.3 Prosedur Penelitian

Penelitian ini dilakukan dengan beberapa tahapan sesuai gambar 3.1 yaitu:

58
 Gambar 3.1 Tahapan Penelitian

3.4 Perancangan Instrumen Penelitian

3.4.1 Model Penelitian

Pada penelitian ini, penulis menggunakan model End Use Computing

Satisfaction (EUCS) dalam mengukur kepuasan pengguna dikembangkan oleh

Doll & Torkzadeh. Selain model EUCS, peneliti juga menambahkan variabel

Computing Self Efficacy (CSE) yang kemudian dihubungkan dengan User

Satisfaction.

1. End Use Computing Satisfaction (EUCS)

Metode End User Computing Satisfaction sebuah model yang

digunakan dalam melakukan penelitian untuk dapat mengukur

tinggi atau rendahnya kepuasan pengguna akhir dan bagaimana cara

pengguna membandingkan antara keinginan dan kenyataan sesuai

dengan pengalaman pengguna dalam menggunakan sistem aplikasi

59
 (Doll & Torkzadeh, 1988). Model End User Computing Satisfaction

digunakan untuk mengevaluasi tingkat kepuasan pengguna dalam

aplikasi Halodoc. Menurut Wijaya & Suwastika (2017) hasil dari

penelitian ini nantinya dapat menggambarkan tingkat kepuasan

pengguna dan menjadi alat ukur keberhasilan aplikasi terhadap

aplikasi Halodoc di masa pandemi. Metode EUCS ini nantinya akan

menjadi pedoman dalam memperbaiki kelemahan dan kekurangan

sebuah sistem agar dapat meningkatkan kepuasan pengguna aplikasi

Halodoc. Berikut gambaran model penelitian yang membuktikan

bahwa variabel Independent EUCS berpengaruh terhadap Variabel

Dependent User Satisfaction.

Gambar 3.2 Variabel Independent EUCS berpengaruh terhadap Variabel

Dependent User Satisfaction (Wijaya & Suwastika, 2017).

60
 2. Computer Self Efficacy (CSE)

Computer Self Efficacy (CSE) merupakan sebuah penilaian

pengguna dalam mengatur dan melaksanakan tindakan untuk

mencapai jenis yang ditentukan (Compeau & Higgins, 1995). Hal ini

berhubungan dengan keterampilan yang dimiliki seseorang dengan

penilaian tentang apa yang dilakukan oleh pengguna aplikasi

Halodoc. Menurut (Aldosari et al., 2017) bahwa self efficacy

memprediksi kepuasan pengguna dengan menunjukkan hubungan

signifikan antara Computer Self Efficacy (CSE) dengan user

satisfaction. Selain itu, (Hong et al., 2016) menemukan bahwa

computer self efficacy berpengaruh signifikan terhadap kepuasan

pengguna. Berikut gambaran model penelitian yang membuktikan

bahwa variabel Computer Self Efficacy berpengaruh terhadap User

Satisfaction.

Gambar 3.3 Variabel Independent CSE berpengaruh terhadap Variabel

Dependent User Satisfaction (Bismark Noor Kuddus , Achmad Djunaedi, 2015)

61
 3. User Satisfaction

Kepuasan Pengguna (User Satisfaction) pada penelitian ini

merupakan sebuah kegiatan yang mengukur suatu tingkat perasaan

seseorang dari hasil perbandingan harapan pengguna terhadap

aplikasi Halodoc dengan hasil nyata sesuai dengan penilaian

pengguna terhadap produk atau aplikasi Halodoc. Variabel ini

bertujuan digunakan untuk dapat mengukur kepuasan pengguna

dalam aplikasi Halodoc dinilai dari intensitas pengguna dan

pengunaan aplikasi secara aktual.

3.4.2 Instrumen Penelitian

Penelitian ini menggunakan instrumen berupa kuesioner yang disebar

secara online. Kuesioer ini terbagi dalam dua halaman, halaman pertama berisikan

permohonan peneliti untuk pengisian kuisiner dan bagian kedua berisi 38

pertanyaan yang terdiri dari 8 pertanyaan profile responden. Serta 30 pertanyaan

yang dibuat berdasarkan model penelitian yaitu End user Computing Satisfaction

dan variabel Computer Self Efficacy.

62
 Tabel 3.1 Indikator Penelitian

No. Variabel Kode Indikator Pertanyaan Referensi

1. Content CON1 Keseseuaian Aplikasi Halodoc
Informasi menyediakan konten
informasi yang sesuai dengan
kebutuhan saya.
CON2 Kelengkapan Aplikasi Halodoc
memberikan informasi yang
lengkap kepada pengguna.
CON3 Output Aplikasi Halodoc (Doll &
memberikan hasil yang dapat Torkzadeh,
memenuhi kebutuhan saya. 1988)
CON4 Manfaat Aplikasi Halodoc dapat
memberikan manfaat bagi
keperluan kesehatan saya.
CON5 Kualitas Konten yang terdapat didalam
aplikasi Halodoc memiliki
kualitas yang baik.
CON6 Pengelolaan Proses pengolahan informasi
Sistem aplikasi Halodoc sudah sesuai
Informasi dengan sistem yang berjalan.
2. Accuracy ACC1 Information Aplikasi Halodoc
Truth menghasilkan infromasi yang
benar.
ACC2 Keakurata & Informasi yang diberikan Doll &
Konsistensi Halodoc akurat dan Torkzadeh,
memberikan informasi yang 1988)
konsisten.
ACC3 Standarisasi Aplikasi Halodoc bekerja
sesuai dengan standar yang
telah ditentukan.
ACC4 Kepercayaan Aplikasi Halodoc
menghasilkan informasi yang
dapat dipercaya.
3. Format FOR1 Menarik Aplikasi Halodoc
memberikan format informasi
yang menarik bagi saya.
FOR2 Jelas Aplikasi Halodoc memiliki Doll &
format informasi yang sudah Torkzadeh,
jelas. 1988)

63
 Tabel 3.2 Indikator Penelitian (Lanjutan)

FOR3 Kualitas Aplikasi Halodoc Doll &

menampilkan format Torkzadeh,
informasi yang berkualitas 1988)
yang baik.
FOR 4 Interface Aplikasi Halodoc dapat
User tampilan yang mudah
Friendly dipahami
4. Ease Of EOU1 Aplikasi Aplikasi Halodoc memiliki
Use Mudah sistem mudah digunakan.
digunakan
EOU2 Ease of Use Penggunaan menu dalam
Menu aplikasi Halodoc mudah
dipahami.
EOU3 Convenience Aplikasi Halodoc nyaman Doll &
digunakan Torkzadeh,
1988)
EOU4 Easy Access Aplikasi Halodoc dapat
diakses dengan mudah
EOU5 System Apliaksi Halodoc
Interaction memberikan kemudahan
dalam berkonsultasi dengan
dokter.
5. Timeliness TIM1 Up to Date Aplikasi Halodoc
menghasilkan informasi
terkini.
TIM2 Kesiapan Aplikasi Halodoc memiliki
Informasi tingkat kesiapan informasi
yang dapat digunakan oleh
pengguna dalam waktu
tertentu.
TIM3 Ketepatan Aplikasi Halodoc Doll &
Waktu memberikan informasi yang Torkzadeh,
saya butuhkan secara tepat 1988)
waktu.
TIM4 Kecanggihan Aplikasi Halodoc
Sistem memberikan bantuan kepada
pengguna apabila mengalami
kendala secara real time.

64
 Tabel 3.3 Indikator Penelitian (Lanjutan)

6. Computer CSE1 Monitor Pengguna dapat memantau

Self Kondisi kondisi kesehatan dengan
Efficacy Pengguna mudah dengan menggunakan
aplikasi Halodoc.
CSE2 Kemampuan Aplikasi Halodoc memiliki Achmad
Pengguna kemampuan yang cukup Djunaedi,
untuk memantau kondisi (2015)
kesehatan. Handoyo
(2020)

7. User US1 Kecukupan Aplikasi Halodoc dapat

Satisfaction memenuhi kebutuhan saya
dalam menyelesaikan masalah
kesehatan.
US2 Efektifitas Aplikasi Halodoc dalam
penggunaannya sudah efektif.
US3 Efisisensi Aplikasi Halodoc sudah Doll &
berkerja secara efisien. Torkzadeh,
1988)
US4 Kepuasan Saya merasa puas dengan data
Informasi dan informasi yang didapat
dari aplikasi Halodoc.
US5 Kepuasan Saya merasa puas dengan cara
secara kerja aplikasi Halodoc secara
menyeluruh menyeluruh.

3.5 Metode Pengumpulan Data

Penelitian ini menggunakan metodologi pengumpulan data berupa

kuesioner. Kuesioner ini dilakukan dengan bertujuan untuk dapat mengetahui

sejauh mana pengguna merasa puas dengan aplikasi Halodoc secara online

dengan menggunakan Google Form yang disebar menggunakan media sosial

seperti twitter, whatssapp, dan instragam. Pertanyaan pada penelitian ini

mengacu pada model End User Computing Satisfaction (EUCS) dengan

menambahkan variable Computer Self Efficacy (CSE). Skala penilaian pada

65
penelitian ini menggunakan Skala Likert dimana setiap pertanyaan memiliki 5

pilihan jawaban. Masing-masing jawaban memiliki nilai yaitu nilai 5 mengacu

pada sangat setuju, nilai 4 mengacu pada setuju, nilai 3 mengacu pada netral,

nilai 2 mengacu pada tidak setuju, dan nilai 1 mengacu pada sangat tidak setuju.

3.6 Analisis Data dan Interpretasi Hasil

Penelitian ini memiliki beberapa alur dalam proses analisis dan interpretasi

hasil dari data yang didapat yaitu:

1. Penyebaran kuesioner dilakukan dengan menggunakan google form.

Kemudian hasilnya diunduh dalam bentuk Microsoft Excel 2016.

2. Analisis ini memiliki dua proses yaitu:

a. Analisis Demografis

Analisis demografis pada penelitian ini menggunakan

Microsoft Excel 2016. Data Responden dikelompokkan

berdasarkan jenis kelamin, usia, Fakultas, semester,

frekuensi menggunakan aplikasi Halodoc, frekuensi

pendapat pengguna menggunakan aplikasi Halodoc, palform

yang digunakan untuk mengakses aplikasi Halodoc dan

frekuensi kepuasan pengguna aplikasi Halodoc. Pada tahap

ini pertanyaan yang diberikan berkisar pertanyaan umum.

b. Analisis Statistik

Analisis statistik dilakukan dengan menggunakan PLS-SEM

menggunakan SmartPLS 3.3.9 dengan melakukan analisis

66
 Inner Model dan Outer Model.

Kemudian, interpretasi hasil dilakukan dengan penjabaran hasil dari analisis

demografi. Selanjutnya penjabaran dari hasil analisis Inner Model dan Outer

Model yang telah dilakukan oleh peneliti secara statistik kuantitatif dengan

membandingkan dan mempertimbangkan beberapa literarur yang terkait. Hasil

tersebut selanjutnya dijelaskan dengan lengkap pada Bab IV.

3.7 Studi Literatur

Metode ini dilakukan dengan menelaah berbagai literatur untuk dapat

dijadikan sebagai sumber materi penelitian. Penelitian diawali dengan membaca

beberapa buku tentang teori analisis sistem, kemudian membaca berbagai artikel

yang berkaitan dengan analisis sistem,dan membaca jurnal penelitian terdahulu

yang membahas tentang analisis sistem sehingga mendapat kelebihan dan

kekurangan dari penelitian sebelumnya.

Pada penelitian ini mengkengkaji beberapa penelitian yang berhubungan

dengan kepuasan pengguna, penelitian kuantitafif, dengan End Use Computing

Satisfaction (EUCS), Computer Self Efficacy (CSE), dan SmartPLS untuk

mengolah data. Penelitian sejenis ini dilakukan sebagai sumber informasi untuk

mengetahui kelebihan dan kekurangan yang ada pada penelitian sebelumnya.

Berikut jurnal penelitian sejenis yang berhubungan dengan penelitian ini

dijelaskan pada tabel 3.7 hingga 3.11.

67
 Tabel 3.4 Penelitian Sejenis
No. Peneliti Judul Hasil
1. Aggelidis Hospital Konten, akurasi, format, dan ketepatan waktu ternyata
& information memainkan peran penting tidak hanya dalam
Chatzoglou systems: menentukan kepuasan pengguna akhir tetapi juga
(2012) Measuring end dalam kualitas informasi yang diberikan. Antarmuka
user computing pengguna, kecepatan pemrosesan sistem, pelatihan
satisfaction dan dokumentasi juga merupakan beberapa faktor
(EUCS). yang lebih signifikan untuk menentukan kepuasan
pengguna akhir dan kualitas sistem Sejauh faktor
pendukung pengguna yang bersangkutan (insourcing,
outsourcing), mereka ditemukan signifikan secara
statistik untuk perumusan kepuasan pengguna akhir,
seperti yang juga disarankan oleh peneliti lain.
Selanjutnya, menurut koefisien jalur dan signifikansi
statistiknya, semua hipotesis yang diajukan didukung
kecuali H6 dan H8 tentang pengaruh langsung dari
dukungan insourcing dan outsourcing pada kepuasan
komputasi pengguna akhir. Namun, harus ditekankan
bahwa H6 ditolak secara marginal, karenap nilainya
adalah 0,061.
68
Keterangan
Penilaian reliabilitas instrumen survei menggunakan
koefisien alfa, reliabilitas komposit, dan varians yang
diekstraksi mendukung kesimpulan bahwa konstruk
EUCS orde kedua dan masing-masing subfaktor orde
pertama dapat diandalkan. Penilaian uji-t pada
pembebanan indicant mendukung kesimpulan bahwa
sub-faktor EUCS menunjukkan validitas konvergen
dan reliabilitas konstruk. Penilaian tes perbedaan chi-
kuadrat di antara sub-faktor konstruk mendukung
kesimpulan bahwa sub-faktor EUCS menunjukkan
validitas diskriminan. Penilaian indeks kecocokan
mendukung kesimpulan bahwa model EUCS yang
diusulkan memberikan kecocokan yang baik dengan
data Yunani. Dan, akhirnya, beban signifikan dari sub-
faktor pada variabel EUCS memberikan dukungan
untuk model dengan konstruksi model orde kedua
(EUCS)
2. Bajari et al., The influence of Hasil tes di setiap wilayah mendukung kesimpulan tes Aplikasi website ISLAM SEHAT berbasis Android
(2021) android-based secara keseluruhan. Dalam hal ini tidak ditemukan memiliki skor penilaian yang tinggi di atas nilai
“ISLAM hasil pengujian yang berbeda pada pembuktian hipotesis yang ditetapkan pada semua aspek atau
SEHAT” penerapan ISLAM SEHAT secara signifikan. Semua dimensi efektivitas inovasi aplikasi website sebagai
application for hasil pengujian secara parsial menunjukkan bahwa media pembelajaran dengan menggunakan model
traditional penerapan ISLAM SEHAT meningkatkan EUCS dan Nielsen. Aplikasi ini dinilai secara
Islamic pengetahuan siswa tentang kesehatan di setiap TIBS signifikan memiliki kegunaan, kemudahan
boarding yang dipelajari. Dengan demikian, meskipun lokasi penggunaan, kemudahan belajar, dan kepuasan dalam
schools’ (TIBS) TIBS berbeda menurut wilayah dan pengelola penggunaan. Selanjutnya skor dimensi tampilan
students in (lembaga), hasilnya tetap sama. halaman depan meliputi kemudahan untuk dipahami,
Indonesia. warna dalam desain, proporsi materi atau tata letak
konten, kemudahan menu, kecepatan akses konten,
pengingat tampilan, dan kemudahan konten aplikasi.
3. Hanesya et Evaluation of Hasil penelitian analitik dengan menggunakan metode Terdapat hubungan yang signifikan dan sangat kuat
al., (2021) the Hospital End User Computing Satisfaction ditemukan bahwa antara Timeliness pada Sistem Informasi Manajemen
Information terdapat 4 variabel yang mempengaruhi kepuasan Rumah Sakit (SIMRS) terhadap kepuasan pengguna.
System (HIS ) pengguna yaitu konten, format, ketepatan waktu dan Terdapat hubungan yang signifikan dan cukup antara
using EUCS kemudahan penggunaan, sedangkan variabel akurasi Kemudahan Penggunaan Sistem Informasi
and PIECES tidak mempengaruhi kepuasan pengguna HIS. Manajemen Rumah Sakit (SIMRS) terhadap kepuasan
Methods on the variabel kontrol sebesar 71,4%, variabel efisiensi pengguna. Tidak ada hubungan dan hubungan yang
Medical Record sebesar 72,3%, variabel pelayanan sebesar 73, ,2% lemah antara Akurasi Sistem Informasi Manajemen
Section of dan semua variabel termasuk dalam kategori baik. Rumah Sakit (SIMRS) dengan kepuasan pengguna.
RSUD dr. Hasil penelitian analitik dengan menggunakan metode Kinerja SIMRS sudah baik sehingga berdampak
Haryoto End User Computing Satisfaction ditemukan bahwa positif terhadap kinerja setiap individu dan kepuasan
Lumajang. terdapat 4 variabel yang mempengaruhi kepuasan pengguna.
pengguna yaitu konten, format, ketepatan waktu dan
kemudahan penggunaan, sedangkan variabel akurasi
tidak mempengaruhi kepuasan pengguna HIS.
variabel kontrol sebesar 71,4%, variabel efisiensi
sebesar 72,3%, variabel pelayanan sebesar 73, ,2%
dan semua variabel termasuk dalam kategori baik.

69
4. Aljaafreh, Evaluating Penelitian ini mengukur kepuasan pengguna dengan Penelitian ini memiliki hasil bahwa EUCS secara
(2020) Electronic menggunakan model End User Computing Satisfation signifikan dan dipengaruhi secara positif oleh kualitas
Health Records (EUCS) yang diperkaya dengan variabel baru yaitu informasi, kualitas sistem, dan efikasi diri. Studi ini
Systems in self efficacy. juga
Jordan memberikan hasil empiris dan rekomendasi yang
Extending berlaku untuk Kementerian Kesehatan dan penyedia
EUCS with HAKEEM untuk meningkatkan dan memaksimalkan
Self-Efficacy. manfaat EHR tersebut.
5. Yamin & Adoption of Hasil menyimpulkan bahwa bahwa kesesuaian Penelitian ini memperluas teori penggunaan
Alyoubi, telemedicine teknologi tugas memiliki ukuran pengaruh yang cukup teknologi, awareness and self efficacy, untuk
( 2020) applications besar dalam mengukur niat pengguna untuk menentukan niat pengguna untuk mengadopsi aplikasi
among mengadopsi aplikasi wireless sensor network. Oleh wireless sensor network untuk bantuan medis.
Saudi citizens karena itu, kondisi memfasilitasi memiliki ukuran efek
during menengah untuk memprediksi niat pengguna untuk
COVID-19 mengadopsi jaringan sensor nirkabel. Namun,
pandemic: konstruksi seperti kesadaran, harapan usaha, harapan
An alternative kinerja, self-efficacy dan pengaruh sosial memiliki
health ukuran efek yang kecil dalam
delivery system. mengukur niat pengguna untuk mengadopsi aplikasi
jaringan wireless sensor network.
6. Compeau & Computer Self- Computer Self-Efficacy (CSE) erat kaitannya dengan Computer Self Efficacy (CSE) sangat penting
Higgins, Efficacy: kemampuan seseorang dalam menggunakan sistem dilakukan untuk mengukur kinerja dan perilaku
(1995) Measure And informasi berbasis komputer. Menurut Compeau dan seseorang dalam menggunakan teknologi informasi.
Initial Higgins (1995), CSE didefenisikan sebagai judgement
Development kapabilitas seseorang untuk menggunakan
Of A Test komputer/sistem informasi/teknologi informasi.
Seseorang dengan kemampuan komputer yang tinggi
akan semakin mudah mempelajari dan menggunakan
suatu sistem.

70
7. Agourram The Hasil penelitian ini memberikan dukungan kepada Self-efficacy pengguna dan khususnya Technology
et al., Relationship organisasi-organisasi ini dan menyarankan agar Self-Efficacy (TSE) telah banyak digunakan untuk
(2019) Between organisasi-organisasi ini dapat menawarkan SST memprediksi keberhasilan tugas pengguna dan
Technology pelanggan hanya kepada pelanggan yang memiliki penerimaan pengguna terhadap teknologi. Dengan
Self-Efficacy TSE tinggi. Penggunaan SST bertujuan untuk kata lain, kami berasumsi bahwa pengguna yang
Beliefs and memenuhi kebutuhan otonomi yang lebih besar yang melaporkan TSE tinggi cenderung berhasil dalam
User dikeluarkan oleh pelanggan. Secara praktis, mereka tugas berbasis teknologi dan cenderung menerima dan
Satisfaction – dapat mendistribusikan kuesioner TSE ke semua menggunakan
User Experience pelanggan mereka dan hanya memilih mereka yang Teknologi.
Perspective berperingkat tinggi di TSE. Akan membuang-buang
waktu untuk menawarkan teknologi kepada orang-
orang yang memiliki TSE rendah hingga sangat
rendah.
8. Anita Analysis Level Hasil penelitian ini yaitu Variabel independen yaitu Hasil penelitian menyimpulkan bahwa Terdapat
Merry of Satisfaction dimensi Content, Accuracy, Format, Ease of Use, dan pengaruh dimensi konten terhadap kepuasan
Cisca, Sri Student P3d for Timeliness, secara simultan berpengaruh terhadap Pengguna dengan nilai signifikansi 0,000 dan
Wahyuni Distance variabel dependen yaitu kepuasan Pengguna sebesar persentase -3,41% dan menunjukkan kategori Puas
Nasution, Learned Based 68,9. (>75%) dengan persentase hasil 82,75%. Pengaruh
Sri Lestari End-User dimensi ketelitian (Accuracy) terhadap kepuasan
Ramadhani Computing (User satisfaction) dengan nilai signifikansi 0,000 dan
Nasution & Satisfaction persentase -1,16% dan menunjukkan kategori Puas (>
Girsang, (Eucs) Method 75%) dengan hasil persentase 78,62%. Pengaruh
(2021) in the COVID- Dimensi Format terhadap Kepuasan Pengguna dengan
19 Era nilai signifikansi 0,000 dan persentase 48,69% dan
menunjukkan kategori Puas (> 75%) dengan
persentase hasil 79,92%. Pengaruh dimensi
kemudahan (Ease of use) terhadap kepuasan (User
satisfaction) dengan nilai signifikansi 0,000 dan
persentase 37,63% dan menunjukkan kategori Puas (>
75%) dengan persentase hasil 83,31 %. Pengaruh
dimensi ketepatan waktu (Timeliness) terhadap

71
 kepuasan (User satisfaction) dengan nilai signifikansi
0,000 dan persentase 18,5% dan menunjukkan
kategori Puas (>75%) dengan presentasi hasil 79,43%.
9. Fitriantoro The Hasil penelitian menunjukkan bahwa peningkatan Hasil penelitian ini menyimpulkan bahwa semua
& Husnah, Implementation semua faktor yang dianalisis (konten, akurasi, format, faktor yang mempengaruhi kepuasan penggunaan
(2018) of the End-User kemudahan penggunaan, dan ketepatan waktu) sistem informasi identik dengan faktorfaktor yang
Computing mempengaruhi kepuasan pengguna SCeLE mempengaruhi kepuasan pengguna SCeLE.
Satisfaction secara positif. Ditegaskan pula bahwa perancang SCeLE harus
Model into memperhatikan persyaratan kualitas suatu sistem
SCeLE: A informasi. Hasil penelitian juga menunjukkan bahwa
Study of the faktor yang paling dominan mempengaruhi kepuasan
Undergraduate pengguna akhir SCeLE adalah kemudahan
Program of the penggunaan. Hal ini dikarenakan siswa menggunakan
Accounting SCeLE dengan tujuan untuk terbantu melalui proses
Department in pembelajaran, sehingga antarmuka yang user-friendly
Universitas sangat penting dalam membantu siswa dan dalam
Indonesia meningkatkan kepuasan pengguna SCeLE.
10. Hidayah et Determining Hasil penelitian ini satu hipotesis ditolak yaitu Format Hasil penelitian ini dapat disimpulkan hasil analisis,
al., (2019) User terhadap EUS dan empat hipotesis yang diterima variabel yang memiliki pengaruh terbesar pada
Satisfaction adalah ACC terhadap EUS, CON terhadap EUS, EOU kepuasan pengguna akhir dari
Factors on terhadap EUS, dan TIM terhadap EUS. Jadi bisa Sistem Uang Kuliah Tunggal (UKT) di UIN Syarif
University menginterpretasikan bahwa akurasi, isi, kemudahan Hidayatullah Jakarta adalah kontennya, diikuti oleh
Tuition Fee penggunaan, dan ketepatan waktu terbukti akurasi, kemudahan penggunaan, dan ketepatan waktu
Systems Using berpengaruh signifikan dalam pengukuran terakhir.
End-User tingkat kepuasan pengguna akhir terhadap sistem
Computing aplikasi Uang Kuliah Tunggal (UKT) UIN Syarif
Satisfaction Hidayatullah Jakarta.
(EUCS)

72
11. Doll & The Hasil penelitian ini menyarankan Instrumen 12 item
Torkzadeh, Measurement of yang mengukur lima komponen kepuasan pengguna
(1988) End-User akhir - konten, akurasi, format, kemudahan
Computing penggunaan, dan ketepatan waktu. Bukti validitas
Satisfaction diskriminan instrumen Dipersembahkan. Keandalan
dan validitas dinilai menurut sifat dan jenis aplikasi.
Akhirnya, standar untuk mengevaluasi aplikasi
pengguna akhir adalah: disajikan, dan kegunaan
instrumen untuk mencapai lebih presisi dalam
pertanyaan penelitian dieksplorasi.
12. Munap et The Influence of Hasil penelitian ini menunjukkan bahwa akurasi,
al., (2018) End User konten, dan ketepatan waktu memiliki berpengaruh
Computing signifikan terhadap kepuasan pengguna. Kemajuan IT
System (EUCS) yang pesat saat ini dan dampaknya terhadap berbagai
on User aspek dinamika sosial secara alami menuntut
Satisfaction: bangkitnya kreativitas orang, mampu mengakses
The Case of a berbagai sumber informasi, pemrosesan, dan
Logistic and mengkomunikasikan informasi yang diperlukan.
Courier Service Secara umum, masalah dengan sistem informasi tetap
Company ada tidak terlihat sampai mereka menyebabkan sistem
gagal. Rutin
evaluasi sistem bersama dengan survei kepuasan
pengguna oleh karena itu sangat penting bagi sistem
untuk berhasil. Namun, kebanyakan
perusahaan akan lebih menekankan pada teknologi
peningkatan sistem.
73
Penelitian ini membandingkan lingkungan komputasi
tradisional dan pengguna akhir dan melaporkan
tentang pengembangan instrumen yang
menggabungkan kemudahan penggunaan dan
informasi item produk untuk mengukur kepuasan
pengguna yang secara langsung berinteraksi dengan
komputer untuk aplikasi tertentu. Menggunakan
survei terhadap 618 pengguna akhir, peneliti
melakukan analisis faktor dan memodifikasi
instrumen.
Penelitian ini menyimpulkan bahwa EUCS dapat
dipahami dan diterapkan dengan lebih baik sistem
informasi canggih sebagai ukuran standar. Praktisi
sementara itu dapat menggunakan temuan penelitian
ini dengan lebih percaya diri dalam pengujian
kegunaan saat merancang yang baru sistem Informasi.
Analisis bisnis sistem juga dapat menggunakan hasil
untuk membedakan perbedaan kepuasan di seluruh
pengguna target kelompok selama sistem,
pengumpulan kebutuhan. Sebagai contoh, peringkat
untuk Konten, Akurasi, Format, Kemudahan
Penggunaan, dan Ketepatan waktu mungkin berbeda
berdasarkan pengalaman pengguna.
13. Ahmad Pengukuran Penelitian ini menggabungkan dua metode EUCS dan Penelitian ini menyimpulkan tingkat kepuasan
Fitriansyah,Kepuasan UIS. Variabel dalam penelitian ini adalah isi, akurasi, pengguna secara keseluruhan berada pada nilai rata-
Ibnu Harris Pengguna Situs format, kemudahan penggunaan, dan ketepatan waktu. rata 2,64 pada level 3 (netral). Hasil dari penelitian
(2018) Web Dengan didapat bahwa variabel akurasi dan kemudahan
Metode pengguna memiliki nilai yan cukup, sedangkan
End User variabel konten, format, dan ketepatan waktu memiliki
Computing nilai yang rendah.
Satisfaction
(EUCS)
14. Aditia End User Penelitian ini menggunakan EUCS, variabel yang Penelitian ini menyimpulkan terdapat 5 hipotesis,
Angga Computing digunakan yaitu konten (content), akurasi (accuracy), dimana H0 dapat dikatakan tidak signifikan untuk
Perdana, Satisfaction: format, kemudahan penggunaan (ease of use), dan empat variabel dan
Meinarini Model Analisis ketepatan waktu (timeliness). H0 dapat dikatakn signifikan untuk satu variabel.
Catur Kepuasan Maka dapat disimpulkan bahwa terdapat empat
Utami, Pengguna variabel yang memiliki pengaruh secara signifikan
Qurrotul Aplikasi terhadap kepuasan pelanggan AUTO2000.
Aini (2021) menggunakan
Partial Least
Square
Strustural
Equation
Modeling
15. T. Husain, Analisis End Penelitian ini menggunakan End User Computing Penelitian ini menyimpulkan bahwa End User
Agus User Computing Satisfation (EUCS) dan model WebQual 4.0 yang Computing Satisfation (EUCS) memiliki pengaruh
Budiyantara Satisfaction terdiri dari dimensi usability, information quality dan yang signifikan terhafap kepuasan penggunda.
(2018) (EUCS) Dan services interaction terhadap kepuasan pengguna. WebQual 4.0 melalui dimensi usability dan service
WebQual 4.0 Metode penelitian menggunakan pendekatan interaction berpengaruh signifikan terhadap Kepuasan
Terhadap kuantitatif menggunakan analisis structural equation Pengguna.
Kepuasan modeling (SEM) dengan teknik confirmatory factor
Pengguna analyis.

74
16. Boy Pengukuran End Penelitian ini menggunakan EUCS. Analisis data yang Penelitian ini menyimpulkan bahwa pengaruh sistem
Suzanto, User Computng digunakan pada penelitian ini yaitu Structural informasi akademik terhadap sikap pengguna sebesar
Iwan Satsisfaction Equation Modelling (SEM) dan component based 0.57 atau 57% dan pengaruh sikap pengguna sistem
Sidharta (EUCS) atas Partial Least Squares (PLS). informasi akademik terhadap perilaku atas
(2015) Pengguna penggunaan ulang sistem informasi akademik sebesar
Sistem 0.50 atau 50%.
Informasi
Akademik
17. Chung Tzer Validating the Penelitian ini menggunakan End User Computing Penelitian ini menyimpulkan bahwa bahwa akurasi
Liu, Yi End-User Satisfation (EUCS) dengan variabel content, accuracy, dan konten adalah dua kebutuhan informasi terpenting
Maggie Computing format, easy of use, dan timeless. Tujuan dari dari pembeli online. Jadi, untuk melayani pembeli
Guo (2008) Satisfaction penelitian ini adalah untuk memvalidasi sistem belanja dengan lebih baik, situs Web harusmemperhatikan
Instrument for online dan untuk membandingkan hasil penelitian akurasi dan konten.
Online dengan lainnya.
Shopping
Systems
18. Handoyo Pengaruh Penelitian ini dilakukan dengan melakukan replikasi Penelitian ini memiliki hasil bahwa Computer Self
(2020) Karakteristik dari penelitian Chang et al. (2011). Oleh karena itu Efficacy (CSE) memiliki nilai t hitung 6,624761 > t
Sistem penelitian ini berusaha mengeneralisasikan penelitian tabel 1,645. Sehingga terdapat pengaruh positif yang
Informasi Chang et al. (2011) yang melakukan penelitian UKM signifikan antara Computer Self Efficacy (CSE) dan
Terhadap Taiwan dengan meneliti UKM Semarang. User Satisfaction. Maka dapat disimpulkan Hipotesis
Kepuasan 6 diterima
Pengguna E-
bisnis di Usaha
Kecil dan
Menengah
Semarang

75
19. Bismark Faktor-Faktor Penelitian ini digunakan agar dapat mengetahui Hasil penelitian ini didapat bahwa computer self
Noor Yang beragai faktor yang mempengaruhi kesuksesan efficacy memiliki pengaruh yang signifikan terhadap
Kuddus , Mempengaruhi implementasi SiSDM. Salah satu variabel yang ada kepuasan pengguna.hal ini dinyatakan bahwa kualitas
Achmad Kesuksesan pada penelitian ini yaitu variabel computer self informasi dan keyakinan pengguna dalam
Djunaedi, Implementasi efficacy. menggunakan sistem aplikasi SiSDM dapat memuliki
Warsun SISDM BPK pengaruh yang signifikan. Sehingga computer self
Najib RI efficacy memiliki pengaruh positif terhadap kepuasan
(2015) pengguna.

20. Wempi Pengaruh Penelitian ini mengajukan model yang berupa Penelitian ini memiliki hasil bahwa, Computer Self
Naviera Computer Self- gabungan beberapa konstruk yang disusun menjadi Efficacy, Computer Anxiety, Attitude berpengaruh
Efficacy, satu model dan diuji menggunakan beberapa teori dari terhadap Penggunaan Sistem (System Use).
Computer peneliti terdahulu. Variabel dalam penelitian ini Kemudian Penggunaan Sistem (System Use)
Anxiety dan adalah Computer Self-Efficacy, Computer Anxiety, berpengaruh terhadap Dampak Individual (Individual
Attitude pada Attitude Pada System Use, User Satisfaction, Impact) dan Kepuasan Pengguna (User Satisfaction).
System Use dan Individual Impact. Sedangkan Kepuasan Pengguna (User Satisfaction)
Dampaknya berpengaruh terhadap Dampak Individual (Individual
Terhadap User Impact).
Satisfaction dan
Individual
Impact

76
 Berdasarkan penelitian sebelumnya, penelitian ini mempunyai keamaan

menggunakan End User Computing Satisfaction (EUCS) yang diadopsi oleh (Doll

& Torkzadeh, 1988) dan Variabel Computer Self Efficacy (CSE) yang diteliti oleh

(Compeau & Higgins, 1995). Jurnal-jurnal di atas umumnya lebih berfokus pada

kepuasan pengguna. Dalam penelitian ini ditambahkan variabel Computer Self

Efficacy (CSE). Dari penelitian-penelitian tersebut di atas dijabarkan penelitian

menggunakan End User Computing Satisfaction (EUCS) memiliki pengaruh

terhadap kepuasan pengguna. Pada penelitian (Munap et al., 2018) menunjukkan

bahwa akurasi, konten, dan ketepatan waktu memiliki berpengaruh signifikan terhadap

kepuasan pengguna. Penulis menambahkan variabel Variabel Computer Self Efficacy

(CSE) menurut (Compeau & Higgins, 1995) sangat penting dilakukan untuk

mengukur kinerja dan perilaku seseorang dalam menggunakan teknologi informasi.

77
78
 BAB IV

HASIL DAN PEMBAHASAN

4.1 Pilot Study

Pilot study merupakan sebuah tahapan yang digunakan untuk mengetahui dan

memastikan efektifitas instrumen survei atau kuesioner, selain itu pilot study

digunakan sebagai alat komunikasi antara peneliti dan responden (Ma’rifatin,

2018). Kuesioner menurut (Sugiyono, 2017) kuesioner merupakan teknik

pengumpulan data yang dilakukan dalam penelitian dengan memberikan beberapa

pertanyaan secara tertulis kepada responden. Pada penelitian ini Pilot Study

dilakukan dengan menggunaan 30 responden kuesioner pengguna aplikasi

Halodoc. Pilot Study dapat dikatakan memiliki valisitas dan reabilitas apabila

memiliki nilai average variance extracted (AVE) dengan nilai diatas 0,5 dan

composite reliability (CR) diatas 0,7. Pada saat melakukan pilot study ini responden

tidak memiliki kendala pada saat mengisi kuesioner. Maka hasil dari pilot study

yang meibatkan 30 responden sebagai berikut:

79
4.1.1 Uji Internal Consistency Reliability (CR)

Tabel 4.1 Consistency Reliability (CR) Pilot Study

Consistency Reliability (CR)

ACC 0,928
CON 0,912
CSE 0,892
EOU 0,890
FOR 0,909
TIM 0,895
US 0,890

Dari hasil pengujian Consistency Reliability (CR), menurut (Hair et al., 2018)

Consistency Reliability (CR) memiliki batas minimum diatas 0,7. Berdasarkan hasil

uji Consistency Reliability (CR) maka dapat dilihat bahwa semua variabel memiliki

nilai diatas 0,7. Sehingga dapat disimpulkan bahwa semua variabel memiliki syarat

yang valid untul digunakan sebagai model penelitian ini.

4.1.2 Uji Average Variance Extracted (AVE)

Tabel 4.2 Average Variance Extracted (AVE) Pilot Study

Average Variance Extracted (AVE)

ACC 0,763
CON 0,636
CSE 0,805
EOU 0,619
FOR 0,715
TIM 0,682
US 0,620

80
 Dari hasil pengujian Average Variance Extracted (AVE), menurut (Hair et al.,

2018) Average Variance Extracted (AVE) memiliki batas sebesar 0,5 sehingga dapat

dinilai memiliki ukuran Average Variance Extracted (AVE) yang baik. berdasarkan

hasil uji AVE pilot study memiliki nilai diatas 0,5 makadapat disimpulkan model

penelitian ini dapat memenuhi syarat untuk digunakan.

Berdasarkan hasil pilot study perhitungan kuesioner dikatakan reliabilitas dan

valisitas. Maka dapat disimpulkan model penelitian ini dapat memenuhi syarat

penelitian.

4.2 Hasil Analisis

4.2.1 Hasil Analisis Demografis

Analisis demografis dilakukan untuk mengurai jawaban responden yang

berisikan pertanyaan tentag profil dan hasil sistem aplikasi Halodoc yang telah disebar

luaskan sebelumnya sehingga menghasilkan informasi demografis yang berhubungan

dengan karakteristik dari responden. Pengambilan data responden ini dilakukan dalam

kurun waktu lima hari dimulai dari tanggal 10 hingga 14 april dengan responden

sebanyak 155 orang. Pada hasil responden ini diketahui informasi demografis terbagi

atas 7 katergori yaitu Jenis Kelamin, Fakultas, Semester, Lama menggunakan aplikasi

Halodoc, Memudahkan pengguna selama pandemi, Platform yang digunakan, dan

Kepuasan Pengguna. Berikut hasil rekapitulasi hasil analisis demografis pada penelitian

ini:

81
1. Jenis Kelamin

Berdasarkan hasil dari 155 responden yang terdapat pada penelitian ini,

responden merupakan laki-laki dan perempuan. Laki-laki terdiri dari laki -

laki sebanyak 75 orang atau 48%, kemudian perempuan sebanyak 80 orang

atau 52%.

Jenis Kelamin

Laki-Laki
52% 48%
Perempuan

Gambar 4.1 Diagram Lingkaran Jenis Kelamin Responden

2. Fakultas

Berdasarkan hasil dari 155 responden yang didapat hasil pengguna Halodoc

terbanyak merupakan mahasiswa Fakultas Sains dan Teknologi (FST) UIN

Jakarta sebanyak 116 orang atau 75%, kemudian disusul oleh Fakultas

Dakwah dan Ilmu Komuniasi (FDIKOM) sebanyak 20 orang atau 13% dan

yang terakhir Fakultas Ekonomi dan Bisnis (FEB) sebanyak 19 orang atau

12%.

82
 Fakultas

13%
FST
12%
FEB

75% FDIKOM

Gambar 4.2 Diagram Lingkaran Fakultas Responden

3. Semester

Berdasarkan hasil dari 155 responden yang didapat hasil pengguna Halodoc

terbanyak merupakan masiswa semester 5 hingga 8 sebanyak 97 orang atau

62%, kemudian mahasiswa semester 1-4 sebanyak 37 orang atau 24%, dan

makasiswa semester > 8 sebayak 21 orang atau 14%.

Semester

14%
24%
1 sampai 4
5 sampai 8
>8
62%

Gambar 4.3 Diagram Lingkaran Fakultas Semester Responden

83
4. Lama menggunakan Aplikasi Halodoc

Berdasarkan hasil dari 155 responden didapat hasil seberapa lama pengguna

menggunakan aplikasi Halodoc dengan hasil penggunaan selama < 1 tahun

sebanyak 94 orang atau 61%, pengguna 1 hingga 2 tahun sebanyak 52 orang

atau 34%, dan >2 tahun sebanyak 9 orang atau 5%.

Lama Penggunaan

5%
< 1 Tahun
34% 1 hingga 2 Tahun
61%
> 2 tahun

Gambar 4.4 Diagram Lingkaran Lama penggunaan Responden

5. Memudahkan pengguna selama Pandemi

Berdasarkan hasil dari 155 responden yang didapat dalam penelitian ini.

Responden memiliki beberapa pendapat diantaranya sangat membantu

sebanyak 85 orang atau 55%, membantu sebanyak 39 orang atau 25%,

cukupmembantu sebanyak 29 orang atau 19%, kurang membantu sebanyak 1

orang atau 0,5% dan tidak membantu sebanyak 1 orang atau 0,5%.

84
 Memudahkan Pengguna
Selama Pandemi
Sangat Membantu
0.5%
0.5% Membantu
19%
55% Cukup Membantu
25%

Kurang
Membantu

Gambar 4.5 Diagram Lingkaran Memudahkan pengguna selama

pandemi Responden

6. Platform

Berdasarkan hasil dari 155 responden yang didapat dalam penelitian ini.

Platform yang digunakan pada penelitian ini merupakan alat yang digunakan

untuk mengakses aplikasi Halodoc diantanya IOS sebanyak 48 orang atau

31% , Android sebanyak 105 orang atau 68% , dan Desktop sebanyak 2 orang

atau 1%.

Platform yang digunakan

1% IOS
31%
Android
68% Desktop

Gambar 4.6 Diagram Lingkaran Platform yang digunakan Responden

85
 7. Kepuasan Pengguna

Berdasarkan hasil dari 155 responden yang didapat dalam penelitian ini.

Kepuasan pengguna sangat diperlukan dalam penelitian ini, maka dari itu

hasil dari penelitian ini pengguna merasa sangat puas sebanyak 47 orang atau

30%, puas sebanyak 75 orang atau 48% , cukup puas sebanyak 31 orang atau

20%, kurang puas sebanyak 1 orang atau 1%, dan tidak puas sebanyak 1 orang

atau 1%.

Kepuasan Pengguna
1%
Sangat Puas
1%
20% 30% Puas
Cukup Puas
Kurang Puas
48%
Tidak Puas

Gambar 4.7 Diagram Lingkaran Kepuasan Pengguna Responden

4.2.2 Hasil Analisis PLS-SEM

4.2.2.1 Analisis Pengukuran Model (Outer Model)

Pada tahapan ini dilakukan pengukuran model dengan melakukan 4 pengujian

yaitu individual item reliability, internal consistency reliability, average variance

extracted dan discriminant validity. Analisis Outer Model ini dilakuakan untuk dapat

memberikan spefikasi terhadap hubungan antar variabel latenn dengan indikator

lainnya. Berikut empat tahap pengujian hasil analisis pengukuran model:

86
1. Uji Individual Item Reliability

Tahapan ini dilakukan dengan melihat nilai standardized loading factor

dimana nilai tersebut mendeskripsikan besaran korelasi dari setiap indikator

yang ada dengan konstriknya. Loading Factor merupakan hasil sebuah nilai

dari setiap indikator yang digunakan untuk mengukur variabelnya. Selain itu

Loading Factor dikatakan sah apabila memiliki nilai diatas 0,7 (Hair et al.,

2018). Pada penelitian ini hasil uji loading factor telah memenuhi kriteria.

Hasil pertgitungan Outer Loading dapat dilihat pada Tabel 4.3.

Tabel 4.3 Hasil Pengujian Outer Loading Awal

ACC CON CSE EOU FOR TIM US

ACC1 0,861

ACC2 0,885

ACC3 0,844

ACC4 0,879

CON1 0,731

CON2 0,713

CON3 0,772

CON4 0,775

CON5 0,725

CON6 0,924

CSE1 0,941

CSE2 0,957

EOU1 0,730

87
 EOU2 0,857

EOU3 0,892

EOU4 0,907

EOU5 0,755

FOR1 0,553

FOR2 0,853

FOR3 0,805

FOR4 0,843

TIM1 0,839

TIM2 0,816

TIM3 0,881

TIM4 0,770

US1 0,864

US2 0,846

US3 0,823

US4 0,795

US5 0,844

Ket: *diperlukan penghapusan.

88
 Tabel 4.4 Hasil Pengujian Outer Loading Akhir

ACC CON CSE EOU FOR TIM US

ACC1 0,861

ACC2 0,885

ACC3 0,844

ACC4 0,879

CON1 0,731

CON2 0,712

CON3 0,772

CON4 0,776

CON5 0,724

CON6 0,924

CSE1 0,941

CSE2 0,957

EOU1 0,730

EOU2 0,857

EOU3 0,892

EOU4 0,908

EOU5 0,755

FOR2 0,864

FOR3 0,887

FOR4 0,895

TIM1 0,839

89
TIM2 0,816

TIM3 0,881

TIM4 0,770

US1 0,863

US2 0,847

US3 0,823

US4 0,794

US5 0,844

Berdasarkan ketentuan nilai outer loading, maka didapat hasil pada Tabel

4.4 yang menunjukkan hasil pengujian outer loading yang telah dilakukan

penghapusan. Sehingga dapat disimpulkan bahwa semua indikator telah

melebihi nilai batas yaitu diatas 0,7 dan dapat dilakukan pengujian tahap

selanjutnya.

2. Uji Internal Consistency Reliability

Tahap kedua yang dilakukan yaitu melihat nilai composite reliability (CR)

bertujuan untuk dapat melihat konsistensi antar item dalam suatu penelitian

dengan nilai batas nilai batas sebesar 0,7 (Hair et al., 2018). Sehingga dapat

memenuhi kriteria dan valid untuk digunakan sebagai model penelitian.

90
 Tabel 4.5 Hasil Uji Composite Reliability (CR)

Variabel Composite Reliability (CR)

Accuracy 0,924

Content 0,900

Computer Self Efficacy 0,947

Ease of Use 0,917

Format 0,913

Timeliness 0,896

User Satisfaction 0,920

Berdasarkan standar nilai dari composite reliability (CR), setelah melakukan

pengujian menggunakan SmartPLS 3.3.9 didapat hasil sebagaimana yang

tersaji pada Tabel 4.5 bahwa semua variabel menunjukkan nilai composite

reliability (CR) berada diatas 0,7. Sehingga dapat disimpulkan bahwa sudah

memenuhi syarat dan dapat dikatan valid untuk melakukan pengujian tahap

selanjutnya.

3. Uji Average Variance Extracted

Tahap ketiga ini dilakukan untuk dapat melihat nilai Average Variance

Extracted (AVE). Average Variance Extracted (AVE) merupakan nilai yang

dimiliki oleh setiap variabel. Nilai AVE digunakan untuk mendeskripsikan

variabel sehingga dapat menemukan besaran varian atau diversitas pada

setiap indikator. Nilai AVE memiliki batas nilai 0,5, apabila nilai AVE diatas

0,5 maka dapat diidentifikasi bahwa ukuran convergent validity yang baik

(Hair et al., 2018). Nilai AVE yang diperoleh dapat menunjukkan nilai AVE

91
 dari setiap variabel yang diatas 0,5 sehingga dapat memenuhi kriteria dan

tidak terdapat kendala dalam melakukan pengujian nilai AVE.

Tabel 4.6 Hasil uji Average Variance Extracted (AVE)

Variabel Average Variance Extracted (AVE)

Accuracy 0,752

Content 0,603

Computer Self Efficacy 0,900

Ease of Use 0,691

Format 0,778

Timeliness 0,684

User Satisfaction 0,696

Berdasarkan standar nilai dari Average Variance Extracted (AVE), setelah

melakukan pengujian menggunakan SmartPLS 3.3.9 didapat hasil

sebagaimana yang tersaji pada Tabel 4.6 bahwa semua variabel menunjukkan

nilai yang sudah berada diatas 0,5 maka dapat disimpulkan bahwa sudah

memenuhi syarat dan dapat dikatan valid untuk melakukan pengujian tahap

selanjutnya.

4. Uji Discriminant Validity

Tahap keempat yang dilakukan merupakan perbandingan korelasi antara

indikator dengan variabel yang ada. Apabila korelasi pada setiap indikator

memiliki konstruk yang lebih tinggi dibanding korelasi dengan konstruk blok

lainnya, maka menunjukkan konstruk tersebut dapat memprediksi ukuran

92
 blok lebih baik dari blok lainnya (Hair et al., 2018). Hasil nilai cross loading

pada penelitian ini adalah setiap indikator memiliki nilai lebih tinggi

dibandingkan dengan konstruk lainnya.

Tabel 4.7 Hasil Discriminant Validity (Cross Loading)

ACC CON CSE EOU FOR TIM US

ACC1 0.861
0.419 0.251 0.509 0.467 0.345 0.517
ACC2 0.885
0.366 0.262 0.460 0.371 0.408 0.449
ACC3 0.844
0.403 0.266 0.457 0.288 0.435 0.417
ACC4 0.879
0.351 0.129 0.457 0.430 0.321 0.442
CON1 0.402
0.731 0.265 0.685 0.439 0.567 0.598
CON2 0.460
0.712 0.354 0.589 0.230 0.522 0.548
CON3 0.254
0.772 0.526 0.544 0.296 0.500 0.508
CON4 0.202
0.776 0.394 0.431 0.218 0.526 0.523
CON5 0.388
0.724 0.407 0.473 0.275 0.413 0.623
CON6 0.340
0.924 0.494 0.582 0.325 0.539 0.637
CSE1 0.174
0.431 0.941 0.451 0.265 0.498 0.499
CSE2 0.313
0.553 0.957 0.489 0.331 0.526 0.582
EOU1 0.470
0.649 0.531 0.730 0.502 0.576 0.785
EOU2 0.345
0.577 0.407 0.857 0.616 0.581 0.623
EOU3 0.468
0.621 0.330 0.892 0.475 0.673 0.632
EOU4 0.460
0.616 0.359 0.908 0.475 0.732 0.623
EOU5 0.504
0.445 0.387 0.755 0.514 0.666 0.557
FOR1 0.433
0.422 0.368 0.556 0.864 0.451 0.561

93
FOR2 0.324
0.276 0.294 0.508 0.887 0.345 0.451
FOR3 0.431
0.309 0.167 0.582 0.895 0.412 0.505
FOR4 0.335
0.534 0.351 0.591 0.308 0.839 0.621
TIM1 0.224
0.519 0.414 0.525 0.373 0.816 0.600
TIM2 0.508
0.639 0.409 0.851 0.500 0.881 0.721
TIM3 0.337
0.469 0.657 0.569 0.323 0.770 0.535
TIM4 0.470
0.623 0.532 0.720 0.443 0.616 0.863
US1 0.451 0.847
0.631 0.346 0.746 0.541 0.681
US2 0.442
0.538 0.386 0.661 0.516 0.692 0.823
US3 0.389
0.604 0.595 0.515 0.402 0.538 0.794
US4 0.454
0.704 0.544 0.647 0.504 0.617 0.844
US5 0.861
0.419 0.251 0.509 0.467 0.345 0.517

Metode kedua yang digunakan yaitu menghitung nilai Fornell Larcker

Criterion, Fornell-Larcker Criterion merupakan nilai korelasi antara variabel

dengan variabel itu sendiri dan variabel lainnya. Hal ini dilakukan dengan

membandingkan nilai akar AVE pada setiap variabel satu dengan variabel

lainnya dalam suatu model penelitian, nilai tersebut harus lebih besar dari

pada nilai lainnya (Hair et al., 2018). Setelah melakukan perhitugan tersebut,

maka pada penelitian ini diperoleh hasil Fornell-Larcker Criterion seperti

tabel dibawah ini.

94
 Tabel 4.8 Hasil Fornell-Larcker Criterion

ACC CON CSE EOU FOR TIM US

ACC
0.867
CON
0.445 0.777
CSE
0.262 0.523 0.949
EOU
0.545 0.713 0.496 0.831
FOR
0.454 0.387 0.316 0.625 0.882
TIM
0.432 0.659 0.541 0.778 0.461 0.827
US 0.834
0.530 0.744 0.573 0.791 0.578 0.755

Berdasarkan standar nilai dari Discriminant Validity, setelah melakukan

pengujian menggunakan SmartPLS 3.3.9 didapat hasil sebagaimana yang

tersaji pada Tabel 4.7 dan Tabel 4.8 bahwa semua variabel menunjukkan nilai

Outer Loading dan Fornell-Larcker Criterion maka dapat disimpulkan

bahwa sudah memenuhi syarat dan dapat dikatan valid untuk melakukan

pengujian tahap selanjutnya.

Setelah melakukan keempat tahap uji pengukuran model dengan menggunakan

Internal Consistency Reliability, Average Variance Extracted, dan Discriminant

Validity yang menunjukkan semua hasil pengujian dapat dikatan ideal dan memenuhi

syarat dari setiap pengujian. Maka dapat disimpulkan hasil uji pengukuran model yang

digunakan telah memiliki kriteria yang baik dan sesuai untuk dapat dilanjutkan

ketahap berikutnya, yaitu tahap pengujian model struktural (Inner Model).

95
4.2.2.2 Analisis Struktural Model (Inner Model)

Analisis Inner Model terdiri dari enam tahapan pengujian yaitu Path Coefficient

(β), Coefficient Of Determination (R2), T-Test dilakukan dengan menggunakan

metode bootsrtapping, effect size (f 2) , Predictive Relevance (Q2), Relative Impact

(q2). Berikut hasil dari uji analisis sruktural model (inner model). Berikut uraian dari

enam tahapan Analisis Inner Model:

1. Path Coefficient (β)

Pengujian ini dilakukan dengan melihat nilai Path Coefficient dimana semua

variabel harus memiliki nilai diatas 0,1 agar dapat dinyatakan memiliki

pengaruh terhadap model. Hasil dari perhitungan Path Coefficient dapat

dilihat pada Tabel 4.9.

Tabel 4.9 Hasil Uji Path Coefficient

Hubungan antara (𝜷 ) Analisis
Variabel (Independen-
Dependen)
ACC-US 0,091 Tidak Signifikan
CON-US 0,280 Signifikan
CSE-US 0,127 Signifikan
EOU-US 0,198 Signifikan
FOR-US 0,156 Signifikan
TIM-US 0,236 Signifikan

Berdasarkan standar nilai dari Path Coefficient, setelah melakukan pengujian

menggunakan SmartPLS 3.3.9 didapat hasil sebagaimana yang tersaji pada

Tabel 4.9 bahwa semua variabel memiliki hubungan yang signifikan kecuali

jalur pada ACC – US yang tidak memiliki pengaruh yang signifikan dan tidak

berhubungan positif. Sehingga hasil model Path Coefficient sebelum

penghapusan indikator dapat dilihat pada Gambar 4.7 dan model Path

96
Coefficient setelah penghapusan indikator dapat dilihat pada Gambar 4.8.

Gambar 4.8 Hasil Model model Path Coefficient Awal

97
Gambar 4.9 Hasil Model model Path Coefficient Akhir

98
2. Uji Coefficient Of Determination (R2)

Pengujian ini dilakukan dengan melihat nilai Coefficient Of Determination

yang mana dapat dikatakan kuat apabila memiliki nilai 0,67 dinyatakan

moderat, dan memiliki nilai dibawah 0,33 dinyatakan lemah. Hasil

perhitungan Coefficient Of Determination dapat dilihat pada Tabel 4.10.

Tabel 4.10 Hasil Coefficient Of Determination

Variabel R Square Ket

User Satisfaction 0,755 Moderat

Berdasarkan standar Coefficient Of Determination, setelah melakukan

pengujian menggunakan SmartPLS 3.3.9 didapat hasil sebagaimana yang

tersaji pada Tabel 4.10 bahwa semua variabel termasuk kedalam golongan

moderat.

3. Uji T- test / T-Statistic

Uji T- test dilakukan dengan menggunakan metode bootstrapping. Hipotesis

akan diterima apabila memiliki nilai T-Test lebih besar dari 1,96. Jenis

pengujian T- test dengan menggunakan two-tailed dengan tingkat signifikan

sebesar 5% untuk melakukan uji hipotesis penelitian. Hasil perhitungan T-

Test dapat dilihat pada Tabel 4.11

99
 Tabel 4.11 Hasil Uji T-test

Hubungan antara Variabel T-Test Analisis

(Independen-Dependen)
ACC-US 1,776 Ditolak
CON-US 3,525 Diterima
CSE-US 2,705 Diterima
EOU-US 2,122 Diterima
FOR-US 2,013 Diterima
TIM-US 2,317 Diterima

Berdasarkan standar T-Test, setelah melakukan pengujian menggunakan

SmartPLS 3.3.9 didapat hasil sebagaimana yang tersaji pada Tabel 4.11

menunjukkan bahwa hubungan antar variabel ACC – US ditolak karena

memiliki nilai kurang dari 1,96. Maka pada pengujian T-Test menunjukkan

bahwa dari 6 hipotesis yang dilakukan terdapat 1 hipotesis yang tidak

diterima.

4. Uji Effect Size (f2)

Pengujian ini dilakukan dengan melihat nilai Effect Size (f2) yang mana dapat

dikatakan mengetahui pengaruh variabel tertentu terhadap variabel lainnya

dalam struktur model dengan nilai ambang batas sekitar 0,02 maka

dinyatakan memberikan pengaruh kecil, jika 0,15 maka dinyatakan

memberikan pengaruh menengah dan bila 0,35 maka dinyatakan memberikan

pengaruh besar Hasil perhitungan Effect Size (f2) dapat dilihat pada Tabel

4.12.

100
 Tabel 4.12 Hasil Uji Effect Size

Hipotesis Hubungan f2 Keterangan

antar jalur

R2-in R2-ex ƩR2

H1 CON-US 0,755 0,722 0,135 MENENGAH
H2 ACC-US 0,755 0,749 0,024 KECIL
H3 FOR-US 0,755 0,741 0,057 KECIL
H4 EOU-US 0,755 0,745 0,041 KECIL
H5 TIM-US 0,755 0,736 0,078 KECIL
H6 CSE-US 0,755 0,745 0,041 KECIL

Berdasarkan standar nilai Effect Size (f2), setelah melakukan pengujian

menggunakan SmartPLS 3.3.9 didapat hasil sebagaimana yang tersaji pada

Tabel 4.12 menunjukkan bahwa jalur CSE – US memiliki pengaruh

menengah dengan nilai 0,135 sedangkan jalur variabel lainnya memiliki

pengaruh yang kecil.

5. Predictive Relevance (Q2)

Pengujian ini dilakukan dengan metode blindfloading, nilai Predictive

Relevance (Q2) harus lebih besar dari 0 sehingga dapat dinyatakan adanya

keterkaitan. Hasil perhitungan Predictive Relevance (Q2) dapat dilihat pada

Tabel 4.13.

Tabel 4.13 Hasil Uji Predictive Relevance (Q2)

Variabel Dependen Q2

US 0,506

101
 Berdasarkan standar nilai Predictive Relevance (Q2), setelah melakukan

pengujian menggunakan SmartPLS 3.3.9 didapat hasil sebagaimana yang

tersaji pada Tabel 4.13 menunjukkan bahwa seluruh variabel memiliki nilai

melebihi 0 dan dapat dikatakan memiliki keterkaitan.

6. Relative Impact (q2)

Pengujian ini dilakukan dengan melihat nilai Relative Impact (q2) yang mana

dapat dikatakan mengetahui pengaruh apabila memiliki nilai lebih dari 0,35

dan sekitar 0,15 – 0,35 dapat dinyatakan memiliki pengaruh menengah, dan

pengaruh kecil bernilai dibawah 0,15. Hasil perhitungan Relative Impact (q2)

dapat dilihat pada Tabel 4.14.

Tabel 4.14 Hasil Uji Relative Impact (q2)

Hipotesis Hubungan q2 Keterangan

antar jalur
Q2-in Q2-ex ƩQ2
H1 CON-US 0,506 0,483 0,047 KECIL
H2 ACC-US 0,506 0,503 0,006 KECIL
H3 FOR-US 0,506 0,498 0,016 KECIL
H4 EOU-US 0,506 0,505 0,002 KECIL
H5 TIM-US 0,506 0,498 0,016 KECIL
H6 CSE-US 0,506 0,500 0,012 KECIL

Berdasarkan standar nilai Relative Impact (q2), setelah melakukan pengujian

menggunakan SmartPLS 3.3.9 didapat hasil sebagaimana yang tersaji pada

Tabel 4.14 menunjukkan bahwa seluruh variabel memiliki nilai dibawah 0,15

maka dapat dikatakan memiliki pengaruh yang kecil.

102
 Tabel 4.15 Hasil Uji Analisis Model Struktural

Hipotesis f2 q2-in Analisis

β T-test
Hx Jalur 2
R -in 2
R -ex ∑f 2 2
Q -in 2
Q -ex ∑Q 2
β T-test R2 f2 Q2 q2
CON- 0,280 3,525 0,755 0,722 0,135 0,506 0,483 0,047
H1 sign Diterima M M PR K
US
ACC- 0,091 1,776 0,755 0,749 0,024 0,506 0,503 0,006
H2 Insign Ditolak M K PR K
US
FOR- 0,156 2,013 0,755 0,741 0,057 0,506 0,498 0,016
H3 sign Diterima M K PR K
US
EOU- 0,198 2,122 0,755 0,745 0,041 0,506 0,505 0,002
H4 sign Diterima M K PR K
US
TIM- 0,236 2,317 0,755 0,736 0,078 0,506 0,498 0,016
H5 sign Diterima M K PR K
US
CSE- 0,127 2,705 0,755 0,745 0,041 0,506 0,500 0,012
H6 sign Diterima M K PR K
US

Ket:
Sign: Signifikan Insign: Insignifikan M:Menengah K:Kecil PR: Predictive Realibility

4.3 Interpretasi dan Diskusi Hasil Analisis

4.3.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis

Berdasarkan hasil analisis demografis mengenai latar belakang responden

penulis melakukan interpretasi hasil analisisnya, yaitu:

1. Jenis Kelamin

Seperti yang dilihat pada gambar 4.1 sebelumnya, dari 155 data responden.

Responden terbanyak didominasi oleh perempuan sebanyak 80 orang atau

52% dan Laki-laki terdiri dari laki -laki sebanyak 75 orang atau 48%. Hasil

penelitian ini didukung oleh pendapat (Barker, 2009) menyebutkan bahwa

perempuan memiliki tingkat kebiasaan sehari hari menggunakan sosial media

lebih tinggi untuk mencari hiburan ataupun mengisi waktu luang.

103
2. Fakultas

Seperti yang dilihat pada Gambar 4.2 menunjukkan dari 155 responden yang

didapat hasil pengguna Halodoc terbanyak merupakan mahasiswa Fakultas

Sains dan Teknologi (FST) UIN Jakarta sebanyak 116 orang atau 75%,

kemudian disusul oleh Fakultas Dakwah dan Ilmu Komuniasi (FDIKOM)

sebanyak 20 orang atau 13% dan yang terakhir Fakultas Ekonomi dan Bisnis

(FEB) sebanyak 19 orang atau 12%. Hasil penelitian ini didukung oleh

pendapat (Siswoyo, 1996) mahasiswa merupakan individu yang sedang

menuntut ilmu ditingkat perguruan tinggi. Mahasiswa memiliki tingkat

intelektual yang tinggi dan kecerdasan dalam berfikir sehingga mahasiswa

dapat menilai baik dan buruknya sesuatu dalam prinsip hidupnya.

3. Semester

Seperti yang dilihat pada Gambar 4.3 menunjukkan dari 155 responden yang

didapat hasil pengguna Halodoc terbanyak merupakan masiswa semester 5

hingga 8 sebanyak 97 orang atau 62%, kemudian mahasiswa semester 1-4

sebanyak 37 orang atau 24%, dan makasiswa semester > 8 sebayak 21 orang

atau 14%. Hasil penelitian ini didukung oleh (Hutapea, 2019) Semester

merupakan suatu periode perkuliahan yang digunakan oleh Universitas untuk

menunjang fasilitas mahasiswa.

4. Lama menggunakan Aplikasi Halodoc

Seperti yang dilihat pada Gambar 4.4 menunjukkan dari 155 responden

didapat hasil seberapa lama pengguna menggunakan aplikasi Halodoc dengan

hasil penggunaan selama < 1 tahun sebanyak 94 orang atau 61%, pengguna 1

104
 hingga 2 tahun sebanyak 52 orang atau 34%, dan >2 tahun sebanyak 9 orang

atau 5%. Hasil penelitian ini didukung oleh (Barra Septia Pertiwi Wiwi

Isnaen, 2016) pada era globalisasi seseorang menggunakan waktunya untuk

bermain gadget lebih banyak dibandingkan melakukan kegiatan fisik bersama

orang lain.

5. Memudahkan pengguna selama Pandemi

Seperti yang dilihat pada Gambar 4.5 menunjukkan dari 155 responden yang

didapat dalam penelitian ini. Responden memiliki beberapa pendapat

diantaranya sangat membantu sebanyak 85 orang atau 55%, membantu

sebanyak 39 orang atau 25%, cukup membantu sebanyak 29 orang atau 19%,

kurang membantu sebanyak 1 orang atau 0,5% dan tidak membantu sebanyak

1 orang atau 0,5%. Hasil penelitian ini didukung oleh (Sari & Wirman, 2021)

halodoc dapat menyediakan pelayanan berbicara dengan dokter, membeli

obat srta melakukan pemeriksaan laboratorium melalui smartphone dengan

memberikan kemudahan dan pelayanan kepada pengguna.

6. Platform

Seperti yang dilihat pada Gambar 4.6 menunjukkan dari 155 responden yang

didapat dalam penelitian ini. Platform yang digunakan terbanyak adalah

Android sebanyak 105 orang atau 68% , IOS sebanyak 48 orang atau 31% ,

dan Desktop sebanyak 2 orang atau 1%. Hasil penelitian ini didukung oleh

(Murya, 2014) dimana Android merupakan platform yang sangat populer

didunia dengan menciptakan aplikasi yang digunakan oleh bermacam piranti

bergerak.

105
 7. Kepuasan Pengguna

Seperti yang dilihat pada Gambar 4.7 menunjukkan dari 155 responden yang

didapat dalam penelitian ini. Kepuasan pengguna sangat diperlukan dalam

penelitian ini, maka dari itu hasil dari penelitian ini pengguna merasa sangat

puas sebanyak 47 orang atau 30%, puas sebanyak 75 orang atau 48% , cukup

puas sebanyak 31 orang atau 38 prang atau 20%, kurang puas sebanyak 1

orang atau 1%, dan tidak puas sebanyak 1 orang atau 1%. Hasil penelitian ini

didukung oleh (Kotler, 2002) apabila kinerja produk dapat memenuhi

ekspektasi konsumen maka tingkat kepuasan konsumen tinggi.

4.3.2 Interpretasi Hasil Analisis Pengukuran Model Outer Model

Dari hasil analisis yang telah dilakukan, maka dapat diketahui bahwa model

penelitian memiliki tingkat reliabilitas dan validitas yang baik. Hal ini dapat

ditunjukkan dengan nilai outer loading dalam kategori diatas 0,7 . selain itu nilai

average variance extracted (AVE) memiliki nilai diatas 0,05. Hasil penelitian ini

membuktikan bahwa analisis pengukuran model (outer model) sudah layak untuk

lanjut ketahap selanjutnya yaitu analisis model struktural (inner model).

4.3.3 Interpretasi Hasil Analisis Data Struktural Model (Inner Model)

Berdasarkan hasil analisis struktural model (inner model), hasil yang didapat pada

pengujian Path Coefficient (β), Coefficient Of Determination (R2), T-Test dilakukan

dengan menggunakan metode bootsrtapping, effect size (f 2) , Predictive Relevance

(Q2), Relative Impact (q2) akan dibahas dibawah ini sesuai dengan hipotesis yang telah

106
dirumuskan pada bab sebelumnya. Berikut adalah pemaparan dari hasil hipotesis yang

telah dilakukan sebelumnya:

1. H1: Apakah Content (CON) berpengaruh terhadap User Satisfaction

(US)?

Berdasarkan hasil struktural model yang didapat pada Tabel 4.15,

menunjukkan hubungan variabel Content (CON) terhadap variabel User

Satisfaction (US) nilai Path Coefficient (β) yang dihasilkan adalah 0,280

sehingga dapat dinyatakan kedua variabel memiliki hubungan yang

signifikan. Kemudian, nilai Coefficient Of Determination (R2) terhadap

variabel Content (CON) dan variabel User Satisfaction (US) memiliki

pengaruh menengah dengan nilai 0,755, namun pada pengujian effect size (f
2) dengan nilai 0,135 memiliki pengaruh yang menengah dan Relative Impact

(q2) 0,047 memiliki pengaruh yang kecil. Sedangkan pengujian t-test

memiliki nilai 3,525 pada tingkat signifikan 5% dapat dinyatakan bahwa

hipotesis H1 diterima. Hasil penelitian ini sejalan dengan penelitian

sebelumnya yang dilakukan oleh Sensuse & Prayoga (2012) dan Vaya Annisa

Izzati (2021) yang menyebutkan bahwa CON dan US memiliki pengaruh

yang siginifikan. Maka berdasarkan hasil tersebut dapat dinyatakan bahwa

Content pada aplikasi Halodoc memiliki pengaruh positif terhadap kepuasan

pengguna di masa pandemi.

107
2. H2: Apakah Accuracy (ACC) berpengaruh terhadap User Satisfaction

(US)?

Berdasarkan hasil struktural model yang didapat pada Tabel 4.15,

menunjukkan hubungan variabel Accuracy (ACC) terhadap variabel User

Satisfaction (US) nilai Path Coefficient (β) yang dihasilkan adalah 0,091

sehingga dapat dinyatakan kedua variabel tidak memiliki hubungan yang

signifikan. Kemudian, nilai Coefficient Of Determination (R2) terhadap

variabel Accuracy (ACC) dan variabel User Satisfaction (US) memiliki

pengaruh menengah dengan nilai 0,755, namun pada pengujian effect size (f
2) dengan nilai 0,024 dan Relative Impact (q2) 0,006 memiliki pengaruh yang

kecil. Sedangkan pengujian t-test memiliki nilai 1,776 pada tingkat signifikan

5% dapat dinyatakan bahwa hipotesis H2 ditolak. Hasil penelitian ini sejalan

dengan penelitian sebelumnya yang dilakukan oleh Ar-rasyid et al (2021) dan

(Radiansyah, 2021) yang menyebutkan bahwa ACC tidak memiliki pengaruh

terhadap US pengguna mengharapkan adanya perbaikan yang dilakukan

untuk memenuhi kepuasan pengguna. Sehingga dapat disimpulkan bahwa

ACC tidak memiliki pengaruh terhadap US, akan tetapi dapat dikaji ulang

kembali bahwa accuracy sangat penting terhadap kepuasan pengguna dalam

aplikasi, hal ini didukung oleh penelitian (Rachmawati & Krisbiantoro, 2021)

dan (Putra, 2018) menyatakan bahwa accuracy terhadap user satisfaction

memiliki pengaruh yang signifikan sehingga dapat disimpulkan bahwa pada

kenyataannya accuracy memiliki pengaruh terhadap user satisfaction

terhadap kepuasan pengguna di masa pandemi.

108
3. H3: Apakah Format (FOR) berpengaruh terhadap User Satisfaction

(US)?

Berdasarkan hasil struktural model yang didapat pada Tabel 4.15,

menunjukkan hubungan variabel Format (FOR) terhadap variabel User

Satisfaction (US) nilai Path Coefficient (β) yang dihasilkan adalah 0,156

sehingga dapat dinyatakan kedua variabel memiliki hubungan yang

signifikan. Kemudian, nilai Coefficient Of Determination (R2) terhadap

variabel Format (FOR) dan variabel User Satisfaction (US) memiliki

pengaruh menengah dengan nilai 0,755, namun pada pengujian effect size (f
2) dengan nilai 0,057 dan Relative Impact (q2) 0,016 memiliki pengaruh yang

kecil. Sedangkan pengujian t-test memiliki nilai 2,013 pada tingkat signifikan

5% dapat dinyatakan bahwa hipotesis H3 diterima. Hal ini sejalan dengan

penelitian Siswanto & Zusrony (2019) dan Fujianto (2019) yang

menyebutkan bahwa FOR dan US memiliki pengaruh yang siginifikan. Maka

berdasarkan hasil tersebut dapat dinyatakan bahwa Format pada aplikasi

Halodoc memiliki pengaruh positif terhadap kepuasan pengguna di masa

pandemi.

4. H4: Apakah Ease of Use (EOU) berpengaruh terhadap User Satisfaction

(US)?

Berdasarkan hasil struktural model yang didapat pada Tabel 4.15,

menunjukkan hubungan variabel Ease of Use (EOU) terhadap variabel User

Satisfaction (US) nilai Path Coefficient (β) yang dihasilkan adalah 0,198

sehingga dapat dinyatakan kedua variabel memiliki hubungan yang

109
 signifikan. Kemudian, nilai Coefficient Of Determination (R2) terhadap

variabel Ease of Use (EOU) dan variabel User Satisfaction (US) memiliki

pengaruh menengah dengan nilai 0,755, namun pada pengujian effect size (f
2) dengan nilai 0,041 dan Relative Impact (q2) 0,002 memiliki pengaruh yang

kecil. Sedangkan pengujian t-test memiliki nilai 2,122 pada tingkat signifikan

5% dapat dinyatakan bahwa hipotesis H4 diterima. Hasil penelitian ini

sejalan dengan penelitian sebelumnya yang dilakukan oleh Rariry (2020) dan

Mandasari & Giantari (2017) yang menyebutkan bahwa EOU dan US

memiliki pengaruh yang siginifikan. Maka berdasarkan hasil tersebut dapat

dinyatakan bahwa Ease of Use pada aplikasi Halodoc memiliki pengaruh

positif terhadap kepuasan pengguna di masa pandemi.

5. H5: Apakah Timeliness (TIM) berpengaruh terhadap User Satisfaction

(US)?

Berdasarkan hasil struktural model yang didapat pada Tabel 4.15,

menunjukkan hubungan variabel Timeliness (TIM) terhadap variabel User

Satisfaction (US) nilai Path Coefficient (β) yang dihasilkan adalah 0,236

sehingga dapat dinyatakan kedua variabel memiliki hubungan yang

signifikan. Kemudian, nilai Coefficient Of Determination (R2) terhadap

variabel Timeliness (TIM) dan variabel User Satisfaction (US) memiliki

pengaruh menengah dengan nilai 0,755, namun pada pengujian effect size (f
2) dengan nilai 0,078 dan Relative Impact (q2) 0,016 memiliki pengaruh yang

kecil. Sedangkan pengujian t-test memiliki nilai 2,317 pada tingkat signifikan

5% dapat dinyatakan bahwa hipotesis H5 diterima. Hasil penelitian ini

110
 sejalan dengan penelitian sebelumnya yang dilakukan oleh Putra (2018) dan

Darmawan & Nugroho (2020) menyebutkan bahwa TIM dan US memiliki

pengaruh yang siginifikan. Maka berdasarkan hasil tersebut dapat dinyatakan

bahwa Timeliness pada aplikasi Halodoc memiliki pengaruh positif terhadap

kepuasan pengguna di masa pandemi.

6. H6: Apakah Computer Self Efficacy (CSE) berpengaruh terhadap User

Satisfaction (US)?

Berdasarkan hasil struktural model yang didapat pada Tabel 4.15,

menunjukkan hubungan variabel Computer Self Efficacy (CSE) terhadap

variabel User Satisfaction (US) nilai Path Coefficient (β) yang dihasilkan

adalah 0,127 sehingga dapat dinyatakan kedua variabel memiliki hubungan

yang signifikan. Kemudian, nilai Coefficient Of Determination (R2) terhadap

variabel Computer Self Efficacy (CSE) dan variabel User Satisfaction (US)

memiliki pengaruh menengah dengan nilai 0,755, namun pada pengujian

effect size (f 2) dengan nilai 0,041 memiliki pengaruh yang kecil dan Relative

Impact (q2) 0,012 memiliki pengaruh yang kecil. Sedangkan pengujian t-test

memiliki nilai 2,705 pada tingkat signifikan 5% dapat dinyatakan bahwa

hipotesis H6 diterima. Hasil penelitian ini sejalan dengan penelitian

sebelumnya yang dilakukan oleh Handoyo (2020) dan Bismark Noor Kuddus

, Achmad Djunaedi (2015) menyebutkan bahwa CSE dan US memiliki

pengaruh yang siginifikan. Maka dapat dinyatakan bahwa Computer Self

Efficacy pada aplikasi Halodoc memiliki pengaruh positif terhadap kepuasan

pengguna di masa pandemi.

111
112
 BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil pembahasan terkait Analisis Kepuasan Pengguna Aplikasi

Halodoc di masa Pandemi dengan menggunakan Model End User Computing

Satisfaction (EUCS), maka dapat disimpulkan bahwa:

1. Dari hasil pengolahan data yang dilakukan diperoleh 155 responden yang

merupakan pengguna aplikasi Halodoc yang merasa puas dengan aplikasi

Halodoc, hal ini secara jelas diketahui dari 6 indikator yang ada pada

penelitian ini terdapat 5 indikator yang diterima dan satu indikator tidak

diterima.

2. Diketahui faktor yang mempengaruhi isi (content) terhadap kepuasan

pengguna (user satisfaction) terhadap, ketepatan data aplikasi (accuracy)

terhadap kepuasan pengguna (user satisfaction), bentuk tampilan aplikasi

(format) terhadap kepuasan pengguna (user satisfaction), kemudahan

pengguna (ease of use) terhadap kepuasan pengguna (user satisfaction),

ketepatan waktu (timeliness) ) terhadap kepuasan pengguna (user

satisfaction), dan perilaku dalam menggunakan komputer (computer self

efficacy) terhadap kepuasan pengguna (user satisfaction).

3. Berdasarkan hasil hipotesis yang memiliki pengaruh besar adalah hipotesis 1

yaitu Content terhadap User Satisfaction dengan nilai t-test 3,525. Dalam

sebuah sistem memiliki isi yang berfungsi untuk dapat digunakan pengguna

dan memberikan informasi yang dihasilkan oleh sebuah sistem. Secara

113
 signifikan content memiliki pengaruh terhadap kepuasan pengguna Aplikasi

Halodoc. Hipotesis 6 memiliki pengaruh besar kedua yaitu Computer Self

Efficacy (CSE) terhadap User Satisfaction dengan nilai t-test 2,705. CSE

merupakan keahlian pengguna aplikasi Halodoc dalam menyelesaikan

sebuah pekerjaan. Secara signifikan CSE memiliki pengaruh terhadap

kepuasan pengguna Aplikasi Halodoc. Hipotesis 5 memiliki pengaruh besar

ketiga yaitu Timeliness terhadap User Satisfaction dengan nilai t-test 2,705.

Timeliness dinilai dari sisi ketepatan waktu dalam sebuah sistem. Secara

signifikan Timeliness memiliki pengaruh terhadap kepuasan pengguna

Aplikasi Halodoc. Hipotesis 4 memiliki pengaruh besar keempat yaitu Ease

Of Use (EOU) terhadap User Satisfaction dengan nilai t-test 2,122 EOU

dinilai dari sisi kemudahan pengguna dalam menggunakan sistem. Secara

signifikan EOU memiliki pengaruh terhadap kepuasan pengguna Aplikasi

Halodoc. Hipotesis 3 memiliki pengaruh besar kelima yaitu Format terhadap

User Satisfaction dengan nilai t-test 2,013. Format dinilai dari sisi tampilan

antarmuka sebuah sistem. Secara signifikan Format memiliki pengaruh

terhadap kepuasan pengguna Aplikasi Halodoc.

4. Faktor yang tidak memiliki pengaruh terhadap kepuasan pengguna aplikasi

Halodoc adalah hipotesis 2 yaitu Accuracy terhadap User Satisfaction

dengan nilai t-test 1,776 . Accuracy dinilai dari keakuratan data sehingga

nantinya sistem dapat menerima input dalam pengolahan informasi. Secara

signifikan Accuracy tidak memiliki pengaruh terhadap kepuasan pengguna

aplikasi Halodoc.

114
 5. Penambahan variabel Computer Self Efficacy terhadap User Satisfaction

memiliki pengaruh yang siginifikan dengan nilai t-test 2,705. Hal tersebut

terjadi karena pada saat pandemi pengguna merasa aplikasi Halodoc dapat

memenuhi kepuasan pengguna dan memudahkan pengguna memenuhi

kebutuhan dalam bidang kesehatan secara cepat dengan menggunakan

smartphone.

5.2 Limitasi

Berdasarkan penelitian yang sudah dilakukan, penulis memiliki beberapa

batasan, yaitu:

1. Peneliti memiliki keterbatasan dalam mengakses secara langsung kedalam

aplikasi Halodoc sehingga tidak memiliki cakupan yang luas.

2. Masih kurangnya penelitian mengenai aplikasi Halodoc sehingga memiliki

keterbatasan dalam memperoleh referensi yang berhubungan signifikan

dengan aplikasi Halodoc.

5.3 Saran

Berdasarkan penelitian yang sudah dilakukan, penulis memiliki beberapa saran

yang dapat dipertimbangkan untuk penelitian selanjutnya.

1. Bagi peneliti selanjutnya dapat mempertahankan variabel yang memiliki

pengaruh terhadap kepuasan pengguna Aplikasi Halodoc. Sedangkan untuk

variabel Accuracy terhadap User Satisfaction dapat diperhatikan kembali

untuk dilakukan kajian ulang.

115
2. Bagi peneliti selanjutnya dapat melakukan kerja sama dengan Halodoc

untuk cakupan penelitian yang lebih luas.

3. Bagi peneliti selanjutnya dapat memodifikasi model EUCS dengan

menambahkan model lain yang memungkinkan untuk hasil yang lebih baik.

116
117
 DAFTAR PUSTAKA

(KIC), K. I. C. (2022). Layanan Telemedicine & Faskes yang Paling Banyak

Digunakan di Indonesia.

Aggelidis, V. P., & Chatzoglou, P. D. (2012). Hospital information systems:

Measuring end user computing satisfaction (EUCS). Journal of Biomedical

Informatics, 45(3), 566–579. https://doi.org/10.1016/j.jbi.2012.02.009

Agourram, H., Alvarez, J., Sénécal, S., Lachize, S., Gagné, J., & Léger, P. M.

(2019). The Relationship Between Technology Self-Efficacy Beliefs and User

Satisfaction – User Experience Perspective. Lecture Notes in Computer

Science (Including Subseries Lecture Notes in Artificial Intelligence and

Lecture Notes in Bioinformatics), 11568 LNCS, 389–397.

https://doi.org/10.1007/978-3-030-22636-7_29

Aldosari, B., Gadi, H. A., Alanazi, A., & Househ, M. (2017). Surveying the

influence of laboratory information system: An end-user perspective.

Informatics in Medicine Unlocked, 9(June), 200–209.

https://doi.org/10.1016/j.imu.2017.09.002

Aljaafreh, A. O. (2020). Evaluating Electronic Health Records Systems in Jordan

Extending EUCS with Self-Efficacy. International Journal of Electronic

Government Research, 16(2), 1–18.

https://doi.org/10.4018/IJEGR.2020040101

Anita Merry Cisca, Sri Wahyuni Nasution, Sri Lestari Ramadhani Nasution, E., &

Girsang. (2021). Analysis Level of Satisfaction Student P3d for Distance

Learned Based End-User Computing Satisfaction (Eucs) Method in the

118
 COVID-19 Era. Budapest International Research and Critics Institute

(BIRCI-Journal): Humanities and Social Sciences, 4(2), 2548–5695.

https://doi.org/10.33258/birci.v4i2.1847

Ar-rasyid, T. Y. R., Hanggara, B. T., & Rachmadi, A. (2021). Evaluasi Kepuasan

Pengguna Pada Website Beasiswa Universitas Brawijaya Menggunakan

Metode End-User Computing Satisfaction ( EUCS ). Jurnal Pengembangan

Teknologi Informasi Dan Ilmu Komputer, 5(6), 2308–2317.

Ardianto, E. (2015). Metodologi penelitian untuk public relations kuantitatif dan

kualitatif (N. S. Nurbaya (Ed.)). Simbiosa Rekatama Media.

Astuti, A. P., & Rps, A. Nu. (2018). Teknologi Komunikasi Dan Perilaku Remaja.

Jurnal Analisa Sosiologi, 3(1). https://doi.org/10.20961/jas.v3i1.17452

Azzahrah, F., Adian, Y. A. P., & Budiarto, W. (2020). Analisis Kepuasan Pengguna

Mobile E-Health berdasarkan Metode End User Computing Satisfaction (Studi

di 5 Puskesmas di Kota Surabaya). Jurnal Kesehatan, 11(3), 395.

https://doi.org/10.26630/jk.v11i3.2219

Bajari, A., Wahyudin, U., Koswara, I., & Erlandia, D. R. (2021). The influence of

android-based “islam sehat” application for traditional islamic boarding

schools’ (Tibs) students in indonesia. Kasetsart Journal of Social Sciences,

42(4), 862–870. https://doi.org/10.34044/j.kjss.2021.42.4.21

Barker, V. (2009). Older adolescents’ motivations for social network site use: The

influence of gender, group identity, and collective self-esteem.

Cyberpsychology and Behavior, 12(2), 209–213.

https://doi.org/10.1089/cpb.2008.0228

119
Barra Septia Pertiwi Wiwi Isnaen. (2016). ANALISIS LAMA WAKTU

PENGGUNAAN GADGET PADA KALANGAN MAHASISWA DI MASA

PANDEMI. Journal of Innovative Science Education, 1(1), 1–9.

Bismark Noor Kuddus , Achmad Djunaedi, W. N. (2015). Faktor-Faktor Yang

Mempengaruhi Kesuksesan Implementasi SISDM BPK RI. Seminar Nasional

Ilmu Komputer (SNIK 2015), 4(01), 26–33.

Budhiasa, S. (2016). Analisis Statistik Multivariate Dengan Aplikasi SEM PLS

SMARTPLS 3.2.6. In Udayana University Press.

https://opac.perpusnas.go.id/DetailOpac.aspx?id=1153440

Compeau, D. R., & Higgins, C. A. (1995). Computer Self-Efficacy: Measure And

Initial Development Of A Test. MIS Quarterly, 19(2), 189–211.

https://www.astm.org/Standards/E2368.htm

Dahlia Br Ginting. (2009). Structural Equation Model. Media Informatika, 8(3),

1300–1305. https://doi.org/10.3109/9781439822463.209

Darmawan, A. B., & Nugroho, R. A. (2020). Factors that Affect User Satisfaction

of Dukcapil Application (Dukcapil Dalam Genggaman) in Surakarta Regency.

JAKPP (Jurnal Analisis Kebijakan & Pelayanan Publik), 154–175.

https://doi.org/10.31947/jakpp.vi.11588

Doll, W. J., & Torkzadeh, G. (1988). Doll, W. J. (1988). The Measurement of End-

User Computing Satisfaction. MIS Quarterly..pdf. In MIS Quarterly (pp. 5–

10).

Dr. Priyono, M. (2016). Metode Penelitian Kuantitatif (T. Chandra (Ed.); 2016th

ed.). Zilfatama Publishing.

120
Fitriansyah, A., & Harris, I. (2018). Pengukuran Kepuasan Pengguna Situs Web

Dengan Metode End User Computing Satisfaction (EUCS). Query: Jurnal

Sistem Informasi, 2(1), 1–8.

http://jurnal.uinsu.ac.id/index.php/query/article/view/1552

Fitriantoro, M. J., & Husnah, N. (2018). The Implementation of the End-User

Computing Satisfaction Model into SCeLE: A Study of the Undergraduate

Program of the Accounting Department in Universitas Indonesia. 55(Iac

2017), 151–155. https://doi.org/10.2991/iac-17.2018.27

Fujianto, A. (2019). Analisis Kepuasan Pengguna Akhir Aplikasi Pln Mobile

Menggunakan Metode Eucs (End User Computing Satisfaction) Berdasarkan

Prospektif Pelanggan Pt.Pln (Persero) Up3 Jember Skripsi. Digital Repository

Universitas Jember.

Ghozali. (2015). Structural Equation Modeling Metode Alternatif dengan Partial

Least Square. Badan Penerbit Undip.

Ghozali, I. (2016). Aplikasi analisis multivariate dengan program SPSS. Badan

Penerbit Universitas Diponegoro.

https://books.google.co.id/books?id=JdqJAQAACAAJ&dq=Analisis+Multi+

Variate+Dengan+Program+SPSS.&hl=id&newbks=1&newbks_redir=0&sa=

X&redir_esc=y

Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2018). The Results of PLS-

SEM Article information. European Business Review, 31(1), 2–24.

Halodoc.com. (2017). Aplikasi Dokter Halodoc. Www.Halodoc.Com.

https://www.halodoc.com/artikel/aplikasi-dokter-cara-baru-untuk-sehat

121
Halodoc – Dokter, Toko Kesehatan & Appointment - Aplikasi di Google Play.

(n.d.).

Handoyo, N. (2020). Pengaruh Karakteristik Sistem Informasi Terhadap Kepuasan

Pengguna E-bisnis di Usaha Kecil dan Menengah Semarang.

Hanesya, A. F., Novi Marchianti, A. C., & Bukhori, S. (2021). Evaluation of the

Hospital Information System (HIS ) using EUCS and PIECES Methods on the

Medical Record Section of RSUD dr. Haryoto Lumajang. Ijconsist Journals,

3(1), 13–20. https://doi.org/10.33005/ijconsist.v3i1.57

Hidayah, N. A., Rustamaji, E., & Purusotama. (2019). Determining User

Satisfaction Factors on University Tuition Fee Systems Using End-User

Computing Satisfaction (EUCS). 2018 6th International Conference on Cyber

and IT Service Management, CITSM 2018, Citsm, 1–5.

https://doi.org/10.1109/CITSM.2018.8674378

Hong, J. C., Hwang, M. Y., Szeto, E., Tsai, C. R., Kuo, Y. C., & Hsu, W. Y. (2016).

Internet cognitive failure relevant to self-efficacy, learning interest, and

satisfaction with social media learning. Computers in Human Behavior, 55,

214–222. https://doi.org/10.1016/j.chb.2015.09.010

Husain, T., & Budiyantara, A. (2018). Analisis End-User Computing Satisfaction

(EUCS) Dan WebQual 4.0 Terhadap Kepuasan Pengguna. JATISI (Jurnal

Teknik Informatika Dan Sistem Informasi), 4(2), 164–176.

https://doi.org/10.35957/jatisi.v4i2.99

Hutapea, J. Y. (2019). Prediksi Permintaan Mata Kuliah Pada Semester Padat

Dengan Menggunakan Teknik Association Rule Dengan Algoritma Apriori

122
 Pada Fakultas Teknologi Informasi Universitas Advent Indonesia. TeIKa,

9(01), 99–111. https://doi.org/10.36342/teika.v9i01.794

Irfan, L., Praditya, H., Muslimah Az-Zahra, H., & Arwani, I. (2021). Identifikasi

Masalah Usability pada Aplikasi Mobile Halodoc dengan Menggunakan

Metode Usability Testing. 5(9), 3678–3687. http://j-ptiik.ub.ac.id

Jamil, M., Khairan, A., & Fuad, A. (2015). The implementation of social network

based telemedicine application with the use of Cloud Computing technology.

Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 1(1).

https://jurnal.untan.ac.id/index.php/jepin/article/view/9930

Jogiyanto, H. M. (2017). Analisis dan Desain (Sistem Informasi Pendekatan

Terstruktur Teori dan Praktek Aplikasi Bisnis). Andi.

Katadata.co.id. (2021). Pandemi Covid-19 Memicu Lonjakan Pengguna Platform

Kesehatan Digital.

https://katadata.co.id/safrezifitra/indepth/611ff6afa0f43/pandemi-covid-19-

memicu-lonjakan-pengguna-platform-kesehatan-digital

Kementerian Kesehatan Republik Indonesia. (2020). Seluruh RS Diimbau Tak Buka

Praktik Rutin kecuali Emergensi.

https://www.kemkes.go.id/article/view/20041600001/seluruh-rs-diimbau-

tak-buka-praktik-rutin-kecuali-emergensi.html

Kotler, P. (2002). Manajemen Pemasaran (Edisi Mill). Prenhallindo.

Liu, C. T., & Guo, Y. M. (2008). Validating the end-user computing satisfaction

instrument for online shopping systems. Journal of Organizational and End

User Computing, 20(4), 74–96. https://doi.org/10.4018/joeuc.2008100104

123
Luthfi, M. R. A. (2014). Analisis Dan Evaluasi Hubungan Antar Variabel Dari

Model Utaut Terhadap Penerapan Ktp Elektronik Dengan Menggunakan

Regresi Berganda (Studi Kasus Kota Tangerang Selatan). Universitas Islam

Negeri Syarif Hidayatullah.

Ma’rifatin, Q. I. (2018). Analisis Penerimaan Penggunaan E-Learning Fakultas

Ilmu Komputer menggunakan Model Unified Theory Of Acceptance And Use

Of Techology (UTAUT) dan Task Technology Fit (TTF). In Universitas

Brawijaya.

Mandasari, C. S., & Giantari, I. G. A. K. (2017). Pengaruh Perceived Usefulness,

Perceived Ease of Use, Dan Kualitas Layanan Terhadap Kepuasan Untuk

Membangun Loyalitas. E-Jurnal Ekonomi Dan Bisnis Universitas Udayana,

10, 3637. https://doi.org/10.24843/eeb.2017.v06.i10.p08

Muhammad Pasha Nurfauzan. (2021). Pegaruh Harga, Keamanan, dan Kemudahan

Transaksi terhadap Loyalitas Konsumen (Studi Pada Mahasiswa Pengguna

Halodoc Ditengah Kondisi Pandemi COVID-19). Fakultas Ekonomi Dan

Bisnis Universitas Brawijaya.

Munap, R., Ahmad, S. N. B., Hamid, S. A., & Talib Beg, M. F. B. M. (2018). The

Influence of End User Computing System (EUCS) on User Satisfaction: The

Case of a Logistic and Courier Service Company. The International Journal

of Social Sciences and Humanities Invention, 5(12), 5103–5110.

https://doi.org/10.18535/ijsshi/v5i12.03

Murya, Y. (2014). Android Black Box. Jasakom.

Oleg Bestsennyy, Greg Gilbert, Alex Harris, and J. R. (2021). Telehealth A post

124
 COVID-19 reality by McKinsey.

PDDikti Kemendikbud. (2021). Pangkalan Data Pendidikan Tinggi. PD Dikti.

https://pddikti.kemdikbud.go.id/data_pt/7C9338FD-CD2F-4B80-B2EE-

2410615A132A#

Perdana, A. A., Utami, M. C., & Aini, Q. (2021). End User Computing Satisfaction :

Model Analisis Kepuasan Pengguna Aplikasi Menggunakan Partial Least

Square Structural Equation Modeling (Studi Kasus). Jurnal Teknologi

Informasi Dan Ilmu Komputer, 8(6), 1237.

https://doi.org/10.25126/jtiik.2021863586

Philip Kotler, K. L. K. (2018). Marketing Management. In The talented staff at

Prentice Hall deserves praise for their role in shaping the 14th edition.

https://doi.org/10.4324/9781315099200-17

Pranita, M. J., Zulfikar, D. H., & Gunawan, C. E. (2019). Analisis Kepuasan

Pengguna Sistem Keagenan PERISAI Menggunakan End User Computing

Satisfaction (Studi Kasus: BPJS Ketenagakerjaan Kantor Cabang Palembang).

Jusifo, 5(2), 91–104. https://doi.org/10.19109/jusifo.v5i2.5191

Pratiwi, S. H. (2021). STUDENTS’ SATISFACTION TOWARDS ONLINE

LEARNING DURING THE COVID-19 PANDEMIC THROUGH END-USER

COMPUTING SATISFACTION (EUCS). 5, 391–402.

Purnama, C. (2016). Sistem Informasi Manajemen. Jurnal Sistem Informasi, 2(1),

159–168.

Putra, A. D. W. I. (2018). ANALISIS KEPUASAN PENGGUNA DALAM E-

JOURNAL MENGGUNAKAN MODEL END USER COMPUTING

125
 SATISFACTION (STUDI KASUS : UIN RADEN FATAH PALEMBANG).

Universitas Raden Fatah.

Rachmawati, N. L., & Krisbiantoro, D. (2021). Evaluasi Kepuasan Pengguna

Sistem E-Learning Menggunakan Metode End User Computing Satisfaction

(Studi Kasus : Universitas Amikom Purwokerto). Jurnal Of Information

System Management, 3(1), 2–7.

https://jurnal.amikom.ac.id/index.php/joism/article/view/473/231

Radiansyah. (2021). ANALISA KEPUASAN PENGGUNA E- LEARNING UIN

SUSKA RIAU MENGGUNAKAN END USER COMPUTING

SATISFACTION.

Rariry. (2020). Model End User Computing Satisfaction (EUCS).

Rost, J., Harris, A., Gilbert, G., & Bestsennyy, O. (2021). Telehealth: A post-

COVID-19 reality? | McKinsey. In McKinsey & Company.

https://www.mckinsey.com/industries/healthcare-systems-and-services/our-

insights/telehealth-a-quarter-trillion-dollar-post-covid-19-reality

Sari, G. G., & Wirman, W. (2021). Telemedicine sebagai Media Konsultasi

Kesehatan di Masa Pandemic COVID 19 di Indonesia. Jurnal Komunikasi,

15(1), 43–54. https://doi.org/10.21107/ilkom.v15i1.10181

Sensuse, D. I., & Prayoga, S. H. (2012). Analisis Usability Pada Aplikasi Berbasis

Web Dengan Mengadopsi Model Kepuasan Pengguna (User Satisfaction).

Jurnal Sistem Informasi, 6(1), 70. https://doi.org/10.21609/jsi.v6i1.278

Siswanto, E., & Zusrony, E. (2019). Analisis Persepsi User Satisfaction Sistem

Informasi Akademik ( Siakad ). Jurnal Media Aplikom, 11(2), 32–44.

126
 https://journal.stikomyos.ac.id/index.php/jurnal-media aplikomi/index

Siswoyo, D. (1996). Ilmu Pendidikan Dalam Tantangan. Jurnal Cakrawala

Pendidikan, 1(1), 1–13.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J., & Durachman, Y. (2016).

The user satisfaction perspectives of the information system projects.

Indonesian Journal of Electrical Engineering and Computer Science, 4(1),

215–223. https://doi.org/10.11591/ijeecs.v4.i1.pp215-223

Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif, dan R&D (26th ed.).

Alfabeta. https://ecampus-

fip.umj.ac.id/pustaka_umj/main/search?judul=Metode+penelitian+kuantitatif

%2C+kualitatif+dan+R%26D

Suharsimi Arikunto. (2012). Prosedur Penelitian : Suatu Pendekatan Praktik.

Rineka Cipta.

Surahman, M., Widiyasono, N., & Gunawan, R. (2021). Analisis Usability dan User

Experience Aplikasi Konsultasi Kesehatan Online menggunakan System

Usability Scale dan User. Jurnal Siliwangi, 7(1), 1–8.

Susilo, A., Rumende, C. M., Pitoyo, C. W., Santoso, W. D., Yulianti, M.,

Herikurniawan, H., Sinto, R., Singh, G., Nainggolan, L., Nelwan, E. J., Chen,

L. K., Widhani, A., Wijaya, E., Wicaksana, B., Maksum, M., Annisa, F.,

Jasirwan, C. O. M., & Yunihastuti, E. (2020). Coronavirus Disease 2019.

Jurnal Penyakit Dalam Indonesia, 7(1), 45.

https://doi.org/10.7454/jpdi.v7i1.415

Suzanto, B., & Sidharta, I. (2015). Pengukuran End-User Computing Satisfaction

127
 Atas Penggunaan Sistem Informasi Akademik. Jurnal Ekonomi, Bisnis &

Entrepreneurship, 9(1), 16–28.

Tri, O. :, & Setiyana, B. (2021). Analisis Sentimen Pada Review Aplikasi

Kesehatan Halodoc Menggunakan Metode Maximum Entropy.

Muhammadiyah University Semarang. http://repository.unimus.ac.id

Vaya Annisa Izzati, Y. F. (2021). ANALISIS KEPUASAN PENGGUNA APLIKASI

KESEHATAN HALODOC MELALUI MODEL END USER COMPUTING

SATISFACTION SELAMA MASA PANDEMI COVID-19.

Wijaya, & Suwastika. (2017). ANALISIS KEPUASAN PENGGUNA ELEARNING

MENGGUNAKAN METODE END-USER COMPUTING SATISFACTION.

558–562.

Yamin, S & Kurniawan, H. (2014). Generasi Baru Mengolah data dengan Partial

Least quare Path Modeling. Salemba Empat.

Yamin, M. A. Y., & Alyoubi, B. A. (2020). Adoption of telemedicine applications

among Saudi citizens during COVID-19 pandemic: An alternative health

delivery system. Journal of Infection and Public Health, 13(12), 1845–1855.

https://doi.org/10.1016/j.jiph.2020.10.017

Yim, M. (2019). A Study on Factor Analytical Methods and Procedures for PLS-

SEM ( Partial Least Squares Structural Equation Modeling ) *. 10, 7–20.

128
129
LAMPIRAN

Kuesioner

i
 Pertanyaan Profil

No. Pertanyaan Jawaban

1. Nama
2. Jenis Kelamin • Laki-Laki
• Perempuan
3. Fakultas • FST
• FEB
• FDIKOM
4. Mahasiswa Semester • 1–4
• 5–8
• >8

Pertanyaan Umum

No. Pertanyaan Jawaban

5. Sudah berapa lama anda • < 1 Tahun

menggunakan aplikasi Halodoc? • 1 – 2 Tahun
• > 2 Tahun
6. Menurut anda, apakah aplikasi • Sangat Membantu
Halodoc membantu meringankan • Membantu
kendala anda dalam bidang • Cukup Membantu
kesehatan selama masa pandemi? • Kurang Membantu
• Tidak membantu
7. Platform apa yang anda gunakan • IOS
untuk mengakses Aplikasi Halodoc? • Android
• Desktop
8. Apakah anda merasa puas pada saat • Sangat Puas
menggunakan aplikasi Halodoc? • Puas
• Cukup puas
• Kurang puas
• Tidak Puas

ii
 KUESIONER

No. Variabel Kode Indikator Pertanyaan Referensi

1. Content CON1 Keseseuaian Aplikasi Halodoc
Informasi menyediakan konten
informasi yang sesuai dengan
kebutuhan saya.
CON2 Kelengkapan Aplikasi Halodoc
memberikan informasi yang
lengkap kepada pengguna.
CON3 Output Aplikasi Halodoc (Doll &
memberikan hasil yang dapat Torkzadeh,
memenuhi kebutuhan saya. 1988)
CON4 Manfaat Aplikasi Halodoc dapat
memberikan manfaat bagi
keperluan kesehatan saya.
CON5 Kualitas Konten yang terdapat didalam
aplikasi Halodoc memiliki
kualitas yang baik.
CON6 Pengelolaan Proses pengolahan informasi
Sistem aplikasi Halodoc sudah sesuai
Informasi dengan sistem yang berjalan.
2. Accuracy ACC1 Information Aplikasi Halodoc
Truth menghasilkan infromasi yang
benar.
ACC2 Keakurata & Informasi yang diberikan Doll &
Konsistensi Halodoc akurat dan Torkzadeh,
memberikan informasi yang 1988)
konsisten.
ACC3 Standarisasi Aplikasi Halodoc bekerja
sesuai dengan standar yang
telah ditentukan.
ACC4 Kepercayaan Aplikasi Halodoc
menghasilkan informasi yang
dapat dipercaya.
3. Format FOR1 Menarik Aplikasi Halodoc
memberikan format informasi
yang menarik bagi saya.
FOR2 Jelas Aplikasi Halodoc memiliki Doll &
format informasi yang sudah Torkzadeh,
jelas. 1988)

iii
 FOR3 Kualitas Aplikasi Halodoc Doll &
menampilkan format Torkzadeh,
informasi yang berkualitas 1988)
yang baik.
FOR 4 Interface Aplikasi Halodoc dapat
User tampilan yang mudah
Friendly dipahami
4. Ease Of EOU1 Aplikasi Aplikasi Halodoc memiliki
Use Mudah sistem mudah digunakan.
digunakan
EOU2 Ease of Use Penggunaan menu dalam
Menu aplikasi Halodoc mudah
dipahami.
EOU3 Convenience Aplikasi Halodoc nyaman Doll &
digunakan Torkzadeh,
1988)
EOU4 Easy Access Aplikasi Halodoc dapat
diakses dengan mudah
EOU5 System Apliaksi Halodoc
Interaction memberikan kemudahan
dalam berkonsultasi dengan
dokter.
5. Timeliness TIM1 Up to Date Aplikasi Halodoc
menghasilkan informasi
terkini.
TIM2 Kesiapan Aplikasi Halodoc memiliki
Informasi tingkat kesiapan informasi
yang dapat digunakan oleh
pengguna dalam waktu
tertentu.
TIM3 Ketepatan Aplikasi Halodoc Doll &
Waktu memberikan informasi yang Torkzadeh,
saya butuhkan secara tepat 1988)
waktu.
TIM4 Kecanggihan Aplikasi Halodoc
Sistem memberikan bantuan kepada
pengguna apabila mengalami
kendala secara real time.

iv
6. Computer CSE1 Monitor Pengguna dapat memantau
Self Kondisi kondisi kesehatan dengan
Efficacy Pengguna mudah dengan menggunakan
aplikasi Halodoc.
CSE2 Kemampuan Aplikasi Halodoc memiliki Achmad
Pengguna kemampuan yang cukup Djunaedi,
untuk memantau kondisi (2015)
kesehatan. Handoyo
(2020)

7. User US1 Kecukupan Aplikasi Halodoc dapat

Satisfaction memenuhi kebutuhan saya
dalam menyelesaikan masalah
kesehatan.
US2 Efektifitas Aplikasi Halodoc dalam
penggunaannya sudah efektif.
US3 Efisisensi Aplikasi Halodoc sudah Doll &
berkerja secara efisien. Torkzadeh,
1988)
US4 Kepuasan Saya merasa puas dengan data
Informasi dan informasi yang didapat
dari aplikasi Halodoc.
US5 Kepuasan Saya merasa puas dengan cara
secara kerja aplikasi Halodoc secara
menyeluruh menyeluruh.

v
 LAMPIRAN DATA RESPONDEN

CON1 CON2 CON3 CON4 CON5 CON6 ACC1 ACC2 ACC3 ACC4 FOR2 FOR3 FOR4 EOU1 EOU2 EOU3 EOU4 EOU5 TIM1 TIM2 TIM3 TIM4 CSE1 CSE2 US1 US2 US3 US4 US5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 5
4 5 4 5 5 5 5 5 4 5 4 4 4 5 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 2 4 4 4 3 3 4 3 4 4 4 4 4 4 4 3 3 4 3 3 3 4 4 3 4 4
4 5 5 4 5 5 5 4 3 3 5 4 4 5 5 4 4 3 4 4 4 3 4 5 4 4 4 5 5
3 5 3 4 5 4 4 5 5 5 4 3 4 5 4 4 4 3 5 5 5 4 4 4 5 5 5 5 5
4 5 4 4 4 4 3 4 4 3 3 4 4 4 4 5 5 5 5 5 5 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 3 3 3 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 3 4 3 3 3 3 4 3 3 3 3 4 4 4 4 3 4 4 3 3 4 4
4 4 5 5 5 5 2 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 4 5 5 5 3 3 3 3 3 3 3 4 5 5 5 2 4 3 4 4 5 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 4 3 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 5 4 4 4 2 2 3 3 2 3 2 4 5 5 5 4 5 4 5 5 4 4 4 4 4 4 4
5 5 5 5 5 5 4 4 4 3 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4
4 4 4 4 4 4 3 3 3 3 4 3 3 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4

vi
4 4 4 4 4 4 3 3 3 3 3 4 4 4 4 4 4 4 4 3 4 3 3 3 4 4 4 4 4
4 5 4 4 5 4 4 4 4 4 4 4 4 5 4 5 5 5 4 4 5 4 5 5 5 4 4 5 5
5 5 4 4 4 5 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 3 3 3 3 3 3 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 4 4 3 4 4 4 4 4 4 2 4 3 4 3 4 3 3 4 2 3 3 4 4 4 3 3 4 4
4 5 5 5 5 5 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 5 4 4 4 4 5 5 4 3 2 3 4 5 4 5 5 4 3 5 4 5 4 4 4 4 4 4
4 5 4 4 5 5 4 4 4 4 3 3 2 4 4 4 4 3 4 3 4 3 4 4 4 4 3 4 4
4 4 4 3 4 4 4 3 3 4 3 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 3 4 5 4 4 5 5 5 3 3 4 4 5 5 5 5 5 4 5 4 4 3 5 4 4 5 4
4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 3 3 3 3 3 3 3 3 4 4 4 4 4
4 5 4 4 5 4 4 4 3 4 3 4 5 5 4 4 4 4 5 5 5 4 4 4 5 4 5 5 4
4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4
4 5 5 5 5 5 4 5 5 4 1 1 1 4 1 4 4 4 5 4 5 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4
4 5 3 4 5 4 4 4 5 5 2 3 4 4 3 4 4 3 4 3 4 3 2 3 4 4 4 4 4
4 5 4 4 5 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 5 5 4 4 4
4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 4 3 5 4 5 5 5 5 4 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 5 5 4
4 5 5 5 5 5 4 4 4 4 5 4 4 5 5 5 5 4 5 4 5 5 5 5 5 5 5 4 5
5 5 5 5 4 5 4 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5
4 5 3 4 4 4 4 3 3 4 3 3 4 5 4 4 4 4 4 3 4 3 2 2 4 4 4 3 3
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 4 4 5 4 4 5 5 5 5 5 4 4 5 5 4 4 5 5 4 5 5
4 4 3 3 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 3 4 4 3 3 4 4 4 3 4
3 4 3 3 2 3 3 4 4 3 2 2 3 4 3 3 3 3 4 3 3 4 3 2 3 3 3 2 3
4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 3 3 3 4 3 4 4 3 4 3 4 3 3 3 4 4 4 4 4
3 5 3 3 5 4 4 4 4 4 4 3 3 4 3 4 4 3 3 3 4 4 3 3 4 3 4 4 3
5 5 5 5 5 5 5 5 5 5 3 3 3 5 5 5 5 5 4 4 5 5 5 5 5 5 4 5 5
3 5 4 4 5 4 4 4 4 4 3 3 3 5 3 3 3 3 4 2 3 4 5 5 5 3 4 5 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5
5 5 5 4 5 5 5 5 5 4 4 4 4 5 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5
5 5 5 5 5 5 4 4 4 4 4 4 5 5 5 5 5 4 5 5 5 3 3 3 5 5 5 4 5
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 4 4 5 5 5 4 4 4 4 4 4 5 4 4 4 4 4 5 5 5 5 5 5 4 4 5 5
4 5 4 4 4 4 5 5 5 5 4 4 4 4 4 5 5 4 5 2 5 4 1 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 4 4 4 4 4 4 4 5 3 4 4 4 4 4 4 4 3 3 4 2 3 3 4 3 3 3 4
4 5 5 4 5 5 4 4 4 4 4 5 5 5 5 5 5 4 4 4 5 5 5 5 5 4 4 4 4
4 5 4 4 4 4 4 4 4 4 5 5 5 5 4 4 4 4 4 2 4 3 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 3 3 3 4 4 4 4 4 4 4 4 3 4 3 3 3 4 4 4 4 4
4 5 4 4 5 4 4 4 4 4 4 4 4 5 4 5 5 5 4 4 5 4 5 5 5 4 4 5 5
5 5 4 4 4 5 4 4 4 4 3 2 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 4 4 3 4 4 4 4 4 4 2 4 3 4 3 4 3 3 4 2 3 3 4 4 4 3 3 4 4
4 5 5 5 5 5 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 5 4 4 4 4 5 5 4 5 4 5 4 5 4 5 5 4 3 5 4 5 4 4 4 4 4 4
4 5 4 4 5 5 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 3 4 4 4 4 3 4 4
4 4 4 3 4 4 4 3 3 4 3 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 3 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 4 5 4 4 3 5 4 4 5 4
4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 3 3 3 3 3 3 3 3 4 4 4 4 4
4 5 4 4 5 4 4 4 3 4 3 4 5 5 4 4 4 4 5 5 5 4 4 4 5 4 5 5 4
4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4
4 5 5 5 5 5 4 5 5 4 4 4 5 5 5 4 4 4 5 4 5 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4
4 5 3 4 5 4 4 4 5 5 2 3 4 4 3 4 4 3 4 3 4 3 2 3 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 5 5 4 4 4
4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 4 3 5 4 5 5 5 5 4 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 5 5 4
4 5 5 5 5 5 4 4 4 4 5 4 4 5 5 5 5 4 5 4 5 5 5 5 5 5 5 4 5
5 5 5 5 4 5 4 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5
4 4 3 4 4 4 4 3 3 4 3 3 4 4 4 4 4 4 4 3 4 3 2 2 4 4 4 3 3
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 4 4 5 4 4 5 5 5 5 5 5 4 4 5 5 4 4 5 5 4 5 5
4 4 3 3 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 3 4 4 3 3 4 4 4 3 4
3 4 3 3 3 3 3 4 4 3 2 2 3 4 3 3 3 3 4 3 3 4 3 2 3 3 3 2 3
4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 3 3 3 4 3 4 4 3 4 3 4 3 3 3 4 4 4 4 4
3 5 3 3 5 4 4 4 4 4 4 3 3 4 3 4 4 3 3 3 4 4 3 3 4 3 4 4 3
5 5 5 5 4 5 5 5 5 5 4 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 4 5 5
3 5 4 4 5 4 4 4 4 4 3 3 3 5 3 3 3 3 4 2 3 4 5 5 5 3 4 5 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5
5 5 5 4 5 5 5 5 5 4 4 4 4 5 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5
5 5 5 5 5 5 4 4 4 4 4 4 5 5 5 5 5 4 5 5 5 3 3 3 5 5 5 4 5
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 4 4 5 5 5 4 4 4 4 4 4 5 4 4 4 4 4 5 5 5 5 5 5 4 4 5 5
4 5 4 4 4 4 5 5 5 5 4 4 4 4 4 5 5 4 5 2 5 4 1 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 5 3 4 4 4 4 4 4 4 3 3 4 2 3 3 3 3 3 3 4
4 5 5 4 5 5 4 4 4 4 4 5 5 5 5 5 5 4 4 4 5 5 5 5 5 4 4 4 4
5 5 5 5 5 5 4 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3
4 5 3 2 5 4 5 5 5 5 4 4 5 5 5 5 5 5 4 3 5 4 4 4 5 5 5 3 4
4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 5 3 3 5 4 4 4 4 4 4 3 3 4 3 4 4 3 3 3 4 4 3 3 4 3 4 4 3
5 5 5 5 4 5 5 5 5 5 4 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 4 5 5
3 5 4 4 5 4 4 4 4 4 3 3 3 5 3 3 3 3 4 2 3 4 5 5 4 3 4 5 4
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
SK DOSEN PEMBIMBING

xii
13