Disusun Oleh:
Ridho Dhafi Fauzan
NIM. 11160930000051
JAKARTA
2022 M / 1443 H
SKRIPSI
Disusun Oleh:
Ridho Dhafi Fauzan
NIM. 11160930000051
JAKARTA
2022 M / 1443 H
HALAMAN JUDUL
Disusun Oleh:
Ridho Dhafi Fauzan
NIM. 11160930000051
i
LEMBAR PENGESAHAN SKRIPSI
Disusun Oleh:
Menyetujui,
Pembimbing I Pembimbing II
ii
LEMBAR PENGESAHAN UJIAN
iii
LEMBAR PERNYATAAN
iv
ABSTRAK
v
vi
KATA PENGANTAR
bimbingan serta semangat dari berbagai pihak. Tanpa bantuan dari berbagai
pihak, tentunya proses penyusunan skripsi ini akan sangat sulit untuk
kepada:
Jakarta.
vii
Studi Sistem Informasi Fakultas Sains dan Teknologi Universitas
3. Ibu Suci Ratnawati, MTI selaku Dosen Pembimbing I dan Ibu Elsy
penulis.
viii
berperan besar dalam berjalannya skripsi ini. Semoga menjadi
11. Keluarga besar Sistem Informasi angkatan 2016 yang juga menjadi
Dengan bantuan semua pihak di atas, peneliti bersyukur dan berdoa kepada
Allah SWT, semoga bantuan yang peneliti terima dalam proses penulisan skripsi
bahwa dalam penyusunan skripsi ini masih banyak kekurangan yang disebabkan
Akhir kata peneliti berharap semoga skripsi ini dapat bermanfaat bagi pihak
perusahaan untuk penelitian selanjutnya, dan bagi para pembaca pada umumnya.
Wassalamualaikum Wr.Wb
ix
x
DAFTAR ISI
ABSTRAK .................................................................................................... v
xi
2.4.1 Pengertian Pelayanan ............................................................... 23
2.8.4 Wawancara............................................................................... 32
2.9.1 Populasi.................................................................................... 32
2.10 PLS-SEM..................................................................................... 38
2.11 SmartPLS..................................................................................... 43
xii
3.3.3 Studi Literatur .......................................................................... 65
xiii
5.2 Saran .......................................................................................... 121
xiv
DAFTAR GAMBAR
xv
DAFTAR TABEL
xvi
xvii
BAB 1
PENDAHULUAN
1
tahun ke tahun. Masyarakat semakin sadar dengan kemudahan dan
keuntungan internet, dan diprediksikan penggunaan internet akan semakin
bertambah (Fadel, 2015).
Telekomunikasi adalah salah satu bidang yang juga mengalami
perkembangan yang pesat dalam era globalisasi ini, banyak manfaat yang
didapat dengan adanya akses telekomunikasi yang cepat, di antaranya
memudahkan komunikasi antar masyarakat menjadi cepat dan singkat meski
jaraknya berjauhan, serta mendukung pertumbuhan ekonomi di masyarakat.
300
200
100
0
2015 2016 2017 2018 2019 2020
2
tersebut. Namun, semenjak tahun 2018 hingga 2020 jumlah pelanggan
kembali mengalami jumlah kenaikan yang relatif konsisten. Pada tahun 2020
terdapat kenaikan sebanyak 4,20% dari 341 juta pelanggan pada tahun 2019
menjadi 355 juta pelanggan di tahun 2020, angka tersebut melebihi jumlah
penduduk Indonesia pada tahun 2020 sebanyak 270 juta jiwa. Maka dapat
dikatakan bahwa seluruh penduduk Indonesia telah menjadi pelanggan telah
menjadi pelanggan telepon seluler atau telah memiliki nomor telepon seluler
dan banyak di antaranya memiliki lebih dari satu nomor telepon seluler.
Meningkatnya pertumbuhan ekonomi maka akan berdampak
langsung kepada para perusahaan telekomunikasi untuk memperluas bisnis
mereka. Dalam mendukung perkembangan bisnisnya, perusahaan-
perusahaan tersebut membutuhkan lebih banyak modal dan menentukan
proporsi yang tepat merupakan modal penting untuk mencapai nilai optimum
dari perusahaan. Seiring dengan perkembangan teknologi muncullah
berbagai macam produk dan jasa telekomunikasi yang saling bersaing guna
meningkatkan kinerja untuk menjadi lebih optimal. Penyedia layanan
telekomunikasi di Indonesia memiliki perkembangan yang sangat pesat
seiring dengan perkembangan teknologi informasi di dunia. Dalam
mengembangkan bisnis telekomunikasi, para perusahaan harus terus
melakukan inovasi guna meningkatkan pelayanan agar tidak tertinggal
dengan para kompetitornya (F. Damayanti, 2017).
Pada awalnya terdapat lima penyedia layanan telekomunikasi yang ada
di Indonesia, yaitu PT. Telekomunikasi Indonesia Tbk (Telkomsel), PT.
Smartfren Telecom Tbk (Smartfren), PT. XL Axiata Tbk (XL Axiata), PT.
Indosat Tbk (Indosat), dan PT. Hutchison 3 Indonesia (Tri), namun di awal
tahun 2022 terjadi merger antar dua perusahaan, yaitu PT. Indosat Tbk dan
PT. Hutchison 3 Indonesia dan menjadi sebuah perusahaan baru yaitu PT.
Indosat Ooredoo Hutchison yang menaungi dua operator sekaligus yaitu
operator Indosat dan operator Tri. Saat ini teknologi komunikasi tak hanya
menjadi salah satu kebutuhan pokok masyarakat umum, tetapi juga dapat
menjadi sebuah peluang bisnis yang prospektif.
3
Akibat dari banyaknya perusahaan penyedia layanan telekomunikasi di
Indonesia membuat para perusahaan tersebut harus saling bersaing untuk
menyediakan layanan yang paling optimal terhadap pelanggannya. PT.
Hutchison 3 Indonesia (H3I) adalah salah satu perusahaan penyedia jasa
telekomunikasi di Indonesia. PT. H3I berkembang pesat sejak kelahirannya
pada tahun 2000 dan beroperasi dengan lisensi nasional 2G/GSM 1800 Mhz
dan 3G/WCDMA di Indonesia. H3I menyediakan beragam layanan
telekomunikasi bergerak berkualitas dan inovatif di bawah merek “3”. H3I
menawarkan inovasi tarif dan produk dengan pengembangan cakupan
layanan yang sangat pesat guna menjadi operator dengan cakupan layanan
nasional terkemuka di Indonesia (Suharto, 2014).
Pada tahun 2012 PT. Hutchison 3 Indonesia membuat sebuah gebrakan
baru di dunia telekomunikasi Indonesia. Mereka merilis aplikasi pintar yang
dapat mengingatkan pengguna telefon untuk mengisi ulang pulsa atau top-up
kuota internet, di mana yang pada saat itu para pengguna telefon genggam
masih harus bolak-balik mengecek secara manual koneksinya agar tidak
terputus sewaktu-waktu karena kehabisan pulsa, kuota internet atau masa
aktif kartu yang berakhir. Pengguna telefon genggam pada saat itu harus
menggunakan kode-kode tertentu yang sulit diingat dan butuh langkah yang
cukup panjang dengan mengirimkan kode tertentu ke operator lalu baru
mendapat notifikasi pemberitahuan pulsa, atau informasi lainnya melalui
SMS. PT H3I yang melihat sebuah peluang untuk inovasi meluncurkan
aplikasi dengan tujuan untuk meningkatkan pelayanan kepada pengguna
dalam melakukan pembelian dan pengecekan pulsa serta memilih berbagai
macam paket internet. Aplikasi ini hadir dengan fitur unggulannya yaitu push
notification di mana fitur ini akan mengingatkan pengguna saat sisa pulsa,
kuota internet, dan masa aktif kartu akan habis. Selain itu, aplikasi ini juga
bisa memberikan rekomendasi paket-paket yang sesuai untuk penggunanya
(detikNews, 2012).
Aplikasi sudah di unduh lebih dari 10 juta pengguna dan mendapat skor
2.9 dari skala 5 serta sudah diulas oleh lebih dari 384 ribu pengguna
(Hutchison 3 Indonesia, 2021).
4
Gambar 1.2 Histogram Rating Aplikasi Mobile (Hutchison 3 Indonesia, 2021)
Berdasarkan statistik pada gambar 1.2, tercatat lebih dari 160 ribu
pengguna telah memberikan rating 1 ke aplikasi di Google Play Store, lebih
banyak daripada yang memberikan rating 5 ke aplikasi yang berjumlah 140
ribu lebih pengguna, hal tersebut jelas menandakan bahwa aplikasi mobile ini
masih memiliki kekurangan. Berdasarkan hasil penelusuran informasi yang
dilakukan terdapat beberapa masalah yang ada pada aplikasi, dikatakan
bahwa aplikasi mudah mengalami error dan lag saat digunakan, sering terjadi
force close, pengguna kesulitan untuk login ke dalam aplikasi, pelayanan
konsumen yang buruk, salah satunya ditandai dengan sulitnya pelanggan
untuk menghubungi customer service, fitur di dalam aplikasi yang tidak
berjalan semestinya, aplikasi tidak menampilkan informasi kuota atau pulsa
pelanggan secara real time sehingga sering terjadi kebingungan, dan tampilan
aplikasi yang dirasa tidak sesimpel aplikasi dari operator lain atau tidak user
friendly. Keluhan mengenai tampilan yang tidak user friendly ini juga sejalan
dengan penelitian yang dilakukan oleh Sabilatunnajah dkk., (2021), di mana
dalam penelitian tersebut aplikasi dilakukan evaluasi awal tingkat usability
terhadap antarmuka aplikasi, hasil yang didapatkan untuk aspek efektivitas
sebesar 90%, aspek efisiensi sebesar 76,95%, serta aspek kepuasan sebesar
49,5% yang masuk ke dalam kategori poor dengan nilai F, serta ditemukan
5
juga sebanyak 22 permasalahan. Selain melakukan penelusuran informasi dan
studi literatur, peneliti juga telah melakukan wawancara terhadap 5 orang
pengguna dari aplikasi sebagai crosscheck terkait hasil penelusuran informasi
yang didapatkan apakah selaras dengan pengalaman pengguna dalam
menggunakan aplikasi. Hasil yang didapat dari wawancara tersebut adalah
semua pengguna masih mengalami kendala dalam pengoperasian aplikasi
untuk memenuhi kebutuhan dalam beraktivitas di dalam aplikasi, 3 orang
mengeluhkan terkait dengan fitur pencarian saat ingin membeli kuota / pulsa
di aplikasi, search box yang tersedia tidak akurat dalam menampilkan
informasi terkait paket-paket kuota internet apa saja yang dapat dibeli di
dalam aplikasi. 2 orang juga mengeluhkan terkait aplikasi yang kadang
kurang responsif ketika memilih salah satu menu, gambar-gambar di aplikasi
juga sering tidak sepenuhnya termuat.
6
Gambar 1.3 Beberapa Ulasan Negatif Aplikasi Mobile di Google Play Store
(Dokumentasi Pribadi pada Google Play Store)
Sebuah aplikasi dapat dikatakan berhasil apabila dapat memenuhi
kebutuhan penggunanya, kepuasan pengguna merupakan hal yang penting
bagi setiap penyedia layanan baik itu dari sebuah perusahaan atau instansi.
Kepuasan dapat diartikan sebagai sebuah perasaan puas, rasa senang dan
kelegaan seseorang dikarenakan mengonsumsi suatu produk atau jasa untuk
mendapatkan pelayanan suatu jasa (Aaker, 2013). Tingkatan kepuasan dapat
mengacu pada fungsi dari perbedaan antara kinerja yang dirasakan dengan
harapan yang diinginkan. Apabila kinerja, khususnya kinerja pelayanan di
bawah harapan yang diinginkan, maka pelanggan akan merasa kecewa atau
tidak puas. Bila kinerja sesuai harapan, maka pelanggan akan memberikan
ungkapan rasa kepuasannya, terlebih lagi apabila kinerja atau pelayanan yang
didapat melebihi ekspektasi yang diharapkan oleh pelanggan, maka
pelanggan akan sangat puas. Harapan pelanggan dapat terbentuk oleh cerita
pengalaman dari kerabatnya, pengalaman masa lalu, dan informasi dari
berbagai media. Pelanggan yang puas akan setia lebih lama, tidak terlalu
memikirkan soal harga dan memberi komentar yang baik tentang pelayanan
dari perusahaan tersebut (Maulana, 2016). Ada beberapa faktor yang dapat
berpengaruh langsung untuk mewujudkan dan mempertahankan kepuasan
pelanggan, perusahaan harus melakukan beberapa hal, di antaranya adalah,
mengidentifikasi siapa pelanggannya, memahami tingkat harapan pelanggan
atas kualitas, memahami strategi kualitas layanan pelanggan, dan memahami
siklus pengukuran dan umpan balik (feedback) dari kepuasan pelanggan
(Tjiptono, 2004). meningkatkan kepuasan pengguna aplikasi merupakan
tantangan bagi para pengembang aplikasi.
Terdapat beberapa model yang dikembangkan oleh para peneliti untuk
dapat mengukur tingkat kepuasan pengguna sistem informasi oleh pengguna,
diantaranya yaitu Technology Acceptance Model (TAM), Model Delone &
Mclean, dan End User Computing Satisfaction (EUCS). Dalam penelitian ini,
peneliti menggunakan model EUCS sebagai model yang digunakan untuk
mengetahui faktor-faktor apa saja yang memengaruhi tingkat kepuasan
7
pengguna aplikasi berdasarkan masalah yang sudah dijelaskan sebelumnya.
Model-model tersebut memiliki keunggulan dan kelemahannya masing-
masing, dalam model TAM, model ini diperuntukkan untuk mengukur
intention to use, yaitu niat penggunaan dari sebuah sistem baru, bukan untuk
mengetahui tingkat kepuasan pengguna di mana harus memiliki faktor
pengalaman dan kepuasan pengguna yang tidak dilibatkan dalam model ini
(Khumaidi & Kusumaningtyas, 2021). Peneliti membutuhkan variabel
kepuasan pengguna akhir untuk dapat mengetahui tingkat kepuasan pengguna
dari aplikasi. Model lainnya adalah Delone & Mclean, model ini digunakan
untuk mengetahui kesuksesan penerapan dari sebuah sistem informasi, dalam
model ini variabel net benefits merupakan variabel yang paling penting
karena mencakup penggabungan antara individual impact dan organizational
impact dari sistem (Aziati, 2020). Tidak terdapat variabel kepuasan pengguna
akhir dalam model ini sehingga peneliti merasa model Delone & Mclean juga
tidak cocok untuk digunakan dalam penelitian.
Terdapat salah satu cara yang dapat digunakan untuk mengetahui
tingkat kepuasan pengguna dari suatu aplikasi yaitu dengan menggunakan
metode End User Computing Satisfaction (EUCS), metode ini merupakan
sebuah metode yang dapat digunakan untuk mengukur tingkat kepuasan dari
sebuah sistem aplikasi dengan membandingkan antara harapan dan kenyataan
dari sebuah sistem informasi. Definisi EUCS dari sebuah sistem informasi
atau aplikasi adalah evaluasi secara keseluruhan dari para pengguna sistem
yang berdasarkan pengalaman mereka dalam menggunakan sistem atau
aplikasi tersebut. Pada awalnya model evaluasi EUCS ini dikembangkan oleh
Doll & Torkadzeh di tahun 1988, di mana keduanya mengembangkan model
evaluasi ini dengan menekankan pada kepuasan (satisfaction) pengguna akhir
terhadap aspek teknologi. Dengan adanya kepuasan pengguna tersebut maka
akan timbul penerimaan (acceptance) pada sistem yang dipergunakan dalam
organisasi tersebut. Penilaian tersebut dapat dilihat dari lima buah
perspektif/dimensi yaitu, isi (content), keakuratan (accuracy), bentuk
(format), kemudahan penggunaan (ease of use), dan ketepatan waktu
(timeliness) (Munthe, 2019). Model penelitian EUCS ini lebih
8
menekankan/berfokus kepada kepuasan (satisfaction) pengguna akhir
terhadap aspek teknologi berdasarkan kelima dimensi dari EUCS. Instrumen
yang dimilki metode EUCS bersifat umum sehingga dapat digunakan di
segala jenis aplikasi sehingga dinilai cocok untuk mengukur kepuasan
pengguna akhir aplikasi. Selain itu EUCS dipilih karena metode EUCS ini
mampu untuk mengetahui faktor apa saja yang berpengaruh baik secara
positif maupun negatif dan signifikan terhadap kepuasan pengguna akhir
(Munap dkk., 2018).
Dalam penelitian ini menggunakan metode EUCS yang terdiri dari lima
variabel komponen yaitu content, accuracy, format, ease of use, dan
timeliness, dengan penambahan dua variabel, yaitu variabel system speed
(kecepatan sistem) dan system reliability (keandalan sistem). Penambahan
variabel system speed berawal oleh penelitian yang dilakukan oleh Chin &
Lee (2000) dalam Putra (2020), penelitian ini memperluas skala penelitian
dengan memberikan perspektif konseptual yang baru tentang bagaimana
EUCS terbentuk. Pengembang dari perangkat lunak harus mengatasi fitur
sistem yang kompleks dan kecepatan sistem yang kuat serta fungsi sebagai
tujuan desain sangat penting ketika proses mengembangkan sistem dalam
memastikan hasil yang lebih baik. Berdasarkan hasil penelusuran informasi
yang dilakukan terhadap aplikasi mobile di Google Play Store, mayoritas
pengguna aplikasi mengeluhkan aplikasi yang menjadi sangat lambat
digunakan setelah para pengguna melakukan update aplikasi ke model yang
paling baru, hal ini yang menguatkan peneliti untuk menambahkan variabel
system speed ke dalam penelitian untuk mengetahui apakah system speed
berpengaruh kepada kepuasan pengguna aplikasi. Variabel tambahan yang
kedua adalah system reliability, berawal oleh penelitian yang dilakukan oleh
Mohamed dkk., (2006) dalam Djunanto & Papilaya (2018), penelitian ini
menciptakan sebuah variabel baru yang merupakan modifikasi tambahan
terhadap lima variabel EUCS yang sudah dikembangkan oleh Doll &
Torkzadeh, variabel ini memfokuskan kepada tingkat pengukuran terhadap
perlindungan informasi yang tersimpan dalam sistem, karena segala bentuk
informasi, data transaksi dalam sistem sangat berharga, serta juga berfokus
9
kepada hak autorisasi yang terjadi tanpa sepengetahuan oleh pengelola
sistem.
Penerapan metode EUCS guna mengukur tingkat kepuasan dari sebuah
sistem informasi atau aplikasi bukan sebuah hal yang asing untuk dilakukan,
model ini banyak dipilih karena telah banyak digunakan dalam berbagai
penelitian untuk menguji terkait reliabilitasnya dan dari hasil yang didapat
menunjukkan bahwa tidak terdapat perbedaan bermakna meskipun instrumen
ini diterjemahkan dalam berbagai bahasa yang berbeda (Damayanti dkk.,
2018). Selain itu, terdapat peningkatan dari jumlah penelitian mengenai
metode EUCS. Dwiki Aditya Indarto (2019) melakukan penelitian Analisis
Kepuasan Pengguna Akhir Aplikasi Grab di Wilayah Kabupaten Jember
Menggunakan Metode End User Computing Satisfaction (EUCS). Penelitian
ini dilatar belakangi oleh aplikasi Grab yang masih memiliki beberapa
permasalahan yang dialami oleh para penggunanya. Permasalahan yang
dialami yaitu pengguna masih mengeluhkan sulitnya mencari alamat rumah
pada kolom pick up, kebingungan untuk melakukan pembayaran, pengguna
kebingungan ketika lokasi keberadaan pengguna tidak sesuai dengan yang
ditunjukkan oleh peta, antarmuka aplikasi yang penuh sesak sehingga
memperlambat aplikasi, dan lain-lain. Tujuan dari penelitian ini adalah
mengukur faktor-faktor yang berpengaruh positif dan signifikan terhadap
pengguna akhir Grab dan dapat menentukan rekomendasi dalam
mengembangkan aplikasi Grab selanjutnya. Hasil dari penelitian yang
dilakukan didapatkan faktor konten informasi aplikasi Grab, keakuratan
informasi yang dihasilkan aplikasi, kemudahan penggunaan aplikasi, dan
ketepatan waktu penyajian informasi sangat berpengaruh positif dan
signifikan terhadap kepuasan pengguna akhir aplikasi Grab.
Khurin Khoirina Dianty (2020) juga melakukan penelitian
menggunakan metode EUCS dengan judul penelitian Pengukuran Kepuasan
Pengguna K-ATM Perpustakaan Universitas Indonesia Menggunakan
Metode End-User Computing Satisfaction. Penelitian ini dilatar belakangi
oleh penggunaan K-ATM (Knowledge ATM) yang belum dapat berfungsi
sebagaimana mestinya. Masih terdapat banyak kendala yang ditemukan
10
seperti terbatasnya mesin K-ATM, sering terjadi error, dan seringnya mesin
K-ATM tidak berfungsi, hal-hal tersebut akhirnya membuat pemustaka
kurang puas dalam penggunaan fasilitas K-ATM, serta pengguna mesin K-
ATM yang masih belum stabil. Tujuan dari penelitian ini adalah untuk
menganalisis kepuasan pengguna K-ATM perpustakaan Universitas
Indonesia (UI) berdasarkan persepsi pengguna, mengukur kepuasan
pengguna K-ATM, dan mengetahui faktor apa saja yang memengaruhi
kepuasan pengguna sistem K-ATM dengan metode EUCS. Hasil dari
penelitian ini berdasarkan pengolahan data yang telah diperoleh dapat
disimpulkan bahwa masih banyaknya kekurangan sistem K-ATM yang
berarti bahwa K-ATM belum memberikan kepuasan pada civitas
perpustakaan UI.
Selain itu, Arief Fujianto (2019) pernah melakukan penelitian yang
berhubungan dengan model evaluasi EUCS dengan judul penelitian Analisis
Kepuasan Pengguna Akhir Aplikasi PLN Mobile Menggunakan Metode
EUCS (End User Computing Satisfaction) Berdasarkan Prospektif Pelanggan
PT.PLN (Persero) UP3 Jember. Penelitian ini didasari oleh untuk mengetahui
faktor-faktor apa saja yang berpengaruh positif dan signifikan terhadap
kepuasan pengguna akhir aplikasi PLN Mobile menggunakan metode EUCS
dan untuk mencari rekomendasi apa yang harus dilakukan pengembang
aplikasi PLN Mobile untuk menjaga atau meningkatkan kepuasan pengguna
akhir aplikasi PLN Mobile. Tujuan dari penelitian yang dilakukan adalah
untuk mengetahui faktor-faktor apa saja yang dapat berpengaruh positif serta
signifikan terhadap pengguna akhir aplikasi PLN Mobile dengan
menggunakan metode EUCS. Hasil yang didapat dari penelitian ini adalah ke
semua lima variabel dalam model evaluasi EUCS memiliki pengaruh yang
besar terhadap kepuasan pengguna akhir aplikasi PLN Mobile.
Berdasarkan dari pembahasan atas permasalahan yang telah dijabarkan
di atas, maka peneliti tertarik untuk melakukan penelitian yang berjudul
“Analisis Kepuasan Pengguna Aplikasi Mobile Pelayanan Pelanggan
Telekomunikasi Menggunakan Metode End User Computing Satisfaction
(EUCS)”. Harapannya hasil penelitian ini dapat menjadi sebuah rekomendasi
11
atau masukan bagi pengembang aplikasi saat pengambilan keputusan untuk
perencanaan pengembangan agar dapat meningkatkan kepuasan pengguna
sehingga tercapai tingkat keberhasilan aplikasi tersebut.
12
1.4 Batasan Masalah
Adapun manfaat yang diharapkan dapat diambil dari hasil peneltian ini
adalah sebagai berikut:
1. Mahasiswa
13
a. Untuk memenuhi salah satu syarat dalam menempuh gelar S1 (Strata 1)
pada Fakultas Sains dan Teknologi Jurusan Sistem Informasi Universitas
Islam Negeri Jakarta.
b. Membandingkan teori yang didapat pada saat di perkuliahan dengan
masalah yang sebenarnya terjadi di lapangan.
2. Perusahaan
3. Universitas
14
satu (1) tahun. Proses analisis data secara kuantitatif menggunakan
pendekatan PLS-SEM dengan SmartPLS versi 3.3.3, selanjutnya hasil
interpretasi dilakukan dari hasil analisis tersebut. Kesimpulan-kesimpulan
dibuat sesuai dengan pertanyaan penelitian yang telah diajukan dan
didiskusikan berdasarkan batasan penelitian
15
H3 : Apakah Format berpengaruh secara signifikan terhadap End-User
Satisfaction?
H4 : Apakah Ease of Use berpengaruh secara signifikan terhadap End-User
Satisfaction?
H5 : Apakah Timeliness berpengaruh secara signifikan terhadap End-User
Satisfaction?
H6 : Apakah System Speed berpengaruh secara signifikan terhadap End-User
Satisfaction?
H7 : Apakah System Reliability berpengaruh secara signifikan terhadap End-
User Satisfaction?
BAB 1 PENDAHULUAN
Pada bab ini berisi latar belakang, rumusan masalah, batasan
masalah, tujuan penelitian, manfaat penelitian, metode penelitian
yang digunakan serta sistematika penulisan.
BAB 2 LANDASAN TEORI
Pada bab ini menjelaskan dan menguraikan teori-teori yang
berhubungan dengan analisis kepuasan pengguna aplikasi bima+
menggunakan metode End User Computing Satisfaction (EUCS)
BAB 3 METODOLOGI PENELITIAN
Pada bab ini menguraikan serta menjelaskan tentang objek
penelitian, metode yang digunakan khususnya metode pengumpulan
data, waktu dan tempat penelitian, materi penelitian, alat-alat
penelitian serta kerangka berpikir dalam penyusunan skripsi ini.
BAB 4 HASIL DAN PEMBAHASAN
Bab hasil dan pembahasan ini akan membahas secara detail tentang
analisis yang telah diolah dari hasil pengamatan, pengumpulan, serta
pengolahan data dan hasil yang telah didapat selama proses
16
penelitian ini berlangsung dan membuat laporan dari hasil penelitian
ini.
BAB 5 KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari uraian yang sudah diterangkan pada
bab-bab sebelumnya, dan juga berisi saran-saran pengembangan di
masa mendatang
DAFTAR PUSTAKA
17
18
BAB 2
LANDASAN TEORI
2.1 Analisis
19
yang tinggi dianggap sangat penting untuk diferensiasi sebuah produk dari produk
yang lainnya dan dapat mengembangkan hubungan yang kuat dengan pelanggan
(Deng dkk., 2010). Kepuasan pelanggan akan memengaruhi niat untuk melakukan
pembelian produk atau jasa itu kembali di masa depan dan pelanggan tersebut akan
berbagi pengalaman positif mereka dengan konsumen lain (Li, 2013).
Maka dapat disimpulkan dari beberapa pendapat para ahli bahwa kepuasan
pelanggan adalah sebuah hasil yang dirasakan dari pelanggan yang membeli atau
menggunakan sebuah produk barang atau jasa secara terus menerus di mana produk
atau jasa tersebut sesuai dengan keinginan, harapan dan kebutuhan pelanggan.
Kepuasan pelanggan dapat membuat para pelanggan untuk terus
menggunakan sebuah produk atau jasa tersebut. Penelitian menemukan bahwa
kepuasan dari para pelanggan dapat membantu sebuah merek untuk membangun
hubungan yang panjang dan menguntungkan dengan pelanggan mereka. Menurut
Anderson dkk., (2004) dalam Hanif dkk., (2010) membangun jalinan komunikasi
dengan pelanggan yang puas dan setia membutuhkan biaya yang mahal, tetapi itu
akan terbukti menguntungkan dalam waktu jangka panjang bagi perusahaan . Oleh
karena perusahaan harus berkonsentrasi pada peningkatan kualitas layanan dan
menetapkan harga wajar yang sesuai untuk memuaskan para pelanggan yang pada
akhirnya akan membantu perusahaan untuk mempertahankan pelanggannya.
Menurut Priansa (2017) dalam Sabila (2020) terdapat lima elemen yang
menyangkut terhadap kepuasan pelanggan, di antaranya adalah:
1. Harapan (Expectations)
Harapan yang dimaksud adalah harapan dari konsumen terhadap suatu barang
atau jasa yang disusun sebelum pembelian barang atau jasa tersebut. Ketika
tahapan pembelian sudah dilakukan, konsumen berharap barang atau jasa
yang diterima sesuai dengan harapan, keinginan dan keyakinan mereka. Jika
sesuai dengan harapan konsumen maka ia akan merasa puas.
2. Kinerja (Performance)
Pengalaman konsumen terhadap kinerja aktual barang atau jasa ketika
digunakan tanpa dipengaruhi oleh harapan mereka. Ketika kinerja aktual
barang atau jasa berhasil maka konsumen akan merasa puas.
3. Perbandingan (Comparison)
20
Hal ini dilakukan dengan membandingkan harapan kinerja barang atau jasa
sebelum membeli dengan persepsi kinerja aktual barang atau jasa tersebut.
Konsumen akan merasa puas ketika harapan sebelum pembelian sesuai atau
melebihi persepsi mereka terhadap kinerja aktual produk.
4. Pengalaman (Experience)
Harapan konsumen dipengaruhi oleh pengalaman mereka terhadap
penggunaan merek dari barang atau jasa yang berbeda dari orang lain.
5. Konfirmasi (Confirmation) dan Diskonfirmasi (Disconfirmation)
Konfirmasi atau terkonfirmasi terjadi jika harapan sesuai dengan kinerja
aktual produk. Sebaliknya diskonfirmasi atau tidak terkonfirmasi terjadi
ketika harapan lebih tinggi atau lebih rendah dari kinerja aktual produk.
21
Dari beberapa pengertian di atas peneliti mengambil sebuah kesimpulan
bahwa yang dimaksud dari kepuasan pengguna aplikasi adalah penilaian dari
setiap individu tentang seberapa jauh pengguna merasa senang atau puas
dalam menggunakan aplikasi tersebut.
22
dari desktop system. Perangkat mobile memiliki memori penyimpanan yang jauh
lebih kecil (Anggiani, 2012).
23
2.4.2 Pengertian Pelanggan
Pelanggan adalah seorang individu yang secara berulang-ulang kali datang ke
tempat yang sama untuk memuaskan keinginannya dengan memiliki suatu produk
atau mendapatkan suatu jasa dan memuaskan produk atau jasa tersebut (Lupioyadi,
2001) dalam (Rohman, 2017).
Menurut Griffin (2007) dalam Arfifahani (2018) pelanggan memberikan
pandangan yang penting untuk memahami mengapa perusahaan harus menciptakan
dan memelihara pelanggan dan bukan hanya menarik pembeli. Pelanggan adalah
seseorang yang menjadi terbiasa untuk membeli dari anda. Kebiasaan terbentuk
melalui pembelian dan interaksi yang sering selama periode waktu tertentu.
Berdasarkan uraian teori di atas, dapat disimpulkan bahwa pelanggan
merupakan seseorang individu yang secara terbiasa datang ke tempat yang sama
untuk memuaskan keinginannya dengan harapan mendapatkan suatu manfaat dari
jasa atau produk tersebut.
1. Personalized
2. Memorable
24
yang akan selalu dikenang ini tidak harus mahal, bisa berupa pelayanan kecil tetapi
memberikan sebuah kenangan yang sangat besar, seperti memberi perhatian secara
khusus kepada pelanggan tersebut.
3. Timely
2.5 Telekomunikasi
Dalam komunikasi satu arah, pengirim dan penerima informasi tidak dapat
menjalin komunikasi secara berkesinambungan melalui media yang sama, seperti
contoh pada televisi, pager, dan radio.
Dalam komunikasi dua arah, pengirim dan penerima informasi dapat menjalin
komunikasi yang berkesinambungan melalui media yang sama, seperti contoh pada
telepon dan voice over internet protocol (VoIP).
25
2.6 Aplikasi bima+
Aplikasi bima+ ini dapat diunduh melalui Google Play Store untuk pengguna
handphone Android, dan AppStore untuk pengguna iOS. Selain tiga fitur utama di
atas, bima+ ini juga menyediakan fitur 3Care yang berfungsi apabila pengguna
kartu tri ingin mengetahui lebih lanjut fungsi dari fitur-fitur apa saja yang ada di
dalam aplikasi bima+, serta dapat berperan sebagai tempat untuk menanyakan atau
menyampaikan keluhan pelanggan yang sedang mengalami masalah saat
menggunakan kartu tri (Tri, 2022).
26
1. Berfokus pada kepuasan informasi sebuah produk yang disediakan oleh
aplikasi tertentu.
2. Memasukkan objek untuk mengevaluasi kemudahan penggunaan dari
aplikasi tertentu.
3. Menyediakan semacam skala Likert sebagai alternatif untuk perhitungan
skala diferensial semantik.
4. Mengembangkan instrumen yang singkat, mudah digunakan dan cocok baik
untuk penelitian atau praktik akademik.
5. Instrumen evaluasi dapat digunakan di berbagai sistem informasi atau
aplikasi.
6. Memungkinkan peneliti untuk mengeksplorasi hubungan antara End User
Computing Satisfaction dan Plausible independent variables (variabel yang
bersifat independen, contohnya: kemampuan komputasi pengguna,
keterlibatan pengguna dalam sistem, dll).
27
1. Isi (content). Dimensi untuk mengukur kepuasan pengguna ditinjau dari
isi/konten suatu sistem. Isi/konten biasanya berupa fungsi dan modul yang
digunakan oleh pengguna sistem dan juga informasi yang dihasilkan oleh
sistem. Dimensi content juga mengukur apakah informasi dan modul sesuai
dengan kebutuhan pengguna. Semakin lengkap isi semakin tinggi pula tingkat
kepuasan yang dirasakan oleh pengguna akhir terhadap sistem yang mereka
aplikasikan. Isi dari sistem dapat berupa fungsi atau modul dan informasi
yang dihasilkan oleh sebuah sistem.
2. Keakuratan (accuracy). Kepuasan pengguna diukur dengan melihat tingkat
akurasi dari sistem. Akurasi dinilai dari seberapa banyak atau sering sebuah
sistem menghasilkan output yang salah atau eror yang biasanya diperoleh dari
proses pengolahan data. Semakin tinggi akurasi, semakin tinggi pula tingkat
kepuasan pengguna akhir.
3. Bentuk (format). Komponen bentuk mengukur kepuasan pengguna akhir
dengan tampilan dan estetika keindahan antarmuka sistem yang mereka
terapkan. Bentuk, selain dinilai dari segi keindahannya, juga dinilai dari
kemudahan akses layar ke pengguna akhir sehingga efektif untuk digunakan.
4. Kemudahan Penggunaan Sistem (ease of use). Dimensi ini tolak ukurnya
adalah apakah sistem cukup memberikan kemudahan yang cukup bagi
pengguna untuk menggunakan semua fitur yang tersedia untuk memasukkan
data, memproses data, pengolahan data hingga pencarian informasi sesuai
kebutuhan pengguna.
5. Ketepatan Waktu (timeliness). Komponen ini mengevaluasi kepuasan
pengguna dengan informasi yang dihasilkan oleh sistem dengan ketepatan
waktu yang tinggi. Sistem seperti ini dinamakan juga sistem real time, di
mana setiap permintaan pemrosesan data yang diajukan oleh pengguna dapat
diproses dan hasilnya ditampilkan dengan cepat dan akurat.
Dapat dilihat bahwa pada model dasar EUCS menggunakan lima variabel
yaitu content, accuracy, format, ease of use,dan timeliness untuk mengetahui
hubungan dengan user satisfaction. Dalam penelitian ini, peneliti mengadopsi
variabel pengembangan EUCS yaitu variabel system speed dari penelitian Chin &
28
Lee (2000) dan variabel system reliability dari penelitian Mohamed dkk. (2006)
untuk digunakan dalam penelitian ini
Gambar 2.2 Model Pengembangan EUCS (Chin & Lee, 2000; Doll & Torkzadeh,
1988; Mohamed dkk., 2006)
Jumlah keseluruhan variabel dalam model EUCS yang digunakan di dalam
penelitian ini adalah 7 (tujuh) variabel independen, yaitu content, accuracy, format,
ease of use, timeliness, system speed, dan system reliability, lalu end user
satisfaction sebagai variabel dependen. Berikut adalah penjelasan untuk dua
variabel yang ditambahkan:
1. Kecepatan Sistem (system speed). Komponen ini memiliki tolak ukur di mana
apakah sebuah sistem memiliki kecepatan akses yang optimal makan sistem
tersebut layak untuk dikatakan memiliki kualitas yang baik. Kecepatan akses
ke situs web, baik mengunduh atau memperoleh data atau informasi memiliki
dampak signifikan pada tingkat kepuasan pengguna (Chin & Lee, 2000).
2. Keandalan Sistem (system reliability). Komponen ini dinilai juga berperan
penting terhadap tingkat kepuasan pengguna sistem. Variabel ini mengukur
tingkat kepuasan pengguna dalam aspek ketahanan sistem informasi terhadap
kerusakan dan kesalahan yang dapat terjadi pada sistem atau aplikasi yang
berjalan (Mohamed dkk., 2006).
29
2.8 Metode Pengumpulan Data
30
pengetahuan yang sudah ada terkait topik yang akan diteliti untuk menemukan
ruang kosong bagi penelitian yang akan dilakukan (Ulhaq & Rahmayanti, 2020).
Tujuan yang lebih rinci dari studi literatur dijelaskan oleh Okoli & Schabram
(2010) dalam Ulhaq & Rahmayanti (2020) yaitu:
1. Menyediakan latar/basis teori untuk penelitian yang akan dilakukan
2. Mempelajari kedalaman atau keluasan penelitian yang sudah ada terkait
topik yang akan diteliti
3. Menjawab pertanyaan-pertanyaan praktis dengan pemahaman terhadap
apa yang sudah dihasilkan oleh penelitian terdahulu.
2.8.3 Kuesioner
Kuesioner adalah teknik dalam pengumpulan informasi yang memungkinkan
analis mempelajari sikap, keyakinan, perilaku, dan karakteristik beberapa orang
dalam suatu organisasi atau individu yang mungkin terpengaruh oleh sistem yang
diusulkan atau oleh sistem yang ada. Dengan menggunakan kuesioner, analis
bertujuan untuk mengukur apa yang ditemukan dalam wawancara, selain itu juga
untuk menentukan seberapa luas atau terbatasnya sentimen yang diungkapkan
dalam sebuah wawancara (Suharto, 2014).
Beberapa hal yang harus diperhatikan sebelum melakukan kuesioner, yaitu:
31
respons terhadap pandangan yang rumit dan umumnya bisa mengontrol agar tetap
sesuai dalam konteksnya. Dalam kuesioner, peneliti harus mempersiapkan
pertanyaan yang benar-benar jelas, arus pertanyaan masuk akal, pertanyaan-
pertanyaan dari responden diantisipasi, dan struktur pertanyaan direncanakan
secara rinci.
2.8.4 Wawancara
Wawancara merupakan teknik yang dilakukan untuk mendapatkan
keterangan atau sebuah informasi dari tujuan penelitian yang dilakukan, hal ini
dilakukan guna mendapatkan studi pendahuluan untuk masalah yang harus diteliti
(Sugiyono, 2013). Menurut Anwas & Sugiarti (2020) dalam Riski (2021),
wawancara dapat digunakan apabila peneliti ingin mengetahui hal-hal dari
responden yang lebih mendalam dan jumlah responden yang lebih sedikit/kecil.
2.9.1 Populasi
Populasi mengacu pada kumpulan kelompok tertentu baik manusia atau yang
bukan manusia seperti, objek benda, lembaga pemerintahan, unit waktu, wilayah
geografis, harga beras, atau gaji seseorang. Sebuah populasi yang berisi sejumlah
individu, anggota atau sekumpulan unit yang terbatas disebut kelas. Populasi
dengan jumlah anggota tak terhingga disebut populasi tak terhingga. Populasi
tekanan di atmosfer adalah contoh populasi tak terbatas. Populasi dari individu yang
konkret disebut sebagai populasi yang ada, sedangkan sebagai kumpulan dari
semua kemungkinan cara di mana suatu peristiwa dapat terwujud sebagai populasi
hipotesis. Semua 300 siswa kelas 11 di sekolah tertentu adalah contoh jenis populasi
yang ada dan populasi dari hasil angka dan gambar yang diperoleh dari hasil
melempar koin beberapa kali adalah contoh populasi hipotesis.
Populasi harus didefinisikan dengan tepat sehingga tidak ada
kesalahpahaman apakah suatu unit tertentu termasuk ke dalam populasi atau tidak.
Misalnya, dalam survei prestasi matematika, seorang peneliti harus menentukan
populasi siswa berdasarkan usia atau kelas dan, jika perlu, dia juga akan
menentukan jenis sekolah, wilayah geografis, dan tahun akademik di mana data
akan dikumpulkan. Kesimpulan mengenai suatu populasi tidak dapat ditarik sampai
32
sifat unit-unit yang menyusunnya diidentifikasi dengan jelas. Jika populasi tidak
didefinisikan dengan benar, maka peneliti tidak tahu unit apa yang harus
dipertimbangkan ketika memilih sampel (Westfield State University, 2017).
2.9.2 Sampel
Menurut Gravetter & Wallnau (2017) dalam Casteel & Bridier (2021) sampel
adalah himpunan unit yang dipilih untuk mewakili populasi yang diinginkan. Data
yang diberikan tentang sampel tersebut akan dianalisis dan hasilnya disimpulkan
(menggunakan metode kuantitatif) atau ditransfer (menggunakan metode kualitatif)
ke populasi yang diinginkan. Sampel harus mewakili populasi yang diminati itu,
persyaratan yang dipenuhi dengan menetapkan kerangka pengambilan sampel yang
benar dan dengan menggunakan metode pengambilan sampel yang sesuai. Saat
memilih sampel, ada dua hal yang harus dipertimbangkan yaitu:
12. Berapa banyak jumlah unit yang harus ada dalam sampel (ukuran
sampel) dan;
13. Bagaimana unit ini akan dipilih (metode pengambilan sampel).
Gambar 2.3 Hubungan Antar Populasi dalam Penelitian (Casteel & Bridier, 2021)
Pada dua elips di tengah, target populasi digambarkan dengan garis diagonal
kanan ke kiri dan kerangka sampling digambarkan dengan garis diagonal kiri ke
kanan. Kerangka sampel memotong populasi sasaran. Sampel dan kerangka
pengambilan sampel yang dijelaskan meluas di luar populasi target dan populasi
33
yang diinginkan karena terkadang kerangka pengambilan sampel dapat mencakup
individu yang tidak memenuhi syarat untuk penelitian.
34
6) Menggunakan statistik inferensial atau parametrik
7) Perwakilan sampel mengacu pada karakteristik yang ada
3. Cluster Sampling
Teknik ini digunakan apabila populasi tidak hanya terdiri dari
individu tetapi juga mencakup sekelompok individu atau cluster,
teknik ini juga digunakan untuk mengidentifikasi sampel jika subjek
yang diteliti memiliki data yang sangat besar, misalnya populasi
suatu negara atau provinsi.
b. Nonprobability Sampling
Adalah teknik pengambilan sampel yang tidak memberikan kesempatan
ataupun peluang yang sama bagi setiap anggota populasi yang dipilih
sebagai sampel. Tujuan penggunaan teknik pengambilan sampel ini
lebih mementingkan materi yang diujikan, sedangkan pada probability
sampling tujuan melekat pada nilai materi dalam populasi yang diuji.
35
Nonprobability Sampling memiliki beberapa karakteristik dalam
pengidentifikasiannya, di antaranya adalah:
1. Sampling Sistematis
Menurut Sugiono (2013) dalam Dianty (2020) menyatakan bahwa
sampling sistematis adalah teknik penentuan sampel berdasarkan
urutan anggota suatu populasi
2. Sampling Kuota
Populasi diklasifikasikan menjadi beberapa kelompok. Sampel
diperoleh dengan memberikan kuota tertentu terhadap kelompok.
Pengumpulan data akan dilakukan langsung pada unit sampling.
Setelah kuota tercapai, pengumpulan data langsung akan dihentikan.
3. Accidental Sampling
Pengambilan sampel tidak ditentukan sebelumnya dan didasarkan
pada kebetulan. Setelah itu, siapa saja yang bertemu dengan peneliti
dan dianggap cocok sebagai sumber data dapat digunakan sebagai
sampel.
4. Purposive Sampling
Merupakan teknik pengambilan sampel dengan pertimbangan
tertentu yang dianggap mempunyai hubungan erat dengan tujuan
penelitian yang telah dilakukan sebelumnya.
5. Sampling Jenuh
36
Adalah teknik yang menggunakan semua anggota populasi yang ada
sebagai sampel. Hal ini dilakukan jika jumlah populasi relatif kecil,
yaitu kurang dari 30 orang.
6. Snowball Sampling
Merupakan teknik pengambilan sampel yang pada awalnya
jumlahnya sedikit namun akan semakin bertambah dan akan
berhenti hingga informasi yang telah diperoleh dirasa cukup. Teknik
ini bagusnya diterapkan jika calon responden sulit untuk
diidentifikasi.
37
sehingga jumlah sampel penelitian dapat diperkecil. Rumus Slovin merupakan
sebuah rumus untuk menghitung jumlah sampel minimal jika jumlah populasi
sudah diketahui. Berikut adalah persamaan untuk menghitung rumus Slovin:
𝑁
𝑛=
1 + 𝑁 ⋅ ⅇ2
Keterangan :
𝑛 = Sampel
N = Populasi
e = Perkiraan tingkat kesalahan (%)
Persamaan ini juga menetapkan sebuah batas toleransi kesalahan dalam
bentuk persentase. Semakin kecil persentase perkiraan tingkat kesalahan, makan
akan semakin akurat mewakili sampel populasi. Contohnya, sebuah studi dengan
tingkat kesalahan 5%, maka akan menghasilkan studi yang 95% akurat.
2.10 PLS-SEM
Analisis partial least squares (PLS) menurut Jogiyanto (2011) dalam Hamid
& Anwar (2019) adalah teknik statistika multivariat yang melakukan
pembandingan antara variabel dependen berganda dan variabel independen
berganda. Lebih lanjut, menurut Jogiyanto (2011) dalam Hamid & Anwar (2019),
PLS adalah salah satu metode statistika Structured Equation Modeling (SEM)
berbasis varian yang didesain untuk menyelesaikan regresi berganda ketika terjadi
permasalahan spesifik pada data, seperti ukuran sampel penelitian kecil, adanya
data yang hilang (missing value) dan multikolinieritas. PLS terkadang disebut juga
soft modelling karena merelaksasi asumsi-asumsi regresi OLS yang ketat, seperti
tidak adanya multikolinieritas antarvariabel independen.
Dalam teknik regresi, model penelitian dibangun atas dasar satu variabel
terikat dan beberapa variabel bebas. Saat merancang penelitian dengan
menggunakan lebih dari satu variabel terikat, dibutuhkan alat atau metode analisis
lain. Metode yang bisa menyelesaikan masalah tanpa harus melakukan persamaan
regresi karena menganalisis secara terpisah merupakan hal yang kurang tepat.
Salah satu metode yang dapat digunakan untuk menganalisis model
persamaan jalur adalah structural equation modeling (SEM). Menurut Chin (1998)
38
dalam Ghazali & Latan (2015), SEM memiliki keunggulan dalam melakukan
analisis jalur (phat analytic) dengan variabel laten. SEM merupakan salah satu
teknik analisis yang digunakan untuk melakukan pengujian dan estimasi pada
hubungan kausal dengan mengintegrasikan analisis jalur dan analisis faktor (Hamid
& Anwar, 2019).
Dalam SEM dapat dilakukan tiga aktivitas sekaligus yaitu pengecekan
validitas dan reliabilitas instrumen (confirmatory factor analysis), pengecekan
model hubungan antar konstruk laten (path analysis) dan mendapatkan model yang
bernilai guna memprediksi (structural model atau regression analysis) (Dachlan,
2014). Oleh karena itu, SEM digunakan untuk menutupi kelemahan yang
ditemukan dalam analisis regresi
Ada dua jenis variabel dalam SEM, yaitu :
1. Variabel Laten
2. Variabel Manifes
39
menggambarkan variabel laten. Variabel manifes dapat dideskripsikan tanpa
perlu menggambarkan variabel laten.
Menurut Fornell & Bookstein (1982) dalam Ghazali & Latan (2015) terdapat
dua jenis SEM, yaitu Covariance-Based Structural Equation Modeling (CB-SEM)
dan Partial Least Squared Path Modeling (PLS-SEM). CB-SEM membutuhkan
landasan teori yang kokoh, memenuhi berbagai asumsi parametrik, dan memenuhi
uji kelayakan (goodness of fit) model. Oleh karena itu, CB-SEM sangat cocok
digunakan untuk menguji teori dan mendasarkan pengujian ini pada berbagai
analisis yang kompleks. Sedangkan PLS-SEM bertujuan untuk menguji hubungan
prediktif antar konstruk dengan melihat apakah ada hubungan atau pengaruh antar
konstruk tersebut.
Dalam PLS-SEM, menurut Jogiyanto (2011) dalam Hamid & Anwar (2019),
terdapat dua tahapan evaluasi model pengukuran yang digunakan, yaitu model
pengukuran (outer model) dan model struktural (inner model), kemudian terakhir
ada uji hipotesis. Tujuan dari evaluasi model pengukuran dua tahapan ini adalah
untuk mengevaluasi validitas dan reliabilitas suatu model. Sebuah konsep dan
model penelitian tidak dapat diuji dalam model prediktif kausal dan relasional jika
belum melewati tahapan pemurnian dalam model pengukuran.
40
Menurut Ferdinand (2002) dalam Supriyanto (2019), pengukuran
discriminant validity dilakukan dengan tujuan untuk melakukan pengujian
variabel atau faktor yang diukur memang berbeda serta variabel tersebut ialah
suatu variabel independen. Validitas diskriminan dapat dievaluasi dari nilai
cross-load kemudian membandingkan nilai variance extracted (AVE)
dengan kuadrat nilai korelasi antar konstruk. Nilai cross-load merupakan
perbandingan antara korelasi indikator dengan strukturnya dengan struktur
balok lainnya. Jika korelasi antara indikator dan strukturnya lebih tinggi
daripada korelasi dengan struktur blok lainnya, maka struktur tersebut
memprediksi ukuran bloknya lebih baik daripada blok lainnya. Ukuran lain
dari validitas diskriminan adalah bahwa nilai dasar AVE harus lebih besar
dari korelasi antara struktur dan konstruksi lainnya, atau nilai AVE lebih
besar dari kuadrat korelasi antar struktur.
c. Construct reliability
Pengujian reliabilitas dapat dilakukan dengan dua jenis cara, yaitu
dengan menggunakan composite reliability serta Cronbach’s alpha. Menurut
Eisingerich & Rubera (2010) dalam Supriyanto (2019) Variabel dinyatakan
reliabel jika skor composite reliability diatas 0,7 serta skor Cronbach’s alpha
diatas 0,6. Composite reliability mampu dapat ditinjau dari view latent
variable coefficients.
Menurut Ghozali (2015) dalam Meha (2019), evaluasi model struktural ini
dilakukan dengan menggunakan enam tahap pengujian, yaitu uji path coefficient
(β), coefficient of determination (R2 ), t-test menggunakan metode bootstrapping,
effect size (f 2 ), predictive relevance (𝑄2), dan relative impact (𝑞2 ).
a. Path Coefficient (β)
Pengujian path coefficient (β) dilakukan dengan melihat signifikasi
hubungan antar konstrak. Hal ini dapat dilihat dari koefisien jalur (path
coefficient) yang menggambarkan kekuatan hubungan antara struktur.
Pengujian path coefficient (β) dengan nilai ambang batas yaitu diatas 0,1
menyatakan bahwa jalur (path) yang dimaksud memiliki pengaruh terhadap
model.
41
b. Coefficient of determination (R2 )
Evaluasi koefisien determinasi (R2) menggambarkan varian dari setiap
endogenous variabel menggunakan ukuran standar 0,67 sebagai kuat, 0,33
sebagai sedang, dan 0,19 atau kurang menunjukkan derajat varians yang
rendah.
c. T-test
Pengujian nilai t-test dilakukan dengan metode bootstrapping melalui
uji dua sisi dengan taraf signifikansi 5% yang digunakan untuk menguji
hipotesis penelitian. Hipotesis yang diterima adalah jika nilai t-test lebih besar
dari 1,96.
d. Effect size (f2)
Uji effect size (f2) dilakukan untuk memprediksi pengaruh beberapa
variabel terhadap variabel lain dalam struktur model dengan nilai threshold
0,02 untuk pengaruh lemah, 0,15 untuk pengaruh sedang dan 0,35 untuk
pengaruh besar . Rumus untuk menghitung f2 adalah sebagai berikut:
2
𝑅 2 ⅈ𝑛𝑐𝑙𝑢𝑑ⅇ − 𝑅 2 ⅇ𝑥𝑐𝑙𝑢𝑑ⅇ
𝑓 =
1 − 𝑅 2 ⅈ𝑛𝑐𝑙𝑢𝑑ⅇ
Di mana dengan R2 include adalah coefficient of determination, R2
exclude adalah nilai yang ada pada luar R.
e. Predictive Relevance (Q2)
Pengujian predictive relevance dilakukan dengan menggunakan
metode blindfolding untuk memberikan bukti bahwa beberapa variabel
memiliki kecocokan prediksi dengan variabel lainnya. Nilai cut-off yang
digunakan pengukuran adalah di atas nol.
f.
Relative Impact (q2)
Pengujian relative impact (q2) dilakukan dengan menggunakan metode
blindfolding untuk mengukur pengaruh relatif dari hubungan yang diprediksi
antara variabel tertentu dan variabel lain dengan ambang batas nilai 0,02
untuk efek lemah, 0,15 untuk efek sedang, dan 0,35 untuk efek besar. Rumus
untuk menghitung q2 adalah:
2
𝑄 2 ⅈ𝑛𝑐𝑙𝑢𝑑ⅇ − 𝑄 2 ⅇ𝑥𝑐𝑙𝑢𝑑ⅇ
𝑞 =
1 − 𝑄 2 ⅈ𝑛𝑐𝑙𝑢𝑑ⅇ
42
Di mana, dengan Q2 include adalah predictive relevance, Q2 exclude
adalah nilai yang ada pada luar Q.
2.11 SmartPLS
43
dikonversi menjadi metrik terukur. Dengan demikian, semua metrik tersebut dapat
digunakan sebagai titik tolak untuk menyusun item instrumental berupa pernyataan
atau pertanyaan yang perlu dijawab oleh responden.
Skala likert adalah skala yang digunakan untuk mengukur sikap, pendapat
dan persepsi seseorang atau sekelompok orang tentang fenomena sosial.
Pengumpulan data dilakukan dengan menggunakan kuesioner kemudian peneliti
mengolahnya dalam bentuk kuantitatif, yaitu dengan menetapkan skor untuk
tanggapan atas pertanyaan yang dijawab responden, di mana pemberian skor
tersebut berdasarkan ketentuan yang sudah ada (Sugiyono, 2013).
Skala likert pada umumnya tersedia dalam lima pilihan skala, yaitu 1) berarti
sangat tidak setuju, 2) tidak setuju, 3) netral, 4) setuju, dan 5) sangat setuju. Para
responden menentukan pilihan dengan memilih salah satu pernyataan atau
pertanyaan yang sudah tersedia guna menentukan tingkat preferensi mereka
terhadap suatu pernyataan atau pertanyaan tersebut.
44
2.13 Penelitian Sejenis
45
SANDRA juga sering pengguna akhir dalam menggunakan
mengalami trouble aplikasi SANDRA. aplikasi SANDRA
2. The Study of End- Amdan bin Hal yang Content, Untuk mengukur Penelitian menunjukkan
User Computing Mohamed, melatarbelakangi adalah Format, tingkat EUCS di dengan pemeriksaan
Satisfaction (EUCS) Mohd belum dilakukannya Accuracy, Ease antara pengguna terhadap 6 variabel di
on Computerised Rushdan Bin sebuah penelitian yang of Use, CAS di universitas mana variabel content,
Accounting System Yasoa’, berusaha untuk Timeliness, negeri dan format, dan accuracy
(CAS) Among Azleen bte menemukan faktor-faktor End User mengevaluasi merupakan variabel
Peninsular Malaysia Ilias, Mohd apa yang memengaruhi Satisfaction, hubungan yang yang paling berpengaruh
Public Universities: Fahmi Bin kepuasan pengguna System signifikan antara terhadap kepuasan
A Survey in Bursar’s Ghazali computerised accounting Reliability faktor EUCS (isi, pengguna sistem CAS
Office (2006) system (CAS) terutama di akurasi, format,
universitas negeri kemudahan
penggunaan,
ketepatan waktu,
keandalan sistem)
dan EUCS
keseluruhan di
46
lingkungan
Malaysia.
3 Evaluasi Kepuasan Arga Pratama Terdapat gap antara Ease of Use, Mengetahui Penelitian menunjukkan
Pengguna Putra (2020) pengguna dan aplikasi di Security, seberapa besar bahwa sebanyak 82%
Jasacendekia mana terdapat System Speed, tingkat kepuasan responden merasa
Elektronik Dokumen keterbatasan aplikasi Flexibility, End pengguna JEDS di terbantu dengan
Sistem (JEDS) dalam memenuhi User PT. Jasa Cendekia penerapan JEDS dan
Menggunakan keinginan pengguna. Satisfaction Indonesia, dan sebanyak 89%
Metode End User Sistem JEDS juga belum untuk menguji responden sudah merasa
Computing pernah dilakukan evaluasi faktor-faktor apa puas terhadap JEDS.
Satisfaction (EUCS) faktor kepuasan saja yang Tingkat kepuasan
berdasarkan persepsi berpengaruh pengguna akhir sistem
kepuasan pengguna akhir terhadap tingkat terhadap JEDS berada
sehingga pengguna kepuasan pada tingkat puas.
merasa belum puas saat pengguna JEDS Faktor-faktor yang
menggunakannya. yang akan menjadi memengaruhi tingkat
bahan untuk kepuasan pengguna
pengembangan akhir JEDS adalah ease
sistem ke depannya
47
of use, security, dan
system speed.
4 Analisis Penerimaan Hardini Nike Belum pernah adanya Usefulness, Untuk mengetahu Model integratif dari
Pengguna Sistem Nur Laily evaluasi berdasarkan Ease of Use, apakah variabel- TAM dan EUCS mampu
Informasi (2019) tingkat penerimaan Content, variabel yang menjelaskan
Manajemen pengguna sistem Accuracy, terdapat pada penerimaan sistem
DAPODIK PAUD- DAPODIK PAUD- Format, model evaluasi informasi DAPODIK
DIKMAS DIKMAS. Masih sering Timeliness, TAM dan EUCS PAUD-DIKMAS pada
Menggunakan terjadi kendala pada Attitude, berpengaruh PAUD Kec. Cilincing,
Techonology sistem yang masih lambat Acceptance, terhadap kepuasan namun demikian, dari 6
Acceptance Model dalam proses penginputan User pengguna sistem variabel eksogen yang
(TAM) Dan End- data, data yang sudah Satisfaction DAPODIK PAUD- diajukan hanya 2 yang
User diinput harus selalu DIKMAS. berpengaruh signifikan
Computing dipastikan kembali yaitu kemudahan
Satisfaction (EUCS) apakah sudah ter-update penggunaan dan
Pada Paud atau belum. kebermanfaatan. Aspek
Kecamatan yang dirasakan
Cilincing pengguna sistem masih
belum memuaskan dan
48
perlu diperbaiki atau
ditingkatkan adalah
aspek isi, bentuk,
akurasi, dan
ketepatwaktuan
5 Evaluasi Kepuasan Wahyu Sudah pernah dilakukan Content, Mengeksplorasi Penelitian menunjukkan
Pengguna Sistem Alviani penelitian terkait Accuracy, End faktor-faktor yang bahwa sebesar 65%
Informasi Akademik (2018) kepuasan pengguna AIS User dapat responden menyatakan
UIN Syarif dengan metode EUCS, Satisfaction, memengaruhi bahwa mereka merasa
Hidayatullah Jakarta namun dengan Format, Ease kepuasan sangat terbantu dengan
Menggunakan pendekatan kuantitatif, of Use, pengguna terhadap adanya sistem dalam
Metode End User penelitian ini ingin Timeliness, AIS UIN Syarif menyelesaikan tugas
Computing menggunakan pendekatan Security Hidayatullah mereka. selain itu, 79%
Satisfaction (EUCS) kualitatif khususnya untuk Jakarta dan responden merasa puas
mendapatkan data yang memahami status menggunakan sistem
mungkin belum kepuasan AIS, di antaranya 42%
dipaparkan dalam pengguna AIS UIN merasa cukup puas, 26%
penelitian kuantitatif Syarif merasa puas, dan 11%
merasa sangat puas,
49
Hidayatullah sedangkan ada 11%
Jakarta saat ini responden yang
memberikan saran
terkait sistem.
6 Analisis Pengukuran Arib Zhafran Belum pernah dilakukan Timeliness, Mengetahui faktor- Variabel-variabel yang
Kualitas Website Hamdani pengukuran kualitas End User faktor yang diajukan pada model
Terhadap Kepuasan (2020) website berita online Satisfaction. menjadi prioritas penelitian ini dalam
Pengguna Dengan dengan menggunakan tiga Variabel untuk diperbaiki membentuk kepuasan
Metode WebQual variabel pada metode WebQual 4.0 : dan dipertahankan pengguna (Usability
4.0 dan End User WebQual 4.0 dengan Usability, kualitasnya dalam Quality, Information
Computing penambahan satu variabel Information website, Quality, Service
Satisfaction (EUCS) dari metode EUCS. Quality, melakukan analisis Interaction Quality, dan
(Studi Kasus : Berita Website masih belum Service terhadap kualitas Timeliness) memberikan
Online optimal dikarenakan Interaction website pengaruh
RadarBekasi.id) informasi atau berita yang Quality RadarBekasi.id yang signifikan terhadap
dihasilkan lambat untuk yang telah kepuasan pengguna
up to date dan belum ditentukan website berita online
maksimalnya komunikasi berdasarkan Radar
antar tim redaksi persepsi Bekasi.
50
penggunanya
dengan pendekatan
kuantitatif
berdasarkan
usability,
information
quality, service
interaction quality
dan timeliness
7 Analisis Kepuasan Muthia Perpustakaan Soeman HS Content, Tujuan utama dari Berdasarkan hasil
Pengguna Terhadap Anggraeni belum pernah melakukan Accuracy, penelitian ini penelitian terhadap 93
Penerapan OPAC (2022) analisis kepuasan Format, Ease adalah menguji responden, diketahui
Menggunakan pengguna akhir OPAC of Use, faktor-faktor yang sebanyak 92% merasa
Technology menggunakan Technology Timeliness, memengaruhi puas dan terbantu
Acceptance Model Acceptance Model (TAM) System Speed, tingkat kepuasan dengan kehadiran
Dan End User dan End User Computing End User pengguna akhir sistem, dan faktor-faktor
Computing Satisfaction (EUCS ) Satisfaction OPAC yang terbukti memberi
Satisfaction (Studi sehingga belum diketahui Variabel TAM Perpustakaan pengaruh terhadap user
faktor-faktor apa saja : Perceived Soeman HS yang satisfaction yaitu
51
Kasus Perpustakaan yang berpengaruh Usefulness, akan memberikan perceived usefulness,
Soeman HS) terhadap keberhasilan Perceived Ease rekomendasi bagi perceived ease of use,
penerapan Online Public of Use pihak perpustakaan content, format, dan juga
Access Catalogue untuk system speed.
(OPAC) pada pengembangan
Perpustakaan Soeman HS sistem di kemudian
hari.
8 Analisis Faktor- Sekar Arum Belum pernahnya Content, Mengetahui faktor- Dari lima variabel yang
Faktor Yang Septiari dilakukan evaluasi Accuracy, faktor apa saja ada di dalam model
Memengaruhi (2020) kepuasan pengguna Format, Ease yang berdampak evaluasi EUCS, terdapat
Tingkat Kepuasan aplikasi OVO, dan untuk of Use, positif dan dua variabel yang dapat
Pengguna mengetahui faktor-faktor Timeliness signifikan terhadap berpengaruh positif dan
OVO Menggunakan apa saja yang berdampak tingkat kepuasan signifikan terhadap
Metode End User positif terhadap tingkat pengguna aplikasi kepuasan pengguna
Computing kepuasan pengguna OVO dan mencari aplikasi OVO, yaitu
Satisfaction (EUCS) aplikasi OVO rekomendasi apa variabel ease of use dan
yang bisa format, sedangkan
dilakukan Lippo variabel content,
Group untuk tetap
52
menjaga kepuasan accuracy, dan timeliness
pengguna aplikasi tidak berpengaruh
OVO
9 Analisis End User Muhammad Untuk mengetahui apakah Content, Mengukur Dari 100 responden
Computing Aja Sugandi aplikasi mobile Format, Ease kepuasan menghasilkan 70
Satisfaction (EUCS) & R.M Nasrul Universitas Bina Darma of Use, mahasiswa responden merasa puas
Pada Aplikasi Halim (2019) (UBD) memenuhi tingkat Accuracy, Universitas Bina dengan aplikasi UBD
Mobile Universitas kepuasan dari sisi Timeliness, Darma terhadap mobile mahasiswa, dari
Bina Darma pengguna akhir. End User aplikasi mobile 5 variabel EUCS,
Satisfaction mahasiswa, dengan terdapat 3 variabel yang
metode EUCS berpengaruh terhadap
sehingga dapat tingkat kepuasan
menjadi acuan pengguna aplikasi yaitu
dalam variabel content, format,
pengembangan dan ease of use
aplikasi ke
depannya menjadi
lebih baik.
53
10 Pengujian Kepuasan Rosalina Peneliti menemukan Accuracy, Mengetahui status Hasil penelitian
Sistem Informasi (2017) bahwa sistem yang Content, Ease kepuasan menunjukkan bahwa
Menggunakan End berjalan belum diketahui of Use, End pengguna akhir sebanyak 88,7%
User Computing tingkat keberhasilan User AIS UIN Syarif responden merasa
Satisfaction Studi penerapannya Satisfaction, Hidayatullah terbantu dengan adanya
Kasus : Sistem berdasarkan persepsi Format, Jakarta dan sistem dalam
Informasi Akademik pengguna akhirnya, dan di Security, menguji faktor- penyelesaian tugas
UIN Syarif sisi lain, masih terhadap Timeliness faktor apa saja mereka, sehingga dapat
Hidayatullah Jakarta beberapa masalah yang yang memengaruhi disimpulkan bahwa
terjadi dalam sistem AIS kepuasan keberadaan sistem sudah
pengguna akhir sangat membantu tugas
sistem. dari para responden, dan
tingkat kepuasan
pengguna sistem saat ini
berada pada tingkat yang
cukup baik
11 Tingkat Kepuasan Nani Suriani Hal yang mendasari Content, Tujuan dari Penelitian ini
Pengguna OPAC Munthe penelitian ini adalah Format, Ease dilakukannya menunjukkan hasil yang
dengan Metode End (2019) belum pernahnya of Use, penelitian ini didapat bahwa pengguna
54
User Computing dilakukan evaluasi Accuracy, adalah diharapkan perpustakaan merasa
Satispaction (EUCS) mengenai kepuasan Timeliness, dengan mengetahui puas dengan adanya
di Perpustakaan pengguna sistem Online End User tingkat kepuasan aplikasi OPAC, hal ini
Sekolah Tinggi Publis Access Catalog Satisfaction pengguna dibuktikan dengan hasil
Keguruan dan Ilmu (OPAC) di perpustakaan perpustakaan dapat persentase sebesar
Pendidikan Bina Bina Bangsa Getsempena memperoleh 72,3% yang termasuk ke
Bangsa Getsempena Banda Aceh informasi yang dalam kategori puas dan
Banda Aceh dapat digunakan hanya 1% yang
untuk melakukan termasuk ke dalam
evaluasi dalam kategori tidak puas
memberikan
pelayanan
perpustakaan
12 Analisis Kepuasan Arief Fujianto Penelitian ini didasari Content, Tujuan dari Hasil yang didapat dari
Pengguna Akhir (2019) oleh untuk mengetahui Format, Ease penelitian yang penelitian ini adalah ke
Aplikasi PLN faktor-faktor apa saja of Use, dilakukan adalah semua lima variabel
Mobile yang berpengaruh positif Accuracy, untuk mengetahui dalam model evaluasi
Menggunakan dan signifikan terhadap Timeliness, faktor-faktor apa EUCS memiliki
Metode EUCS (End kepuasan pengguna akhir saja yang dapat pengaruh yang besar
55
User Computing aplikasi PLN Mobile End User berpengaruh positif terhadap kepuasan
Satisfaction) menggunakan metode Satisfaction serta signifikan pengguna akhir aplikasi
Berdasarkan EUCS dan untuk mencari terhadap pengguna PLN Mobile
Prospektif rekomendasi apa yang akhir aplikasi PLN
Pelanggan PT.PLN harus dilakukan Mobile dengan
(Persero) UP3 pengembang aplikasi PLN menggunakan
Jember Mobile untuk menjaga metode EUCS
atau meningkatkan
kepuasan pengguna akhir
aplikasi PLN Mobile
13 A Proposed Model Wynne W. Penelitian ini Content, Tujuan dari Hasil dari penelitian ini
And Measurement Chin & dilatarbelakangi oleh oleh Accuracy, dilakukannya merupakan sekumpulan
Instrument For The Matthew K. peneliti yang ingin Format, Ease penelitian ini dari pertanyaan yang
Formation Of Is O. Lee (2000) mengembangkan sebuah of Use, adalah untuk umum dan dapat
Satisfaction: The konsep penemuan Timeliness, memberikan memungkinkan peneliti
Case Of End-User variabel baru dalam System Speed konsep baru mengukur area lain yang
Computing mengetahui tingkat tentang bagaimana terkait dengan pengguna
Satisfaction kepuasan pengguna akhir kepuasan sistem di luar yang
dari sebuah sistem dengan pengguna akhir
56
mengembangkan dari terbentuk dan menjadi subjek dalam
penelitian yang sudah bagaimana hal itu penelitian ini
dilakukan Doll & harus diukur
Torkzadeh di tahun 1988
14 Pengukuran Khurin Penelitian ini dilatar Accuracy, Tujuan dari Hasil dari penelitian ini
Kepuasan Pengguna Khoirina belakangi oleh Content, Ease penelitian ini berdasarkan pengolahan
K-ATM Dianty (2020) penggunaan K-ATM of Use, adalah untuk data yang telah
Perpustakaan (Knowledge ATM) yang Format, menganalisis diperoleh dapat
Universitas belum dapat berfungsi Timeliness kepuasan disimpulkan bahwa
Indonesia sebagaimana mestinya. pengguna K-ATM masih banyaknya
Menggunakan Masih terdapat banyak perpustakaan kekurangan sistem K-
Metode End-User kendala yang ditemukan Universitas ATM yang berarti
Computing seperti terbatasnya mesin Indonesia (UI) bahwa K-ATM belum
Satisfaction K-ATM, sering terjadi berdasarkan memberikan kepuasan
error, dan seringnya persepsi pengguna, pada civitas
mesin K-ATM tidak mengukur perpustakaan UI
berfungsi, hal-hal tersebut kepuasan
akhirnya membuat pengguna K-ATM,
pemustaka kurang puas dan mengetahui
57
dalam penggunaan faktor apa saja
fasilitas K-ATM, serta yang memengaruhi
pengguna mesin K-ATM kepuasan
yang masih belum stabil pengguna sistem
K-ATM dengan
metode EUCS
15 Analisis Kepuasan Dwiki Aditya Penelitian ini dilatar Content, Tujuan dari Hasil dari penelitian
Pengguna Akhir Indarto (2019) belakangi oleh aplikasi Format, Ease penelitian ini yang dilakukan
Aplikasi Grab di Grab yang masih of Use, adalah mengukur didapatkan faktor
Wilayah Kabupaten memiliki beberapa Accuracy, faktor-faktor yang konten informasi
Jember permasalahan yang Timeliness, berpengaruh positif aplikasi Grab,
Menggunakan dialami oleh End User dan signifikan keakuratan informasi
Metode End User penggunanya. Satisfaction terhadap pengguna yang dihasilkan aplikasi,
Computing Permasalahan yang akhir Grab dan kemudahan penggunaan
Satisfaction (EUCS) dialami yaitu pengguna dapat menentukan aplikasi, dan ketepatan
masih mengeluhkan rekomendasi dalam waktu penyajian
sulitnya mencari alamat mengembangkan informasi sangat
rumah pada kolom pick aplikasi Grab berpengaruh positif dan
up, kebingungan untuk selanjutnya signifikan terhadap
58
melakukan pembayaran, kepuasan pengguna
pengguna kebingungan akhir aplikasi Grab
ketika lokasi keberadaan
pengguna tidak sesuai
dengan yang ditunjukkan
oleh peta, antarmuka
aplikasi yang penuh sesak
sehingga memperlambat
aplikasi, dan lain-lain
59
Berdasarkan penelitian-penelitian sebelumnya, penelitian ini
mempunyai kesamaan dengan penelitian sebelumnya, yaitu dengan
menggunakan model EUCS yang dirancang oleh Doll & Torkzadeh pada
tahun 1988, di mana terdapat lima variabel (Content, Accuracy, Format,
Timeliness, dan Ease of Use) yang digunakan untuk mengukur tingkat
kepuasan pengguna aplikasi. Namun, penelitian ini memiliki perbedaan
dengan penelitian sebelumnya, perbedaan tersebut dikarenakan adanya
penambahan dua variabel yaitu system speed yang digabungkan dengan
variabel system reliability dalam mengukur tingkat kepuasan pengguna
aplikasi mobile..
System speed ditambahkan pada model EUCS karena berdasarkan
hasil penelitian oleh Chin & Lee (2000) dan Putra (2020) menunjukkan
bahwa variabel system speed yang ditambahkan ke dalam model EUCS
memiliki pengaruh yang besar secara statistik antara kecepatan pemrosesan
sistem dan efisiensi pengguna dan, oleh sebab itu, pengguna menjadi lebih
puas terhadap sistem. Sebaliknya, melalui tinjauan pustaka ini, peneliti
melihat perbedaan yang dapat menjadi pembaharuan dari penelitian
sebelumnya, antara lain karakteristik responden, tema penelitian yang
digunakan, dan responden yang menggunakan variabel system speed dalam
konstruk.
Penambahan variabel system reliability atau keandalan sistem
mengukur dari bagian ketahanan sistem dari kesalahan, gangguan, serta
kerusakan yang terjadi. Selain itu, berdasarkan penelitian yang dilakukan oleh
Djunanto & Papilaya (2018) dan Mohamed dkk., (2006) telah menunjukkan
bahwa penambahan variabel system reliability ke dalam model dasar EUCS
ini memiliki pengaruh signifikan terhadap kepuasan pengguna akhir.
60
61
BAB 3
METODOLOGI PENELITIAN
62
aplikasi bima+. Penelitian dilakukan kepada pengguna yang telah menggunaka
aplikasi lebih dari satu tahun sehingga hasil penelitian yang didapat bisa lebih
akurat. Penelitian ini menggunakan teknik Purposive Sampling. Teknik Purposive
Sampling dilakukan untuk memilih bagian dari populasi, di mana kriteria yang
dipilih adalah pengguna aplikasi yang berwarga Negara Indonesia yang telah
menggunakan aplikasi bima+ selama lebih dari satu tahun. Berdasarkan data dari
website Tri (2022), jumlah pengguna bima+ mencapai lebih dari 45 juta pengguna,
populasi ini adalah jumlah keseluruhan pengguna bima+ dari berbagai macam
rentang usia.
Kemudian untuk menentukan berapa banyak sampel, peneliti menggunakan
metode perhitungan teknik Slovin. Menurut data yang terkumpul jumlah populasi
(N) yaitu sebanyak 45 juta orang. Dengan tingkat kepercayaan 95% peneliti tidak
melakukan tatap muka pada saat kuesioner dibagikan, melainkan melalui media
online, sehingga persentase kesalahan yang digunakan oleh peneliti adalah
sebanyak 5% yang bisa dapat menyebabkan kesalahpahaman saat menjawab
pertanyaan untuk responden. Berikut ini adalah persamaan yang digunakan untuk
memastikan prosedur Slovin adalah sebagai berikut:
𝑁 45.000.000 45.000.000
𝑛= = = = 399,99 = 400 Responden
1 + 𝑁 ⋅ ⅇ2 1 + (45.000.000) ⋅ (0.05)2 112.501
Keterangan :
n = Sampel
N = Populasi
e = Perkiraan tingkat kesalahan (5%)
63
jumlah hipotesis yang ada pada model. Pada penelitian ini terdapat 7 hipotesis yang
berarti minimal sampel yang diperlukan seminimal-minimalnya adalah 70, oleh
karena itu, 400 responden merupakan jumlah sampel yang diambil dalam penelitian
ini.
64
3.3.3 Studi Literatur
Selama melakukan penelitian, peneliti juga mengumpulkan data-data yang
dibutuhkan menggunakan studi literatur yang berhubungan dengan penelitian ini.
Peneliti mempelajari berbagai macam e-book, jurnal, skripsi, tugas akhir, dan
artikel-artikel yang berhubungan dengan analisis tingkat kepuasan pengguna
aplikasi. Peneliti juga melakukan studi komparatif dengan beberapa jurnal dan
skripsi terkait tentang metode yang digunakan dengan penelitian yang akan diteliti
guna dijadikan sebagai referensi tambahan.
65
content, accuracy, format, ease of use, timeliness dan end user satisfaction untuk
mengukur tingkat kepuasan pengguna akhir yang dilakukan oleh (Alviani, 2018;
Anggraeni, 2022; Dianty, 2020; Doll & Torkzadeh, 1988; Fujianto, 2019; Ilias &
Abd Razak, 2011; Indarto, 2019; Laily, 2019; Munthe, 2019; Nurillah, 2019;
Prinanda, 2021; Rosalina, 2017; Septiari, 2020; Sugandi & Halim, 2020). Semua
penelitian yang digunakan diambil dari penelitian yang sudah dilakukan
sebelumnya, beberapa penelitian yang dilakukan sebelumnya, salah satunya oleh
Nurillah (2019) dan Rosalina (2017) menjelaskan bahwa variabel content
merupakan salah satu faktor yang memberikan pengaruh terhadap kepuasan
pengguna. Dengan demikian, peneliti menggunakan indikator untuk variabel
content dari penelitian (Anggraeni, 2022; Dianty, 2020; Doll & Torkzadeh, 1988;
Prinanda, 2021) yaitu relevansi (CON1), kelengkapan (CON2), kualitas (CON3),
manfaat (CON4), dan transparensi (CON5). Peneliti berasumsi bahwa :
66
Salah satu indikator kepuasan pengguna aplikasi adalah kemudahan
penggunaan dalam menjalankan sistem atau aplikasi sesuai dengan penelitian
(Dianty, 2020) dan (Putra, 2020). Dengan demikian, dalam penelitian ini peneliti
menggunakan indikator untuk variabel ease of use dari penelitian Anggraeni
(2022), Doll & Torkzadeh (1988), Laily (2019), dan Putra (2020) yaitu user friendly
(EOU1), mudah dipahami (EOU2), mudah dioperasikan (EOU3), interaksi sistem
(EOU4), dan informasi (EOU5). Peneliti kemudian mengasumsikan bahwa :
67
pengembangannya, variabel ini telah terbukti berdasarkan beberapa penelitian
sebelumnya memiliki dampak yang jelas terhadap kepuasan pengguna sistem, oleh
karena itu, peneliti menggunakan indikator untuk variabel system reliability dari
studi Ilias & Abd Razak (2011), dan Mohamed dkk., (2006) yaitu kerahasiaan data
(SSR1), perlindungan data (SSR2), pencegahan (SSR3), jaminan ketahanan sistem
(SSR4). Peneliti kemudian berasumsi bahwa :
68
Penilaian dari setiap poin pertanyaan di dalam kuesioner ini menggunakan
Skala Likert dengan pembagian bobot sebagai berikut:
69
berbagai macam Doll &
informasi Torkzadeh
CON3 Kualitas Konten aplikasi (1988), Khurin
bima+ ditampilkan Khoirina Dianty
secara jelas dan (2020), Agastya
cepat untuk Prinanda (2021),
dipahami Rosalina (2017),
CON4 Manfaat Aplikasi bima+ Muthia
memuat hal yang Anggraeni (2022)
bermanfaat bagi
keperluan saya
CON5 Transparansi Aplikasi bima+
menyediakan
konten yang jelas
Accuracy ACC1 Akurasi Aplikasi bima+
menghasilkan
informasi yang Muthia
akurat Anggraeni
ACC2 Dapat Aplikasi bima+ (2022), Doll &
Diandalkan menghasilkan Torkzadeh
informasi yang (1988) Hardini
dapat diandalkan Nike Nur Laily
dan dipercaya (2019), Arini
ACC3 Output Aplikasi bima+ Nurillah (2019)
menampilkan input
dan ouput pada
layar sesuai dengan
yang diperintahkan
ACC4 Standarisasi Aplikasi bima+
bekerja sesuai
dengan standar
yang ditentukan
70
Format FOR1 Menarik Format aplikasi
bima+ yang
disajikan menarik Muthia
FOR2 Mudah Format pada Anggraeni,
Digunakan aplikasi bima+ (2022), Doll &
mudah untuk Torkzadeh
digunakan (1988), Rosalina
FOR3 Jelas Format aplikasi (2017)
bima+ sudah jelas
FOR4 Kualitas Format output dari
Informasi aplikasi bima+
yang disajikan
memiliki kualitas
yang baik
Ease of Use EOU1 User Friendly Aplikasi bima+
bersifat user
friendly Muthia
EOU2 Mudah Aplikasi bima+ Anggraeni
Dipahami jelas dan mudah (2022), Doll &
dipahami Torkzadeh
EOU3 Mudah Aplikasi bima+ (1988), Hardini
Dioperasikan dapat dioperasikan Nike Nur Laily
dengan mudah (2019), Arga
EOU4 Interaksi Aplikasi bima+ Pratama Putra
Sistem memudahkan (2020)
interaksi dengan
pengguna
EOU5 Informasi Aplikasi bima+
memudahkan
dalam mencari
informasi
71
Timeliness TIM1 Up to date Aplikasi bima+
menyediakan
informasi yang up Khurin Khoirina
to date atau terkini Dianty (2020),
TIM2 Ketepatan Aplikasi bima+ Doll &
Waktu menyajikan Torkzadeh
informasi secara (1988), Arini
tepat waktu Nurillah (2019)
TIM3 Ketersediaan Aplikasi bima+
Informasi mampu
menyediakan
informasi ketika
dibutuhkan
TIM4 Output Aplikasi bima+
Informasi menghasilkan
informasi yang
valid
System SSP1 Kecepatan Aplikasi bima+
Speed Operasional mampu melakukan
Sistem proses cepat pada Arga Pratama
saat pengguna Putra (2020),
melakukan akses Muthia
aplikasi (login) Anggraeni
SSP2 Kecepatan Aplikasi bima+ (2022), Chin &
Proses Sistem mampu bekerja Lee (2000)
dengan cepat saat
menjalankan
perintah (input)
hingga
menghasilkan
informasi (output)
72
SSP3 Kecepatan Aplikasi bima+
Pencarian mempunya
kemampuan
beroperasi dengan
cepat saat
melakukan proses
pencarian
informasi yang
dibutuhkan
pengguna
SSP4 Kecepatan Aplikasi bima+
Pengunggahan mampu bekerja
dengan cepat, baik
saat melakukan
pengunduhan data
(download) dan
juga pengunggahan
data (upload)
System SSR1 Kerahasiaan Aplikasi bima+
Reliability Data menjaga
kerahasiaan data Azleen Ilias &
pengguna aplikasi Abd Razak
SSR2 Perlindungan Aplikasi bima+ (2011),
Data terlindungi dari Mohamed dkk.
akses, modifikasi, (2006)
pengungkapan,
atau perusakan data
yang tidak sah.
SSR3 Pencegahan Aplikasi bima+
menyediakan fitur
input password
73
SSR4 Jaminan Aplikasi bima+
Ketahanan dilengkapi dengan
Sistem sistem proteksi
akun yang baik
End User EUS1 Kecukupan Aplikasi bima+
Satisfaction sudah dapat
memenuhi Khurin Khoirina
kebutuhan dalam Dianty (2020),
menyelesaikan Doll &
pekerjaan Torkzadeh
EUS2 Kemudahan Aplikasi bima+ (1988), Arga
mempermudah Pratama Putra
pekerjaan (2020)
EUS3 Efektifitas Aplikasi bima+
sudah efektif dalam
penggunaannya
EUS4 Efisiensi Aplikasi bima+
sudah bekerja
secara efisien
EUS5 Kepuasan Saya puas dengan
cara kerja aplikasi
bima+ yang ada
secara menyeluruh
74
3.5 Uji Kuesioner
75
Hasil pengujian model pengukuran pada uji kuesioner ini dapat dilihat pada
tabel 3.4 di bawah ini.
76
Tabel 3.4 Hasil Uji Kuesioner Validitas dan Reliabilitas
Variabel Indikator Cross Loadings Composite Average Variance
ACC CON EOU EUS FOR SSR SSP TIM Reliability Extract (AVE)
ACC ACC1 0.735 0.479 0.432 0.498 0.298 0.548 0.341 0.553 0.895 0.682
ACC2 0.898 0.505 0.479 0.687 0.369 0.554 0.477 0.608
ACC3 0.884 0.531 0.500 0.577 0.321 0.558 0.400 0.746
ACC4 0.772 0.617 0.631 0.687 0.511 0.450 0.575 0.430
CON CON1 0.379 0.718 0.619 0.479 0.573 0.212 0.418 0.286 0.892 0.625
CON2 0.509 0.856 0.715 0.697 0.676 0.600 0.580 0.585
CON3 0.492 0.762 0.647 0.614 0.776 0.568 0.608 0.534
CON4 0.500 0.723 0.567 0.711 0.528 0.514 0.527 0.504
CON5 0.661 0.879 0.746 0.629 0.718 0.599 0.483 0.676
EOU EOU1 0.528 0.668 0.883 0.649 0.758 0.586 0.475 0.563 0.931 0.728
EOU2 0.685 0.684 0.849 0.735 0.708 0.687 0.493 0.702
EOU3 0.597 0.615 0.841 0.728 0.716 0.684 0.635 0.552
EOU4 0.537 0.842 0.865 0.746 0.817 0.626 0.603 0.560
EOU5 0.301 0.741 0.827 0.677 0.731 0.529 0.533 0.494
EUS EUS1 0.721 0.734 0.752 0.887 0.744 0.606 0.742 0.588 0.922 0.705
EUS2 0.541 0.660 0.658 0.787 0.616 0.607 0.566 0.507
EUS3 0.567 0.747 0.742 0.878 0.695 0.569 0.746 0.441
EUS4 0.658 0.503 0.611 0.738 0.524 0.714 0.617 0.568
EUS5 0.662 0.721 0.716 0.895 0.727 0.777 0.728 0.771
FOR FOR1 0.178 0.672 0.689 0.587 0.855 0.444 0.478 0.338 0.917 0.734
77
FOR2 0.369 0.767 0,818 0.624 0.850 0.653 0.487 0.636
FOR3 0.407 0.707 0.745 0.665 0.890 0.603 0.579 0.532
FOR4 0.571 0.690 0.741 0.798 0.832 0.568 0.761 0.384
SSR SSR1 0.597 0.435 0.589 0.574 0.435 0.823 0.470 0.721 0.901 0.696
SSR2 0.615 0.623 0.635 0.670 0.648 0.909 0.569 0.756
SSR3 0.261 0.451 0.546 0.496 0.470 0.703 0.262 0.425
SSR4 0.592 0.626 0.666 0.804 0.633 0.887 0.621 0.704
SSP SSP1 0.265 0.499 0.421 0.557 0.449 0.292 0.770 0.261 0.879 0.647
SSP2 0.476 0.631 0.623 0.653 0.641 0.335 0.806 0.306
SSP3 0.537 0.492 0.522 0.642 0.577 0.671 0.727 0.419
SSP4 0.482 0.531 0.496 0.749 0.544 0.590 0.895 0.433
TIM TIM1 0.646 0.610 0.603 0.600 0.433 0.672 0.366 0.945 0.952 0.832
TIM2 0.661 0.655 0.702 0.664 0.596 0.773 0.473 0.841
TIM3 0.542 0.565 0.620 0.586 0.502 0.737 0.405 0.872
TIM4 0.698 0.606 0.536 0.658 0.465 0.704 0.383 0.889
Pengujian validitas diskriminan dapat dilakukan selain dengan melihat nilai Cross Loadings di atas, pengujian juga dapat dilakukan
dengan melihat nilai Fornell-Larcker, di mana suatu variabel terhadap variabel itu sendiri harus lebih besar daripada variabel tersebut
terhadap variabel lain agar dapat dikatakan bagus. Nilai Fornell-Larcker dapat dilihat pada tabel 3.5 berikut
78
Tabel 3.5 Hasil Uji Kuesioner Discriminant Validity (Fornell-Larcker)
ACC 0.826
Hasil dari uji kuesioner yang sudah dilakukan menunjukkan bahwa model
yang digunakan telah memenuhi syarat model yang bagus, sebab nilai dari suatu
variabel itu sendiri sudah lebih besar dari pada nilai variabel terhadap variabel yang
lainnya seperti pada variabel accuracy yang nilai teratasnya adalah 0,826, yang
apabila dilihat lebih tinggi dibandingkan dengan nilai korelasi antara variabel
content dengan variabel accuracy yang nilainya 0,650. Dalam penelitian ini,
peneliti akan menyebarkan kuesioner melalui media online seperti Facebook dan
Whatsapp untuk mencapai target jumlah responden yang dibutuhkan.
Analisis data yang dilakukan dalam penelitian ini terbagi menjadi dua bagian,
yaitu dengan menggunakan analisis data demografi dan analisis statistik inferential.
Langkah pertama, peneliti melakukan analisis data demografi dengan
menggunakan perangkat lunak Ms. Excel 2016. Pengelompokkan data demografi
ini berdasarkan pada jenis kelamin, usia, pekerjaan, pembelian paket menggunakan
aplikasi, penggunaan internet, intensitas penggunaan aplikasi, dan status
penerimaan pengguna. Langkah kedua, peneliti melakukan analisa statistik
menggunakan tools SmartPLS versi 3.3.3. ada dua analisis yang dilakukan dalam
79
penelitian ini yaitu analisis model pengukuran (outer model) dan model struktural
(inner model).
Model pengukuran (outer model) ini bertujuan untuk menerangkan nilai
validitas dan reliabilitas yang tidak tergoyahkan dengan menjalani tes. Jawaban
responden yang sudah didapatkan kemudian diberikan bobot nilai tergantung dalam
skala likert kemudian diolah menggunakan Ms. Excel 2016 untuk menghasilkan
dokumen dengan menggunakan format .CSV, selanjutnya data tersebut diproses
ulang menggunakan perangkat lunak SmartPLS versi 3.3.3 guna melakukan
pengujian validitas yang terdiri dari uji convergent validity, dan discriminant
validity serta menguji reliabilitas yang terdiri dari uji cronbach’s alpha dan
composite reliability.
Analisa model struktural (inner model) dilakukan dengan menggunakan data
yang berasal dari jawaban responden pada kuesioner penelitian yang telah diberikan
bobot nilai dengan menggunakan skala likert kemudian dioleh menggunakan Ms.
Excel 2016 agar mempunya hasil file dengan format .CSV, selanjutnya data
tersebut diolah kembali menggunakan perangkat lunak SmartPLS versi 3.3.3 untuk
melakukan prediksi terhadap hubungan sebab akibat antar variabel laten. Langkah
pada model ini adalah menguji nilai R Squares, Effect Size (f2), Predictive
Relevance (Q2) dan Relative Impact (q2) melalui metode blindfolding, Path
Coefficient, serta t-test melalui metode bootstrapping.
Setelah menganalisis setiap informasi yang diperoleh, analisis selanjutnya
adalah menguraikan hasil penelitian dengan membahas dan menjabarkan hasil
analisis data demografi responden dengan mempertimbangkan kondisi aktual yang
terjadi. Selain itu, hasil analisis model pengukuran dan hasil analisis model
struktural berisi angka-angka yang dijelaskan dalam kata-kata dengan
membandingkan dan menyinggung pada hasil penelitian sejenis yang relevan
dengan penelitian yang dilakukan.
80
masalah berdasarkan hasil penelusuran informasi dan studi terkait penelitian-
penelitian sebelumnya, selanjutnya melakukan pengembangan model penelitian di
mana dalam penelitian ini model yang digunakan yaitu End User Computing
Satisfaction (EUCS) lalu proses pengumpulan data, perancangan dan pengujian
kuesioner dengan melakukan pengujian kuesioner, proses analisis data, kemudian
pembahasan analisis dan interpretasi dari hasil data yang didapat, kemudian ditutup
dengan kesimpulan dan saran. Penelitian ini dilakukan dalam kurun waktu 10 bulan
81
Gambar 3.1 Prosedur Penelitian (Subiyakto dkk., 2016)
82
83
BAB 4
HASIL DAN PEMBAHASAN
84
bernaung di bawah PT. Indosat Ooredoo Hutchison. Hingga 2022 aplikasi
bima+ sudah diunduh lebih 45 juta pengguna.
Gambar 4.2 Logo PT. Indosat Ooredoo Hutchison (Indosat Ooredoo Hutchison,
2022)
Manfaat dari terjadinya merger dua perusahaan telekomunikasi
tersebut adalah untuk lebih kompetitif, karena sinergi dan keahlian untuk
mendorong inovasi, peningkatan produk dan layanan yang akan
memungkinkan penyediaan layanan yang luar biasa bagi pelanggan, kekuatan
finansial yang lebih baik untuk mendukung jaringan broadband di Indonesia,
salah satunya adalah untuk investasi di bidang 5G, dan dapat terjadinya
peningkatan transaksi bagi pemegang saham dan pemangku kepentingan
lainnya (Indosat Ooredoo Hutchison, 2022).
85
reliabilitas, mengetahui kelayakan pertanyaan-pertanyaan dalam kuesioner,
dan agar poin-poin pertanyaan dalam kuesioner tidak membingungkan dan
tidak ambigu. Proses ini juga dilakukan untuk memodifikasi teks kuesioner
dan penempatan semantik/kata agar lebih mudah untuk dipahami oleh
responden. Pengujian kuesioner ini juga digunakan untuk memperbaiki
desain dan mengidentifikasi kekurangan kuesioner yang mungkin hanya
terlihat oleh populasi terkait. Pada pengujian kuesioner awal, responden
diminta untuk memastikan bahwa kata-kata, frasa, dan instruksi pada
instrumen penelitian sudah jelas dan dapat dimengerti. Selain itu, pengujian
kuesioner bertujuan untuk mengetahui tingkat reliabilitas dan validitas
kuesioner yang digunakan serta hasil hipotesis yang digunakan dalam survei
ini. Jika instrumen berhasil dalam pengujian ini, maka instrumen dapat
digunakan pada kuesioner yang sebenarnya.
Pengujian kuesioner dilakukan pada tanggal 7 – 15 Maret 2022.
Pengujian kuesioner dilakukan dengan cara penyebaran kuesioner secara
online. Ukuran sampel pengujian pengujian kuesioner dalam penelitian ini
melibatkan 30 responden. Hasil dari perhitungan 30 responden tersebut,
didapatkan bahwa reliabilitas dan validitas kuesioner dikatakan baik.
Sehingga peneliti sudah tidak melakukan modifikasi terhadap model
penelitian ini. Peneliti memutuskan menggunakan skema indikator yang telah
dibuat. Setelah pengujian kuesioner dilakukan dan sudah sesuai dengan
harapan penelitian, maka peneliti melakukan penelitian selanjutnya dengan
penyebaran kuesioner yang sebenarnya dengan jumlah target 400 responden.
86
responden dalam rentang waktu 17 Maret 2022 sampai dengan 22 Maret
2022. Hasil analisis akan dijelaskan secara lebih detail sebagai berikut:
1. Jenis Kelamin
Pada kategori jenis kelamin, data responden jauh didominasi oleh
jenis kelamin laki-laki, gambar 4.1 menunjukkan bahwa responden laki-laki
berjumlah sebanyak 372 atau sekitar 93% dari total jenis kelamin
keseluruhan, sedangkan perempuan berjumlah 28 orang atau sekitar 7%
populasi. Hal ini jelas menunjukkan bahwa kartu tri dan aplikasi bima+ lebih
banyak digunakan oleh laki-laki dibandingkan perempuan
Perempuan
7%
Laki-laki
93%
87
≥ 50 Tahun 1
46-50 Tahun 1
41-45 Tahun 9
36-40 Tahun 10
31-35 Tahun 18
26-30 Tahun 37
≤ 20 Tahun 160
88
Lainnya
26% Pelajar/Mahasiswa/i
51%
Pegawai Swasta
21%
Pegawai Negeri
2%
89
> 15 Tahun 1-5 Tahun
13% 16%
10-15 Tahun
28%
6-10 Tahun
43%
Tidak
6%
Ya
94%
90
Gambar 4.6 memperlihatkan bahwa sebanyak 162 responden (41%)
sangat merasa terbantu dengan adanya aplikasi bima+ dalam mencari
informasi terkait aplikasi yang dibutuhkan. 132 responden (33%) merasa
terbantu dengan adanya aplikasi bima+, sebanyak 98 responden (24%)
menilai aplikasi bima+ cukup membantu aktivitas hariannya, dalam hasil
kuesioner juga terdapat 8 responden (2%) yang menyatakan bahwa aplikasi
bima+ ternyata kurang membantu dalam menyelesaikan masalah mereka.
Membantu 132
Cukup Membantu 98
Kurang Membantu 8
Tidak Membantu 0
91
Sangat Puas 84
Puas 139
Kurang Puas 28
Tidak Puas 6
ACC1 0.838
92
ACC2 0.847
ACC3 0.819
ACC4 0.821
CON1 0.777
CON2 0.748
CON3 0.779
CON4 0.812
CON5 0.781
EOU1 0.867
EOU2 0.879
EOU3 0.866
EOU4 0.824
EOU5 0.782
EUS1 0.855
EUS2 0.846
EUS3 0.881
EUS4 0.869
EUS5 0.870
FOR1 0.853
FOR2 0.872
FOR3 0.886
FOR4 0.835
SSP1 0.820
SSP2 0.899
SSP3 0.897
93
SSP4 0.870
SSR1 0.830
SSR2 0.868
SSR3 0.638
SSR4 0.818
TIM1 0.883
TIM2 0.909
TIM3 0.870
TIM4 0.837
94
Composite
Reliability
ACC 0.899
CON 0.886
EOU 0.925
EUS 0.937
FOR 0.920
SSP 0.927
SSR 0.870
TIM 0.929
95
SSR 0.629
TIM 0.766
4. Discriminant Validity
96
EOU2 0.638 0.678 0.879 0.690 0.770 0.621 0.570 0.596
97
Selanjutnya, terdapat pengujian dengan menganalisa hasil kriteria
Fornell-Larcker yang dilakukan dengan cara membandingkan nilai akar
AVE pada tiap variabel yang satu dengan variabel lainnya dalam suatu
model penelitian, nilai akar AVE harus lebih tinggi daripada korelasi antara
konstrak dengan konstrak lainnya. Seperti pada variabel accuracy di tabel
4.5, variabel accuracy yang nilai teratasnya adalah 0,831 yang apabila
dilihat lebih tinggi dibandingkan dengan nilai korelasi antara variabel
content dengan variabel accuracy yang nilainya 0,795. Berdasarkan
pengujian yang sudah dilakukan, dapat disimpulkan bahwa seluruh
indikator yang terdapat di dalam model penelitian telah memenuhi syarat
validitas diskriminan.
ACC 0.831
98
Tabel 4.6 Ringkasan Hasil Pengujian Model Pengukuran (Outer Model)
VAR IND OL ACC CON EOU EUS FOR SSP SSR TIM CR AVE
ACC1 0.838 0.838 0.673 0.559 0.613 0.530 0.550 0.485 0.643
ACC2 0.847 0.847 0.673 0.557 0.582 0.479 0.558 0.469 0.637 0.899 0.691
ACC
ACC3 0.819 0.819 0.593 0.545 0.585 0.522 0.561 0.506 0.535
ACC4 0.821 0.821 0.699 0.663 0.658 0.665 0.603 0.559 0.553
CON1 0.777 0.579 0.777 0.559 0.588 0.528 0.504 0.475 0.476
CON2 0.748 0.561 0.748 0.544 0.529 0.520 0.496 0.429 0.566
0.886 0.608
CON CON3 0.779 0.662 0.779 0.698 0.628 0.668 0.629 0.512 0.537
CON4 0.812 0.650 0.812 0.562 0.607 0.534 0.510 0.428 0.532
CON5 0.781 0.639 0.781 0.605 0.598 0.601 0.545 0.496 0.563
EOU1 0.867 0.552 0.638 0.867 0.649 0.702 0.594 0.504 0.537
EOU2 0.879 0.638 0.678 0.879 0.690 0.770 0.621 0.570 0.596
0.925 0.713
EOU EOU3 0.866 0.627 0.652 0.866 0.670 0.723 0.638 0.551 0.558
EOU4 0.824 0.521 0.591 0.824 0.609 0.605 0.560 0.505 0.573
EOU5 0.782 0.618 0.660 0.782 0.632 0.591 0.585 0.503 0.680
EUS1 0.855 0.638 0.624 0.644 0.855 0.614 0.644 0.567 0.638
EUS 0.937 0.747
EUS2 0.846 0.585 0.626 0.605 0.846 0.592 0.609 0.554 0.582
99
EUS3 0.881 0.641 0.661 0.682 0.881 0.685 0.678 0.582 0.604
EUS4 0.869 0.646 0.657 0.692 0.869 0.693 0.704 0.600 0.603
EUS5 0.870 0.663 0.705 0.704 0.870 0.698 0.729 0.604 0.653
FOR1 0.853 0.519 0.618 0.639 0.650 0.853 0.560 0.419 0.527
FOR2 0.872 0.559 0.610 0.743 0.633 0.872 0.556 0.497 0.545 0.920 0.742
FOR
FOR3 0.886 0.589 0.654 0.726 0.670 0.886 0.613 0.534 0.565
FOR4 0.835 0.621 0.646 0.671 0.668 0.835 0.595 0.507 0.584
SSP1 0.820 0.548 0.555 0.539 0.591 0.482 0.820 0.499 0.452
SSP2 0.899 0.590 0.618 0.642 0.706 0.635 0.899 0.520 0.570 0.927 0.761
SSP
SSP3 0.897 0.634 0.608 0.647 0.720 0.623 0.897 0.564 0.582
SSP4 0.870 0.612 0.625 0.644 0.696 0.602 0.870 0.546 0.603
SSR1 0.830 0.546 0.501 0.532 0.569 0.540 0.561 0.830 0.518
SSR2 0.868 0.569 0.541 0.563 0.592 0.511 0.545 0.868 0.513 0.870 0.629
SSR
SSR3 0.638 0.319 0.380 0.337 0.372 0.302 0.336 0.638 0.370
SSR4 0.818 0.461 0.473 0.516 0.570 0.418 0.466 0.818 0.479
TIM1 0.883 0.586 0.575 0.597 0.599 0.554 0.550 0.507 0.883
TIM TIM2 0.909 0.619 0.616 0.622 0.670 0.605 0.588 0.542 0.909 0.929 0.766
TIM3 0.870 0.595 0.606 0.621 0.614 0.558 0.526 0.466 0.870
100
TIM4 0.837 0.694 0.599 0.599 0.611 0.538 0.562 0.576 0.837
Keterangan :
VAR : Variabel
IND : Indikator
AVE : Average Variance Extracted
OL : Outer Loading
CR : Composite Reliability
101
4.3.3 Hasil Analisis Model Struktural (Inner Model)
Pada tahap analisis model struktural terdapat enam tahapan pengujian
yaitu perhitungan pada nilai path coefficient (β), coefficient of determination
(R2), t-test menggunakan metode bootstrapping, effect size (f 2), predictive
relevance (Q2), dan juga relative impact (q2). Penjelasan dari pengukuran ini
akan dijelaskan sebagai berikut:
Pada tabel 4.7 menunjukkan hasil nilai uji path coefficient dari 7
jalur pada model penelitian, terdapat 5 jalur berada di atas 0,1 kemudian
terdapat 2 jalur di bawah 0,1 yaitu ACC → EUS, dan EOU → EUS yang
artinya menandakan bahwa kedua variabel tersebut tidak berpengaruh
secara signifikan terhadap kepuasan pengguna aplikasi.
102
Gambar 4.10 Hasil Analisis Pengujian Path Coefficient (β) dengan SmartPLS
3.3.3
2. Uji Coefficient of Determination (R2)
3. Uji t-test
103
Pengujian t-test dilakukan dengan cara menggunakan metode
boostraping pada SmartPLS 3.3.3 dengan uji two-tailed di mana tingkat
signifikan yang digunakan adalah 5%. Hipotesis pada t-test ini bisa diterima
apabila nilai uji t-test lebih dari 1,96.
104
Gambar 4.11 Hasil Uji t-test
4. Uji Effect Size (f2)
Hipotesis f2 Keterangan
105
H2 CON → EUS 0.771 0,768 0,015 Kecil
Berdasarkan hasil pengujian pada tabel 4.10 diketahui hasil uji effect
size bahwa terdapat 6 jalur atau mayoritas jalur memiliki pengaruh yang
kecil dan 1 jalur memiliki pengaruh menengah pada struktural model.
106
𝑄 2 ⅈ𝑛𝑐𝑙𝑢𝑑ⅇ − 𝑄 2 ⅇ𝑥𝑐𝑙𝑢𝑑ⅇ
𝑞2 =
1 − 𝑄 2 ⅈ𝑛𝑐𝑙𝑢𝑑ⅇ
Keterangan :
Q2 include = predictive relevance
Q2 exclude = Nilai pada luar Q
Hipotesis q2 Keterangan
107
Tabel 4.13 Ringkasan Hasil Model Struktural (Inner Model)
Hipotesis f2 q2 Analisis
β t-test R2 R2 R2 Q2 Q2 Q2
No Jalur ∑f2 ∑q2 β t-test R2 f2 Q2 q2
include include include exclude
Tidak Predictive
H1 ACC → EUS 0.084 1.372 0.771 0.771 0,769 0,009 0,566 0,566 0,566 0 Ditolak K k k
Signifikan Relevance
Predictive
H2 CON → EUS 0,113 2.267 0.771 0.771 0,768 0,015 0,566 0,566 0,564 0,004 Signifikan Diterima K k k
Relevance
Tidak Predictive
H3 EOU → EUS 0.094 1.401 0.771 0.771 0,769 0,010 0,566 0,566 0,565 0,002 Ditolak K k k
Signifikan Relevance
Predictive
H4 FOR → EUS 0.202 4.638 0.771 0.771 0,759 0,054 0,566 0,566 0,557 0,020 Signifikan Diterima K k k
Relevance
Predictive
H5 SSP → EUS 0.283 5.385 0.771 0.771 0,740 0,156 0,566 0,566 0,544 0,050 Signifikan Diterima K m k
Relevance
Predictive
H6 SSR → EUS 0.137 2.863 0.771 0.771 0,762 0,042 0,566 0,566 0,560 0,013 Signifikan Diterima K k k
Relevance
Predictive
H7 TIM → EUS 0,118 2.073 0.771 0.771 0,766 0,024 0,566 0,566 0,563 0,006 Signifikan Diterima K k k
Relevance
Keterangan :
β : Path Coefficient Q2 : Predictive Relevance k : Kecil
t-test : T Statistic q 2 : Relative Impact
R2 : R Square K : Kuat
f 2 : Effect Size m : Menengah
108
4.4 Interpretasi dan Diskusi dari Hasil Analisis
1. Jenis Kelamin
2. Usia
Pada gambar 4.4 terkait dari analisis demografis usia responden, dapat
dilihat bahwa terdapat kategori usia yaitu yang berusia di bawah 20 tahun
sebanyak 160 orang, usia antara 21-25 tahun sebanyak 164 orang, 26-30 ada
sebanyak 37 orang, 31-35 tahun terdapat 18 orang, 36-40 tahun terdapat 10
orang, usia 41-45 tahun ada sebanyak 9 orang, 46-50 tahun terdapat 1 orang,
dan terakhir berusia di atas 50 tahun terdapat 1 orang. Hasil kuesioner
penelitian ini sudah sesuai dengan data dari (Badan Pusat Statistik, 2020)
yang menyatakan bahwa populasi pengguna telekomunikasi di bawah 25
tahun sebanyak 42,93% dari total populasi.
3. Pekerjaan
109
sebanyak 103 orang dengan persentase 26%. Hal tersebut sudah sesuai
dengan data dari (Badan Pusat Statistik, 2020) yang menyatakan bahwa
persentase penduduk yang mengakses internet mayoritas adalah pelajar
dengan persentase sebanyak 75,72% dari total populasi.
4. Pengunaan Internet
110
persentase 2% merasa bahwa aplikasi bima+ ini kurang membantu, hal ini
dikarenakan karena masih ada ketidaksesuaian informasi yang diberikan
sistem dengan realita yang terjadi, dan terakhir, tidak ada responden yang
merasa kalau aplikasi bima+ ini tidak membantu sama sekali.
111
secara keseluruhan dari variabel SSR sudah sesuai dengan
persyaratan yaitu nilai ambang batas untuk nilai AVE minimum 0,5
dan nilai CR di atas 0,7 masih dikatakan baik dan indikator SSR3
juga tidak memengaruhi nilai pada perhitungan lainnya.
2. Hasil dari penelitian yang sudah dilakukan menunjukkan bahwa
model penelitian ini sudah sesuai dengan syarat-syarat yang ada dan
juga memiliki hasil pengujian yang baik, hal ini terbukti dari tidak
adanya indikator variabel yang dihapus dan nilai-nilai model
pengukuran masih di atas nilai ambang batasnya. Oleh karena itu,
peneliti kemudian bisa melakukan pengujian lebih lanjut untuk
analisis struktur model (inner model)
112
Berdasarkan hasil dari pengujian struktur model, pada pengujian nilai
t-test hasil menunjukkan bahwa HI hubungan jalur ACC → EUS ditolak
karena nilai pengujian berada di bawah nilai ambang batas, sehingga dapat
ditarik kesimpulan bahwa akurasi (ACC) tidak berpengaruh terhadap
kepuasan pengguna (EUS). Selain itu juga didukung dengan nilai dari
pengujian path coefficient (β) 0,084 yang berarti akurasi (ACC) tidak
memiliki pengaruh yang signifikan terhadap kepuasan pengguna (EUS)
terhadap aplikasi bima+. Indikator proses pada hipotesis ini menunjukkan
angka terendah dalam penelitian variabel accuracy yang berarti masih
terdapat kesalahan dalam pengolahan dan pengelolaan data pada aplikasi
bima+. Dalam menghasilkan output data aplikasi bima+ masih kurang sesuai
dengan yang diharapkan dan terdapat kesalahan dalam pengolahan dan
pengelolaan data. Hasil yang didapat pada penelitian ini sama seperti hasil
dari penelitian sejenis yang sudah dilakukan sebelumnya oleh (Dianty, 2020;
Rosalina, 2017), di mana pada penelitian tersebut accuracy tidak memiliki
hubungan yang signifikan terhadap kepuasan pengguna.
113
Namun, berdasarkan hasil wawancara membuktikan bahwa terdapat
beberapa responden yang diwawancara mengeluhkan tentang isi dari aplikasi
bima+. Responden Akbar mengeluhkan bahwa aplikasi bima+ tidak terdapat
pengakategorisasian dari paket-paket yang ditawarkan sehingga
menimbulkan kebingungan, responden Taufan juga menyetujui keluhan
tersebut, di mana paket-paket dari kuota yang ditawarkan masih tercampur
dengan produk-produk lain yang kurang penting dan akhirnya membuat
kebingungan, fitur search box juga menjadi masalah dikarenakan paket yang
dicari sering tidak muncul, padahal kata kunci yang dituliskan sudah sesuai.
Kendala-kendala tersebut memerikan pengaruh terhadap tingkat kepuasan
pengguna aplikasi bima+
114
H4: Tampilan yang menarik dan interaktif (Format) aplikasi bima+
berpengaruh secara signifikan terhadap kepuasan pengguna (End User
Satisfaction)
115
Ketepatan waktu dan informasi yang up to date merupakan hal yang
penting dari suatu sistem, di mana semakin baru dan cepat informasi yang
dihasilkan oleh aplikasi maka semakin baik pencapaian kepuasan pengguna
aplikasinya. Pernyataan tersebut juga sesuai dengan hasil pengujian pada
struktur model variabel timeliness, pada pengujian nilai t-test hasil
menunjukkan bahwa H7 hubungan TIM → EUS diterima, sehingga dapat
diartikan bahwa ketepatan waktu (TIM) memiliki pengaruh positif terhadap
kepuasan pengguna (EUS). Pada pengujian path coefficient menghasilkan
nilai 0,118 yang berarti ketepatan waktu juga berpengaruh terhadap kepuasan
pengguna. Hasil penelitian ini sesuai dengan penelitian sejenis yang pernah
dilakukan oleh penelitian sebelumnya (Alviani, 2018; Fujianto, 2019).
116
mengatakan bahwa aplikasi kurang responsif ketika kita memilih salah satu
halaman menu, responden Bayu juga mengatakan bahwa animasi yang
berjalan juga terasa patah-patah dan terkadang gambar tidak sepenuhnya
termuat. Responden Taufan mengatakan bahwa berdasarkan pengalaman
pribadinya, bahwa tingkat kecepatan pemrosesan dari aplikasi bima+ tidak
selancar aplikasi digital assistant dari penyedia layanan operator lainnya.
Hal-hal ini jelas saja memengaruhi tingkat kepuasan dari pengguna aplikasi
bima+
117
dapat bekerja tanpa terjadi kesalahan dalam pengolahan data sehingga dapat
memperbaiki kepuasan pengguna. Selanjutnya adalah kemudahan bagi pengguna
(EOU), yaitu berhubungan dengan kemudahan dalam penggunaan aplikasi itu
sendiri, melalui kemudahan dari penggunaan aplikasi bima+ maka tandanya masih
perlu untuk ditingkatkan, agar aplikasi lebih mudah dimengerti dan lebih mudah
digunakan untuk pengguna aplikasi bima+.
Berdasarkan hasil dari analisis di atas, maka peneliti mengajukan beberapa
saran yang diharapkan dapat menjadi bahan pertimbangan bagi pihak pengembang
Aplikasi bima+, yaitu:
1. Bentuk dari aplikasi dibuat menjadi lebih simpel agar lebih mudah
dipahami oleh para pengguna
2. Meningkatkan kecepatan loading saat proses penggunaan di dalam
aplikasi, mengatasi masalah terkait lag screen yang sering terjadi
3. Menambah fitur untuk memasukkan pin saat ingin akses aplikasi
demi keamanan data pengguna
4. Mempertahankan kualitas dari informasi yang ditampilkan di dalam
aplikasi untuk selalu akurat dan informasi yang ditampilkan di
dalam aplikasi untuk selalu up to date.
5. Bima+ dapat menawarkan variasi dari kuota data yang disesuaikan
dengan pelanggan dari berbagai usia dan jenis kelamin.
6. Tetap mempertahankan fitur-fitur yang sudah sesuai kebutuhan para
pengguna aplikasi, dan menghapus fitur dalam aplikasi yang jarang
digunakan.
118
119
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
120
memengaruhi kepuasan pengguna akhir aplikasi dengan melakukan
pengembangan sistem, terutama yang berkaitan dengan faktor
system speed (kecepatan sistem) pada aplikasi bima+.
5.2 Saran
121
DAFTAR PUSTAKA
KUESIONER PENELITIAN
Kuesioner Penelitian
A. Profil Responden
Nama : ____________________
Jenis Kelamin : Laki-laki Perempuan
Kontak yang bisa dihubungi : ____________________
Usia :
15-20 Tahun 21-25 Tahun 26-30 Tahun 31-35 Tahun
36-40 Tahun 41-45 Tahun 46-50 Tahun > 50 Tahun
Pekerjaan :
Pelajar/Mahasiswa Pegawai Swasta Pegawai Negeri
Lainnya
B. Pertanyaan Umum
Jawablah dan berikan tanda centang (√) pada salah satu jawaban yang tersedia
Sudah berapa lama anda menggunakan internet?
1-5 Tahun 6-10 Tahun 11-15 Tahun > 15 Tahun
Apakah anda sudah menggunakan aplikasi bima+ sebagai metode pembelian
paket internet?
Ya Tidak
Secara keseluruhan, apakah dengan adanya aplikasi bima+ membantu
kepentingan anda
Narasumber 1 : Rizki
Pekerjaan : Mahasiswa
Hari/Tanggal : 9 Desember 2021
1. P : Sudah berapa lama menggunakan kartu tri, dan apa alasan utamanya?
J : Semenjak sekitar 2018-2019, alasan utamanya karena paket yang
ditawarkan oleh kartu tri lebih murah dibandingkan dengan provider lain.
2. P : Sudah berapa lama menggunakan aplikasi bima+?
Narasumber 2 : Akbar
Pekerjaan : Karyawan Swasta
Hari/Tanggal : 9 Desember 2021
1. P : Sudah berapa lama menggunakan kartu tri, dan apa alasan utamanya?
J : Semenjak 2017, alasannya setelah saya melakukan perbandingan dengan
kartu provider lain, dan setelah hasil komparasi, kartu tri yang paling cocok
untuk saya meskipun ada yang harus dikorbankan, yaitu jaringan sinyal
yang tidak stabil.
2. P : Sudah berapa lama menggunakan aplikasi bima+?
J : Semenjak 2018, sebelumnya masih menggunakan kode *123# untuk
melakukan pengecekan dan pembelian pulsa/kuota, saat awal menggunakan
kartu tri ingin menginstall aplikasi bimatri namun tampilannya masih
kurang bagus.
3. P : Apa kelebihan dari aplikasi bima+ selama menggunakan aplikasi
tersebut?
J : Kelebihan utamanya tetap terletak di pengecekan pulsa atau kuota paket
data.
4. P : Apa kekurangan dari aplikasi bima+ yang dirasakan selama
menggunakan aplikasi?
J : Untuk pembelian paket data untuk saya pribadi masih terdapat
kekurangan, terutama dalam pencarian paket yang diinginkan, tidak adanya
pengakategorisasiaan dari paket-paket yang ditawarkan sehingga
menyebabkan kebingunan, fitur search box yang ditawarkan di dalam
aplikasi juga masih kurang membantu dalam mencari paket yang diinginkan
karena sering tidak ditemukan padahal kata kunci dari nama paket yang
dicari sudah sesuai, loading screen saat ingin membuka aplikasi menurut
saya masih terasa lambat, dan pada fitur bonstri agak aneh, karena saat kita
membuka halaman bonstri, aplikasi membuka browser lagi di dalam
aplikasi, jadi kalau koneksi kita sedang tidak bagus, aplikasi malah
menampilkan tulisan “connection error” halaman browser, dan tombol back
di halaman bonstri, harus menggunakan tombol back khusus untuk ke
halaman sebelumnya, apabila menggunakan tombol back di handphone,
malah kita keluar dari aplikasi bima+. Banyak fitur di dalam aplikasi bima+
yang menurut saya tidak penting, seperti bima market, dan game, tapi malah
ditampilkan di halaman utama, jadi terkesan mubazir.
5. P : Menurut anda, apakah kemudahan penggunaan aplikasi berpengaruh
signifikan terhadap kepuasan pengguna tersebut?
J : Menurut saya apabila diurutkan ke dalam beberapa faktor, hal ini
termasuk yang paling berpengaruh terhadap kepuasan pengguna aplikasi.
Aplikasi bima+ menurut saya dapat menjadi daya tarik seseorang untuk
menggunakan kartu operator tri selain karena paket murahnya yang
ditawarkan.
6. P : Secara keseluruhan, tingkat kepuasan anda dalam menggunakan aplikasi
bima+ berapa ya? (dalam skala 1-5)
J : 2, apabila saya jabarkan lebih luas mengenai aplikasi bima+, saya masih
merasa aplikasi ini memiliki lebih banyak kekurangan dibandingkan dengan
aplikasi dari kompetitor lainnya.
Narasumber 3 : Taufan
Pekerjaan : Mahasiswa
Hari/Tanggal 9 Desember 2021
1. P : Sudah berapa lama menggunakan kartu tri, dan apa alasan utamanya?
J : Saya sudah menggunakan kartu tri sejak 2015, alasannya adalah karena
tri paketnya murah dan sinyalnya bagus di rumah saya.
2. P : Sudah berapa lama menggunakan aplikasi bima+?
J : Sekitar 2019, sebelumnya masih menggunakan kode mmi untuk
melakukan pembelian dan pengecekan pulsa/kuota
3. P : Apa kelebihan dari aplikasi bima+ selama menggunakan aplikasi
tersebut?
J : Kelebihannya, semua informasi dan semua kegiatan terkait transaksi
menggunakan kartu tri, beli paket data, semua tersedia di satu tempat, dan
kecepatan pemrosesan informasinya lebih cepat daripada menggunakan
kode mmi.
4. P : Apa kekurangan dari aplikasi bima+ yang dirasakan selama
menggunakan aplikasi?
J : Pengelompokan paket-paket kuota masih belum jelas, masih tercampur
dengan produk-produk lain yang kurang relevan seperti beli RBT (ring back
tone), top-up game-game, search box yang tidak optimal, kecepatan aplikasi
bima+ tidak selancar aplikasi digital assistant lainnya.
5. P : Menurut anda, apakah kemudahan penggunaan aplikasi berpengaruh
signifikan terhadap kepuasan pengguna tersebut?
J : Iya, sangat berpengaruh secara signifikan
6. P : Secara keseluruhan, tingkat kepuasan anda dalam menggunakan aplikasi
bima+ berapa ya? (dalam skala 1-5)
J : 3, kebutuhan dasar sudah terpenuhi tapi aplikasi masih terasa terlalu
sesak
Narasumber 4 : Bayu
Pekerjaan : Mahasiswa
Hari/Tanggal : 13 Desember 2021
1. P : Sudah berapa lama menggunakan kartu tri, dan apa alasan utamanya?
J : Saya sudah menggunakan kartu tri sejak 2014, alasannya adalah karena
tri juga banyak digunakan oleh teman saya saat itu.
2. P : Sudah berapa lama menggunakan aplikasi bima+?
J : Sekitar 2019 karena tau dari teman
3. P : Apa kelebihan dari aplikasi bima+ selama menggunakan aplikasi
tersebut?
J : Aplikasi Bima+ sangat membantu saya dalam memantau kuota internet,
dan juga sisa pulsa yang saya miliki. Aplikasi Bima+ juga memberi
kemudahan dengan memberikan daftar paket-paket internet dengan harga
yang relatif terjangkau
4. P : Apa kekurangan dari aplikasi bima+ yang dirasakan selama
menggunakan aplikasi?
J : Kendala yang saya rasakan dari penggunaan aplikasi Bima+ adalah
aplikasinya kurang responsif ketika kita memilih salah satu menu. Animasi
yang berjalan juga terasa patah-patah dan terkadang gambar-gambar juga
tidak sepenuhnya termuat. Namun dari yang saya lihat telah ada
peningkatan dari segi kualitas dan juga tampilan pada beberapa versi
terakhir aplikasi bima+
5. P : Menurut anda, apakah kemudahan penggunaan aplikasi berpengaruh
signifikan terhadap kepuasan pengguna tersebut?
J : Iya, menurut saya kemudahan dalam penggunaan aplikasi berpengaruh
pada kepuasan pengguna. Karena dengan begitu pengguna akan semakin
nyaman dan tidak kesulitan dalam menggunakan aplikasi sehingga
meningkatkan kepuasan penggunanya
6. P : Secara keseluruhan, tingkat kepuasan anda dalam menggunakan aplikasi
bima+ berapa ya? (dalam skala 1-5)
J : Saya beri nilai 3 secara keseluruhan untuk aplikasi bima+
Narasumber 5 : Danar
Pekerjaan : Karyawan Swasta
Hari/Tanggal : 15 Desember 2021
1. P : Sudah berapa lama menggunakan kartu tri, dan apa alasan utamanya?
J : Saya sudah menggunakan kartu tri sejak 2012, alasannya adalah karena
harga yang cukup murah dibandingkan provider lain.
2. P : Sudah berapa lama menggunakan aplikasi bima+?
J : Sekitar 2014-2015 saat aplikasi masih bernama bimatri
3. P : Apa kelebihan dari aplikasi bima+ selama menggunakan aplikasi
tersebut?
J : Aplikasi bima+ membantu saya saat proses pengecekan pulsa, pembelian
pulsa, dan melihat-lihat paket kuota yang ditawarkan
4. P : Apa kekurangan dari aplikasi bima+ yang dirasakan selama
menggunakan aplikasi?
J : Aplikasi sering lambat saat saya coba untuk buka, beberapa kali saat
sedang menggunakan aplikasi juga pernah crash dan keluar secara otomatis.
Fitur di dalam aplikasi bima+ meskipun banyak, namun banyak yang jarang
saya gunakan atau bahkan tidak pernah, sehingga kadang membuat saya
kesulitan untuk mencari fitur apa yang saya butuhkan
5. P : Menurut anda, apakah kemudahan penggunaan aplikasi berpengaruh
signifikan terhadap kepuasan pengguna tersebut?
J : Iya menurut saya berpengaruh signifikan
6. P : Secara keseluruhan, tingkat kepuasan anda dalam menggunakan aplikasi
bima+ berapa ya? (dalam skala 1-5)
J : Saya beri nilai 2, karena secara pribadi aplikasi ini masih terdapat banyak
kekurangan di mata saya.
LAMPIRAN
SURAT PENDUKUNG