SKRIPSI

ANALISIS KEPUASAN PENGGUNA TERHADAP APLIKASI MOBILE

TIKET.COM MENGGUNAKAN METODE END USER COMPUTING

SATISFACTION (EUCS) YANG DIKEMBANGKAN

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer

Disusun Oleh:
Muhammad Fathi Azzumar
11180930000011

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

2022 M / 1444 H
LEMBAR PERNYATAAN

v
 ABSTRAK
Muhammad Fathi Azzumar – 11180930000011, Analisis Kepuasan Pengguna
terhadap Aplikasi Mobile Tiket.com Menggunakan Metode End User Computing
Satisfaction (EUCS) yang Dikembangkan. Di bawah bimbingan Eva Khudzaeva,
S.Kom., M.Si dan Elvi Fetrina, B.Sc., M.IT.

Aplikasi mobile tiket.com adalah aplikasi agen perjalanan berbasis online atau
yang dapat disebut Online Travel Agent (OTA), aplikasi ini memiliki fitur
layanan seperti pemesanan tiket transportasi, hotel atau villa, serta tiket acara
tertentu yang dapat membantu pengguna saat bepergian ke suatu tempat. Namun
dalam implementasinya, masih ditemukan beberapa masalah pada aplikasi
tiket.com, yaitu tidak adanya invoice pembayaran, limit pembayaran yang
singkat, layanan hotel yang tidak sesuai dengan aplikasi, pembatalan pemesanan
hotel maupun tiket secara sepihak, dan sistem refund yang menyulitkan pengguna
sehingga menyebabkan pengguna memberikan komplein serta turunnya
penilaian kepuasan dari pengguna. Oleh karena itu, penelitian ini bertujuan untuk
melakukan analisis kepuasan pengguna terhadap aplikasi mobile tiket.com dan
menguji variabel apa saja yang dapat mempengaruhi pada kepuasan pengguna
aplikasi tiket.com. Model utama yang digunakan pada penelitian ini adalah End
User Computing Satisfaction (EUCS) dengan menambahkan variabel perceived
usefulness dan service. Dengan menggunakan teknik pengambilan sampel
purposive sampling terpilih sebanyak 151 responden untuk menjadi sampel
penelitian. Hasil penelitian ini menunjukkan bahwa kepuasan pengguna dari
aplikasi mobile tiket.com berada pada kategori Puas dan dari 7 hipotesis yang
diujikan, terdapat 5 hipotesis yang diterima yaitu variabel content, format, ease of
use, perceived usefulness dan service. Lalu terdapat 2 hipotesis yang ditolak yaitu
variabel accuracy dan timeliness, serta rekomendasi kepada pengembang aplikasi
mobile tiket.com yaitu memperhatikan data atau informasi yang disediakan
aplikasi, menambah batas waktu saat melakukan pembayaran, dan menambahkan
notifikasi pemberitahuan informasi yang up to date jika ada pemesanan hotel
dibatalkan atau jadwal penerbangan yang berubah, serta perbaikan sistem refund
yang tidak menyulitkan pengguna.

Kata Kunci: Analisis Kepuasan Pengguna, Aplikasi Mobile tiket.com, Online

Travel Agent, EUCS

BAB 1-5 + xi Halaman + 100 Halaman + 22 Daftar Gambar + 21 Daftar Tabel +

Daftar Pustaka + Lampiran

Pustaka Acuan (85, 1988-2022)

vi
 KATA PENGANTAR

Segala Puji bagi Allah SWT peneliti panjatkan karena atas limpahan

rahmat dan hidayah-Nya maka peneliti dapat menyelesaikan skripsi yang berjudul

“Analisis Kepuasan Pengguna terhadap Aplikasi Mobile Tiket.com Menggunakan

Metode End User Computing Satisfaction (EUCS) yang Dikembangkan” ini dapat

diselesaikan dengan baik. Shalawat serta salam semoga selalu tercurahkan kepada

suri tauladan kita Rasulullah Muhammad SAW.

Dalam proses penyusunan skripsi ini, peneliti mendapatkan dukungan,

motivasi, bantuan maupun saran, serta bimbingan dari berbagai pihak. Oleh karena

itu, dengan segala kerendahan hati dan tidak mengurangi rasa hormat

perkenankanlah peneliti mengucapkan terima kasih kepada:

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

Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

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

Informasi dan Bapak Nuryasin M.Kom selaku Sekretaris Prodi Sistem

Informasi.

3. Ibu Eva Khudzaeva S.Kom., M.Si, sebagai Dosen Pembimbing I yang tidak

pernah lelah untuk membimbing dan memotivasi peneliti agar dapat

menyelesaikan skripsi ini.

4. Ibu Elvi Fetrina, B.Sc., M.TI., sebagai Dosen Pembimbing II yang telah

membimbing serta mengarahkan penulisan laporan ini sehingga laporan skripsi

ini dapat terselesaikan dengan baik.

5. Ibu Dr. Qurrotul Aini, ST., M.T. selaku dosen pembimbing akademik saya

vii
 yang telah banyak membantu selama ini.

6. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu

kepada peneliti selama masa perkuliahan.

7. Seluruh karyawan Fakultas Sains dan Teknologi yang telah membantu peneliti

dalam perkuliahan, terutama dalam bidang administrasi akademik.

8. Kedua orang tua peneliti, Ibu Sri Winarni dan Bapak Mas’udi yang selalu

memberikan doa, motivasi, nasihat dan semangat kepada peneliti sehingga

dapat menyelesaikan skripsi ini. Terima kasih untuk selalu ada di kehidupan

peneliti.

9. Adik peneliti, Mushab Abdullah dan Salwa Azizah yang banyak membantu dan

selalu mendoakan peneliti saat mengerjakan laporan skripsi, dan selalu

menghibur peneliti dengan kegiatan yang lucu.

10. Keluarga besar Mas’udi dan Sri Winarni yang selalu mengingatkan,

memotivasi dan menenangkan peneliti dalam mengambil keputusan saat

mengerjakan laporan akhir skripsi.

11. Teman dekat maupun sahabat peneliti, Fachri Fadhila, Taufik Riski Arrahman,

Muhammad Sami, Viola Octavia, Sabila Rodhia, Rahmatul Isnaisi, Egan,

Sulthan Raihan, Sarah Arhami, serta teman-teman SMAN 56 dan B10’s yang

selalu ada disaat peneliti membutuhkan dorongan maupun saran saat

mengerjakan laporan skripsi ini.

12. Seluruh teman-teman mahasiswa Sistem Informasi angkatan 2018, khususnya

teman-teman kelas A yang selalu memberikan warna dalam kegiatan

perkuliahan, semangat dan sukses selalu untuk kalian.

viii
 Peneliti memohon kepada Allah SWT agar seluruh dukungan, bantuan dan

bimbingan dari semua pihak dibalas pahala yang berlipat ganda. Selain itu, peneliti

menyadari penyusunan skripsi ini masih terdapat kekurangan dan jauh dari kata

sempurna karena terbatasnya ilmu pengetahuan maupun wawasan yang dimiliki.

Peneliti memohon maaf atas segala kekurangan yang ada, serta tidak menolak atas

segala kritik dan saran bagi peneliti yang dapat disampaikan melaui email

azzumar.fathi18@mhs.uinjkt.ac.id. Akhir kata, peneliti berharap agar skripsi ini

dapat bermanfaat bagi peneliti dan semua yang membaca. Aamiin Ya Rabbal

‘Alamin.

Jakarta, 29 November 2022

Muhammad Fathi Azzumar

NIM 11180930000011

ix
 DAFTAR ISI

HALAMAN JUDUL ......................................................................................................... ii

LEMBAR PENGESAHAN ............................................................................................. iii

LEMBAR PENGESAHAN UJIAN ................................................................................ iv

LEMBAR PERNYATAAN .............................................................................................. v

ABSTRAK ........................................................................................................................ vi

KATA PENGANTAR ..................................................................................................... vii

DAFTAR ISI...................................................................................................................... x

DAFTAR GAMBAR ...................................................................................................... xiii

DAFTAR TABEL .......................................................................................................... xiv

BAB 1 PENDAHULUAN ................................................................................................. 1

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

1.2. Identifikasi Masalah .......................................................................................... 10

1.3. Rumusan Masalah ............................................................................................. 11

1.4. Ruang Lingkup dan Batasan ............................................................................. 11

1.5. Tujuan Penelitian .............................................................................................. 12

1.6. Manfaat Penelitian ............................................................................................ 13

1.7. Metodologi Penelitian ....................................................................................... 13

1.7.1 Pengumpulan Data .................................................................................... 13

1.7.2 Analisis Data ............................................................................................. 13

1.7.3 Model Penelitian ....................................................................................... 14

1.8. Sistematika Penulisan ....................................................................................... 16

BAB 2 TINJAUAN PUSTAKA...................................................................................... 19

2.1. Analisis Kepuasan Pengguna ............................................................................ 19

2.2. Aplikasi Mobile ................................................................................................. 21

2.3. E-Commerce ..................................................................................................... 25

x
 2.4. Aplikasi Tiket.com ............................................................................................ 28

2.5. End-User Computing Satisfaction (EUCS)....................................................... 32

2.6. Populasi, Sampel dan Teknik Sampling ............................................................ 37

2.6.1 Populasi ..................................................................................................... 37

2.6.2 Ukuran Sampel.......................................................................................... 37

2.6.3 Teknik Sampling ....................................................................................... 38

2.7. PLS-SEM (Partial Least Square-Structural Equation Modeling) .................... 38

2.7.1 Evaluasi Pengukuran Model (Outer Model) ............................................. 39

2.7.2 Evaluasi Model Struktural (Inner Model) ................................................. 41

2.8. Skala Pengukuran.............................................................................................. 43

2.9. Analisis Data ..................................................................................................... 45

2.9.1 Uji Validitas .............................................................................................. 45

2.9.2 Uji Reliabilitas .......................................................................................... 45

2.10. Studi Literatur Sejenis................................................................................... 46

BAB 3 METODE PENELITIAN ................................................................................... 50

3.1. Pendekatan Penelitian ....................................................................................... 50

3.2. Tools Penelitian ................................................................................................. 50

3.3. Metode Pengumpulan Data ............................................................................... 51

3.3.1. Studi Literatur ........................................................................................... 51

3.3.2. Kuesioner .................................................................................................. 51

3.4. Model dan Hipotesis Penelitian ........................................................................ 52

3.5. Populasi dan Sampel Penelitian ........................................................................ 53

3.6. Instrumen Penelitian ......................................................................................... 54

3.7. Prosedur Penelitian ........................................................................................... 58

3.8. Analisis dan Interpretasi Hasil .......................................................................... 59

BAB 4 HASIL ANALISIS DAN INTERPRETASI...................................................... 62

4.1 Pilot Study ......................................................................................................... 62

xi
 4.1.1 Uji Internal Consistency Reliability (CR) ................................................. 62

4.1.2 Uji Average Variance Extracted (AVE) ................................................... 63

4.2 Hasil Analisis .................................................................................................... 64

4.2.1 Hasil Demografis ...................................................................................... 64

4.2.2 Hasil Analisis Tingkat Kepuasan Pengguna ............................................. 68

4.2.3 Hasil Analisis PLS-SEM ........................................................................... 69

4.3 Interpretasi Hasil Analisis dan Pengukuran Model ........................................... 82

4.3.1 Interpretasi Hasil Analisis Data Demografis............................................. 82

4.3.2 Interpretasi Hasil Analisis Tingkat Kepuasan Pengguna .......................... 86

4.3.3 Interpretasi Hasil Analisis Pengukuran Model (Outer Model) ................. 86

4.3.4 Interpretasi Hasil Analisis Struktural Model (Inner Model) ..................... 86

4.4 Evaluasi ............................................................................................................. 94

BAB 5 PENUTUP ........................................................................................................... 97

5.1 Kesimpulan ....................................................................................................... 97

5.2 Saran ................................................................................................................. 99

DAFTAR PUSTAKA .................................................................................................... 102

LAMPIRAN

xii
 DAFTAR GAMBAR

Gambar 1.1 Agen Perjalanan Online Terpopuler di Indonesia (Statista, 2021)....... 2

Gambar 1.2 Jumlah Reservasi Hotel Melalui Agensi Perjalanan Online ................ 4
Gambar 1.3 Ulasan Negatif Pengguna Mobile tiket.com (Playstore, 2022) ............ 5
Gambar 1.4 Metode End User Computing Satisfaction ........................................... 9
Gambar 1.5 End-User Computing Satisfaction (EUCS) ........................................ 14
Gambar 1.6 Model Penelitian yang Digunakan ..................................................... 15
Gambar 2.1 Contoh Aplikasi Mobile (Playstore, 2022) ........................................ 24
Gambar 2.2 Penggunaan E-commerce Tertinggi di Dunia (Databooks, 2021) ..... 26
Gambar 2.3 Antarmuka Aplikasi Mobile tiket.com ............................................... 29
Gambar 2.4 Model End User Computing Satisfaction .......................................... 33
Gambar 2.5 Variabel Penelitian Kepuasan Pengguna............................................ 34
Gambar 3.1 Model Penelitian ................................................................................ 52
Gambar 3.2 Prosedur Penelitian............................................................................. 58
Gambar 4.1 Diagram Lingkaran Jenis Kelamin Responden .................................. 65
Gambar 4.2 Diagram Lingkaran Pekerjaan Responden ......................................... 65
Gambar 4.3 Diagram Lingkaran Usia Responden ................................................. 66
Gambar 4.4 Diagram Lingkaran Domisili Responden ........................................... 66
Gambar 4.5 Diagram Lingkaran Lama Penggunaan Aplikasi Responden ............ 67
Gambar 4.6 Diagram Lingkaran Aplikasi Tiket.com Membantu Pengguna ......... 67
Gambar 4.7 Diagram Lingkaran Kepuasan Pengguna ........................................... 68
Gambar 4.8 Hasil Uji Path Coefficient .................................................................. 77
Gambar 4.9 Hasil Uji T-test ................................................................................... 82

xiii
 DAFTAR TABEL

Tabel 2.1 Skala Tingkat Kepuasan Pengguna ........................................................ 21

Tabel 2.2 Nilai Skala Likert ................................................................................... 44
Tabel 2.3 Studi Literatur Sejenis ............................................................................ 46
Tabel 3.1 Hipotesis Penelitian ............................................................................... 53
Tabel 3.2 Indikator Variabel dan Pertanyaan Kuesioner Penelitian ...................... 55
Tabel 4.1 Consistency Reliability (CR).................................................................. 62
Tabel 4.2 Average Variance Extrancted (AVE) .................................................... 63
Tabel 4.3 Tingkat Kepuasan Pengguna .................................................................. 69
Tabel 4.4 Nilai Outer Loading Awal ..................................................................... 70
Tabel 4.5 Nilai Outer Loading Akhir..................................................................... 71
Tabel 4.6 Hasil Uji Consistency Reliability (CR) .................................................. 72
Tabel 4.7 Hasil Uji Average Varience Exracted (AVE) ........................................ 73
Tabel 4.8 Hasil Uji Discriminant Validity (Cross Loading) .................................. 74
Tabel 4.9 Hasil Uji Discriminant Validity (Fornell Larcker Criterion) ................ 75
Tabel 4.10 Hasil Uji Path Coefficient .................................................................... 76
Tabel 4.11 Hasil Uji Coefficient of Determination (R2)......................................... 78
Tabel 4.12 Hasil Uji T-test ..................................................................................... 78
Tabel 4.13 Hasil Uji Effect Size ............................................................................. 79
Tabel 4.14 Hasil Uji Predictive Relevance ............................................................ 80
Tabel 4.15 Hasil Uji Relative Impact (q2) .............................................................. 80
Tabel 4.16 Rangkuman Hasil Analisis Inner Model .............................................. 81

xiv
xv
 BAB 1

PENDAHULUAN

1.1. Latar Belakang

Indonesia merupakan salah satu negara yang memiliki keindahan serta

kekayaan alam yang sangat banyak dan melimpah, oleh sebab itu pemerintah

memanfaatkan harta yang dimiliki Indonesia yakni salah satunya adalah bisnis

pada sektor Pariwisata. Pariwisata di Indonesia sangat berkembang dengan pesat,

yaitu pemerintah menyediakan tiket perjalanan yang memudahkan warga

Indonesia untuk pergi ke berbagai tujuan seperti, kota, provinsi maupun pulau

lain. Hal ini pun dimanfaatkan oleh sebagian orang untuk membuat suatu

perusahaan atau bisnis yang bergerak dalam bisnis agen perjalanan atau traveling

yang menyediakan tiket untuk transportasi yang digunakan maupun penyewaan

tempat tinggal seperti hotel atau villa jika saat pelanggan melakukan perjalanan.

Oleh karena itu, bisnis seperti agen perjalanan atau traveling sangat

menguntungkan bagi perekonomian. Persaingan ketat yang ada dalam bisnis agen

perjalanan harus memberikan pelayanan yang mudah dan efektif untuk para

pelanggannya. Dengan bantuan teknologi informasi, perusahaan memperoleh

keunggulan strategis dalam persaingan antar pelaku bisnis yang ketat

(Wahyuningsih & Waspodo, 2019). Oleh karena itu, banyak perusahaan agen

perjalanan beralih ke online dengan memanfaaatkan teknologi informasi yang

sangat berkembang di Indonesia yaitu e-commerce yang bergerak dalam bidang

Online Travel Agent (OTA).

Teknologi informasi dapat memberikan perubahan yang pesat di berbagai

1
bidang, peningkatan aktivitas kerja secara efektif dan efisien (Murhum,

Durachman, & Fetrina, 2022). E-commerce merupakan salah satu dari

penggunaan teknologi informasi dalam bidang bisnis penjualan (Hastanti &

Purnama, 2015). Salah satu e-commerce yang berkembang dalam bidang usaha

Online Travel Agent (OTA) atau agen perjalanan online yaitu tiket.com.

Perusahaan e-commerce yang bergerak dalam bidang Online Travel Agent (OTA)

ini berada di bawah naungan PT. Global Tiket Network, tujuan awal didirikannya

perusahaan ini adalah untuk memajukan pariwisata di Indonesia. Online travel

Agent (OTA) memiliki lingkup selayaknya agen travel konvensional hanya saja

layanan yang digunakan berbasis digital, transaksi, pencarian informasi, dan

pemesanan dilakukan secara online (Giffar, 2016).

Gambar 1.1 Agen Perjalanan Online Terpopuler di Indonesia

(Statista, 2021)

2
 Gambar 1.1 menunjukkan bahwa agen perjalanan di Indonesia berkembang

dengan pesat, pada November tahun 2021 didapatkan data bahwa agen perjalanan

terpopuler di Indonesia diungguli oleh Traveloka dan disusul oleh tiket.com.

Sampai saat ini tiket.com merupakan salah satu perusahaan aplikasi online travel

agen (OTA) yang digunakan oleh masyarakat Indonesia dalam hal pemesanan

tiket kendaraan maupun pemesanan tempat tinggal seperti hotel, apartment dan

villa. Fitur yang disediakan oleh aplikasi mobile tiket.com antara lain adalah fitur

kategori yang dapat dipilih oleh pengguna dalam melakukan pemesanan yang

diinginkan oleh pengguna yang utamanya dalah pemesanan tiket transportasi,

seperti pesawat dan kereta. Lalu tiket.com juga menawarkan beberapa fitur

terbaru seperti paylater, yaitu pengguna bisa membayar pemesanan lain waktu

sesuai dengan yang tertera dalam kesepakatan pemesanan, tiket.com juga sudah

menyajikan fitur Tes Covid-19, dan sudah terintegrasi dengan aplikasi Peduli

Lindungi sehingga para pengguna dapat mempersiapkan sertifikat vaksin, dan tes

covid-19 yang nanti akan dibutuhkan jika ingin melakukan perjalanan.

Gambar 1.2 menunjukkan keterangan bahwa tiket.com menempati posisi

kedua setelah Traveloka dalam hal pemesanan hotel saat pengguna

membutuhkannya. Hal ini disebabkan, karena adanya masalah yang ditemukan

dalam aplikasi mobile tiket.com oleh para pengguna. Beberapa masalah yang

ditemukan pada aplikasi mobile tiket.com seperti tidak adanya invoice

pembayaran, limit pembayaran yang singkat, dan perbedaan data atau informasi

yang ada pada tiket.com dengan yang sebenarnya (Riyanto & Suriyanti, 2021).

3
 Gambar 1.2 Jumlah Reservasi Hotel melalui Agensi Perjalanan Online
(DailySocial.id, 2021)

Selain itu pada mediakonsumen.id pada tahun 2022 ditemukan beberapa

masalah yang ditemukan pengguna pada tiket.com yaitu terjadinya pembatalan

pesanan hotel secara sepihak, layanan hotel tidak sesuai dengan yang tertera pada

aplikasi, perubahan sepihak jadwal penerbangan, dan sistem refund tiket yang

menyulitkan pengguna. (Mediakonsumen.id, 2022). Masalah tersebut

dikonfirmasi dan didukung oleh adanya beberapa ulasan pengguna yang

ditemukan mengenai masalah tersebut yang ditemukan oleh para pengguna

aplikasi tiket.com pada Playstore tahun 2022.

4
 Gambar 1.3 Ulasan Negatif Pengguna Mobile tiket.com (Playstore, 2022)

Dapat dilihat pada Gambar 1.3 yaitu ulasan negatif pengguna yang

menemukan masalah yang ada pada aplikasi mobile tiket.com dan memberikan

bintang satu kepada penilaian aplikasi tiket.com berdasarkan kategori masalah

yang ditemukan pada aplikasi tiket.com. Hal tersebut dapat menjadi hambatan

untuk para pengguna aplikasi. Jika dibandingkan ulasan dari total penilaian

persentase bintang satu yang diberikan untuk aplikasi Traveloka yaitu sebanyak

2%, tiket.com yaitu 9,5%, Agoda yaitu 4,42% dan Pegipegi yaitu 2,04%

(Playstore, 2022). Kepuasan pengguna menjadi salah satu faktor psikologis

subjektif terhadap keputusan pembelian bagi pengguna (Yuliati, 2013). Kepuasan

pengguna berpengaruh terhadap keputusan pembelian karena tergantung pada

tingkatan dimana kinerja sesuai dengan ekspetasi pengguna (Rahmadayanti,

5
Pristiyono, & Nasution, 2022), sehingga adanya hubungan antara keputusan

pembelian dengan kepuasan pengguna. Penelitian Wijanto (2008) menyebutkan

bahwa adanya masalah teknis atau kesulitan dalam interface dapat menyebabkan

menurunkan tingkat kepuasan pengguna. Menurut Miss (2014) masalah

infrastruktur atau teknis dan teknologi adalah penentu kepuasan pengguna sistem

informasi, karena itu aplikasi mobile tiket.com membutuhkan analisis kepuasan

pengguna aplikasi mobile tiket.com untuk melihat apakah kualitas aplikasi sudah

dapat memenuhi kebutuhan para pengguna dari aplikasi tiket.com.

Ketidakpuasan bisa mengakibatkan timbulnya sikap negatif terhadap produk

atau, jasa dan perusahaan, sehingga pengguna akan menggunakan merek lain

(brand switching) dan mengakibatkan complain.

Kepuasan pengguna adalah faktor yang subjektif dari perasaan oleh para

pengguna, perasaan tersebut dapat berupa perasaan senang atau kecewa yang

dirasakan oleh pengguna saat membandingkan kinerja aplikasi atau produk

dengan kinerja aplikasi yang diharapkannya (Sari, Nasir, & Andriyani, 2019).

Keberhasilan sistem ditandai dengan adanya 3 komponen yaitu kualitas, manfaat,

dan kepuasan pengguna (Guimaraes, Staples, & Mckeen, 2003). Adapun

beberapa manfaat yang diperoleh dari kepuasan pengguna seperti hubungan

perusahaan dengan pengguna menjadi baik, memberikan dasar yang baik bagi

para pengguna, adanya loyalitas pelanggan, membentuk rekomendasi informal

sesuai perkataan pelanggan yang akan menguntungkan bagi perusahaan, dan

reputasi perusahaan akan meningkat di mata para pengguna (Tjiptono & Diana,

2003).

6
 Salah satu faktor suksesnya teknologi informasi yang dikembangkan adalah

kepuasan penggunanya, dari penerimaan aplikasi maupun saat pengguna

menggunakan aplikasi, untuk itu harus dilakukan analisis atau pengukuran dari

kepuasan pengguna aplikasi atau sistem tersebut. Pada penelitian ini peneliti

menggunakan metode End User Computing Satisfaction (EUCS) yang

merupakan model analisis kepuasan pengguna yang bergerak sebagai

pengukuran sistem dan menambahkan variabel perceived usefulness (persepsi

kemanfaatan) dan service (layanan). Peneliti menambahkan variabel perceived

usefulness karena sesuai dengan fasilitas yang disediakan tiket.com yaitu

berfokus dalam menyediakan atau memfasilitasi pemesanan transportasi dan

penginapan serta acara tertentu secara online yang akan bermanfaat dan

membantu para penggunanya saat bepergian, sehingga dibutuhkannya variabel

perceived usefulness dari pengguna untuk menganalisis kepuasan pengguna.

Menurut penelitian Rukmiyati & Budiartha (2016) yaitu pengguna sistem

informasi yang mempercayai bahwa sistem yang digunakannya bermanfaat,

maka dia akan menggunakannya. Sebaliknya, jika pengguna sistem informasi

percaya bahwa sistem informasi kurang berguna maka dia tidak akan

menggunakannya. Penelitian Hanadia mengatakan bahwa semakin tinggi

kemanfaatan yang dihasilkan oleh suatu sistem dan informasi, akan

meningkatkan kepuasan pemakainya (Hanadia & Rahayu, 2017).

Penambahan variabel service atau layanan berhubungan dengan kualitas

layanan yang diberikan oleh tiket.com yaitu masih terdapat masalah seperti

lambatnya respon dari tim tiket.com dalam menanggapi masalah yang dihadapi

7
pengguna, hal ini dapat berpengaruh terhadap kepuasan pengguna tiket.com

karena aspek kualitas layanan menjadi salah satu tantangan utama bagi OTA

(Pertiwi, 2014). Oleh sebab itu dimensi kualitas layanan sangat penting

menentukan kepuasan pelanggan (Saragih & Nasruddin, 2022). Kualitas

pelayanan menjadi penting dibandingkan penerapan lainnya, karena pengguna

sistem sekarang adalah para pelanggan (DeLone & McLean, 1992). Oleh karena

itu, kualitas layanan merupakan salah satu faktor dalam penentu suksesnya yang

berpengaruh pada persaingan perusahaan (Saputra & Mulyadi, 2018). Kualitas

layanan juga didefinisikan sebagai kesenjangan antara harapan pengguna

mengenai layanan dan layanan yang mereka benar-benar terima (Haetami &

Widodo, 2021).

Metode EUCS dikembangkan oleh Doll dan Torkzadeh pada tahun 1988

(Fitriansyah & Harris, 2018). Metode evaluasi ini menggunakan kepuasan

pengguna di akhir terhadap aspek-aspek teknologi yang terlibat seperti isi

(content), keakuratan (accuracy), bentuk (format), kemudahan penggunaan (ease

of use) dan ketepatan waktu (timeliness) dari suatu sistem. Suatu sistem informasi

dapat dikatakan berhasil jika memiliki kualitas yang bagus dan dapat

memberikan rasa senang atau puas kepada para pengguna aplikasi atau sistem

tersebut. Kepuasan pengguna (user satisfaction) merupakan salah satu indikator

keberhasilan dari pengembangan sistem informasi. EUCS dipilih karena banyak

yang sudah menggunakannya untuk mengevaluasi kepuasan pengguna. Metode

EUCS dapat dilihat pada Gambar 1.4.

8
 Gambar 1.4 Metode End User Computing Satisfaction

Beberapa penelitian yang telah melakukan analisis kepuasan pengguna

menggunakan metode End User Computing Satisfaction antara lain pengukuran

kepuasan pengguna aplikasi mobile Traveloka dengan metode EUCS. EUCS dapat

mengukur kepuasan pengguna aplikasi Traveloka dengan 5 variabel yang memiliki

hubungan dan berpengaruh positif terhadap kepuasan pengguna dan tingkat

kepuasannya berada dalam kategori cukup puas (Novita & Helena, 2021).

Selanjutnya adalah penelitian mengenai analisis pengaruh kualitas Tokopedia

terhadap tingkat kepuasan pengguna dengan menggunakan metode End User

Computing Satisfaction (EUCS). Hasil yang ditemukan adalah berdasarkan 5

variabel yang digunakan, ditemukan 2 variabel yang berhubungan dan berpengaruh

secara signifikan terhadap kepuasan pengguna yaitu accuracy dan content serta

tingkat kepuasan penggunanya berada pada kategori puas (Diansyah, 2022).

Penelitian lainnya yang menggunakan EUCS adalah penelitian tentang analisis

kepuasan pengguna e-commerce online shopping PT. ABC Internasional

menggunakan metode atau model End User Computing Satisfaction (EUCS). Hasil

9
dari penelitian ini adalah variabel yang memiliki pengaruh yang signifikan dan

positif pada kepuasan pengguna yaitu content, accuracy, format, ease of use, dan

timeliness (Kurniasih & Pibriana, 2021).

Dari beberapa penelitian mengenai analisis kepuasan pengguna menggunakan

metode End User Computing Satisfaction (EUCS) dapat dibuktikan bahwa metode

ini dapat memberikan hasil pengukuran kepuasan pengguna suatu sistem informasi

maupun aplikasi. Menurut penelitian Hutami & Camilla (2016), definisi EUCS

sebuah sistem informasi yaitu mengevaluasi secara keseluruhan dari para pengguna

sistem informasi berdasarkan pengalaman mereka dalam menggunakan sistem

tersebut. EUCS menganalisis kepuasan pengguna dengan membandingkan antara

harapan dan kenyataan Dalimunthe & Ismiati (2016), sehingga EUCS menjadi

metode alat ukur dalam keberhasilan suatu aplikasi mobile dalam hal pengukuran

kepuasan pengguna (Sugandi & Halim, 2020).

Berdasarkan hal tersebut, peneliti tertarik untuk melakukan sebuah penelitian

yang berjudul “Analisis Kepuasan Pengguna terhadap Aplikasi Mobile

Tiket.com Menggunakan Metode End User Computing Satisfaction (EUCS)

yang Dikembangkan”. Hasil penelitian yang dilakukan dapat menjadi referensi

ataupun masukan bagi PT. Global Tiket Network untuk mengembangkan aplikasi

mobile tiket.com lebih baik lagi.

1.2. Identifikasi Masalah

Berdasarkan latar belakang yang telah dituliskan sebelumnya, maka berikut

adalah beberapa identifikasi masalah yang ditemukan:

a. Masih ditemukannya kekurangan pada aplikasi mobile tiket.com seperti tidak

10
 adanya invoice pembayaran, limit pembayaran yang singkat, perbedaan data

atau informasi yang ada pada tiket.com dengan yang sebenarnya, pembatalan

hotel dan jadwal penerbangan secara sepihak, serta sistem refund yang

menyulitkan pengguna.

b. Belum diketahuinya variabel-variabel yang berpengaruh terhadap kepuasan

pengguna aplikasi mobile tiket.com.

1.3. Rumusan Masalah

Berdasarkan latar belakang dan identifikasi masalah yang telah diuraikan

sebelumnya, maka rumusan masalah pada penelitian ini sebagai berikut:

a. Bagaimana tingkat kepuasan pengguna terkait dengan aplikasi mobile

tiket.com menggunakan metode End User Computing Satisfaction (EUCS)

serta variabel perceived usefulness dan service?

b. Apa saja variabel-variabel yang berpengaruh terhadap kepuasan pengguna

aplikasi mobile tiket.com?

1.4. Ruang Lingkup dan Batasan

Berikut ini adalah ruang lingkup maupun batasan penelitian agar penelititan

ini dapat berfokus ke permasalahan yang ada, yaitu:

a. Penelitian ini dilakukan terhadap aplikasi mobile tiket.com yang dinaungi oleh

PT.Global Tiket Network.

b. Analisis kepuasan pengguna aplikasi mobile dilaksanakan menggunakan

metode End User Computing Satisfaction dengan menggunakan 7 variabel

yaitu content (Isi), accuracy (keakuratan), format (bentuk/tampilan), ease of

use (mudah digunakan), timeliness (ketepatan waktu), perceived usefulness

11
 (persepsi kemanfaatan) dan service (layanan).

c. Penelitian ini menggunakan metode kuantitatif yaitu dengan teknik

mengumpulkan data melalui responden dengan mengisi kuesioner. Lalu teknik

pengambilan sampel yang digunakan untuk penelitian ini adalah non

probability sampling dengan menggunakan teknik purposive sampling yaitu

pengambilan sampel yang dilakukan dengan pertimbangan yang sudah

ditentukan, dengan responden yang memiliki kriteria pengguna aplikasi mobile

tiket.com dan menggunakan sistem operasi berbasis Android.

d. Adapun analisis untuk mengukur pendapat responden adalah menggunakan

skala likert dengan 5 pilihan.

e. Untuk menganalisis dan mengukur kepuasan pengguna pada aplikasi mobile

tiket.com peneliti menggunakan Google Forms sebagai media kuesioner, lalu

Microsoft Excel 2019 untuk mengumpulkan data, selanjutnya untuk

menganalisis data penulis menggunakan SmartPLS dalam pengolahan data.

1.5. Tujuan Penelitian

Berdasarkan tujuan masalah, berikut adalah tujuan dilakukannya penelitian

adalah:

a. Mengetahui tingkat kepuasan pengguna terhadap aplikasi mobile tiket.com

menggunakan metode End User Computing Satisfaction (EUCS) serta variabel

perceived usefulness dan service.

b. Mengetahui variabel-variabel yang dapat mempengaruhi kepuasan pengguna

aplikasi mobile tiket.com.

12
1.6. Manfaat Penelitian

Manfaat yang didapatkan dari penelitian ini adalah sebagai referensi untuk

penelitian yang menggunakan metode End User Computing Satisfaction (EUCS)

dan rekomendasi untuk PT. Global Tiket Network untuk memberikan perbaikan

maupun pengembangan aplikasi mobile tiket.com.

1.7. Metodologi Penelitian

1.7.1 Pengumpulan Data

Pada penelitian ini, peneliti menggunakan metodologi untuk pengumpulan

adalah sebagai berikut:

a. Studi Pustaka

Metodologi pengumpulan data studi pustaka dilakukan dengan cara mencari

data atau informasi dengan mempelajari jurnal, proceeding, buku dan penelitian

yang berkaitan dengan Kepuasan Pengguna (User Satisfaction) dan End User

Computing Satisfaction (EUCS).

b. Kuesioner

Penelitian ini menggunakan kuesioner dalam hal mengumpulkan data atau

informasi yang dibutuhkan dalam jalannya penelitian, yang berisi mengenai

pertanyaan dan selanjutnya dijawab oleh responden. Kuesioner yang diberikan

berbentuk pertanyaan yang sesuai dengan model atau pendekatan dan strategi yang

digunakan dalam penelitian dan setelahnya disebar kepada responden pengguna

aplikasi mobile tiket.com melalui Google Form.

1.7.2 Analisis Data

Analisis data yang digunakan untuk penelitian ini dimulai dari uji validitas

13
dan reliabilitas dari pertanyaan kuesioner yang digunakan yang bertujuan untuk

mendapatkan nilai kebenaran dari pertanyaan dan konsistensi dari pertanyaan yang

tercantum pada kuesioner, setelah itu metode analisis data yang digunakan dalam

penelitian ini adalah metode Structural Equation Modeling (SEM). SEM

merupakan teknik statistik multivariate yang merupakan kombinasi antara analisis

faktor dan analisis regresi (korelasi), yang bertujuan untuk menguji hubungan-

hubungan antar variabel yang ada pada sebuah model, baik antar indikator dengan

konstruknya, ataupun hubungan antar konstruk (Handayani & Yulida, 2021).

Peneliti melakukan analisis menggunakan software SmartPLS 3.2.9.

1.7.3 Model Penelitian

Model yang digunakan dalam menganalisis data tingkat kepuasan dari

pengguna adalah End User Computing Satisfaction (EUCS), dengan menggunakan

7 variabel yang ada dalam metode tersebut yaitu content (Isi), accuracy (akurasi),

format (bentuk), easy of use (mudah digunakan), timeliness (ketepatan waktu),

perceived usefulness (persepsi kemanfaatan) dan service (layanan). Peneliti

menggunakan acuan model penelitian yang menggunakan model EUCS pada

penelitian Bawardi & Rachmadi (2019).

Gambar 1.5 End-User Computing Satisfaction (EUCS)

14
 Gambar 1.5 merupakan model Model End User Computing Satisfaction.

EUCS menggunakan 5 variabel yaitu content, accuracy, format, timeliness, dan

ease of use, lalu peneliti mengembangkan atau memodifikasi model penelitian

dengan menambahkan variabel perceived usefulness (persepsi kemanfaatan) yang

diambil dari model penelitian TAM (Technology Acceptance Model) dan service

(layanan) yang diambil dari model penelitian Hidayatullah (2019b). Model

penelitian yang digunakan menggunakan variabel yaitu content (isi), accuracy

(akurasi), format (bentuk), timeliness (ketepatan waktu), dan ease of use

(kemudahan pengguna) dan dimodifikasi dengan penambahan variabel perceived

usefulness (persepsi kemanfaatan) dan service (layanan) untuk menganalisis

tingkatan kepuasan pengguna aplikasi tiket.com. Berdasarkan penjelasan

sebelumnya, kerangka penelitian atau model penelitian yang digunakan untuk

penelitian ini ditunjukkan pada Gambar 1.6.

Gambar 1.6 Model Penelitian yang digunakan

15
1.8. Sistematika Penulisan

Penyusunan laporan penelitian ini terdiri atas lima bab yang membahas

penelitian yang dijalankan, berikut adalah gambaran pokok pembahasan dari setiap

bab adalah sebagai berikut:

BAB 1 PENDAHULUAN

Bab ini berisi penjelasan mengenai latar belakang, identifikasi masalah, rumusan

masalah, ruang lingkup dan batasan, tujuan dan manfaat penelitian, metodologi

penelitian dan sistematika penulisan.

BAB 2 TINJAUAN PUSTAKA

Bab ini membahas mengenai dasar teori yang mendukung penelitian yang

dijalankan, yang meliputi kepuasan pengguna atau user satisfaction, End User

Computing Satisfaction (EUCS), PLS-SEM, dan studi literatur sejenis.

BAB 3 METODOLOGI PENELITIAN

Bab ini membahas mengenai metodologi yang digunakan dalam penelitian serta

membahas proses terkait prosedur penelitian, model penelitian, pemilihan

responden dan tools yang digunakan untuk membantu jalannya penelitian.

BAB 4 HASIL DAN PEMBAHASAN

Bab ini membahas analisis serta menguraikan hasil analisis, interpretasi hasil, dan

evaluasi analisis penelitian yang dilakukan pada aplikasi mobile tiket.com

menggunakan End User Computing Satisfaction (EUCS).

BAB 5 PENUTUP

Bab ini menjelaskan mengenai kesimpulan hasil penelitian yang sudah dilakukan

pada bab sebelumnya yang telah dituangkan pada bab sebelumnya serta berisi

16
rekomendasi untuk pengembang aplikasi mobile tiket.com dan saran yang dapat

membantu dalam penelitian berikutnya.

17
18
 BAB 2

TINJAUAN PUSTAKA

2.1. Analisis Kepuasan Pengguna

Menurut yang tertulis dalam Kamus Besar Bahasa Indonesia analisis adalah

suatu penyelidikan terhadap peristiwa yang ada seperti karangan dan perbuatan,

untuk mengetahui kejadiaan maupun keadaan yang sebenarnya. Secara umum,

pengertian analisis merupakan suatu aktivitas yang berisi sejumlah kegiatan seperti,

membedakan, memilah atau menguraikan sesuatu untuk dikelompokkan maupun

digolongkan menurut kriteria tertentu, setelah itu dicari kaitannya terhadap satu

dengan yang lain serta menafsirkan maknanya. Analisis merupakan jawaban jika

terdapat masalah maupun suatu pokok bahasan yang dapat dibedakan maupun

dikelompokkan dan dicari kaitannya satu dengan yang lain.

Analisis adalah suatu dari usaha untuk menguraikan masalah yang ada menjadi

bagian-bagian sehingga bagian yang sudah diurai atau dipisahkan tampak dengan

jelas karena bisa dapat ditangkap arti atau maknanya dan lebih mudah untuk

dimengerti (Sugiyono, 2013). Analisis dalam suatu penelitian adalah bagaimana

cara berpikir, hal ini berkaitan dengan pengujian yang dilakukan secara sistematis

terhadap sesuatu pokok bahasan untuk menentukan bagian, hubungan antar bagian

maupun hubungan secara keseluruhan, dapat dikatakan bahwa analisis merupakan

cara berpikir untuk mencari pola (Khairunnisa, 2020).

Jadi dapat disimpulkan bahwa analisis adalah aktivitas atau kegiatan suatu

masalah atau bahasan pokok yang diuraikan, digolongkan dan dikelompokkan

secara sistematis dan teratur, sehingga dapat terlihat hubungannya secara jelas

19
terhadap sesama bagian maupun terhadap keseluruhan.

Kepuasan pengguna adalah salah satu istilah umum yang terdapat dan

digunakan dalam bidang suatu bisnis. Kepuasan pengguna mempunyai arti sebagai

bagaimana atau seberapa tingginya sebuah sistem dapat melampaui atau memenuhi

harapan pengguna sistem tersebut (Jiménez-Zarco, 2015). Pendapat lain

menerangkan bahwa kepuasan pengguna dari suatu sistem informasi merupakan

salah satu faktor tolak ukur untuk tingkat keberhasilan penerapan sebuah sistem

informasi yang digunakan (Supriyatna, 2015). Kepuasan pengguna dapat

digunakan untuk mengevaluasi kinerja aplikasi dari sistem informasi yang dapat

dilihat lebih spesifik (Setiawan, 2016).

Sesuai dengan beberapa pernyataan tersebut dapat disimpulkan bahwa

kepuasan pengguna adalah perasaan yang timbul dalam diri pengguna karena telah

menggunakan suatu sistem informasi dan membandingkan antara harapan

pengguna dengan kenyataan yang diperoleh dari menggunakan produk tersebut.

Jika produk yang dihasilkan kinerja gagal memenuhi ekspektasi pengguna, maka

pengguna akan merasa tidak puas, tetapi jika kinerja dari produk tersebut sesuai

atau melampaui ekspektasi pengguna maka pengguna akan merasa puas. Apabila

kinerja melebihi ekspektasi, pengguna akan muncul perasaan sangat puas atau

perasaan senang (Kotler & Keller, 2012).

Analisis kepuasan pengguna adalah proses suatu penyelidikan atau pencarian

mengenai apa saja yang berhubungan atau berkaitan dengan kepuasan pengguna

dengan mencari apa saja yang dapat mempengaruhi kepuasan pengguna. Skala

tingkat kepuasan pengguna adalah skala yang digunakan untuk mengukur tingkat

20
kepuasan pengguna dari sebuah sistem atau aplikasi. Skala tingkat kepuasan

pengguna yang digunakan adalah interval penilaian skala likert pada penelitian

Istianah & Yustanti (2022) yang memiliki lima level tingkat kepuasan. Skala

tingkat kepuasan pengguna dapat dilihat dalam Tabel 2.1.

Tabel 2.1 Skala Tingkat Kepuasan Pengguna

Level Interval Tingkat Kepuasan

1 1-1.8 Sangat Tidak Puas

2 1.8-2.6 Tidak Puas

3 2.6-3.4 Netral

4 3.4-4.2 Puas

5 4.2-5 Sangat Puas

2.2. Aplikasi Mobile

Aplikasi adalah sebuah perangkat lunak yang menggabungkan beberapa fitur

tertentu dengan cara yang dapat diakses oleh pengguna. Aplikasi berasal dari

bahasa Inggris yaitu kata application yang memiliki arti penggunaan, penerapan

dan lamaran. Aplikasi adalah penerapan yang biasanya digunakan melalui praktik

langsung untuk menyelesaikan suatu masalah tertentu berupa perangkat lunak

dengan mengimplementasikan program sebagai alternatif penyelesaian masalah

maupun bahasa pemrograman sesuai dengan yang diinginkan (Sasmito & Wibowo,

2016). Aplikasi sangat dibutuhkan dan sering kali digunakan sebagai suatu unit

perangkat lunak yang dapat menunjang kebutuhan ataupun aktivitas dalam

kehidupan sehari-hari seperti, program pengolah kata, pemutar media, alat hitung

21
dan sebagainya.

Aplikasi merupakan sebuah instruksi (instruction) atau pernyataan (statement)

yang digunakan dalam komputer yang diatur sedemikian rupa sehingga komputer

dapat mengolah input (masukan) menjadi output (keluaran) (Neyfa & s Salsabila,

2016). Aplikasi sering juga disebut sebagai perangkat lunak, merupakan program

komputer yang isi instruksinya dapat diubah dengan mudah. Aplikasi pada

umumnya digunakan untuk mengontrol perangkat keras (yang sering disebut

sebagai device driver), melakukan proses perhitungan, dan berinteraksi dengan

aplikasi yang lebih mendasar lainnya (seperti sistem operasi, dan bahasa

pemrograman).

Aplikasi digunakan oleh user untuk membantu pekerjaan user, dengan

menggunakan aplikasi maka kegiatan yang dilakukan oleh user akan lebih efektif

(Abdurahman & Riswaya, 2014). Dapat disimpulkan bahwa aplikasi adalah sebuah

perangkat lunak atau program yang digunakan untuk membantu aktivitas atau

memecahkan masalah pengguna dengan memproses masukan (input) hingga

menjadi keluaran (output) sesuai dengan tujuan dari pembuatan aplikasi dan tujuan

pengguna.

Aplikasi mobile merupakan software atau perangkat lunak yang dapat berjalan

pada perangkat mobile seperti smartphone. Seiring dengan banyaknya perangkat

mobile dan banyaknya permintaan membuat para perusahaan mengembangkan

aplikasi yang tidak hanya dapat digunakan di desktop saja yaitu dengan

mengembangkan aplikasi mobile, sehingga para pengguna lebih mudah

menggunakan aplikasi tersebut, karena aplikasi mobile dapat dibuka dimanapun

22
dan kapanpun pengguna membutuhkannya, dengan adanya beragam aplikasi

memberikan pilihan dalam peningkatan kinerja suatu pekerjaan, baik yang bersifat

aplikasi desktop maupun web hingga saat ini banyak munculnya aplikasi-aplikasi

baru yang dapat dijalankan dalam mobile device atau smartphone. Pemilihan mobile

application untuk salah satu pengembangan aplikasi selain lebih mudah dalam

pegoprasiannya, juga bersifat fleksibel dan mudah dibawa kemana-mana untuk

digunakan (Mulyana & Maimunah, 2014).

Aplikasi mobile juga dapat diartikan sebagai aplikasi yang fungsionalitas dan

dapat diunduh dari perangkat mobile itu sendiri. Untuk mengunduh aplikasi mobile,

pengguna dapat menggunakan aplikasi yang sudah disediakan sesuai sistem operasi

yang dimiliki perangkat mobile pengguna. App Store dan Google Play Store adalah

salah satu contoh aplikasi yang menyediakan beragam aplikasi mobile, pengguna

hanya tinggal mengunduhnya saja dari aplikasi tersebut. Selanjutnya pengguna

hanya tinggal membuat akun dari aplikasi-aplikasi mobile yang telah diunduh.

Para pengembang aplikasi mobile merancang aplikasi tersebut sesuai dengan

kebutuhan para pengguna sehingga rata-rata aplikasi mobile sangat mudah untuk

digunakan untuk menyelesaikan masalah yang terjadi pada pengguna. Aplikasi

mobile juga digunakan oleh perusahaan-perusahaan pada bidang bisnis agar dapat

bersaing dengan perusahaan lainnya, karena untuk dapat bersaing dengan

perusahaan sejenis lainnya, perusahaan harus memiliki apa yang dibutuhkan oleh

para pelanggannya, dengan aplikasi mobile ini pelanggan akan lebih mudah dan

efektif untuk berhubungan tentang bisnis dengan perusahaan.

Kualitas aplikasi sangat berperan penting bagi para pengguna aplikasi mobile

23
khususnya adalah pelanggan. Kualitas sistem yang baik dapat membuat seorang

pengguna merasakan kemudahan dan dapat meningkatkan niat untuk menggunakan

aplikasi (Lina & Nani, 2020).

Gambar 2.1 Contoh Aplikasi Mobile (Playstore, 2022)

Gambar 2.1 merupakan contoh dari aplikasi mobile. Pengembang aplikasi

mobile berbeda dengan aplikasi web maupun desktop, karena pengembang harus

mempertimbangkan perancangan aplikasi yang dapat digunakan dalam berbagai

perangkat mobile, karena pengembang tidak tahu perangkat yang digunakan oleh

pengguna. Oleh sebab itu, pengembang harus memaksimalkan dalam perancangan

user interface sebagai pengguna bisa menggunakan aplikasi tersebut dengan

mudah, jika user interface sesuai dengan kebutuhan, dan mudah digunakan maka

pengguna akan lebih sering menggunakan aplikasi tersebut dalam menyelesaikan

24
masalahnya.

2.3. E-Commerce

E-commerce atau yang dapat disebut juga perdagangan secara elektronik

adalah segala bentuk suatu transaksi bisnis yang menggunakan media teknologi

informasi dan komunikasi (Budi, 2018). Hadirnya e-commerce membuat transaksi

bisnis akan lebih efektif dan efisien dibandingkan dengan tidak menggunakan

teknologi informasi, dengan adanya teknologi ini informasi akan cepat menyebar

sehingga dapat dimanfaatkan dalam bidang promosi suatu bisnis. E-commerce atau

electronic commerce (perdagangan elektronik) adalah transaksi bisnis yang

bermedia atau terjadi di dalam jaringan elektronik seperti internet, oleh karena itu

siapapun yang memiliki sambungan internet, dan memiliki cara membayar produk

atau jasa yang dibeli termasuk dalam e-commerce (Ayu & Putra, 2020). E-

commerce terdiri atas penjualan dan pembelian produk atau jasa melalui sistem

elektronik yaitu internet (Arrahmani et al., 2020).

Dari beberapa pernyataan tersebut maka dapat disimpulkan

e-commerce merupakan transaksi bisnis yang dapat berupa penjualan, pembelian,

pemesanan dan pemasaran melalui jaringan elektronik atau online seperti jaringan

komputer, televisi, dan internet. Dengan bertransaksi menggunakan e-commerce

atau dengan memanfaatkan teknologi informasi, maka barang yang diperjual

belikan akan lebih mudah terjual, karena perdagangan elektronik memanfaatkan

internet untuk media promosi sehingga siapapun yang memiliki jaringan internet

dapat melihat barang tersebut.

Perusahaan sudah banyak yang melakukan inovasi dan beranjak ke sektor

25
e-commerce dalam menjalankan kegiatan bisnisnya yang berupa produk maupun

jasa, dikarenakan dengan menggunakan e-commerce akan memberikan manfaat

yang lebih, seperti menghemat waktu, mengurangi biaya produksi, market

pelanggan yang lebih besar dan banyak.

Di Indonesia e-commerce menjadi salah satu sektor yang berkembang dalam

industri online penjualan, ditandai dengan banyaknya e-commerce yang muncul

dalam beberapa tahun terakhir seperti Shoppe, Tokopedia, Blibli dan sebagainya

yang berkembang dalam sektor jual beli barang kebutuhan sehari-hari. Selanjtunya

ada Traveloka, Tiket.com dan sebagainya yang bergerak dalam bidang barang

seperti tiket transportasi maupun suatu event. Hal ini disebabkan suksesnya

perusahaan yang bergerak untuk mengembangkan suatu aplikasi atau platform

untuk melakukan transaksi yang memanfaatkan teknologi informasi.

Gambar 2.2 Penggunaan e-commerce tertinggi

di dunia (databooks, 2021)
26
 Seperti yang tertera pada Gambar 2.2, pada tahun 2021 tepatnya pada bulan

April data menunjukkan bahwa Indonesia menjadi negara tertinggi yakni 88,1%

dalam mengakses aplikasi e-commerce dan berbelanja melalui aplikasi tersebut,

disusul oleh negara Inggris sebanyak 86,9% dan Filipina sebanyak 86,2%. Berikut

adalah beberapa jenis dari e-commerce adalah:

a. Business to Business (B2B)

B2B e-commerce berarti semua transaksi elektronik yang berupa barang

maupun jasa dilakukan antara perusahaan dengan perusahaan. Dapat dikatakan

sebagai transaksi bisnis antara pelaku bisnis dengan pelaku bisnis lainnya

(Pradana, 2015). Contoh website atau perusahan dalam e-commerce B2B adalah

Ralali dan Bizzy.

b. Business to Consumer (B2C)

B2C e-commerce adalah aktivitas yang dilakukan produsen kepada

konsumen secara langsung, atau antara perusahaan dengan para konsumen. Jenis

ini berkembang dengan cepat di Indonesia. Contoh dari perusahaan yang

mengembangkan e-commerce ini adalah tiket.com dan Traveloka.

c. Consumer to Consumer (C2C)

Jenis e-commerce ini berupa transaksi elektronik barang ataupun jasa antara

konsumen atau sesame pelanggan, umumnya transaksi ini dilakukan pada pihak

ketiga yang menyediakan aplikasi atau platform online, dan para konsumen

bertransaksi pada aplikasi tersebut. Contoh e-commerce jenis ini adalah

Tokopedia, Shopee, Bukalapak dan lain-lain.

27
d. Consumer to Business (C2B)

Jenis ini adalah kebalikan dari B2C adalah transaksi e-commerce antara

konsumen dengan perusahaan, umumnya jenis ini berisikan kelompok besar

individu yang menyediakan layanan produk ataupun jasa mereka untuk

perusahaan yang membutuhkan jasa atau produk tersebut. Contoh platform jenis

ini adalah istockphoto.

2.4. Aplikasi Tiket.com

Aplikasi mobile tiket.com merupakan aplikasi perusahaan perdagangan

elektronik atau e-commerce yang bergerak dalam bidang Online Travel Agent

(OTA) yang dikembangkan oleh PT Global Tiket Network yang awal didirikannya

aplikasi tiket.com untuk memajukan pariwisata yang berada di Indonesia. Aplikasi

ini diluncurkan pada 12 Agustus 2011, para pendiri perusahaan tiket.com

menginginkan penghapusan proses yang panjang dan rumit ketika masyarakat ingin

pergi ke suatu tempat dengan membuat suatu aplikasi maupun platform yang

menyedikan kebutuhan-kebutuhan untuk perjalanan secara rinci dan lengkap.

Aplikasi ini menyediakan fitur yang dapat berguna bagi orang yang ingin

bepergian maupun mengalami perjalanan ke suatu tempat, seperti menyediakan

fitur pembelian tiket transportasi darat yaitu kereta dan transportasi udara yaitu

pesawat terbang. Tidak hanya tiket yang disediakan, aplikasi ini juga menyediakan

fitur penyewaan hotel maupun villa untuk orang yang memiliki perjalanan yang

memakan waktu lama karena liburan maupun bisnis di suatu tempat. Seiring dengan

berjalannya waktu layanan atau fitur yang ada dalam aplikasi tiket.com juga banyak

yang ditambahkan dan diperbaharui, contohnya saja fitur penyewaan mobil, tiket

28
acara (event), To Do, dan Covid-19. Dengan tiket.com, pemesanan tiket yang

dulunya harus dilakukan dengan proses yang panjang dan lama kini bisa dilakukan

dengan jauh lebih cepat dan mudah. Prasarana transportasi yang mudah diakses dan

memungkinkan orang untuk berpindah dari satu tempat ke tempat lain bisa

membuat negara berkembang lebih pesat.

Gambar 2.3 Antarmuka Aplikasi Mobile Tiket.com

Sesuai pada Gambar 2.3 menunjukkan antarmuka aplikasi mobile tiket.com.

Aplikasi ini sudah berkembang seiring berjalannya waktu dan banyaknya

permintaan oleh para pengguna untuk fitur yang baru dan bermanfaat dari para

pengguna, berikut adalah beberapa fitur menu yang terdapat dalam aplikasi mobile

tiket.com:

1) Pesawat

Fitur Pesawat menyediakan penjualan tiket secara online, yaitu para pengguna

29
hanya tinggal mengisi tempat pengguna berada dan tujuan pengguna, lalu pengguna

menentukan tanggal keberangkatan serta jumlah pengguna yang akan ikut dalam

penerbangan tersebut. Dalam fitur ini juga memperlihatkan harga dari beberapa

maskapai yang sesuai dengan tujuan penerbangan pengguna. Fitur ini juga berisi

mengenai hal-hal yang diperlukan saat memesan tiket pesawat seperti persyaratan

penerbangan, cara refund tiket pesawat, dan cara reschedule penerbangan, sehingga

para pengguna tidak bingung jika ada masalah saat pemesanan tiket berlangsung.

2) Kereta Api

Fitur kereta api ini menyediakan penjualan tiket kereta api, pertama-tama

pengguna harus mengisi tempat pengguna berangkat dan tujuan pengguna, lalu

mengisi tanggal kepergian pengguna dan jumlah penumpang. Dalam fitur ini tiket

juga dapat dibeli untuk pulang-pergi perjalanan, sehingga tidak perlu dua kali

membeli tiket. Setelah itu aplikasi akan memberikan kereta yang ada sesuai dengan

permintaan pengguna, mulai dari kereta tipe ekonomi sampai eksekutif, dengan

harga termurah hingga termahal.

3) Hotel

Fitur ini menyediakan penginapan atau sewa kamar hotel di daerah tertentu,

fitur ini dilengkapi dengan adanya kota tempat hotel tersebut, serta tanggal dan

jumlah orang yang akan menginap di hotel. Fitur ini juga menyediakan

rekomendasi dari kamar hotel yang terdekat dengan GPS pengguna.

4) Villa dan Apartment

Fitur ini sebenarnya sama dengan fitur pencarian sewa kamar hotel,

perbedaannya adalah fitur ini menyediakan penyewaan villa atau apartment,

30
penyewaan dapat dicari dengan menggunakan GPS dan hanya tinggal memasukkan

tanggal check in dan jumlah orang.

5) To Do

Fitur ini menyajikan beberapa hal yang ada di sekitar tempat pengguna yaitu

seperti tiket acara, atraksi, tempat bermain di daerah tertentu, contohnya, jika

pengguna sedang di daerah Tangerang maka akan disediakan pilihan-pilihan tempat

rekreasi, wisata atau event di sekitar daerah Tangerang.

6) Free Protection

Aplikasi tiket.com juga bisa menyediakan proteksi tiket pengguna yang

dipesan dengan fitur Free Protection. Maksud dari proteksi disini adalah asuransi

dari agen perjalanan yang dapat dipilih oleh para pengguna. Adapun proteksi-

proteksi seperti kecelakaan saat perjalanan, biaya pengobatan, kompensasi rawat

inap jika pengguna mengalami kejadian yang tidak diharapkan.

7) Tes Covid 19

Dalam aplikasi tiket.com juga dapat mencari rumah sakit atau klinik terdekat

guna untuk tes PCR maupun swab untuk covid-19, dalam fitur ini juga

menampilkan harga dari setiap klinik mulai dari yang termurah hingga termahal,

sehingga pengguna tidak perlu mencari secara menyeluruh untuk mencari tempat

tes Covid-19.

8) Peduli Lindungi

Fitur peduli lindungi juga tersedia dalam aplikasi tiket.com, pengguna hanya

tinggal login ke akun peduli lindungi pengguna, lalu info seputar pengguna yaitu

sertifikat vaksin, hasil tes dan lain-lain akan terlihat.

31
9) PayLater

Aplikasi tiket.com menyediakan fitur paylater, gunanya fitur ini adalah untuk

bayar di kemudian hari, maksudnya adalah pembayaran dilakukan sesuai dengan

tanggal yang telah ditentukan oleh sistem di hari lain.

10) Event

Fitur ini menjual beragam tiket sebuah acara tertentu yang tentunya pilihan dari

pengguna. Dari tiket MotoGP, DiaryMisteriSarah, konser, seminar, dan lainnya.

Pengguna tinggal menggunakan filter yang telah disediakan sesuai dengan

keinginan pengguna.

11) Sewa Mobil

Pengguna dapat memesan penyewaan mobil sesuai dengan tanggal dan tempat

dari pengguna, dan berapa lama pengguna akan menyewa mobil. Dalam fitur ini

juga dapat penyewaan mobil dengan sopir atau tanpa sopir.

12) Car Transfer

Fitur ini merupakan fitur penyewaan mobil untuk menjemput pengguna saat

tiba di bandara atau stasiun tujuan, pengguna tinggal mengisi filter lokasi

penjemputan dan jam penjemputan mobil.

2.5. End-User Computing Satisfaction (EUCS)

EUCS adalah metode untuk mengukur tingkat kepuasan dari pengguna sistem

aplikasi dengan membandingkan harapan dan kenyataan dari kinerja sistem atau

aplikasi (Hartawan, 2017). Keberhasilan atau kesuksesan suatu sistem informasi

atau suatu aplikasi tidak hanya ditentukan bagaimana sistem tersebut berjalan dan

menghasilkan sebuah informasi, tetapi juga mengenai kepuasan pengguna terhadap

32
kinerja aplikasi atau sistem yang digunakan.

Metode EUCS pertama kali dikembangkan oleh Doll dan Torkzadeh pada

tahun 1988. Model ini dapat diartikan menekankan kepuasan atau satisfaction

pengguna akhir pada aspek teknologi atau sebuah sistem (Dalimunthe & Ismiati,

2016). Aspek teknologi yang dimaksud adalah dengan menilai variabel-variabel

yang ada dalam sistem tersebut seperti isi, format, keakuratan dan sebagainya.

EUCS adalah sebuah sistem informasi merupakan evaluasi menyeluruh dari

pengguna aplikasi maupun sistem informasi berdasarkan pengalaman dari

penggunaan aplikasi tersebut (Oktavia, 2012). Dalam EUCS ada lima variabel yang

digunakan dalam penilaian kepuasan pelanggan yaitu, content (isi), accuracy

(keakuratan), format (bentuk), ease of use (penggunaan) dan timeliness (waktu).

Model EUCS dapat dilihat pada Gambar 2.4.

Gambar 2.4 Model End User Computing Satisfaction

Peneliti menambahkan dua variabel tambahan yaitu persepsi kemanfaatan

(perceived usefulness) dan layanan (service) sebagai variabel bebas dalam

menganalisis kepuasan pengguna sebagai variabel terikat. Penelitian ini memakai 7

variabel yaitu 5 variabel berdasarkan metode EUCS dengan tambahan variabel

33
persepsi kemanfaatan (perceived usefulness) dan layanan (service). Gambar 2.5

merupakan variabel penelitian kepuasan pengguna.

Gambar 2.5 Variabel Penelitian Kepuasan Pengguna

Berikut adalah penjelasan masing-masing variabel pada metode yang

digunakan:

a. Content (Isi)

Variabel atau dimensi ini mengukur bagaimana kepuasan pengguna yang

ditinjau yaitu isi dari suatu aplikasi atau sistem. Isi yang dimaksud umumnya adalah

berupa fungsi yang digunakan pengguna dan informasi yang dihasilkan oleh sistem

atau aplikasi (Purwandani, 2018).

b. Accuracy (Keakuratan)

Variabel ini mengukur kepuasan pengguna dengan keakuratan data maupun

34
informasi yang disediakan oleh sistem atau aplikasi untuk para pengguna.

Keakuratan sebuah sistem dapat diukur dengan melihat seberapa sering sistem

menghasilkan output yang benar ketika mengolah data, selain melihat informasi,

keakuratan juga dapat diukur dengan seberapa sering sistem mengalami kesalahan

dalam sebuah fitur ataupun dalam pengolahan data saat digunakan pengguna

(Setyoningrum, 2020).

c. Format (Bentuk)

Variabel ini mengevaluasi kepuasan pengguna dari sisi user interface atau

tampilan yang diberikan oleh sistem atau aplikasi (Kamal, Dyatmika, & Bakhri,

2020). Bentuk seperti laporan atau informasi yang dihasilkan apakah menarik bagi

para pengguna dan memudahkan para pengguna ketika menjalankan sistem, karena

user interface atau tampilan sistem sangat berpengaruh terhadap efektifitas

pengguna menggunakan sistem tersebut.

d. Ease of Use (Kemudahan Penggunaan)

Variabel ini berkaitan dengan kepuasan pengguna dari kemudahan sistem

tersebut digunakan oleh pengguna atau yang dikenal dengan user friendly ketika

memanfaatkan aplikasi seperti mendapatkan data, memasukkan data, mengelola

data dan menampilkan informasi yang dibutuhkan oleh para pengguna (Perdana,

Utami, & Aini, 2021).

e. Timeliness (Ketepatan Waktu)

Variabel ini berkaitan dengan ketepatan waktu sistem, yaitu mengukur

kepuasan pengguna dalam ketepatan waktu saat menyajikan data atau informasi

yang dibutuhkan oleh pengguna. Sistem yang mempunyai ketepatan waktu terbaik

35
dikatakan adalah sistem real time yaitu waktu sebenarnya. Aplikasi harus

menyediakan sistem yang cepat dalam mengolah input dan langsung menghasilkan

output (Setyoningrum, 2020).

f. Perceived Usefulness (Persepsi kemanfaatan)

Variabel ini didefinisikan sebagai kepercayaan dari pengguna bahwa

menggunakan sistem atau aplikasi dapat bermanfaat bagi dirinya yang akan

berdampak pada peningkatan produktivitas dan efektivitas seseorang (Tulodo &

Solichin, 2019). Hal tersebut dalam segi kemanfaatan dari aplikasi tiket.com yang

dirasakan oleh pengguna, apakah pengguna merasakan manfaat ketika

menggunakan aplikasi tiket.com dalam menyelesaikan masalah pengguna atau

membantu pengguna. Penambahan ini dilakukan karena manfaat berhubungan

dengan kepuasan pengguna, manfaat dari sebuah sistem yang berhubungan dengan

kepuasan maka akan mempengaruhi pengguna untuk menggunakan sistem

informasi (Khairrunnisa & Yunanto, 2018).

g. Service (Layanan)

Variabel ini mengukur tingkat kepuasan pengguna berdasarkan layanan yang

diberikan sistem tiket.com dengan membandingkan antara harapan dan kenyataan

para pengguna atas layanan yang mereka peroleh (Al Rasyid, 2017). Karena

layanan merupakan hal penting yang dilakukan oleh sebuah perusahaan jika ingin

membuat sistem atau aplikasi yang digunakan oleh banyak pengguna. Layanan ini

dapat berupa e-service yang disediakan oleh aplikasi tiket.com. Menurut penelitian

Lupo (2015) bahwa e-service mempunyai hubungan pada kepuasan dan

berpengaruh loyalitas.

36
2.6. Populasi, Sampel dan Teknik Sampling

2.6.1 Populasi

Populasi adalah wilayah yang tergeneralisasi yang terdiri atas objek maupun

subjek yang memiliki kualitas dan karakteristik tertentu yang ditetapkan oleh

peneliti untuk diteliti setelah itu ditarik kesimpulannya (Sugiyono, 2013). Populasi

tidak hanya mempelajari jumlah objek maupun subjek, tetapi juga mempelajari

karakteristik atau sifat yang dimiliki oleh populasi tersebut.

Populasi adalah keseluruhan dari setiap elemen yang akan diteliti yang

memiliki karakteristik atau ciri yang serupa, dapat berupa individu dari suatu

kelompok atau organisasi tertentu (Auziah, Rahmayantis, & Pitoyo, 2022). Sampel

merupakan bagian dari populasi. Sampel terdiri atas sebagian orang yang dipilih

oleh peneliti untuk mewakili dari jumlah populasi yang banyak untuk penelitian.

Sampel yang ditentukan harusnya mempresentasikan karakteristik yang mewakili

populasi tersebut. Penentuan sampel merupakan langkah yang penting dalam

perencanaan penelitian analisis (Alwi, 2015). Dalam menentukan sampel dapat

melakukannya dengan beberapa cara yaitu disebut teknik sampling. Peneliti

menggunakan jumlah populasi sesuai dengan jumlah unduhan aplikasi tiket.com,

setelah itu peneliti menentukan jumlah sampel dengan kaidah Hair et al. (2018).

2.6.2 Ukuran Sampel

Ukuran sampel yang digunakan pada penelitian ini adalah kaidah , apabila

dalam sebuah penelitian melakukan analisis dengan korelasi atau regresi ganda

maka jumlah pada setiap anggota sampel minimal 10 kali dari jumlah variabel yang

akan dilakukan penelitian atau jumlah anak panah (jalur).

37
 𝑛 = 10 𝑥 𝑗𝑢𝑚𝑙𝑎ℎ 𝑗𝑎𝑙𝑢𝑟 𝑎𝑛𝑎𝑘 𝑝𝑎𝑛𝑎ℎ (2.1)
Keterangan:

n = Ukuran sampel

2.6.3 Teknik Sampling

Teknik sampling adalah metode yang digunakan untuk pengambilan sampel

dalam suatu penelitian. Teknik sampling adalah metode yang menentukan sampel

yang jumlahnya sesuai dengan ukuran sampel yang akan menjadikannya sebagai

sumber data yang sebenarnya dengan melihat karakteristik dan penyebaran populasi

sehingga dapat diperoleh sampel yang representatif (Mamik, 2015). Teknik

sampling adalah teknik pengumpulan data merupakan langkah yang paling strategis

dalam penelitian, karena tujuan utama penelitian yaitu untuk memperoleh data yang

dibutuhkan (Sugiyono, 2013).

Teknik pengambilan sampel yang dilakukan dalam penelitian ini menggunakan

teknik Non Probability Sampling yaitu teknik purposive sampling. Teknik ini

Purposive Sampling merupakan teknik pengambilan sampel dengan pertimbangan

yang sudah ditentukan. Teknik ini digunakan peneliti karena peneliti menggunakan

responden yang memiliki kriteria sebagai customer aplikasi mobile tiket.com dan

menggunakan sistem operasi berbasis Android.

2.7. PLS-SEM (Partial Least Square-Structural Equation Modeling)

Structural Euqation Modeling (SEM) adalah metode analisis data multivariat

dan sering digunakan dalam beberapa penelitian karena dapat menguji yang

didukung dengan secara teoritis (Wong, 2013). SEM adalah teknik analisis

multivariat yang merupakan gabungan analisis regresi, analisis jalur, analisis faktor

38
dan model struktural (Supandi, 2020). SEM dapat diartikan dengan melakukan

pengujian sebuah rangkaian simultan. Pada dasarnya kelebihan SEM memiliki

karakteristik untuk melakukan analisis antara variabel bebas dan tidak bebas secara

real atau langsung. Kelebihan SEM lainnya adalah mampu mengukur kesalahan

secara langsung dan langsung menganalisis pola hubungan antara konstruksi laten

dan indikatornya. Menurut Monecke & Leisch (2012) dalam PLS-SEM terdapat

dua komponen dalam analisis PLS, yaitu sebagai berikut:

2.7.1 Evaluasi Pengukuran Model (Outer Model)

Evaluasi model pengukuran merupakan evaluasi yang digunakan untuk

mengetahui validitas dan reliabilitas indikator. Untuk reliabilitas dapat digunakan

Cronbach's Alpha. Nilai ini mencerminkan reliabilitas semua indikator dalam

model. Besaran nilai minimal ialah 0,7 sedang idealnya ialah 0,8 atau 0,9. Selain

Cronbach's Alpha digunakan juga nilai cr (composite reliability) yang

dinterpretasikan sama dengan nilai Cronbach 's Alpha. Setiap variabel 1aten harus

dapat menjelaskan varian indikator masing-masing setidaknya sebesar 50%. Oleh

karena itu korelasi absolut antara variabel laten dan indikatornya harus > 0,7 (nilai

absolut loading baku bagian luar) (Hair et al., 2018). Indikator reflektif sebaiknya

dihilangkan dari model pengukuran jika mempunyai nilai loading baku bagian luar

di bawah 0,4. Berikut adalah beberapa tahapan dari outer model:

a. Individual Item Reliability

Pengujian individual item reliability dilakukan dengan melihat nilai dari

standarlized loading factor, nilai tersebut menggambarkan besarnya korelasi antara

setiap item pengukuran atau indikator dengan konstruknya. Indikator dengan

39
loading factor yang tinggi memiliki kontribusi yang lebih tinggi untuk menjelaskan

konstruk latennya. Sebaliknya pada indikator dengan loading factor rendah

memiliki konstribusi lemah untuk menjelaskan konstruk latennya. Nilai loading

factor dikatakan ideal jika memiliki nilai di atas 0,7, artinya indikator tersebut

dikatan valid sebagai indikator mengukur konstruk. Namun demikian pada tahap

pengembangan skala, nilai antara 0,5 sampai 0,6 masih dapat diterima dan

dikatakan cukup (Ghazali & Latan, 2015).

b. Internal Consistency Reliability (CR)

Pengujian internal consistency reliability dilakukan dengan melihat nilai

composite reliability (CR). Nilai composite reliability lebih baik dalam mengukur

internal consistency dibandingkan dengan alpha cronbach dalam model PLS-SEM,

dikarenakan composite reliability tidak mengasumsikan kesamaan bobot dari setiap

indikator. Nilai batas yang digunakan di atas 0,7 yang berarti diterima dan di atas

0,8 berarti sangat memuaskan.

c. Average Variance Extracted (AVE)

Nilai AVE menjelaskan besaran nilai indikator yang terkandung oleh variabel

laten (konstruk). Nilai average variance extracted (AVE) untuk menunjukkan

convergent validity yang bertujuan mengetahui nilai validitas setiap indikator

terhadap variabel lainnya.. Nilai minimal yang digunakan untuk menunjukkan

convergent validity yang baik adalah 0,5. Hal ini menunjukkan variabel laten dapat

menjelaskan rata-rata lebih dari setengah variance dari indikatornya.

d. Discriminant Validity

Discriminant validity dievaluasi dengan dua tahap pemeriksaan nilai cross

40
loading, yaitu cross loading antar indikator dan cross loading Fornell-Lacker's.

Cross loading indikator diperiksa dengan membandingkan korelasi indikator

dengan konstruknya dan konstruk blok lainnya. Apabila korelasi antara indikator

dengan konstruknya lebih tinggi dari korelasi dengan konstruk blok lainnya, ini

menunjulkan konstruk tersebut memprediksi ukuran pada blok lebih baik dari blok

lainnya. Selanjutnya pemeriksaan pada cross loading Fornell-Lacker's yaitu

dengan melihat nilai akar dari AVE. Nilai akar dari AVE harus lebih tinggi dari

korelasi antara konstruk dengan konstruk lainnya.

2.7.2 Evaluasi Model Struktural (Inner Model)

Model ini adalah model yang menghubungkan antar variabel independen.

Evaluasi model struktural dilakukan pada tahap ini bertujuan untuk melihat

hubungan antar variabel laten dengan melihat koefisien jalur (path coefficient)

secara signifikan yang menunjukkan ada atau tidak ada hubungan antara variabel

laten dalam model penelitian. Berikut adalah beberapa tahapan pada pengujian

inner model:

a. Path Coefficient (β)

Tahapan uji path coefficient dilakukan dengan melihat signifikansi hubungan antar

konstruk. Artinya, pengujian ini melihat hubungan penting antar konstruk atau

variabel koefisien jalur menggambarkan pengaruh kekuatan hubungan antar

konstruk. Uji path coefficient diuji (β) dilihat dari nilai ambang batas 0,1 untuk

menyatakan bahwa jalur (path) mempunyai pengaruh di dalam model yang

diajukan.

41
b. Coefficient of Determination (R2)

Tujuan utama uji ini adalah memprediksi hasil atau pengujian hipotesis di masa

depan berdasarkan informasi terkait lainnya, karena tujuannya adalah memberikan

ukuran seberapa baik hasil yang diamati oleh replikasi model. Batasan standar

ukurannya adalah sekitar 0,67 kuat, 0,33 menengah, dan 0,19 atau di bawahnya

varian lemah.

c. T-test
Pengujian ini dilakukan dengan menggunakan mode bootstrapping dengan

menggunakan uji two-tailed dengan tingkat signifikansi 5% digunakan untuk

menguji hipotesis. Hipotesis yang diterima jika nilai T-test lebih dari 1,96.

d. Effect Size (f2)

Uji ini digunakan untuk memprediksi pengaruh variabel tertentu terhadap variabel

lainnya dengan nilai ambang batas 0,02 sebagai pengaruh kecil, 0,15 untuk

menengah, dan 0,35 sebagai pengaruh besar. Rumus uji ini adalah sebagai berikut:

𝑅 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅 2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒 (2.2)

𝑓2 =
1 − 𝑅 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒

Keterangan:

R2 include adalah coefficient of determination, R2 exclude adalah nilai pada luar R.

e. Predictive Relevance (Q2)

Pengujian ini dilakukan menggunakan teknik atau metode blindfolding untuk

memberikan bukti adanya variabel tertentu memiliki keterkaitan rediktif dengan

variabel lain. Nilai ambang batas yang digunakan dalam pengukuran adalah di atas

nol (>0).

42
f. Relative Impact (q2)

Pengujian ini dilakukan dengan metode blindfolding untuk mengukur pengaruh

keterkaitan prediktif variabel antara satu dengan yang lain, dengan nilai ambang

batas 0,02 sebagai pengaruh kecil, 0,15 sebagai pengaruh menengah dan 0,35

pengaruh yang besar. Rumus perhitungannya adalah:

2
𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑄 2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
𝑞 = (2.3)
1 − 𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒

Keterangan:

Q2 include adalah predictive relevance, Q2 exclude adalah nilai pada luar Q.

2.8. Skala Pengukuran

Skala pengukuran adalah kesepakatan untuk menentukan panjang atau

pendeknya interval pada suatu alat ukur, baik digunakan sebagai acuan ataupun

sebagai tolak ukur dalam memperoleh data (Hermawan, 2019). Skala pengukuran

merupakan sebuah acuan yang disepakati dan digunakan dalam menentukan jarak,

panjang atau pendeknya suatu interval yang ada dalam suatu alat ukur, sehingga

saat melakukan pengukuran kuantitatif dapat menggunakan alat ukur tersebut

(Sugiyono, 2013).

Penelitian ini menggunakan skala likert, skala ini diambil dari nama Rensis

Likert. Skala ini banyak digunakan dalam penelitian yang bertema mengenai survei

karena dalam skala ini, dapat mengukur sikap, pendapat maupun persepsi seseorang

atau sekelompok orang mengenai fenomena sosial tertentu (Sugiyono, 2013). Skala

43
likert merupakan alat ukur skala psikometrik yang biasa digunakan dalam angket,

yaitu data yang sudah dikumpulkan melalui pertanyaan kuesioner, kemudian diolah

menjadi bentuk kuantitatif, lalu setelah itu menetapkan nilai atau skor jawaban dari

pertanyaan yang telah diisi oleh responden dalam kuesioner sebelumnya.

Pemberian nilai atau skor tersebut berdasarkan dengan syarat dan ketentuan

sebelumnya. Skala likert memiliki lima poin pada setiap pertanyaan yang diberikan

kepada responden yaitu, sangat tidak setuju (STS), tidak setuju (TS), netral (N),

setuju (S), dan sangat setuju (SS) (Dalimunthe & Ismiati, 2016).

Tabel 2.2 Nilai Skala Likert

Nilai / Skor Keterangan

1 Sangat Tidak Setuju

2 Tidak Setuju

3 Netral

4 Setuju

5 Sangat Setuju

Pada penelitian kali ini peneliti menggunakan skala likert yang ada pada Tabel

2.2, karena skala likert lebih mudah dalam penggunaannya dan sudah terbukti

akurat karena banyak digunakan dalam penelitian sejenis. Penggunaan skala likert

ini mempunyai tujuan untuk mengukur tingkat persepsi dari suatu individu atau

sekelompok orang sesuai dengan fenomena yang dijadikan sebagai bahan

penelitian, sehingga para responden dapat memberikan nilai atau skor pada setiap

pertanyaan yang diberikan dalam kuesioner yang disebar oleh peneliti.

44
2.9. Analisis Data

2.9.1 Uji Validitas

Validitas adalah kemampuan suatu alat ukur untuk menguji nilai sebuah

instrumen yang dikembangkan dalam suatu penelitian. Jika nilai instrumen semakin

tinggi maka semakin mewakili pertanyaan penelitian. Tujuan melakukan uji

validitas adalah untuk mengetahui tingkat akurasi serta nilai kebenaran dari

pertanyaan yang tercantum dalam kuesioner yang dibuat oleh peneliti sebagai

instrumen penelitian kepuasan pengguna aplikasi tiket.com. Berikut adalah rumus

dari uji validitas.

𝑁 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑟𝑥𝑦 = (2.4)
√(𝑁 ∑ 𝑥 2 − (∑ 𝑥)2 (𝑁 ∑ 𝑦 2 − (𝑁𝑦 2 ))
Keterangan:

rxy = Koefisien korelasi antara variabel x dan y

∑xy = Jumlah perkalian antara variabel x dan y

∑x2 = Jumlah dari kuadrat nilai x

∑y2 = Jumlah dari kuadrat nilai y

N = Jumlah responden

2.9.2 Uji Reliabilitas

Pengukuran reliabilitas melihat dari keandalan suatu instrumen dalam

meminimalisir kesalahan (error) dengan melihat dan memastikan konsistensi

maupun kestabilan dari instrumen jawaban yang diisi oleh responden. Tujuan dari

pengujian reliabilitas adalah mendukung pengukuran dalam pengujian yang akan

diujikan akan benar-benar terarah atau baik, pengukuran uji reliabilitas dalam

penelitian dapat dikatakan sebagai pengukuran konsistensi. Uji reliabilitas biasanya

45
menggunakan teknik analisis alpha cronbach. Tinggi rendahnya reliabilitas, secara

empirik ditunjukan oleh suatu angka yang disebut nilai koefisien reliabilitas.

Reliabilitas yang tinggi ditunjukan dengan nilai alpha cronbach mendekati angka

1. Kesepakatan secara umum reliabilitas yang dianggap sudah cukup memuaskan

jika nilai alpha cronbach ≥ 0.7 atau ada beberapa ahli yang mengatakan jika suatu

alat ukur dapat dinyatakan reliabel atau konsisten ketika skor alpha cronbach

memenuhi minimal sama dengan atau tidak lebih kecil (≥) dari 0,6. Berikut adalah

rumus dari alpha cronbach untuk uji reliabilitas.

𝑘 ∑ 𝜎 2𝑏
𝑟11 = [ ] [1 − 2 ] (2.5)
(𝑘 − 1) 𝜎 𝑡
Keterangan:

r = koefisien reliabilitas alpha

k = jumlah item pertanyaan

∑σ2b = jumlah varian skor tiap pertanyaan

σ2t = varian total

2.10. Studi Literatur Sejenis

Berikut adalah beberapa contoh penelitian mengenai analisis kepuasan

pengguna dengan menggunakan metode EUCS dapat dilihat pada Tabel 2.3.

Tabel 2.3 Studi Literatur Sejenis

Peneliti Metode Tools Hasil Penelitian
Diansyah, Kuantitatif, SPSS Hasil penelitian untuk aplikasi Tokopedia
Pranoto dan EUCS, 100 berdasarkan uji T variabel yaitu yang memiliki
Syahril (2022) responden hubungan secara signifikan yaitu Content dan
Accuracy, serta variabel yang ditolak adalah
Format, Ease of use, dan Timeliness
Novita dan Kuantitatif, SPSS dan Hasil dari penelitian ini menunjukkan secara

46
Helena (2021) EUCS dan TAM, SmartPLS simultan pengguna dalam berada kategori
100 responden tingkat cukup puas untuk Traveloka, dengan
variabel yang berpengaruh signifikan terhadap
kepuasan pengguna yaitu content, format, ease
of use dan yang tidak adalah accuracy dan
timeliness
Kurniasih dan Kuantitatif, SPSS Hasil penelitian ini adalah variabel yang ada
Pibriana (2021) EUCS, 386 yaitu content, accuracy, format, ease of use,
responden dan timeliness berpengaruh positif dan
signifikan pada kepuasan pengguna dari
aplikasi belanja online PT ABC Internasional.
Agustina dan Kuantitatif, SPSS Hasil penelitian ini adalah kepuasan pengguna
Andretti (2021) EUCS, 95 yang didapat dalam kategori cukup baik pada
responden, simple aplikasi Cash and Credit, variabel yang
random sampling memiliki hubungan signifikan yaitu content,
accuracy, ease of use, timeliness, dan speed of
response. Variabel yang tidak memiliki
hubungan signifikan yaitu format dan security
Setiawan dan Kuantitatif, SPSS Hasil penelitian ini adalah kepuasan pengguna
Novita (2021) EUCS, 100 aplikasi KAI Access yaitu dalam kategori
responden, simple puas. Variabel yang berpengaruh secara
random sampling signifikan yaitu accuracy, format, dan
timeliness. Dan variabel yang tidak memiliki
hubungan signifikan yaitu content dan ease of
use.
Imandasari Kuantitatif, SPSS Hasil penelitian ini adalah variabel yang
(2020) EUCS, 349 memiliki pengaruh signifikan terhadap
sampel, purposive kepuasan pengguna aplikasi Shopback adalah
sampling content, accuracy, format, dan ease of use.
Serta yang tidak memiliki pengaruh signifikan
adalah timeliness
Rahayu (2020) Kuantitatif, SPSS Hasil penelitian ini menunjukkan bahwa
EUCS, 96 variabel yang berpengaruh signifikan terhadap
responden, simple kepuasan pengguna aplikasi UG in your Hand
random sampling yaitu ease of use dan timeliness, lalu yang
tidak memiliki pengaruh yaitu content,
accuracy, format.
Darwati dan Kuantitatif, SPSS Hasil penelitian ini menunjukkan bahwa
Fitriyani (2022) EUCS, 100 variabel content, ease of use, dan timeliness
responden, simple memiliki pengaruh positif terhadap kepuasan
random sampling pengguna. Sedangkan variabel accuracy dan

47
 format tidak memiliki pengaruh terhadap
kepuasan pengguna, serta pengguna sudah
merasa puas dengan aplikasi OVO.
Akmal, Kuantitatif, SPSS Hasil penelitian ini menunjukkan variabel
Trenggana service dan service dan perceived value berpengaruh
(2019) perveived value, terhadap kepuasan pengguna sebesar 83% atau
100 responden, pengguna merasa puas terhadap aplikasi
purposive M-TIX mobile Cinema XXI
sampling
Aziziyah (2021) Kuantitatif, SPSS Hasil penelitian ini menunjukkan persepsi ease
perceived ease of of use, persepsi usefulness dan kepercayaan
use dan perceived memiliki pengaruh positif dan signifikan
usefulness, 200 terhadap aplikasi Traveloka
responden, non
probability
sampling
snowball
sampling

Berdasarkan penelitian atau studi literatur sejenis yaitu Tabel 2.3 banyak

penelitian yang menggunakan metode EUCS untuk menganalisis kepuasan

pengguna suatu sistem, sehingga dapat diketahui variabel apa saja yang dapat

berpengaruh terhadap kepuasan pengguna sistem.

Penelitian ini mengambil objek sebagai e-commerce untuk layanan

pemesanan transportasi atau penginapan secara online yang masih jarang digunakan

untuk objek penelitian, serta model yang digunakan tidak hanya menggunakan 5

variabel utama EUCS tetapi mengembangkannya dengan menambahkan variabel

perceived usefulness dan service.

48
49
 BAB 3

METODE PENELITIAN

3.1. Pendekatan Penelitian

Penelitian ini secara umum melakukan penelitian dengan pendekatan

kuantitatif dan strategi penelitian sesuai dengan tujuan penelitian yaitu

menganalisis kepuasan pengguna aplikasi mobile tiket.com serta menguji

variabel-variabel apa saja yang dapat mempengaruhi tingkatan kepuasan pengguna

aplikasi tiket.com. Pendekatan yang digunakan oleh peneliti yakni pendekatan

kuantitatif maka diperlukan metode pengumpulan data maupun analisis data dalam

menyelesaikan penelitian. Sesuai dengan yang sudah dijelaskan pada bab

sebelumnya maka, peneliti menggunakan metode pengumpulan data melalui survei

dengan membuat kuesioner dan analisis data yang dilakukan secara statistik

menggunakan aplikasi pembantu yang dapat mengolah data statistik.

3.2. Tools Penelitian

Pada penelitian kali ini, tools yang digunakan berupa aplikasi atau software

yang digunakan peneliti untuk membantu mengolah data hasil kuesioner adalah

Ms.Excel 2019 untuk membuat grafik demografi dari kuesioner yang telah diisi

responden, dan Ms.Word 2019 digunakan untuk media penyusunan laporan selama

penelitian berlangsung, untuk mendapatkan data yang dibutuhkan peneliti

menggunakan bantuan media Google Form untuk membuat dan menyebarkan

kuesioner yang akan diisi oleh responden, lalu dilakukan analisis outer dan inner

model menggunakan alat atau aplikasi tools SmartPLS versi 3.2.9.

50
3.3. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam rangka mengumpulkan data

yang dibutuhkan dalam penelitian ini yaitu studi literatur dan kuesioner.

3.3.1. Studi Literatur

Metode ini dilakukan dengan mencari atau mengkaji literatur yang ada serta

membaca literatur yang sesuai dan berhubungan dengan tema penelitian yang

dijalankan. Literatur yang dibaca yakni berupa buku, jurnal atau paper yang

berhubungan dan dapat menambah informasi bagi peneliti mengenai tema

penelitian yang diambil. Dengan membaca literarur mengenai kepuasan pengguna

ataupun jurnal yang membahas metode End User Computing Satisfaction (EUCS)

yakni penelitian sebelumnya, maka peneliti mendapatkan informasi atau referensi

tambahan dalam menyelesaikan laporan penelitian ini.

3.3.2. Kuesioner

Kuesioner ini dapat dikatakan juga sebagai survei karena isi dari kuesioner

merupakan pertanyaan-pertanyaan yang berhubungan dengan data yang dibutuhkan

dalam penelitian. Pertanyaan-pertanyaan tersebut disebarkan dan isi oleh para

responden. Pembuatan dan pengisian kuesioner menggunakan bantuan fitur Google

Form, lalu dalam penyebaran kuesioner dilakukan dengan cara menyebarkannya

lewat media sosial seperti whatsapp dan Instagram.

Penyebaran kuesioner ini dilakukan sesuai dengan jumlah data yang

diperlukan, seluruh data kuesioner sudah didapatkan dan jika sudah mencapai target

maka data tersebut diproses dan diklasifikasikan menggunakan aplikasi pengolah

data yaitu Microsoft Excel 2019. Untuk skala yang digunakan dalam penelitian

51
yaitu skala likert yang terdiri atas lima poin pada setiap pertanyaan nantinya yaitu

sangat tidak setuju (1), tidak setuju (2), netral (3), setuju (4) dan sangat setuju (5).

3.4. Model dan Hipotesis Penelitian

Metode yang digunakan dalam penelitian analisis kepuasan pengguna kali ini

adalah End User Computing Satisfaction sesuai dengan yang telah dijelaskan

sebelumnya, dengan menggunakan 7 variabel independen yaitu isi (content),

akurasi (accuracy), bentuk (format), kemudahan pengguna (ease of use), ketepatan

waktu (timeliness), persepsi kemanfaatan (perceived usefulness), dan layanan

(service). Variabel tersebut dijadikan hipotesis dan diuji untuk penelitian.

Dari metode yang sudah disebutkan masing-masing variabel yang digunakan

dihipotesiskan memiliki pengaruh yang positif terhadap kepuasan pengguna.

Gambar 3.1 adalah model penelitian berdasarkan uraian sebelumnya.

Gambar 3.1 Model Penelitian

52
 Hipotesis penelitian adalah jawaban, hasil atau kesimpulan sementara terhadap

apa yang ada dalam rumusan masalah atau identifikasi masalah. Hipotesis ini harus

diuji kebenarannya melalui pembuktian melalui data yang terkumpul. Berdasarkan

yang sudah dijelaskan pada bab sebelum-sebelumnya maka peneliti mengajukan

beberapa hipotesis yaitu pada Tabel 3.1.

Tabel 3.1 Hipotesis Penelitian

Hipotesis Keterangan
Isi (content) mempunyai pengaruh positif terhadap kepuasan
Hipotesis 1
pengguna aplikasi mobile tiket.com
Akurasi (accuracy) mempunyai pengaruh positif terhadap
Hipotesis 2
kepuasan pengguna aplikasi mobile tiket.com
Bentuk (format) mempunyai pengaruh positif terhadap
Hipotesis 3
kepuasan pengguna aplikasi mobile tiket.com
Kemudahan penggunaan (ease of use) mempunyai pengaruh
Hipotesis 4
positif terhadap kepuasan pengguna aplikasi mobile tiket.com
Ketepatan waktu (timeliness) mempunyai pengaruh positif
Hipotesis 5
terhadap kepuasan pengguna aplikasi mobile tiket.com
Persepsi kemanfaatan (perceived usefulness) mempunyai
Hipotesis 6 pengaruh positif terhadap kepuasan pengguna aplikasi mobile
tiket.com
Layanan (service) mempunyai pengaruh positif terhadap
Hipotesis 7
kepuasan pengguna aplikasi mobile tiket.com

3.5. Populasi dan Sampel Penelitian

Populasi yang digunakan untuk penelitian ini adalah responden atau customer

yang sudah mengunduh ataupun memakai aplikasi mobile tiket.com yakni membeli

tiket maupun menyewa tempat dan lain-lain dan menggunakan sistem operasi

Android. Sesuai dengan aturan pendekatan PLS SEM minimum pengambilan

53
sampel penelitian adalah 10 kali jumlah jalur (Hair et al., 2018). Penelitian ini

memiliki 7 anak panah (jalur) yang mengarah kepada variabel penelitian, sehingga

7 dikali 10 yaitu 70 sampel minimum untuk pengambilan sampel, lalu peneliti

menggunakan pengambilan sampel menggunakan teknik sampling yaitu purposive

sampling untuk mendapatkan responden sesuai dengan kriteria yang diperlukan

sesuai dengan penelitian.

Teknik purposive sampling merupakan teknik yang dalam pengambilan

sampelnya dipilih dengan melakukan dengan pertimbangan tertentu, oleh karena itu

peneliti menggunakan sampel dengan kriteria customer aplikasi mobile tiket.com

dan menggunakan sistem operasi Android.

Berdasarkan perhitungan menggunakan aturan PLS SEM maka jumlah sampel

minimal penelitian ini adalah 70 orang, namun peneliti melebihkan jumlah

responden agar dapat memberikan hasil yang lebih meyakinkan. Setelah itu

kuesioner disebar menggunakan Google Form setelah data terkumpul maka

disaring dan diklasifikasikan dengan menggunakan aplikasi Microsoft Excel 2019.

3.6. Instrumen Penelitian

Instrumen penelitian yang digunakan adalah berupa kuesioner, terdiri atas dua

bagian, yaitu pada bagian pertama pengisian kuesioner yang terdiri atas pertanyaan

merujuk pada diri responden berupa nama, pendidikan, jenis kelamin, usia dan

lain-lain. Tujuan dari bagian ini adalah menampilkan demografi para responden

yang berpartisipasi dalam penelitian. Instrumen penelitian dapat diartikan pula

sebagai alat untuk mengumpulkan, mengolah, menganalisis dan menyajikan data-

data secara sistematis serta objektif dengan tujuan memecahkan suatu persoalan

54
atau menguji suatu hipotesis (Nasution, 2016).

Bagian kedua dari kuesioner yaitu pertanyaan mengenai penelitian yang

berjumlah 30, pertanyaan tersebut berdasarkan 30 indikator pertanyaan atas metode

End User Computing Satisfaction dalam 7 variabel yaitu isi (content), akurasi

(accuracy), bentuk (format), kemudahan pengguna (ease of use), ketepatan waktu

(timeliness), persepsi kemanfaatan (perceived usefulness), dan layanan (service)

terkait dengan tema penelitian yaitu kepuasan pengguna. Kuesioner ini

menggunakan skala likert seperti yang dijelaskan sebelumnya, dengan

menggunakan nilai atau skor 1 sampai dengan 5.

Untuk menjamin validitas dan reliabilitas dari instrrumen yang diguakan dalam

penelitian ini, peneliti menggunakan beberapa sejumlah indikator variabel yang

digunakan pada beberapa penelitian terkait sebelumnya, antara lain adalah Doll &

Torkzadeh (1988), Prinanda (2021), Dianty (2020), Meha (2019), Hilmi (2018),

dan Al Rasyid (2017). Tabel 3.2 adalah indikator-indikator dari setiap variabel yang

digunakan dalam penelitian.

Tabel 3.2 Indikator Variabel dan Pertanyaan Kuesioner Penelitian

Variabel Kode Indikator Pertanyaan Referensi

Apakah isi aplikasi tiket.com sesuai

CON1 Relevansi
dengan kebutuhan pengguna?
Apakah isi aplikasi tiket.com
Doll &
CON2 Keberagaman disajikan secara beragam atau
Torkzadeh
banyak?
Content (Isi) (1988),
Apakah isi aplikasi tiket.com yang
CON3 Kualitas dan Dianty
ada memiliki kualitas baik?
(2020)
Apakah isi aplikasi tiket.com
CON4 Manfaat
bermanfaat bagi pengguna?
CON5 Transparansi Apakah isi aplikasi tiket.com

55
 disediakan secara jelas?
Apakah aplikasi tiket.com
ACC1 Akurasi
menyajikan informasi yang akurat?
Apakah aplikasi tiket.com
ACC2 Keselarasan menampilkan output sesuai dengan Doll &
yang diperintahkan? Torkzadeh
Accuracy
Apakah aplikasi tiket.com (1988),
(Akurasi)
ACC3 Reliabel menyajikan informasi yang dapat dan Dianty
dipercaya? (2020)
Apakah aplikasi tiket.com berjalan
ACC4 Standarisasi sesuai dengan standar yang sudah
ditentukan?
Apakah format aplikasi tiket.com
FOR1 Menarik
menarik untuk pengguna?
Apakah format aplikasi tiket.com Doll &
Kualitas
FOR2 memberikan kualitas informasi Torkzadeh
Format Informasi
yang baik? (1988),
(Bentuk)
Apakah format aplikasi tiket.com dan Dianty
FOR3 Jelas
sudah jelas? (2020)
Kemudahan Apakah format aplikasi tiket.com
FOR4
Pengguna mudah digunakan pengguna?
Mudah Apakah sistem aplikasi tiket.com
EOU1
digunakan mudah digunakan pengguna? Doll &
Ease of Use Mudah Apakah sistem aplikasi tiket.com Torkzadeh
EOU2
(Kemudahan dipahami sangat mudah dipahami pengguna? (1988),
Pengguna) Apakah sistem aplikasi tiket.com dan Dianty
EOU3 Interaksi sistem yang disajikan memudahkan (2020)
interaksi dengan pengguna?
Apakah aplikasi tiket.com
TIM1 Up to date memberikan data atau informasi
Doll &
yang up to date?
Timeliness Torkzadeh
Apakah aplikasi tiket.com sudah
(Ketepatan Ketersediaan (1988),
TIM2 menyajikan informasi atau data
waktu) Informasi dan Dianty
ketika dibutuhkan?
(2020)
Kesiapan Apakah aplikasi tiket.com
TIM3
Informasi menyajikan informasi dengan tepat

56
 waktu?
Apakah aplikasi tiket.com memiliki
TIM4 Sistem service layanan sistem yang tepat waktu
saat dibutuhkan?
Apakah aplikasi tiket.com sangat
USE1 Kegunaan
berguna bagi pengguna?
Apakah aplikasi tiket.com
Perceived
USE2 Produktifitas bermanfaat dalam mendapatkan
Usefulness Hilmi,
informasi?
(Persepsi (2018)
Apakah aplikasi tiket.com
Kemanfaatan)
Kemanfaatan bermanfaat dalam menyelesaikan
USE3
sistem masalah terkait perjalanan
(traveling)?
Apakah aplikasi tiket.com
SER1 Tangibles memberikan pelayanan yang
memadai?
Apakah aplikasi tiket.com sudah
SER2 Reliability memberikan pelayanan sesuai yang
Service (Al
dijanjikan?
(Layanan) Rasyid,
Apakah aplikasi tiket.com sudah
2017)
SER3 Responsiveness memberikan pelayanan yang
responsive atau cepat?
Apakah aplikasi tiket.com sudah
SER4 Emphaty
memahami kebutuhan pengguna?
Apakah sistem aplikasi tiket.com
US1 Efektifitas efektif (berhasil) dalam
penggunaannya?
User Apakah sistem aplikasi efisien Meha
Satisfaction US2 Efisiensi (tepat waktu) tiket.com dalam (2019) dan
(Kepuasan penggunaannya? Prinanda
Pengguna) Apakah aplikasi tiket.com sudah (2021)
Kepuasan
memberikan kinerja yang sesuai
US3 Sistem secara
sehingga memuaskan para
menyeluruh?
pengguna secara keseluruhan?

57
3.7. Prosedur Penelitian

Penelitian menggunakan beberapa tahapan untuk menyelesaikan penelitian.

Gambar 3.2 adalah tahapan prosedur penelitian yang digunakan.

Gambar 3.2 Prosedur Penelitian

Gambar 3.2 adalah prosedur penelitian yang menjadi acuan untuk melakukan

penelitian, dengan melalui beberapa tahapan yang dimulai dengan mengidentifikasi

58
dan merumuskan masalah, melakukan kajian pustaka, menentukan model serta

perancangan instrumen penelitian, setelah itu mengumpulkan data, menganalisis

data serta memberikan interpretasi hasil dari analisis data tersebut untuk melakukan

evaluasi dan akhirnya dituangkan ke dalam laporan penelitian.

3.8. Analisis dan Interpretasi Hasil

Setelah semua data yang diperlukan sudah terkumpul melalui kuesioner

dilakukan analisis data pada penelitian ini, analisis data dibagi menjadi dua bagian

yaitu analisis deskriptif dan analisis inferensial. Bagian pertama analisis deskriptif

yaitu melakukan analisis responden berupa data demografis dengan menggunakan

aplikasi atau software Microsoft Excel 2019. Data responden diklasifikasikan

berdasarkan usia, jenis kelamin, pekerjaan dan pengalaman pengguna

menggunakan sistem. Lalu data yang diklasifikasi dibuat grafik untuk mengetahui

demografi responden. Selanjutnya pada bagian kedua dilakukan analisis inferensial

untuk menganalisa data maupun menguji hipotesis yang dibuat sebelumnya

menggunakan pendekatan PLS-SEM menggunakan aplikasi SmartPLS versi 3.3.9.

Pada analisis data inferensial menggunakan SmartPLS terdiri atas dua model

yaitu model pengukuran (outer model) dan model struktural (inner model). Pada

model pertama yaitu outer model terdapat empat tahap pengujian yaitu individual

item reliability, internal consistency reliability, average variance extracted (AVE),

dan discriminant validity. Lalu pada model kedua menganalisis model struktural

atau inner model, dengan menggunakan enam tahapan pengujian yaitu path

coefficeient (β), coefficient of determination (R2), T-test, effect size (f2), predictive

relevance (Q2), dan relative impact (q2) (Wong, 2013). Setelah itu dilakukan

59
interpretasi hasil penelitian, peneliti melakukan diskusi terhadap hasil analisis

demografi para sampel yang dijadikan responden dan menganalisis hasil analisis

model yang dilakukan dalam penelitian. Kemudian untuk tahap interpretasi hasil,

peneliti menjelaskan hasil analisis demografis responden dalam bentuk grafik atau

chart agar lebih mudah untuk dipahami.

60
61
 BAB 4

HASIL ANALISIS DAN INTERPRETASI

4.1 Pilot Study

Pilot study adalah sebuah tahapan yang digunakan untuk mengetahui seberapa

besar tingkat validitas dan reliabilitas dari sebuah kuesioner serta hasil dari

hipotesis penelitian. Pada penelitian ini pilot study digunakan dengan menggunakan

35 responden yang sudah mengisi kuesioner penelitian dengan kriteria pengguna

khususnya para pelanggan aplikasi mobile tiket.com dan menggunakan sistem

operasi Android. Pilot study dapat dikatakan berhasil yaitu memiliki validitas dan

reliabilitas jika memiliki nilai average variance extracted (AVE) di atas 0,5 dan

consistency reliability (CR) di atas 0,7. Berikut adalah hasil dari pilot study yang

menggunakan 35 responden.

4.1.1 Uji Internal Consistency Reliability (CR)

Pengujian Internal Consistency Reliability memiliki ambang batas 0,7 (Hair

et al., 2018). Uji ini dilakukan untuk menghitung reliabilitas dari kuesioner yang

diberikan kepada para responden. Setiap variabel yang digunakan dalam penelitian

harus memiliki nilai di atas ambang batas. Hasil uji reliabilitas dapat dilihat pada

Tabel 4.1.

Tabel 4.1 Consistency Reliability (CR)

Consistency Reliability (CR)

ACC 0,920
CON 0,919

EOU 0,930

62
 FOR 0,942

SER 0,929
TIM 0,946

US 0,925
USE 0,927

Dari hasil CR menurut Hair et al. (2018) CR memiliki batas minimum 0,7,

lalu berdasarkan hasil uji CR yang sudah dilakukan dapat dilihat bahwa semua

variabel penelitian memiliki nilai di atas 0,7, sehingga dapat disimpulkan semua

variabel yang digunakan memiliki syarat untuk digunakan dalam penelitian.

4.1.2 Uji Average Variance Extracted (AVE)

Pengujian AVE memiliki ambang batas 0,5 Hair et al. (2018). Uji ini

dilakukan untuk menghitung validitas dari kuesioner yang diberikan kepada para

responden. Setiap variabel yang digunakan dalam penelitian harus memiliki nilai di

atas ambang batas. Hasil uji validitas dapat dilihat pada Tabel 4.2.

Tabel 4.2 Average Variance Extracted (AVE)

Average Variance Extracted (AVE)

ACC 0,743
CON 0,698
EOU 0,817
FOR 0,802
SER 0,765
TIM 0,816
US 0,804
USE 0,810

63
 Hasil pengujian AVE, menurut Hair et al. (2018), memiliki batas minimum

yaitu 0,5. Berdasarkan hasil pengujian yang dilakukan, hasil AVE semua variabel

di atas 0,5. Oleh karena itu, dapat dinyatakan bahwa model ini sudah memenuhi

syarat untuk dapat digunakan dalam penelitian.

Berdasarkan hasil yang diperoleh dengan pilot study maka dapat

disimpulkan model penelitian memenuhi syarat penelitian, dibuktikan dengan hasil

perhitungan validitas dan reliabilitas dari kuesioner penelitian hasilnya adalah baik.

Setelah melakukan pilot study maka peneliti menganalisis data sesuai dengan

pengambilan data pada penelitian ini yang dilakukan dalam waktu 12 hari dimulai

dari tanggal 1 sampai 12 Juni 2022 dan mendapatkan responden sebanyak 151

orang.

4.2 Hasil Analisis

4.2.1 Hasil Demografis

Analisis demografis digunakan untuk menguraikan jawaban responden yang

menjawab kuesioner penelitian yang berisi pertanyaan mengenai profil dan hasil

sistem aplikasi mobile tiket.com yang telah dibagikan sebelumnya, sehingga

terkumpul informasi demografis yang berhubungan dengan karakteristik dari para

responden. Informasi yang diperoleh dalam hasil demografis ini terbagi atas 6

kategori yaitu Jenis Kelamin, Pekerjaan, Usia, Domisili, Lama menggunakan

aplikasi mobile tiket.com, dan Membantu saat bepergian. Berikut hasil analisis

demografis responden.

64
a. Jenis Kelamin

Berdasarkan diagram lingkaran yang tertera dalam Gambar 4.1 menunjukkan

bahwa dari 151 responden pada penelitian ini, terdapat 77 laki-laki atau sebesar

51% dan perempuan sebanyak 74 orang atau sebesar 49%.

Jenis Kelamin

Laki - Laki
49% 51% Perempuan

Gambar 4.1 Diagram Lingkaran Jenis Kelamin Responden

b. Pekerjaan

Berdasarkan Gambar 4.2 memperlihatkan bahwa 151 responden aplikasi

mobile tiket.com merupakan mahasiswa/pelajar sebanyak 123 orang (81%),

karyawan swasta sebanyak 17 orang (11%), wiraswasta 4 orang (3%), PNS 3 orang

(2%), dan pekerjaan lainnya sebanyak 4 orang (3%).

Pekerjaan
3% 3% Pelajar/mahasiswa

11% PNS
2%
Karyawan Swasta

81% Wiraswasta

Lainnya

Gambar 4.2 Diagram Lingkaran Pekerjaan Responden

65
c. Usia

Berdasarkan dari Gambar 4.3 dari 151 responden, usia paling banyak sebagai

pengguna aplikasi mobile tiket.com adalah 21-24 tahun sebanyak 118 orang (78%),

usia 17-20 tahun sebanyak 15 orang (10%), usia lebih dari 28 tahun sebanyak 11

orang atau (7%), dan terakhir usia 25-28 tahun sebanyak 7 orang (5%).

Usia
10%
5% 7% 17-20 tahun
21-24 tahun
25-28 tahun
> 28 tahun
78%

Gambar 4.3 Diagram Lingkaran Usia Responden

d. Domisili

Berdasarkan diagram lingkaran yang ada pada Gambar 4.4 dari 151 responden,

hasil pengguna aplikasi tiket.com terbanyak merupakan berdomisili Jakarta

sebanyak 80 orang (53%), Tangerang sebanyak 33 orang (22%), Bekasi sebanyak

9 orang (6%), Depok dan Bogor sebanyak 8 orang (5%) dan luar Jabodetabek

seperti Padang, Purwakarta, Cianjur, Gresik dan lainnya sebanyak 13 orang (9%).

Domisili
Jakarta
9% Bogor
6%
Depok
22% Tangerang
53% Bekasi
5% Lainnya
5%

Gambar 4.4 Diagram Lingkaran Domisili Responden

66
e. Lama menggunakan Aplikasi Mobile tiket.com

Berdasarkan yang diperoleh dari Gambar 4.5 bahwa dari 151 responden

diperoleh hasil dari lama pengguna menggunakan aplikasi mobile tiket.com yaitu

penggunaan <1 tahun sebanyak 88 orang (58%), penggunaan 1-2 tahun sebanyak

43 orang (29%), dan penggunaan >2 tahun sebanyak 20 orang (13%).

Lama Penggunaan
13%
< 1 tahun
1-2 tahun
> 2 tahun

29% 58%

Gambar 4.5 Diagram Lingkaran Lama Penggunaan Aplikasi Responden

f. Aplikasi Membantu saat Bepergian

Berdasarkan Gambar 4.6, bahwa 151 responden memberikan beberapa

pendapat yaitu sangat membantu sebanyak 49 orang (33%), membantu sebanyak

79 orang (53%), dan cukup membantu sebanyak 23 orang (14%).

Membantu Pengguna

15% Sangat membantu

33%
Membantu

52% Cukup membantu

Gambar 4.6 Diagram Lingkaran Aplikasi tiket.com Membantu Pengguna

67
g. Kepuasan Pengguna

Berdasarkan Gambar 4.7, bahwa dari 151 responden terdapat jawaban sangat

puas sejumlah 32 orang (21%), puas sebanyak 82 orang (53%), dan cukup puas

sebanyak 37 orang (25%).

Kepuasan Pengguna

25% 21%
Sangat Puas
Puas
Cukup Puas

54%

Gambar 4.7 Diagram Lingkaran Kepuasan Pengguna

4.2.2 Hasil Analisis Tingkat Kepuasan Pengguna

Analisis pengukuran tingkat kepuasan pengguna dilakukan untuk

menentukan tingkat kepuasan pengguna terhadap aplikasi mobile tiket.com, peneliti

mengkonversi pernyataan puas dan tidak puas pada kuesioner pengguna yang dapat

dilihat pada Tabel 2.1. Nilai skor yang didapatkan dari nilai rata-rata (mean)

jawaban responden sesuai dengan skala pengukuran yang ada dengan menggunakan

skala pengukuran positif (Istianah & Yustanti, 2022).

Hasil pengolahan data kuesioner menunjukan bahwa rata-rata keseluruhan

nilai jawaban responden terhadap aplikasi mobile tiket.com untuk variabel content

didapatkan angka 4,22, variabel accuracy memiliki rata-rata 4,16, variabel format

memiliki rata-rata 4,21, variabel ease of use memiliki rata-rata 4,13, variabel

timeliness memiliki rata-rata 4,14, variabel perceived usefulness memiliki rata-rata

68
4,16, dan variabel service memiliki rata rata 4,19

Tabel 4.3 Tingkat Kepuasan Pengguna

Variabel Mean
Content 4,22
Accuracy 4,16
Format 4,21
Ease of Use 4,13
Timeliness 4,14
Perceived Usefulness 4,16
Service 4,19
Rata-rata 4,17

Tabel 4.3 menunjukkan bahwa secara keseluruhan tingkat kepuasan

pengguna berada pada nilai rata-rata 4,17 yaitu berada pada level 4 (Puas).

4.2.3 Hasil Analisis PLS-SEM

4.2.3.1 Analisis Pengukuran Model (Outer Model)

Pada tahap ini dilakukan pengukuran model dengan melakukan empat

pengujian yaitu individual item reliability, internal consistency reliability, average

variance extracted dan discriminant validity. Analisis outer model digunakan untuk

dapat memberikan penjelasan atau spesifikasi terhadap hubungan antar variabel

laten dengan indikator lainnya. Berikut adalah hasil pengukuran outer model

dengan empat tahap pengujian.

a. Individual Item Reliability

Tahap ini dilakukan dengan memeriksa dan melihat nilai standardized loading

factor atau nilai outer loading, nilai tersebut menjelaskan besaran korelasi dari

setiap indikator yang digunakan dengan konstruknya. Loading factor merupakan

69
sebuah nilai dari setiap indikator untuk mengukur variabel yang digunakan.

Loading factor dapat dikatakan sah jika memiliki nilai di atas 0,7 (Hair et al., 2018).

Hasil dari nilai outer loading dapat dilihat pada Tabel 4.4.

Tabel 4.4 Nilai Outer Loading Awal

ACC CON EOU FOR SER TIM US USE

ACC1 0,837
ACC2 0,855
ACC3 0,834
ACC4 0,875
CON1 0,877
CON2 0,789
CON3 0,908
CON4 0,657
CON5 0,911
EOU1 0,899
EOU2 0,888
EOU3 0.916
FOR1 0,789
FOR2 0,924
FOR3 0,924
FOR4 0,871
SER1 0,761
SER2 0,806
SER3 0,741
SER4 0,832
TIM1 0,852
TIM2 0,828
TIM3 0,668

70
 TIM4 0,856
US1 0,859
US2 0,858
US3 0,841
USE1 0,722
USE2 0,767
USE3 0,745

Ket: diperlukan penghapusan pada nilai yang kurang dari 0,7

Setelah itu dilakukan penghapusan indikator pada nilai outer loading yang kurang

dari 0,7 maka hasilnya dapat dilihat pada Tabel 4.5.

Tabel 4.5 Nilai Outer Loading Akhir

ACC CON EOU FOR SER TIM US USE

ACC1 0,837
ACC2 0,855
ACC3 0,834
ACC4 0,875
CON1 0,880
CON2 0,779
CON3 0,922
CON5 0,922
EOU1 0,899
EOU2 0,888
EOU3 0.916
FOR1 0,789
FOR2 0,924
FOR3 0,924
FOR4 0,871
SER1 0,762

71
 SER2 0,806
SER3 0,741
SER4 0,832
TIM1 0,866
TIM2 0,854
TIM4 0,842
US1 0,858
US2 0,858
US3 0,842
USE1 0,722
USE2 0,768
USE3 0,745

Sesuai dengan ketentuan nilai outer loading yang dikatakan sah jika melebihi

0,7 maka pada Tabel 4.5 telah dilakukan penghapusan indikator yang nilainya

kurang dari 0,7. Sehingga dapat disimpulkan bahwa semua indikator yang ada telah

melebihi nilai batas di atas 0,7 dan dapat dilakukan tahapan pengujian selanjutnya.

b. Internal Consistency Reliability

Tahap selanjutnya untuk mendapatkan nilai Internal Consistency Reliability

yaitu melihat nilai composite reliability (CR) yang bertujuan untuk memperlihatkan

konsistensi antar item dalam suatu penelitian dengan nilai batas 0,7 (Hair et al.,

2018).

Tabel 4.6 Hasil Uji Consistency Reliability (CR)

Variabel Consistency Reliability (CR)

Accuracy 0,913
Content 0,930
Ease of use 0,928
Format 0,931
Service 0,866

72
 Timeliness 0,890
User Satisfaction 0,889
Perceived Usefulness 0,789

Berdasarkan hasil pengujian composite reliability (CR) pada Tabel 4.6, dapat

dilihat bahwa setiap variabel menunjukkan nilai CR melebihi nilai ambang batas

0,7. Sehingga dapat disimpulkan bahwa sudah memenuhi syarat dan valid untuk

dilakukan pengujian tahap berikutnya.

c. Average Variance Extracted

Tahap berikutnya adalah uji Average Variance Extracted (AVE). AVE

merupakan nnilai yang dimiliki oleh setiap variabel yang digunakan untuk

mendeskripsikan setiap variabel sehingga menemukan besaran varian pada setiap

indikator. Nilai AVE memiliki batas nilai 0,5, jika nilai AVE variabel diatas 0,5

dapat disimpulkan bahwa nilai convergent validity adalah baik (Hair et al., 2018).

Berikut adalah nilai AVE masing-masing variabel.

Tabel 4.7 Hasil Uji Average Varience Exracted (AVE)

Variabel AVE
Accuracy 0,724
Content 0,771
Ease of use 0,812
Format 0,772
Service 0,618
Timeliness 0,730
User Satisfaction 0,727
Perceived Usefulness 0,555

Tabel 4.7 adalah hasil dari pengujian yang dilakukan dengan SmartPLS 3.2.9

bahwa setiap variabel yang ada sudah memiliki nilai AVE di atas 0,5, sehingga

dapat disimpulkan bahwa sudah memenuhi syarat untuk melakukan pengujian pada
73
tahap berikutnya.

d. Discriminant Validity

Tahap ini merupakan perbandingan korelasi antara indikator dengan variabel

yang digunakan. Jika korelasi pada setiap indikator memiliki nilai konstruk yang

lebih tinggi dibanding dengan korelasi konstruk blok lainnya, maka menunjukkan

konstruk tersebut dapat memprediksi ukuran blok lebih baik dari blok lainnya (Hair

et al., 2018). Hasil nilai cross loading pada penelitian ini yaitu setiap indikator

memiliki nilai lebih tinggi dibanding konstruk indikator lainnya. Hasil uji cross

loading dapat dilihat pada Tabel 4.8.

Tabel 4.8 Hasil Uji Discriminant Validity (Cross Loading)

ACC CON EOU FOR SER TIM US USE

ACC1 0,837 0,718 0,574 0,597 0,573 0,611 0,546 0,353
ACC2 0,855 0,759 0,664 0,683 0,652 0,505 0,641 0,549
ACC3 0,834 0,581 0,632 0,674 0,558 0,674 0,580 0,423
ACC4 0,875 0,801 0,696 0,808 0,722 0,495 0,745 0,462
CON1 0,738 0,880 0,667 0,801 0,568 0,496 0,611 0,554
CON2 0,625 0,779 0,460 0,610 0,468 0,325 0,538 0,438
CON3 0,784 0,922 0,777 0,781 0,721 0,617 0,836 0,533
CON5 0,806 0,922 0,669 0,773 0,664 0,555 0,746 0,508
EOU1 0,679 0,706 0,899 0,645 0,569 0,573 0,692 0,617
EOU2 0,724 0,696 0,889 0,721 0,716 0,708 0,696 0,602
EOU3 0,645 0,612 0,916 0,614 0,643 0,692 0,659 0,639
FOR1 0,640 0,645 0,566 0,789 0,645 0,474 0,617 0,330
FOR2 0,738 0,806 0,631 0,924 0,652 0,472 0,805 0,358
FOR3 0,781 0,808 0,750 0,924 0,764 0,670 0,777 0,602
FOR4 0,718 0,699 0,622 0,871 0,584 0,447 0,627 0,510
SER1 0,530 0,512 0,506 0,555 0,762 0,323 0,560 0,298
SER2 0,646 0,562 0,532 0,645 0,806 0,604 0,561 0,420
SER3 0,553 0,563 0,673 0,535 0,741 0,506 0,583 0,565
SER4 0,609 0,569 0,535 0,634 0,832 0,508 0,670 0,434
TIM1 0,643 0,541 0,657 0,517 0,567 0,866 0,503 0,452
TIM2 0,531 0,510 0,621 0,548 0,595 0,854 0,473 0,540

74
 TIM4 0,507 0,428 0,585 0,437 0,396 0,843 0,379 0,451
US1 0,594 0,724 0,721 0,715 0,716 0,493 0,858 0,524
US2 0,745 0,685 0,613 0,733 0,638 0,461 0,858 0,364
US3 0,574 0,617 0,599 0,626 0,578 0,411 0,842 0,235
USE1 0,343 0,346 0,423 0,394 0,394 0,388 0,332 0,722
USE2 0,445 0,498 0,516 0,431 0,427 0,388 0,358 0,768
USE3 0,391 0,447 0,606 0,312 0,402 0,549 0,304 0,745

Metode selanjutnya yang digunakan yaitu menghitung Fornell Larcker

Criterion. Fornell Larcker Criterion adalah nilai korelasi antar variabel dengan

variabel itu sendiri maupun variabel lainnya. Metode ini dilakukan dengan

membandingkan nilai akar AVE pada variabel satu dengan lainnya, sehingga nilai

AVE variabel tersebut harus lebih besar dari pada nilai lainnya (Hair et al., 2018).

Berikut adalah hasil yang diperoleh setelah melakukan perhitungan.

Tabel 4.9 Hasil Discriminant Validity (Fornell Larcker Criterion)

ACC CON EOU FOR SER TIM US USE

ACC 0,851
CON 0,846 0,878
EOU 0,759 0,747 0,901
FOR 0,820 0,847 0,734 0,879
SER 0,744 0,702 0,714 0,755 0,786
TIM 0,662 0,583 0,730 0,591 0,618 0,855
US 0,748 0,794 0,758 0,812 0,758 0,535 0,853
USE 0,530 0,687 0,687 0,513 0,547 0,564 0,446 0,745

Berdasarkan pengujian dari Discriminant Validity menggunakan SmartPLS,

diperoleh hasil pada Tabel 4.8 dan Tabel 4.9 yang berarti semua variabel

menunjukkan bahwa sudah memenuhi syarat dan dikatakan valid untuk melakukan

pengujian tahapan berikutnya.

Setelah melakukan empat tahapan uji pengukuran model (Outer Model) yaitu
75
dengan Individual Item Reliability, Internal Consistency Reliability, Average

Variance Extracted, dan Discriminant Validity yang menunjukkan hasil pengujian

secara baik atau ideal dan memenuhi syarat pada setiap pengujian, sehingga dapat

disimpulkan bahwa hasil uji pengukuran model yang digunakan pada penelitian

sudah memiliki nilai yang baik dan sudah sesuai kriteria serta memenuhi syarat

dilanjutkan ke tahap pengujian struktural model (Inner Model).

4.2.3.2 Analisis Struktural Model (Inner Model)

Pada tahap ini dilakukan analisis Inner Model dengan menggunakan enam

tahapan pengujian yaitu Path Coefficient (β), Coefficient of Determination (R2), T-

test dilakukan dengan menggunakan metode bootstrapping, effect size (f2),

Predictive Relevance (Q2), dan Relative Impact (q2). Berikut adalah analisis inner

model atau struktural model.

a. Path Coefficient (β)

Pengujian ini melihat nilai Path Coefficient yaitu semua variabel harus

memiliki nilai di atas 0,1 agar dinyatakan memiliki pengaruh signifikan terhadap

model penelitian.

Tabel 4.10 Hasil Uji Path Coefficient

Hubungan antar Variabel

β Keterangan
(Independen-Dependen)
ACC-US 0,066 Tidak Signifikan
CON-US 0,307 Signifikan
EOU-US 0,401 Signifikan
FOR-US 0,268 Signifikan
SER-US 0,283 Signifikan
TIM-US -0,113 Tidak Signifikan

76
 USE-US -0,202 Tidak Signifikan

Dapat dilihat pada Tabel 4.10 adalah hasil dari uji path coefficient, terdapat

variabel yang tidak memiliki hubungan yang signifikan yaitu variabel antara ACC–

US, TIM–US, dan USE–US. Adapun yang memiliki hubungan signifikan yaitu

CON–US, EOU–US, FOR–US, dan SER–US. Gambar 4.8 adalah hasil uji path

coefficient.

Gambar 4.8 Hasil Uji Path Coefficient

77
b. Coefficient of Determination (R2)

Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel

dependen. Standar pengukuran pengujian ini yaitu jika nilai R2 sekitar atau di atas

0,67 maka dinyatakan kuat, lalu nilai 0,33 dinyatakan moderat dan sekitar 0,19 atau

di bawahnya menyatakan tingkat yang lemah (Hair et al., 2018).

Tabel 4.11 Hasil Uji Coefficient of Determination (R2)

Variabel Dependen R2
US 0,781

Pada Tabel 4.11 setelah melakukan pengujian dengan menggunakan alat hitung

Smart PLS 3.2.9 diperoleh hasil bahwa setiap variabel termasuk kedalam golongan

kuat.

c. T-Test

Uji T-test dilakukan dengan menggunakan metode bootstrapping. T-test akan

diterima jika memiliki nilai T-test lebih besar dari 1,96 yang dapat disimpulkan

bahwa hipotesis diterima. Uji ini dihitung menggunakan SmartPLS 3.3.9 dengan

tingkat signifikansi 5% untuk menguji hipotesis penelitian yang digunakan.

Hipotesis dapat diterima jika memiliki nilai T-test lebih besar dari 1,96 (Hair et al.,

2018).

Tabel 4.12 Hasil Uji T-test

Hubungan antar Variabel

T-test
(Independen – Dependen)
ACC – US 0,559
CON – US 3,149
EOU – US 5,209
FOR – US 2,767
SER – US 2,909

78
 TIM – US 1,478
USE – US 3,396

Berdasarkan Tabel 4.12 diperoleh hasil berupa terdapat lima hipotesis

(CON–US, EOU–US, FOR–US, SER–US, dan USE–US) yang diterima karena

memiliki nilai T-test lebih besar dari 1,96 dan dua hipotesis (ACC–US, dan

TIM–US) yang ditolak karena memiliki nilai T-test kurang dari 1,96.

d. Effect size (f2)

Pada tahap ini dilakukan pengujian untuk mengetahui pengaruh variabel

tertentu terhadap variabel lainnya dalam struktur model dengan nilai sekitar 0,02

maka dinyatakan memberikan pengaruh kecil, jika 0,15 maka dinyatakan

memberikan pengaruh menengah dan melebihi 0,35 maka dinyatakan memberikan

pengaruh besar (Hair et al., 2018).

Tabel 4.13 Hasil Uji Effect Size

R2
Hipotesis Jalur Keterangan
R2-in R2-ex ∑f2
H1 CON → US 0,781 0,762 0,087 Kecil
H2 ACC → US 0,781 0,780 0,005 Kecil
H3 FOR → US 0,781 0,766 0,068 Kecil
H4 EOU → US 0,781 0,742 0,178 Menengah
H5 TIM → US 0,781 0,775 0,027 Kecil
H6 USE → US 0,781 0,763 0,082 Kecil
H7 SER → US 0,781 0,753 0,128 Menengah

Berdasarkan hasil pada Tabel 4.13, diperoleh hasil bahwa jalur

EOU – US dan SER – US memiliki pengaruh menengah dengan nilai 0,178 dan

0,128 sedangkan jalur variabel lainnya yaitu CON – US, ACC – US, FOR – US,

79
TIM – US, USE – US menunjukkan pengaruh yang kecil.

e. Predictive Relevance (Q2)

Pengujian ini dilakukan dengan metode blindfolding untuk memberikan bukti

bahwa variabel tertentu yang digunakan dalam model mempunyai keterkaitan

secara prediktif (predictive relevance) dengan variabel lainnya dalam model dengan

ambang batas pengukuran di atas nol (Hair et al., 2018).

Tabel 4.14 Hasil Uji Predictive Relevance

Variabel Dependen Q2
US 0,513

Berdasarkan pada Tabel 4.14 setelah dilakukan pengujian menggunakan

SmartPLS 3.2.9, menunjukkan bahwa variabel dependen memiliki nilai melebihi 0

yang dapat dikatakan memiliki keterkaitan.

f. Relative Impact (q2)

Pada tahap ini dilakukan dengan metode blindfolding untuk mengukur

pengaruh relatif sebuah keterkaitan prediktif suatu variabel dengan variabel lainnya

dengan nilai sekitar atau di bawah 0,02 maka dinyatakan memberikan pengaruh

kecil, jika 0,15 maka dinyatakan memberikan pengaruh menengah atau sedang dan

bila 0,35 maka dinyatakan memberikan pengaruh besar (Hair et al., 2018).

Tabel 4.15 Hasil Uji Relative Impact (q2)

q2
Hipotesis Jalur Keterangan
Q2-in Q2-ex ∑q2
H1 CON → US 0,513 0,503 0,021 Kecil
H2 ACC → US 0,513 0,518 0,010 Kecil
H3 FOR → US 0,513 0,505 0,026 Kecil

80
 H4 EOU → US 0,513 0,497 0,033 Kecil
H5 TIM → US 0,513 0,515 0,004 Kecil
H6 USE → US 0,513 0,503 0,021 Kecil
H7 SER → US 0,513 0,493 0,041 Kecil

Berdasarkan Tabel 4.15 menunjukkan bahwa semua variabel memiliki nilai

kurang dari 0,02 yang dapat disimpulkan bahwa memiliki pengaruh yang kecil.

Berikut adalah rangkuman dari hasil analisis pengujian outer model dan inner

model serta hipotesis yang diterima maupun ditolak dalam penelitian pada Tabel

4.16.

Tabel 4.16 Rangkuman Hasil Analisis Inner Model

Hipotesis f2 q2 Analisis
β T-test
R2-
No Jalur R2-in ∑f2 Q2-in Q2-ex ∑q2 β T-test R2 f2 Q2 q2
ex

1 CON→US 0,307 3,149 0,781 0,762 0,087 0,513 0,503 0,021 S Diterima B K P K

2 ACC→US 0,066 0,559 0,781 0,780 0,005 0,513 0,518 0,010 IS Ditolak B K P K

3 FOR→US 0,268 2,767 0,781 0,766 0,068 0,513 0,505 0,026 S Diterima B K P K

4 EOU→US 0,401 5,209 0,781 0,742 0,178 0,513 0,497 0,033 S Diterima B M P K

-
5 TIM→US 1,478 0,781 0,775 0,027 0,513 0,515 0,004 IS Ditolak B K P K
0,113
-
6 USE→US 3,396 0,781 0,763 0,082 0,513 0,503 0,021 IS Diterima B K P K
0,202

7 SER→US 0,283 2,909 0,781 0,753 0,128 0,513 0,493 0,041 S Diterima B M P K

Keterangan:
S : Significant M : Menengah
IS : Insignificant K : Kecil
B : Besar P : Predictive Relevance

81
Pada Gambar 4.9 menunjukkan hasil uji T-test model penelitian dengan

menggunakan SmartPLS 3.2.9.

Gambar 4.9 Hasil Uji T-test

4.3 Interpretasi Hasil Analisis dan Pengukuran Model

4.3.1 Interpretasi Hasil Analisis Data Demografis

Berdasarkan hasil analisis data demografis profil atau kriteria responden,

penulis melakukan interpretasi dan mendiskusikan hasil dari analisisnya yaitu:

82
a. Jenis Kelamin

Berdasarkan diagram lingkaran pengguna aplikasi mobile tiket.com seperti

yang ditunjukkan pada Gambar 4.1. Pada penelitian ini responden berjumlah 151

orang, yaitu jumlah responden laki-laki sebanyak 77 orang (51%) dan perempuan

sebanyak 74 orang (49%). Hal ini disebabkan karena laki-laki lebih senang

berkumpul dan bepergian atau traveling ke suatu tempat bersama

teman-temannya. Hal ini didukung dalam penelitian Risyandi (2017) yang

mendapatkan responden didominasi oleh laki-laki pada penelitian mengenai

penggunaan aplikasi traveling saat bepergian.

b. Pekerjaan

Berdasarkan pada Gambar 4.2 memperlihatkan bahwa dari 151 responden

terdapat beberapa profesi yang dijalani oleh para responden yaitu didominasi oleh

mahasiswa atau pelajar sebanyak 123 (81%), lalu karyawan swasta sebanyak 17

orang (11%), wiraswasta 4 orang (3%) dan PNS sebanyak 3 orang (2%), serta

profesi lainnya sebanyak 4 orang (3%). Hal ini dikarenakan mahasiswa atau pelajar

masih memiliki banyak waktu luang sehingga dapat menggunakan waktu luang

tersebut untuk bepergian maupun liburan ke suatu tempat.

c. Usia

Berdasarkan diagram lingkaran usia pada Gambar 4.3. Pada penelitian kali ini

usia responden didominasi oleh usia 21–24 tahun sebanyak 118 orang (78%), usia

17–20 tahun dengan jumlah 15 orang (10%) , usia lebih dari 28 tahun sebanyak 11

orang (7%) dan terakhir usia 25-28 berjumlah 7 orang (5%). Hal ini dapat diartikan

yaitu usia remaja atau generasi milenial lebih cenderung melaksanakan bepergian

83
atau traveling yang dapat menurunkan tingkat stress seseorang. Hal ini sesuai

dengan penelitian sebelumnya yaitu tuntutan yang ada pada generasi milenial dapat

mempengaruhi psikologis manusia serta dapat menyebabkan stress, sehingga

traveling memiliki peran penting dalam pemenuhan life satisfaction mereka

(Saputra, 2021).

d. Domisili

Seperti yang terdapat pada Gambar 4.4, penelitian ini didominasi responden

yang berdomisili di Jakarta yang berjumlah 80 orang (53%), Tangerang sebanyak

33 orang (22%), berdomisili di Bekasi yaitu 9 orang (6%). Lalu responden yang

berdomisili di Depok dan Bogor yang masing-masing berjumlah 8 orang (5%) dan

terakhir responden yang berdomisili di luar Jabodetabek (Padang, Cianjur, Gresik

dan lainnya) sebanyak 13 orang (9%). Jabodetabek lebih mendominasi daripada

daerah lainnya, dikarenakan masyarakat Jabodetabek cenderung bepergian atau

traveling saat mempunyai waktu luang untuk bepergian ke daerah lainnya. Hal ini

sesuai dengan data yang dituliskan oleh Kemenhub 2022 yaitu sebanyak 2,1 juta

kendaraan keluar Jabodetabek pada musim liburan dan mudik lebaran tahun 2022.

e. Lama Menggunakan Aplikasi Mobile tiket.com

Hasil yang diperlihatkan pada Gambar 4.5 adalah 151 responden diperoleh

lamanya penggunaan kurang dari 1 tahun (< 1) berjumlah 88 orang (58%), lama

penggunaan aplikasi tiket.com 1–2 tahun sebanyak 43 orang (29%) dan terakhir

penggunaan lebih dari 2 tahun berjumlah 20 orang (13%). Hasil ini menunjukkan

bahwa tiket.com banyak diunduh saat Covid-19, dikarenakan banyaknya kegiatan

offline yang kembangkan menggunakan teknologi informasi sehingga dapat

84
dilakukan menggunakan internet atau online seperti pembelian tiket atau

pemesanan hotel. Hal ini sesuai dengan penelitian Setiawan (2015) yaitu

e-ticketing berpengaruh terhadap kepuasan para pelanggan yaitu lebih efektif dan

efisien.

f. Aplikasi Membantu saat Bepergian

Seperti yang dilihat pada Gambar 4.6 menunjukkan dari 151 responden yang

diperoleh, responden memberikan jawaban atau pendapat yang berbeda mengenai

tingkatan aplikasi dalam membantu responden yaitu dalam kategori sangat

membantu sebanyak 49 orang (33%), selanjutnya kategori membantu sebanyak 79

orang (53%) dan cukup membantu responden sebanyak 23 orang (14%). Hasil

tersebut disebabkan karena dalam aplikasi sudah memuat mengenai kebijakan

maupun informasi mengenai bepergian sehingga para pengguna dapat melihat

informasi tersebut secara langsung dan up to date. Hal ini didukung dengan

penelitian yaitu Abidin dan Asani (2018) teknologi informasi dapat membantu

masalah maupun kegiatan yang diperlukan masyarakat.

g. Kepuasan Pengguna

Seperti yang dilihat pada Gambar 4.7 menunjukkan dari 151 responden yang

diperoleh yaitu sangat puas sebanyak 32 orang (21%), selanjutnya kategori puas

sebanyak 82 orang (54%) dan tingkat cukup puas sebanyak 37 orang (25%). Hasil

ini membuktikan bahwa jawaban responden didominasi oleh kategori puas atau

sesuai sudah dengan harapan para pengguna, karena kepuasan pengguna adalah

salah satu faktor penting yang dapat mempengaruhi keberhasilan penerapan dari

suatu aplikasi (Ariska & Amelia, 2021).

85
4.3.2 Interpretasi Hasil Analisis Tingkat Kepuasan Pengguna

Berdasarkan hasil analisis pengukuran tingkat kepuasan pengguna

sebelumnya, sesuai dengan jawaban responden terhadap pertanyaan yang

digunakan dalam penelitian ini dapat dilihat pada Tabel 4.3 menunjukkan bahwa

tingkat kepuasan pengguna aplikasi mobile tiket.com keseluruhan berada pada

tingkat ‘PUAS’ dengan nilai rata-rata 4,17 yang artinya bahwa pengguna sudah

merasa puas dengan menggunakan aplikasi mobile tiket.com jika pengguna

membutuhkannya secara keseluruhan.

4.3.3 Interpretasi Hasil Analisis Pengukuran Model (Outer Model)

Dari hasil analisis yang telah dilakukan sebelumnya, model yang diajukan pada

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

ditunjukkan dengan nilai outer loading dalam kategori di atas 0,7, selain itu nilai

average variance extracted (AVE) memiliki nilai di atas 0,5, serta nilai composite

reliability (CR) di atas 0,7, dan cross loading yang memiliki nilai sesuai syarat yang

ada oleh karena itu hasil penelitian ini membuktikan bahwa analisis pengukuran

model (outer model) sudah layak untuk lanjut ke tahap selanjutnya yaitu analisis

model struktural (inner model).

4.3.4 Interpretasi Hasil Analisis Struktural Model (Inner Model)

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

pada pengujian Path Coefficient (β), Coefficient of Determination (R2), T-test

dilakukan dengan menggunakan metode bootstrapping, effect size (f2) , Predictive

Relevance (Q2), Relative Impact (q2) dibahas selanjutnya sesuai dengan hipotesis

yang telah dirumuskan pada bab sebelumnya. Berikut adalah pemaparan hasil dari

86
analisis mengenai hipotesis yang telah ditentukan sebelumnya:

a. H1. Apakah Content berpengaruh terhadap User Satisfaction?

Berdasarkan hasil struktural model yang dapat dilihat pada Tabel 4.15, nilai

path coefficient yang dihasilkan adalah 0,307 dan T-test 3,149. Nilai tersebut berada

di atas nilai ambang batas path coefficient yaitu 0,1 dan nilai T-test yaitu 1,96

dengan menggunakan tingkat signifikansi 5%, maka dapat dinyatakan bahwa

variabel CON berpengaruh signifikan terhadap variabel US dan hipotesis H1

diterima. Variabel Content terbukti mempunyai hubungan dan mempengaruhi

variabel User Satisfaction. Hal ini didukung oleh pengamatan peneliti secara

langsung, yaitu aplikasi tiket.com menyediakan isi atau konten yang sudah baik dan

beragam serta sesuai dengan harapan pengguna seperti informasi terbaru maupun

kebijakan terbaru.

Pengaruh Content (CON) terhadap User Satisfaction (US) menunjukkan

bahwa pengguna merasakan manfaat dari konten atau isi yang disediakan oleh

aplikasi tiket.com serta sudah sesuai dengan harapan pengguna, sehingga variabel

ini memiliki hubungan secara signifikan atau memiliki pengaruh yang penting

terhadap rasa kepuasan pengguna, sehingga rasa kepuasan pengguna aplikasi

tiket.com akan meningkat. Hasil penelitian yang diperoleh sesuai dengan penelitian

sebelumnya yang dilakukan oleh Dianty (2020) yang menyebutkan bahwa CON

memiliki pengaruh yang terhadap US serta penelitian Suryawan & Prihandoko

(2018) yang menyimpulkan bahwa konten berpengaruh signifikan kepada

pengguna suatu aplikasi. Berdasarkan hasil yang diterima dapat disimpulkan bahwa

variabel konten memiliki hubungan dan pengaruh terhadap kepuasan pengguna

87
aplikasi mobile tiket.com.

b. H2. Apakah Accuracy berpengaruh terhadap User Satisfaction?

Berdasarkan hasil struktural model yang dapat dilihat pada Tabel 4.15, nilai

path coefficient yang dihasilkan adalah 0,066 dan T-test 0,559. Nilai tersebut berada

di bawah nilai ambang batas path coefficient yaitu 0,1 dan nilai T-test yaitu 1,96

dengan menggunakan tingkat signifikansi 5%, maka dapat dinyatakan bahwa

variabel ACC tidak berpengaruh signifikan terhadap variabel US dan hipotesis H2

ditolak. Dapat dikatakan bahwa indikator yang digunakan dalam variabel Accuracy

tidak mempengaruhi variabel User Satisfaction.

Pengaruh Accuracy (ACC) terhadap User Satisfaction (US) menunjukkan

bahwa indikator akurasi pada aplikasi yaitu keakuratan dalam menyediakan data

maupun informasi tidak memiliki hubungan dan tidak mempengaruhi pengguna

menggunakan aplikasi mobile tiket.com. Hal ini dikarenakan masih adanya data

atau informasi yang disajikan berbeda dengan yang sebenarnya, seperti layanan

hotel atau lokasi dari hotel yang ada pada aplikasi, hal itu akan membuat kepuasan

pengguna menjadi berkurang. Hasil yang diperoleh juga didukung dengan

penelitian sebelumnya yaitu Darwati & Fitriyani (2022) yang menyatakan bahwa

accuracy tidak memiliki hubungan dan pengaruh terhadap kepuasan pengguna.

Namun, variabel ini dapat dikaji ulang kembali karena akurasi memiliki pengaruh

penting terhadap kepuasan pengguna sesuai dengan penelitian Kurniasih & Pibriana

(2021) yang menyimpulkan bahwa ACC berpengaruh terhadap kepuasan pengguna

terhadap penggunaan teknologi informasi. Berdasarkan hasil yang diterima dapat

disimpulkan bahwa variabel Accuracy tidak memiliki pengaruh dan hubungan

88
terhadap kepuasan pengguna aplikasi mobile tiket.com.

c. H3. Apakah Format berpengaruh terhadap User Satisfaction?

Berdasarkan hasil struktural model yang dapat dilihat pada Tabel 4.15, nilai

path coefficient yang dihasilkan adalah 0,268 dan T-test 2,767. Nilai tersebut berada

di atas nilai ambang batas path coefficient yaitu 0,1 dan nilai T-test yaitu 1,96

dengan menggunakan tingkat signifikansi 5%, maka dapat dinyatakan bahwa

variabel FOR berpengaruh signifikan terhadap variabel US dan hipotesis H3

diterima. Variabel Format terbukti mempunyai hubungan dan mempengaruhi

variabel User Satisfaction. Dapat dikatakan bahwa Format memiliki pengaruh

signifikan terhadap kepuasan pengguna, hal ini didukung oleh pengamatan peneliti

secara langsung bahwa aplikasi tiket.com sudah menarik, jelas dan bersifat

memudahkan pengguna dalam penggunaan aplikasi tiket.com sehingga sesuai

dengan harapan pengguna.

Pengaruh Format (FOR) terhadap User Satisfaction (US), dapat disimpulkan

bahwa format yang disajikan oleh tiket.com yaitu user interface sudah menarik,

jelas dan mudah digunakan oleh para pengguna, hal ini menyebabkan bahwa

variabel ini berhubungan secara signifikan atau memiliki pengaruh penting dan

akan meningkatkan rasa kepuasan pengguna saat menggunakan aplikasi tiket.com.

Hal ini didukung dengan penelitian Setiawan & Novita (2021) yang menyebutkan

di dalam penelitiannya bahwa variabel format berpengaruh kepada US secara

signifikan, selanjutnya penelitian Suzanto & Sidharta (2015) yang menghasilkan

penelitian bahwa variabel FOR berpengaruh terhadap kepuasan pengguna sistem.

Berdasarkan hasil yang diterima dapat disimpulkan bahwa variabel Format

89
memiliki pengaruh dan hubungan terhadap kepuasan pengguna aplikasi mobile

tiket.com.

d. H4. Apakah Ease of use berpengaruh terhadap User Satisfaction?

Berdasarkan hasil struktural model yang dapat dilihat pada Tabel 4.15, nilai

path coefficient yang dihasilkan adalah 0,401 dan T-test 5,209. Nilai tersebut berada

di atas nilai ambang batas path coefficient yaitu 0,1 dan nilai T-test yaitu 1,96

dengan menggunakan tingkat signifikansi 5%, maka dapat dinyatakan bahwa

variabel EOU berpengaruh signifikan terhadap variabel US dan hipotesis H4

diterima. Variabel EOU terbukti berpengaruh dan memiliki hubungan yang

penting terhadap kepuasan pengguna.

Pengaruh Ease of Use (EOU) terhadap User Satisfaction (US), menunjukkan

bahwa pengguna merasakan kemudahan dalam menggunaan aplikasi tiket.com dan

sesuai dengan harapan pengguna aplikasi sebelum menggunakan aplikasi tiket.com,

sehingga mempengaruhi meningkatnya rasa kepuasan pengguna. Hal ini didukung

oleh pengamatan peneliti secara langsung karena sistem yang disediakan mudah

dipahami dan mudah digunakan oleh para pengguna. Hal ini sesuai dengan

penelitian sebelumnya yang dilakukan oleh Mandasari & Giantari (2017) serta

penelitian Bawardi & Rachmadi (2019) yang menyatakan bahwa variabel EOU

memiliki hubungan dan berpengaruh terhadap variabel user satisfaction atau

kepuasan pengguna. Berdasarkan hasil yang diterima dapat disimpulkan bahwa

variabel Ease of use memiliki pengaruh dan hubungan terhadap kepuasan pengguna

aplikasi mobile tiket.com.

90
e. H5. Apakah Timeliness berpengaruh terhadap User Satisfaction?

Berdasarkan hasil struktural model yang dapat dilihat pada Tabel 4.15, nilai

path coefficient yang dihasilkan adalah -0,113 dan T-test 1,478. Nilai tersebut

berada di bawah nilai ambang batas path coefficient yaitu 0,1 dan nilai T-test yaitu

1,96 dengan menggunakan tingkat signifikansi 5%, maka dapat dinyatakan bahwa

variabel TIM tidak berpengaruh signifikan terhadap variabel US dan hipotesis H5

ditolak. Variabel TIM terbukti tidak berpengaruh dan tidak memiliki hubungan

terhadap kepuasan pengguna.

Pengaruh timeliness (TIM) terhadap User Satisfaction (US), menunjukkan

bahwa indikator yang berada pada variabel timeliness tidak memiliki hubungan dan

pengaruh terhadap kepuasan pengguna dalam hal ketepatan waktu, hal ini

disebabkan faktor ketepatan waktu seperti batas waktu dalam pembayaran masih

sangat singkat sehingga menyulitkan pengguna jika ingin mengganti metode

pembayaran saat ingin memesan, sehingga perlunya perbaikan dan pengembangan

aplikasi dalam variabel ketepatan waktu (timeliness). Hal ini sesuai dengan

penelitian yang dilakukan oleh Suryawan & Prihandoko (2018) dan Novita &

Helena (2021) yang menyimpulkan bahwa variabel penelitian TIM tidak terdapat

pengaruh maupun hubungan dengan kepuasan pengguna. Tetapi hasil penelitian ini

bertolak belakang dengan penelitian Rahayu (2020) yang menjelaskan adanya

pengaruh signifikan antara variabel TIM dengan kepuasan pengguna sistem

informasi, sehingga variabel ini dapat dikaji ulang pada penelitian selanjutnya.

Berdasarkan hasil yang diterima dapat dinyatakan bahwa variabel timeliness tidak

memiliki pengaruh dan hubungan terhadap kepuasan pengguna aplikasi mobile

91
tiket.com.

f. H6. Apakah Perceived Usefulness berpengaruh terhadap User

Satisfaction?

Berdasarkan hasil struktural model yang dapat dilihat pada Tabel 4.15, nilai

path coefficient yang dihasilkan adalah -0,202 dan T-test 3,396. Nilai tersebut

berada di bawah ambang batas path coefficient yaitu 0,1 namun berada di atas nilai

T-test yaitu 1,96 dengan menggunakan tingkat signifikansi 5%, maka dapat

dinyatakan bahwa variabel USE memiliki pengaruh yang tidak signifikan terhadap

variabel US dan hipotesis H6 diterima. Dengan demikian dapat dikatakan bahwa

variabel USE memiliki pengaruh terhadap US, namun memiliki pengaruh yang

tidak signifikan atau tidak terlalu berdampak pada kepuasan pengguna. Hal ini

didukung dengan pengamatan peneliti secara langsung, bahwa pengguna

merasakan manfaat menggunakan aplikasi tiket.com karena dengan adanya aplikasi

tersebut dapat memudahkan pengguna dalam mencari tiket maupun hotel saat

bepergian maka dari itu pengguna merasa puas untuk menggunakan aplikasi

tiket.com.

Pengaruh perceived usefulness (USE) terhadap User Satisfaction (US),

menunjukkan bahwa memiliki pengaruh terhadap kepuasan pengguna yang berarti

bahwa pengguna merasakan manfaat dari adanya aplikasi traveling tiket.com yaitu

memudahkan segala sesuatu saat bepergian, hal ini juga didukung pada analisis data

demografi, mayoritas responden sudah merasakan bahwa tiket.com membantu saat

bepergian. Hasil tersebut sejalan dengan penelitian Surya (2017) yang

menghasilkan pernyataan bahwa perceived usefulness memiliki hubungan yang

92
positif tetapi tidak signifikan terhadap kepuasan pengguna suatu sistem informasi.

Hal ini dapat dikaji ulang sesuai dengan penelitian Amalia & Pratomo (2016) yang

menyatakan bahwa variabel perceived usefulness memiliki hubungan dan pengaruh

yang signifikan terhadap kepuasan pengguna. Berdasarkan hasil yang diterima

dapat dinyatakan bahwa variabel perceived usefulness memiliki pengaruh dan

hubungan tetapi tidak signifikan terhadap kepuasan pengguna aplikasi mobile

tiket.com.

g. H7. Apakah Service berpengaruh terhadap User Satisfaction?

Berdasarkan hasil struktural model yang dapat dilihat pada Tabel 4.15, nilai

path coefficient yang dihasilkan adalah 0,283 dan T-test 2,909. Nilai tersebut berada

di atas nilai ambang batas path coefficient yaitu 0,1 dan nilai T-test yaitu 1,96

dengan menggunakan tingkat signifikansi 5%, maka dapat dinyatakan bahwa

variabel SER berpengaruh signifikan terhadap variabel US dan hipotesis H7

diterima. Variabel SER terbukti berpengaruh dan memiliki hubungan yang

signifikan atau memiliki pengaruh yang penting terhadap kepuasan pengguna, hal

ini didukung oleh pengamatan peneliti secara langsung dimana aplikasi tiket.com

memiliki pelayanan yang cepat dan responsif sehingga jika ada masalah tertentu

yang dialami pengguna, pengguna bisa langsung bertanya maupun melaporkan

melewati aplikasi, sehingga pengguna merasa nyaman dan puas terhadap pelayanan

yang diberikan.

Pengaruh service (SER) terhadap user satisfaction (US), menunjukkan bahwa

layanan yang diberikan oleh aplikasi tiket.com sudah memiliki tim layanan yang

cepat dan responsif dalam menjawab pertanyaan para pengguna, yang berarti segi

93
layanan tiket.com sudah sesuai dengan ekspetasi para pengguna, sehingga akan

meningkatkan rasa kepuasan yang dirasakan oleh para pengguna. Hasil ini sesuai

berdasarkan penelitian yang dilakukan oleh Hidayatullah (2019a) serta penelitian

Hernita et al. (2020) yang menyatakan bahwa adanya hubungan dan pengaruh yang

signifikan antara variabel SER dengan kepuasan pengguna suatu sistem.

Berdasarkan hasil yang diterima dapat dinyatakan bahwa variabel service atau

layanan memiliki pengaruh dan hubungan terhadap kepuasan pengguna aplikasi

mobile tiket.com.

4.4 Evaluasi

Penelitian ini memiliki perbedaan dengan penelitian Diansyah et al. (2022)

serta penelitian Kurniasih dan Pibriana (2021), dimana menggunakan objek

penelitian e-commerce jual beli barang online, sementara penelitian ini

menggunakan objek aplikasi tiket.com yaitu aplikasi pemesanan tiket transportasi,

event, dan penginapan secara online yang masih jarang untuk dijadikan objek

penelitian. Teknik pengambilan sampel penelitian Agustina dan Andretti (2021)

serta Rahayu (2020) menggunakan teknik simple random sampling, sedangkan

penelitian ini menggunakan teknik pengambilan sampel purposive sampling.

Metode yang digunakan dalam penelitian Imandasari (2020) dan Darwati (2022)

menggunakan EUCS saja, sedangkan penelitian ini pengembangan metode EUCS

dengan menambahkan dua variabel yaitu perceived usefulness dan service. Hasil

dari penelitian Setiawan dan Novita (2021) terdapat variabel yang tidak memiliki

hubungan yaitu content dan ease of use, sementara penelitian ini yang tidak

memiliki hubungan yaitu accuracy dan timeliness. Oleh karena itu, kontribusi

94
penelitian ini adalah adanya hubungan pengaruh positif variabel perceived

usefulness dan service terhadap user satisfaction.

95
96
 BAB 5

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil analisis dan pembahasan mengenai Analisis Kepuasan

Pengguna Terhadap Kualitas Aplikasi Mobile tiket.com menggunakan Metode End

User Computing Satisfaction (EUCS), maka dapat disimpulkan yaitu:

a. Penelitian ini dilakukan untuk menganalisis tingkat kepuasan pengguna dengan

menggunakan metode pengembangan EUCS (content, accuracy, format, ease

of use, timeliness, perceived usefulness dan service) terhadap kepuasan

pengguna aplikasi mobile tiket.com. Adapun hasil penelitian menunjukkan

bahwa tingkat kepuasan pengguna aplikasi mobile tiket.com berada pada

kategori ‘Puas’. Analisis demografis menunjukkan bahwa mayoritas yang

menggunakan aplikasi mobile tiket.com adalah mahasiswa atau pelajar yang

berumur 21-24 tahun dan berdomisili di Jakarta dan sekitarnya lalu para

pengguna merasa bahwa aplikasi mobile tiket.com sudah dapat membantu

pengguna saat bepergian traveling maupun event tertentu.

b. Dari tujuh hipotesis yang diajukan, terdapat lima hipotesis yang diterima dalam

penelitian ini, yaitu:

• Content terhadap User Satisfaction

Berdasarkan hasil analisis, variabel content memiliki pengaruh dan hubungan

yang signifikan terhadap user satisfaction. Hal ini berarti isi atau konten yang

diberikan oleh aplikasi mobile tiket.com dapat mempengaruhi kepuasan

97
 penggunanya.

• Format terhadap User Satisfaction

Berdasarkan hasil analisis, variabel format memiliki pengaruh dan hubungan

yang signifikan terhadap user satisfaction. Hal ini berarti bentuk atau format

yang diberikan oleh aplikasi mobile tiket.com dapat mempengaruhi kepuasan

penggunanya.

• Ease of Use terhadap User Satisfaction

Berdasarkan hasil analisis, variabel ease of use memiliki pengaruh dan

hubungan yang signifikan terhadap user satisfaction. Hal ini berarti

kemudahan penggunaan atau ease of use yang diberikan oleh aplikasi mobile

tiket.com dapat mempengaruhi kepuasan penggunanya.

• Perceived Usefulness terhadap User Satisfaction

Berdasarkan hasil analisis, variabel perceived usefulness memiliki pengaruh

dan hubungan terhadap user satisfaction. Hal ini berarti persepsi kemanfaatan

atau perceived usefulness yang diberikan oleh aplikasi mobile tiket.com dapat

mempengaruhi kepuasan penggunanya.

• Service terhadap User Satisfaction

Berdasarkan hasil analisis, variabel service memiliki pengaruh dan hubungan

yang signifikan terhadap user satisfaction. Hal ini berarti layanan atau service

yang diberikan oleh aplikasi mobile tiket.com dapat mempengaruhi kepuasan

penggunanya.

Sedangkan hipotesis yang ditolak dalam penelitian ini atau variabel yang tidak

berpengaruh terhadap kepuasan pengguna aplikasi mobile tiket.com, yaitu:

98
• Accuracy terhadap User Satisfaction

Berdasarkan hasil analisis, variabel accuracy tidak berpengaruh terhadap user

satisfaction.

• Timeliness terhadap User Satisfaction

Berdasarkan hasil analisis, variabel timeliness tidak berpengaruh terhadap user

satisfaction.

c. Rekomendasi untuk pengembang aplikasi mobile tiket.com sesuai dengan

masalah yang ditemukan aplikasi yaitu langsung menampilkan invoice

pembayaran saat setelah melakukan pemesanan, menambahkan batas waktu

pada saat melakukan pembayaran, memperhatikan mengenai keakuratan data

atau informasi yang dicantumkan dalam aplikasi dengan menyinkronisasi

dengan pihak yang bekerja sama dengan tiket.com secara real time baik pihak

hotel maupun transportasi, dan menambahkan notifikasi pemberitahuan

informasi yang up to date jika ada pemesanan hotel yang dibatalkan atau jadwal

penerbangan yang berubah, serta perbaikan sistem refund yaitu memberikan

tampilan estimasi waktu dan tutorial sistem refund agar tidak menyulitkan

pengguna.

5.2 Saran

Berdasarkan penelitian yang telah dilakukan, peneliti mempunyai beberapa

saran yang sekiranya dapat menjadi pertimbangan untuk penelitian selanjutnya

yaitu sebagai berikut:

a. Bagi peneliti selanjutnya dapat menambahkan variabel baru terkait kepuasan

pengguna terhadap sistem informasi. Variabel tersebut adalah security dan

99
 variabel mediasi loyalty, sehingga memungkinkan untuk mendapatkan hasil

yang lebih baik.

b. Melakukan analisis menggunakan pemodelan lain seperti Extended ECM

(Expectation Confirmation Model) atau model UTAUT 3 (Unified Theory of

Acceptance and Use of The Technology) untuk menganalisis kepuasan

pengguna suatu aplikasi.

100
101
 DAFTAR PUSTAKA

Abdurahman, H., & Riswaya, A. R. (2014). Aplikasi Pinjaman Pembayaran Secara

Kredit pada Bank Yudha Bhakti. Jurnal Computech Bisnis, 8(2), 61-69.
Abidin, N., & Assani, S. (2018). Pengambilan Keputusan Strategi Manajemen
Sistem Informasi dan Teknologi Informasi (SI/TI) Berdasarkan Prioritas
Menggunakan AHP (Analitycal Hierarchy Process). NJCA, 3(2), 146-151.
Adha, F. L. Y., & Hamzah, M. L. (2021). Analisis Penerimaan Pengguna Dapodik
Sekolah Dasar Kecamatan Tampan Menggunakan Model TAM dan EUCS.
SITEKIN: Jurnal Sains, Teknologi dan Industri, 18(2), 196-205.
Agustina, R., & Abdillah, L. A. (2021). Analisis Kepuasan Pengguna Aplikasi
Bintang Cash & Credit Menggunakan Metode End User Computing
Satisfaction (EUCS). Bina Darma Conference on Computer Science
(BDCCS), 3(4), 692-701.
Akmal, R. A., & Trenggana, A. F. M. (2019). Pengaruh E-Service Quality dan
Perceived Value terhadap Kepuasan Pelanggan Pengguna Aplikasi M-TIX
Mobile Cinema XXI. eProceedings of Management, 6(3), 6101-6108.
Al Rasyid, H. (2017). Pengaruh Kualitas Layanan dan Pemanfaatan Teknologi
terhadap Kepuasan dan Loyalitas Pelanggan Go-Jek. Jurnal Ecodemica
Jurnal Ekonomi Manajemen dan Bisnis, 1(2), 210-223.
Alwi, I. (2015). Kriteria Empirik dalam Menentukan Ukuran Sampel pada
Pengujian Hipotesis Statistika dan Analisis Butir. Formatif: Jurnal Ilmiah
Pendidikan MIPA, 2(2), 140-148.
Amalia, S. M., & Pratomo, D. (2016). Pengaruh Kualitas Sistem Informasi, Kualitas
Informasi, dan Perceived Usefulness terhadap Kepuasan Pengguna Sistem
Informasi Akuntansi (Studi pada Pengguna Sistem Informasi Akuntansi di
Rumah Sakit Mata Cicendo Bandung). Proceedings of Management, 3(2),
1516-1522.
Ariska, I., & Amelia, R. (2021). Analisis Tingkat Kepuasan Pengguna Marketplace
Shopee dan Lazada Menggunakan Metode End User Computing
Satisfaction (EUCS). Bina Darma Conference on Computer Science

102
 (BDCCS), 3(2), 321-327.
Arrahmani, S., Durachman, Y., Khudzaeva, E., & Matin, U. A. (2020).
Transactional Quality, Relational Quality and Customer Loyalty Aspects in
Transactional E-commerce. Conference on Cyber and IT Service
Management (CITSM), 1(1), 1-5.
Auziah, W., Rahmayantis, M. D., & Pitoyo, A. (2022). Pembelajaran Keterampilan
Menulis Teks Negosiasi Menggunakan Model Cooperative Script Siswa
Kelas X SMA Negeri 4 Kediri. Wacana: Jurnal Bahasa, Seni, dan
Pengajaran, 6(1), 59-65.
Ayu, P., & Putra, T. A. (2020). Perancangan Sistem Penjualan Berbasis Web (E-
Commerce) pada Toko DMX Factory Outlet dengan Menggunakan Bahasa
Pemrograman PHP-MYSQL dan Java Script. REMIK: Riset dan E-Jurnal
Manajemen Informatika Komputer, 5(1), 129-133.
Aziziyah, A. (2021). Peranan Persepsi Manfaat sebagai Mediasi dalam Pengaruh
Kemudahan Penggunaan dan Kepercayaan terhadap Penggunaan E-
Commerce pada Aplikasi Traveloka. Jurnal Ilmu Manajemen, 9(1), 205-
216.
Bawardi, F. S., & Rachmadi, A. (2019). Analisis Kepuasan Pengguna Aplikasi
Driver Ojek Online Menggunakan Metode End User Computing
Satisfaction (EUCS). Jurnal Pengembangan Teknologi Informasi dan Ilmu
Komputer, 3(8), 7694-7700.
Budi, C. (2018). Menyasar Pajak Transaksi E-Commerce. Jakarta: Direktorat
Jenderal Pajak Kementerian Keuangan.
Dalimunthe, N., & Ismiati, C. (2016). Analisis Tingkat Kepuasan Pengguna Online
Public Access Catalog (OPAC) dengan Metode EUCS (Studi Kasus:
Perpustakaan UIN Suska Riau). Jurnal Ilmiah Rekayasa dan Manajemen
Sistem Informasi, 2(1), 71-75.
Darwati, L., & Fitriyani, F. (2022). Analisis Pengukuran Tingkat Kepuasan
Pengguna Aplikasi OVO Menggunakan Metode End User Computing
Satisfaction (EUCS). JUST IT: Jurnal Sistem Informasi, Teknologi
Informasi dan Komputer, 12(2), 34-42.

103
DeLone, W. H., & McLean, E. R. (1992). Information Systems Success: The Quest
for the Dependent Variable. Information Systems Research, 3(1), 60-95.
Diansyah, R. (2022). Analisis Pengaruh Kualitas Marketplace Tokopedia terhadap
Kepuasan Pengguna Menggunakan Metode End User Computing
Satisfaction (EUCS). Journal of Software Engineering, 2(1), 96-100.
Dianty, K. K. (2020). Pengukuran Kepuasan Pengguna K-ATM Perpustakaan
Universitas Indonesia Menggunakan Metode End-User Computing
Satisfaction. Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif
Hidayatullah Jakarta, Sistem Informasi.
Doll, W. J., & Torkzadeh, G. (1988). The Measurement of End-User Computing
Satisfaction. MIS quarterly, 12(2), 259-274.
Fitriansyah, A., & Harris, I. (2018). Pengukuran Kepuasan Pengguna Situs Web
dengan Metode End User Computing Satisfaction (EUCS). Query: Journal
of Information Systems, 2(1), 1-8.
Ghazali, I., & Latan, H. (2015). Partial Least Squares; Konsep, Teknik dan Aplikasi
Menggunakan Program SmartPLS 3.0. Semarang: Badan Penerbit Undip.
Giffar, D. (2016). Peran Iklan, Brand Image, Price, Trust, dan Perceived Value
terhadap Repurchase Intention Traveloka. Jurnal Ilmiah Mahasiswa FEB,
4(1), 1-11.
Guimaraes, T., Staples, D. S., & Mckeen, J. D. (2003). Empirically Testing Some
Main User-related Factors for Systems Development Quality. Quality
Management Journal, 10(4), 39-50.
Haetami, A., & Widodo, T. (2021). Pengaruh E-service Quality terhadap Customer
Satisfaction, dan Customer Loyalty pada Aplikasi BNI Mobile Banking.
eProceedings of Management, 8(6), 7825-7833.
Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. (2018). Article information:
When to use and how to report the results of PLS-SEM. European Business
Review, 30(11), 3192-3210.
Hanadia, N., & Rahayu, S. (2017). Pengaruh Kualitas Sistem, Perceived
Usefulness, dan Kualitas Informasi terhadap Kepuasan Pengguna (Studi
Kasus terhadap Sistem Dashboard PDAM Tirta Raharja pada Tahun 2017).

104
 eProceedings of Management, 4(3), 2707-2714.
Handayani, N., & Yulida, R. (2021). Analisis Faktor-Faktor yang Mempengaruhi
Perilaku Komunikasi Petani Kelapa di Kabupaten Indragiri Hilir. Jurnal
Sosial Ekonomi Pertanian, 14(1), 67-78.
Hartawan, M. S. (2017). Evaluasi Kepuasan User Interface Desain Aplikasi
Android Menggunakan End User Computing Satisfaction (EUCS) pada
Aplikasi Android Sciencom. incomtech, 6(1), 1-7.
Hastanti, R. P., & Purnama, B. E. (2015). Sistem Penjualan Berbasis Web (e-
commerce) pada Tata Distro Kabupaten Pacitan. Bianglala Informatika,
3(2), 1-9.
Hermawan, I. (2019). Metodologi Penelitian Pendidikan (Kualitatif, Kuantitatif dan
Mixed Method). Kuningan: Hidayatul Quran.
Hernita, S. J., Sidik, W., & Sanjaya, V. F. (2020). Pengaruh E-Service dan Kualitas
Sistem terhadap Kepuasan Pengguna Sistem E-Learning dengan Moderasi
Perceived Value. Jurnal Manajemen Bisnis dan Kewirausahaan, 2(2), 257-
264.
Hidayatullah, S. N. (2019). Pengaruh Kepuasan sebagai Variabel Mediasi dalam
Niat Beli Ulang (Studi pada Pelanggan tiket.com), Jurnal Ilmu Manajemen,
7(3), 895-904.
Hutami, R. R. F., & Camilla, D. R. (2016). Analisis Kepuasan pada Pengguna
Sistem TCS Menggunakan Metode End User Computing Satisfaction (Studi
Kasus: PT. TLK, Bandung). Jurnal Manajemen Indonesia, 16(1), 15-26.
Istianah, E., & Yustanti, W. (2022). Analisis Kepuasan Pengguna pada Aplikasi
Jenius dengan Menggunakan Metode EUCS (End-User Computing
Satisfaction) berdasarkan Perspektif Pengguna. Journal of Emerging
Information System, 3(4), 36-44.
Jiménez-Zarco, A. I. (2015). The Co-learning Process in Healthcare Professionals:
Assessing User Satisfaction in Virtual Communities of Practice. Computers
in human behavior, 51(6), 1303-1313.
Kamal, M. R., Dyatmika, T., & Bakhri, S. (2020). Penerapan Metode End-User
Computing Satisfaction untuk Analisis Kepuasan Pengguna E-Learning.

105
 IC-Tech, 15(1), 7-14.
Khairrunnisa, U., & Yunanto, M. (2018). Pengaruh Kualitas Sistem terhadap
Kepuasan Pengguna dan Manfaat Bersih pada Implementasi E-faktur:
Validasi Model Kesuksesan Sistem Informasi Delone Dan Mclean. Jurnal
Ilmiah Ekonomi Bisnis, 22(3), 229-241.
Khairunnisa, K. (2020). Analisis Kemampuan Komunikasi Matematis Peserta
Didik Ditinjau dari Tipe Kepribadian Carl Gustav Jung. Universitas
Siliwangi, Pendidikan Matematika.
Kotler, P., & Keller, K. L. (2012). Manajemen Pemasaran. Jakarta: Prenhallindo.
Kurniasih, I., & Pibriana, D. (2021). Pengaruh Kepuasan Pengguna Aplikasi
Belanja Online Berbasis Mobile Menggunakan Metode EUCS. JATISI, 8(1),
181-198.
Lina, L. F., & Nani, D. A. (2020). Kekhawatiran Privasi pada Kesuksesan Adopsi
Fintech Menggunakan Model Delone dan Mclean. Performance: Jurnal
Personalia, Financial, Operasional, Marketing dan Sistem Informasi, 27(1),
60-69.
Lupo, T. (2015). Fuzzy ServPerf Model Combined with ELECTRE III to
Comparatively Evaluate Service Quality of International Airports in Sicily.
Journal of Air Transport Management, 42(1), 249-259.
Mamik, D. (2015). Metodologi Kualitatif. Sidoarjo: Zifatama Jawara.
Mandasari, C. S., & Giantari, I. (2017). Pengaruh Perceived Usefulness, Perceived
Ease of Use, dan Kualitas Layanan terhadap Kepuasan untuk Membangun
Loyalitas. E-Jurnal Ekonomi dan Bisnis Universitas Udayana, 10(6), 3637-
3664.
Meha, R. H. (2019). Analisis Kepuasan Pengguna Sistem Informasi Akademik di
UIN Syarif Hidayatullah Jakarta. Fakultas Sains dan Teknologi UIN Syarif
Hidayatullah Jakarta, Sistem Informasi.
Monecke, A., & Leisch, F. (2012). SemPLS: Structural Equation Modeling Using
Partial Least Squares. Journal of Statistical Software, 48(3), 1-32.
Mulyana, H., & Maimunah, M. (2014). Aplikasi Mobile Kamus Istilah Komputer
Berbasis Android. PIKSEL: Penelitian Ilmu Komputer Sistem Embedded

106
 Logic, 2(1), 27-34.
Murhum, N. N., Durachman, Y., & Fetrina, E. (2022). Pengukuran Penerimaan
Pengguna pada Aplikasi Kesehatan Halodoc dengan Menggunakan Model
Unified Theory of Acceptance And Use of Technology 2. Jurnal Sains,
Nalar, dan Aplikasi Teknologi Informasi, 1(2), 24-31
Nasution, H. F. (2016). Instrumen Penelitian dan Urgensinya dalam Penelitian
Kuantitatif. Al-Masharif: Jurnal Ilmu Ekonomi Dan Keislaman, 4(1), 59-
75.
Neyfa, B. C., & s Salsabila, G. (2016). Perancangan Aplikasi E-Canteen Berbasis
Android dengan Menggunakan Metode Object Oriented Analysis & Design
(OOAD). Jurnal Penelitian Komunikasi dan Opini Publik, 20(1), 83-91.
Novita, D., & Helena, F. (2021). Analisis Kepuasan Pengguna Aplikasi Traveloka
Menggunakan Metode Technology Acceptance Model (TAM) dan End-
User Computing Satisfaction (EUCS). Jurnal Teknologi Sistem Informasi,
2(1), 22-37.
Oktavia, P. (2012). Layanan Teknologi Informasi Pengguna Jasa Internet Service
Provider (Studi Kasus pada PT. Platinum Citra Indonesia), Tangerang.
Jurnal Informatika Universitas Pamulang, 1(2), 69-79.
Perdana, A. A., Utami, M. C., & Aini, Q. (2021). End User Computing Satisfaction:
Model Analisis Kepuasan Pengguna Aplikasi Menggunakan Partial Least
Square Structural Equation Modeling (Studi Kasus). Jurnal Teknologi
Informasi dan Ilmu Komputer, 8(6), 1237-1246.
Pradana, M. (2015). Klasifikasi Jenis-Jenis Bisnis E-commerce di Indonesia. Neo-
Bis, 9(2), 32-40.
Purwandani, I. (2018). Pengukuran Tingkat Kepuasan Mahasiswa Pengguna
Elearning dengan Menggunakan End User Computing (EUC) Satisfaction
Studi Kasus: Akademi Bina Sarana Informatika. SNIT, 1(1), 112-117.
Rahayu, E. F. (2020). Analisis Tingkat Kepuasan Pengguna Aplikasi UG in Your
Hand dengan Metode End User Computing Satisfaction (EUCS). ICIT J,
6(2), 213-226.
Rahmadayanti, V., Pristiyono, P., & Nasution, Z. (2022). Strategi Keputusan

107
 Pembelian dalam Belanja Online Melalui Aplikasi Shopee. Eqien-Jurnal
Ekonomi dan Bisnis, 11(1), 215–223.
Risyandi, O., & Zuliestiana, D. A. (2017). Pengaruh Kualitas Website Traveloka
terhadap Kepuasan Pengguna di Kota Bandung. eProceedings of
Management, 4(3), 2244-2251.
Riyanto, K., & Suriyanti. (2021). Pengaruh Kepercayaan, Desain Website dan Daya
Tarik Iklan terhadap Keputusan Pembelian Online pada Tiket. com Di
Bekasi. Jurnal Pelita Ilmu, 15(01), 42-47.
Rukmiyati, & Budiartha. (2016). Pengaruh Kualitas Sistem Informasi, Kualitas
Informasi dan Perceived Usefulness pada Kepuasan Pengguna Akhir
Software Akuntansi (Studi Empiris pada Hotel Berbintang di Provinsi Bali).
E-Jurnal Ekonomi dan Bisnis Universitas Udayana, 5(1), 115-142.
Saputra, & Mulyadi, D. (2018). Analisis Pengaruh E-Service Quality terhadap
Customer Satisfaction yang Berdampak pada Customer Loyalty PT Bayu
Buana Travel Tbk. CKI ON SPOT, 11(2), 199-206.
Saputra, I. G. N. W. H. (2021). Travelling Sebagai Coping Stress Bagi Generasi
Milenial. KINERJA, 18(2), 260-266.
Saragih, D. R. U., & Nasruddin, N. (2022). Efektivitas Kualitas Layanan di Tengah
Persaingan Online Travel Agent Melalui Kepuasan Pelanggan. ANALISIS,
12(1), 1-19.
Sari, N. P., Nasir, M., & Andriyani, R. (2019). Evaluasi Kepuasan Pengguna
Aplikasi Paytren Menggunakan Metode End User Computing Satisfaction.
Bina Darma Conference on Computer Science (BDCCS), 1(1), 112-122.
Sasmito, G. W., & Wibowo, D. S. (2016). Aplikasi Penjualan pada Cafe Kamizuka
Kota Tegal dengan Menggunakan Visual Basic 6.0. Smart Comp: Jurnalnya
Orang Pintar Komputer, 4(2), 88-92.
Setiawan. (2015). Analisis Pengaruh Nilai Teknologi Informasi terhadap
Keunggulan Bersaing Perusahaan (Studi Kasus Pemanfaatan E-Tiketing
terhadap Loyalitas Pengguna Jasa Kereta Api). SITEKIN: Jurnal Sains,
Teknologi dan Industri, 12(2), 204-211.
Setiawan. (2016). Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat Keterangan

108
 Tinggal Sementara Online (SKTS) dengan Menggunakan Metode End User
Computing Satisfaction. Universitas Airlangga, Sistem Informasi.
Setiawan, H., & Novita, D. (2021). Analisis Kepuasan Pengguna Aplikasi KAI
Access Sebagai Media Pemesanan Tiket Kereta Api Menggunakan Metode
EUCS. Jurnal Teknologi Sistem Informasi, 2(2), 162-175.
Setyoningrum, N. R. (2020). Analisis Tingkat Kepuasan Pengguna Sistem
Informasi Kerja Praktek dan Skripsi (SKKP) Menggunakan Metode End
User Computing Satisfaction (EUCS). Journal of Applied Informatics, 4(1),
17-21.
Sugandi, M. A., & Halim, R. N. (2020). Analisis End-User Computing Satisfaction
(EUCS) pada Aplikasi Mobile Universitas Bina Darma. Sistemasi: Jurnal
Sistem Informasi, 9(1), 143-154.
Sugiyono. (2013). Metode Penelitian Pendidikan Pendekatan Kuantitatif,
Kualitatif dan R&D. Bandung: Alphabeta.
Supandi, E. D. (2020). Pengaruh Remunerasi dan Motivasi terhadap Kinerja
Pegawai UIN Sunan Kalijaga Yogyakarta dengan Menggunakan Structural
Equation Modelling. PRISMA: Prosiding Seminar Nasional Matematika,
3(1), 84-94.
Supriyatna, A. (2015). Analisis dan Evaluasi Kepuasan Pengguna Sistem Informasi
Perpustakaan dengan Menggunakan Pieces Framework. Pilar Nusa
Mandiri: Journal of Computing Information System, 11(1), 43-52.
Surya, P. A. (2017). Pengaruh Kualitas Sistem Informasi, Kualitas Informasi, dan
Perceived Usefulness terhadap Kepuasan Pengguna Sistem Informasi
Akuntansi (Studi pada STMIK Triguna Dharma Medan). Universitas
Sumatera Utara, Ekonomi dan Bisnis.
Suryawan, M. B., & Prihandoko, P. (2018). Evaluasi Penerapan SIAKAD
Politeknik Negeri Madiun Menggunakan Pendekatan TAM dan EUCS.
Creative Information Technology Journal, 4(3), 233-244.
Suzanto, B., & Sidharta, I. (2015). Pengukuran End-User Computing Satisfaction
Atas Penggunaan Sistem Informasi Akademik. Jurnal Ekonomi, Bisnis
Entrepreneurship, 9(1), 16-28.

109
Tjiptono, F., & Diana, A. (2003). Total Quality Management (TQM). Yogyakarta:
Andi.
Tulodo, B. A. R., & Solichin, A. (2019). Analisis Pengaruh Kualitas Sistem,
Kualitas Informasi dan Perceived Usefulness terhadap Kepuasan Pengguna
Aplikasi Care dalam Upaya Peningkatan Kinerja Karyawan. JRMSI-Jurnal
Riset Manajemen Sains Indonesia, 10(1), 25-43.
Wahyuningsih, M., & Waspodo, B. (2019). Perencanaan Strategi Sistem Informasi
pada PT Indonesia Stanley Electric dengan Pendekatan Ward & Peppard.
Applied Information System. Management Analysis Journal, 2(1), 33-39.
Wijanto, D. S. H. (2008). Pengaruh Kualitas Sistem Informasi, Perceived
Usefulness, dan Kualitas Informasi terhadap Kepuasan Pengguna Akhir
Software Akuntansi. Jurnal Simposium Nasional Akuntansi XI, 30(3), 611-
623.
Wong. (2013). Partial Least Squares Structural Equation Modeling (PLS-SEM)
Techniques Using SmartPLS. Marketing Bulletin, 24(1), 1-32.
Yuliati, U. (2013). Faktor-Faktor yang Mempengaruhi Konsumen dalam Pembelian
Makanan Jajan Tradisional di Kota Malang. Manajemen Bisnis, 1(1), 7-20.

110
111
LAMPIRAN

112
LAMPIRAN I
KUESIONER

113
1. Kuesioner Penelitian

Assalamualaikum Wr Wb.

Kepada responden yang terhormat.

Perkenalkan saya Muhammad Fathi Azzumar mahasiswa Sistem Informasi,

Fakultas Sains dan Teknologi, UIN Syarif Hidayatullah Jakarta 2018, saya sedang
mengerjakan tugas akhir atau skripsi dengan tema Kepuasan Pengguna yaitu
menganalisis mengenai "Analisis Kepuasan Pengguna Terhadap Kualitas Aplikasi
Tiket.com Menggunakan Metode End User Computing Satisfaction (EUCS)".

Adapun kriteria responden yang dibutuhkan, yaitu:

1. Pengguna Aplikasi Mobile tiket.com
2. Pengguna menggunakan sistem Android

Oleh karena itu saya memohon bantuan kepada para responden, agar dapat
berkenan meluangkan waktunya
5 -10 menit untuk mengisi kuesioner terkait analisis ini. Diharapkan rekan-rekan
dapat menjawab kuesioner ini dengan lengkap dan sesuai ketentuan.

Semua informasi yang dicantumkan dijaga kerahasiannya. Analisis ini digunakan

untuk tugas akhir atau skripsi.

Atas perhatian dan waktunya saya ucapkan terimakasih.

Hormat saya, Wasssalamualaikum Wr Wb.

Muhammad Fathi Azzumar

Telp: 081210614289
Email: azzumarfathi@gmail.com

114
Profil Responden

1. Nama Lengkap*

2. Jenis Kelamin? *

Laki-laki

Perempuan

3. Pekerjaan? *

Pelajar/Mahasiswa

PNS

Karyawan Swasta

Wiraswasta

Lainnya

4. Usia? *

17-20

21-24

25-28

> 28 tahun

5. Domisili? *

Jakarta

Bogor

Depok

Tangerang

Bekasi

Lainnya

115
 6. Sudah berapa lama Anda menggunakan aplikasi mobile tiket.com?*

< 1 tahun

1 – 2 tahun

> 2 tahun

7. Menurut Anda, apakah aplikasi mobile tiket.com dapat membantu terkait

dengan kepentingan anda saat bepergian?*

Sangat Membantu

Membantu

Cukup Membantu

Kurang Membantu

Tidak Membantu

Bagian Kedua

Jawaban Poin

Sangat tidak setuju 1

Tidak setuju 2

Netral 3

Setuju 4

Sangat setuju 5

116
No Pertanyaan STS TS N S SS

Content (CON)

Apakah isi aplikasi tiket.com sesuai

1
dengan kebutuhan pengguna?
Apakah isi aplikasi tiket.com disajikan
2
secara beragam atau banyak?
Apakah isi aplikasi tiket.com yang ada
3
memiliki kualitas baik?
Apakah isi aplikasi tiket.com bermanfaat
4
bagi pengguna?
Apakah isi aplikasi tiket.com disediakan
5
secara jelas?

Accuracy (ACC)

Apakah aplikasi tiket.com menyajikan

4
informasi yang akurat?
Apakah aplikasi tiket.com menampilkan
5
output sesuai dengan yang diperintahkan?
Apakah aplikasi tiket.com menyajikan
6
informasi yang dapat dipercaya?
Apakah aplikasi tiket.com berjalan sesuai
7
dengan standar yang sudah ditentukan?

Format (FOR)

Apakah format aplikasi tiket.com menarik

8
untuk pengguna?
Apakah format aplikasi tiket.com menarik
9
untuk pengguna?
Apakah format aplikasi tiket.com sudah
10
jelas?

117
 Apakah format aplikasi tiket.com mudah
11
digunakan pengguna?

Ease of Use (EOU)

Apakah sistem aplikasi tiket.com mudah

12
digunakan?
Apakah sistem aplikasi sangat mudah
13
dipahami?
Apakah sistem aplikasi yang disajikan
14
memudahkan interaksi dengan pengguna?

Timeliness (TIM)

Apakah aplikasi tiket.com memberikan

15
data atau informasi yang up to date?
Apakah aplikasi tiket.com sudah
16 menyajikan informasi atau data ketika
dibutuhkan?
Apakah aplikasi tiket.com menyajikan
17
informasi dengan tepat waktu?
Apakah aplikasi tiket.com memiliki
18 layanan sistem yang tepat waktu saat
dibutuhkan?

Perceived Usefulness (USE)

Apakah aplikasi tiket.com sangat berguna

19
bagi pengguna?
Apakah aplikasi tiket.com bermanfaat
20
dalam mendapatkan informasi?
Apakah aplikasi tiket.com bermanfaat
21
dalam mendapatkan informasi?

Service (SER)

118
 Apakah aplikasi tiket.com memberikan
24
pelayanan yang memadai?
Apakah aplikasi tiket.com sudah
25 memberikan pelayanan sesuai yang
dijanjikan?
Apakah aplikasi tiket.com sudah
26 memberikan pelayanan yang responsive
atau cepat?
Apakah aplikasi tiket.com sudah
27
memahami kebutuhan pengguna?

User Satisfaction (US)

Apakah sistem aplikasi efektif (berhasil)

28
dalam penggunaannya?
Apakah sistem aplikasi efisien (tepat
29
waktu) dalam penggunaannya?
Apakah aplikasi sudah memberikan
30 kinerja yang sesuai sehingga memuaskan
para pengguna secara keseluruhan?

119
 LAMPIRAN II

DATA RESPONDEN

120
 2. Data Responden

C C C C C A A A A F F F F E E E T T T T U U U S S S S U U U
O O O O O C C C C O O O O O O O I I I I S S S E E E E S S S
N N N N N C C C C R R R R U U U M M M M E E E R R R R 1 2 3
1 2 3 4 5 1 2 3 4 1 2 3 4 1 2 3 1 2 3 4 1 2 3 1 2 3 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 5 4 4 5 5 3 5 5 4 4
4 5 4 5 4 4 5 4 4 3 4 4 4 4 4 4 4 3 4 4 5 4 5 4 4 4 5 5 5 4
5 5 4 5 4 4 4 4 4 5 5 5 5 4 4 4 4 4 5 5 5 5 4 4 4 3 5 4 4 5
5 4 4 5 5 4 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 5 5 4
4 4 3 5 4 4 4 5 5 5 4 4 5 3 4 3 4 5 4 4 5 4 4 4 5 4 4 4 4 3
3 4 3 4 4 4 4 3 3 3 3 3 3 4 3 3 3 3 4 3 5 5 4 5 3 5 5 3 3 3
4 5 4 5 4 4 4 5 5 2 4 4 5 5 4 4 4 4 4 4 4 5 5 4 4 3 4 4 4 3
5 5 4 5 4 3 4 3 4 4 4 4 5 5 4 4 3 5 5 5 5 5 5 4 3 5 5 5 3 5
4 3 3 5 4 4 3 3 3 3 3 3 3 3 4 3 4 3 5 4 4 3 4 3 5 5 5 3 3 3
4 4 4 5 4 5 4 4 4 2 4 4 4 4 4 4 5 4 5 5 4 4 5 4 4 4 4 4 4 4
4 4 4 5 4 4 4 5 4 5 4 4 4 4 4 4 5 4 5 5 4 4 4 4 5 3 4 4 4 4
5 4 4 4 5 4 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 5 5
5 5 4 4 4 5 5 4 5 4 4 4 5 4 4 4 4 3 5 4 4 4 4 5 4 4 5 3 4 4
5 4 4 5 4 4 4 5 5 4 5 4 5 5 4 4 4 4 4 4 4 4 3 5 4 4 4 5 4 5
4 2 3 4 3 3 4 4 5 5 2 3 4 4 4 5 4 5 5 5 5 5 5 5 5 4 5 3 3 3
4 2 4 4 4 4 4 4 4 5 4 3 4 4 4 4 5 5 4 4 4 3 3 4 4 5 4 4 5 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 5 5 5 5 5 5 5 5 5
4 4 4 4 4 3 3 3 4 3 4 3 4 3 3 3 3 3 3 3 4 4 3 4 4 5 4 4 4 4
5 5 5 5 5 5 5 5 5 5 4 5 5 5 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5
5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 2 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 4 5 4 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 4 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 5 5 4 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 3 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5
4 4 5 5 4 4 4 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 4 5 5 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 3 5 4 3 4 4 3 4 3 4 3 4
4 4 4 5 4 4 4 5 4 4 4 5 5 4 4 5 4 4 4 4 5 4 4 5 5 4 4 4 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 5 5 4 5 5 4 4
4 5 4 5 4 4 5 4 4 3 4 4 4 4 4 4 4 3 4 4 5 4 5 4 4 4 5 5 5 4
121
5 5 4 5 4 4 4 4 4 5 5 5 5 4 4 4 4 4 5 5 4 4 4 4 4 3 5 4 4 5
5 4 4 5 5 4 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 5 5 5
4 4 3 5 4 4 4 5 5 5 4 4 5 3 4 3 4 5 4 4 5 4 4 4 5 4 4 4 4 3
3 4 3 4 4 4 4 3 3 3 3 3 3 4 3 3 3 3 5 3 3 3 4 3 3 5 3 3 5 5
4 5 4 5 4 4 4 5 5 2 4 4 5 5 4 4 4 4 3 5 4 5 4 4 4 3 4 4 4 5
5 5 4 5 4 3 4 3 4 4 4 4 5 5 4 4 3 3 5 3 5 5 5 4 3 5 3 5 3 3
4 3 3 5 4 4 3 5 3 3 3 3 3 3 4 3 4 3 3 5 4 3 4 3 3 3 3 3 3 3
4 4 4 5 4 5 4 4 4 2 4 4 4 4 4 4 5 4 5 5 4 4 5 4 4 4 4 4 4 4
4 4 4 5 4 4 4 5 4 5 4 4 4 4 4 4 5 4 5 5 4 4 4 4 5 3 4 4 4 4
5 4 4 4 5 4 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 5 5
5 5 4 4 4 5 5 4 5 4 4 4 5 4 4 4 4 3 5 4 4 4 4 5 4 4 3 3 4 4
5 4 4 5 4 4 4 5 5 4 5 4 5 5 4 4 4 4 4 4 4 4 3 5 4 4 4 5 4 5
4 2 3 4 3 3 4 4 2 2 2 3 4 4 4 5 4 5 5 5 5 5 5 3 5 4 3 3 3 3
4 2 4 4 4 4 4 4 4 5 4 3 4 4 4 4 3 3 4 4 4 3 3 4 4 3 4 4 5 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 3 5 3 4 3 4 3 4 3 3 3 3 3 3 3 4 4 3 4 4 3 4 4 4 4
5 5 5 5 5 5 5 5 5 5 4 5 5 5 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5
5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 4 5 4 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 5 5 4 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 5 5 4 5 5 4 5 3 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 4 5 5 5 4 4 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5
4 4 5 5 4 4 4 5 5 4 5 5 5 5 5 5 5 5 4 5 5 2 5 4 5 5 5 5 5 5
5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 5 4 4 4 4 5 5 5 5 5 5 4 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 5 5 4 3 4 4 3 4 3 4 3 4
4 4 4 5 4 4 4 5 4 4 4 5 5 4 4 5 4 4 4 4 5 4 4 5 5 4 4 4 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 5 5 4 5 5 4 4
4 5 4 5 4 4 5 4 4 3 4 4 4 4 4 4 4 5 4 4 5 4 5 4 4 4 5 5 5 4
5 5 4 5 4 4 4 4 4 5 5 5 5 4 4 4 4 4 5 5 4 4 4 4 4 3 5 4 4 5
5 4 4 5 5 4 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 5 5 4
4 4 3 5 4 4 4 5 3 5 4 4 5 3 4 3 4 5 4 4 5 2 4 4 5 4 4 4 4 3
3 4 3 4 4 4 4 3 3 3 3 3 3 4 3 3 3 3 3 3 2 3 4 5 3 3 3 3 3 5
4 5 4 5 4 4 4 5 5 2 4 4 5 5 4 4 4 4 5 5 4 5 4 4 4 3 4 4 4 5
5 5 4 5 4 3 4 3 4 4 4 4 5 5 4 4 3 5 5 3 5 5 5 4 5 5 3 5 3 3
4 3 3 5 4 4 3 3 3 3 3 3 3 3 4 3 4 3 5 5 4 3 4 3 3 3 3 3 3 3
4 4 4 5 4 5 4 4 4 2 4 4 4 4 4 4 5 4 5 5 4 4 5 4 4 4 4 4 4 4

122
4 4 4 5 4 4 4 5 4 5 4 4 4 4 4 4 5 4 5 5 4 4 4 4 5 3 4 4 4 4
5 4 4 4 5 4 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 5 5
5 5 4 4 4 5 5 4 5 4 4 4 5 4 4 4 4 3 5 4 4 4 4 5 4 4 3 3 4 4
5 4 4 5 4 4 4 5 5 4 5 4 5 5 4 4 4 4 4 4 4 4 3 5 4 4 4 5 4 5
4 2 3 4 3 3 4 4 2 2 2 3 4 4 4 5 4 5 5 5 5 5 5 3 3 4 3 3 3 3
4 2 4 4 4 4 4 4 4 5 4 3 4 4 4 4 3 3 4 4 4 3 3 4 4 3 4 4 5 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 3 3 3 4 3 4 3 4 3 3 3 3 4 3 3 4 4 3 4 4 3 4 4 4 4
5 5 5 5 5 5 5 5 5 5 4 5 5 5 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5
5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 5 2 4 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5
5 4 5 4 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5
4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 5 5 4 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 5 5 5 5 4 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 4 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 5 5 4 4 4 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 4 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 3 3 4 3 4 4 3 4 3 4 3 4
4 4 4 5 4 4 4 5 4 4 4 5 5 4 4 5 4 4 4 4 5 4 4 5 5 4 4 4 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 5 5 4 5 5 4 4
4 5 4 5 4 4 5 4 4 3 4 4 4 4 4 4 4 3 4 4 5 4 5 4 4 4 5 5 5 4
5 5 4 5 4 4 4 4 4 5 5 5 5 4 4 4 4 4 5 5 4 4 4 4 4 3 5 4 4 5
5 4 4 5 5 4 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 5 5 4
4 4 3 5 4 4 4 5 3 5 4 4 5 3 4 3 4 5 4 4 5 4 4 4 5 4 4 4 4 3
3 4 3 4 4 4 4 3 3 3 3 3 3 4 3 3 3 5 5 5 3 3 4 3 3 3 3 3 3 3
4 5 4 5 4 4 4 5 5 2 4 4 5 5 4 4 4 4 4 4 4 5 4 4 4 3 4 4 4 5
5 5 4 5 4 3 4 3 4 4 4 4 5 5 4 4 3 3 3 3 5 5 5 4 3 3 3 5 3 3
4 3 3 5 4 4 3 3 3 3 3 3 3 3 4 3 4 3 3 3 4 3 4 3 3 3 3 3 3 3
4 4 4 5 4 5 4 4 4 2 4 4 4 4 4 4 5 4 5 5 4 4 5 4 4 4 4 4 4 4
4 4 4 5 4 4 4 5 4 5 4 4 4 4 4 4 5 4 5 5 4 4 4 4 5 3 4 4 4 4
5 4 4 4 5 4 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 5 5 5 5 5
5 5 4 4 4 5 5 4 5 4 4 4 5 4 4 4 4 3 5 4 4 4 4 5 4 4 3 3 4 4
5 4 4 5 4 4 4 5 5 4 5 4 5 5 4 4 4 4 4 4 4 4 3 5 4 4 4 5 4 5
4 2 3 4 3 3 4 4 2 2 2 3 4 4 4 5 4 5 5 5 5 5 5 3 3 4 3 3 3 3
4 2 4 4 4 4 4 4 4 5 4 3 4 4 4 4 3 3 4 4 4 3 3 4 4 3 4 4 5 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 3 3 3 4 3 4 3 4 3 3 3 3 3 3 3 4 4 3 4 4 3 4 4 4 4

123
5 5 5 5 5 5 5 5 5 5 4 5 5 5 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5
5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 5 1 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 4 5 4 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 5 5 4 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5

124
 LAMPIRAN III

SURAT PENDUKUNG

125
Surat Dosen Pembimbing

126
127