EVALUASI KEPUASAN PENGGUNA APLIKASI CICI AI MENGGUNAKAN METODE END-USER COMPUTING SATISFACTION

Chandra Kusuma; Sri Nadriati; Akmal Andri Yantama

doi:10.33650/coreai.v6i2.12609

EVALUASI KEPUASAN PENGGUNA APLIKASI CICI AI MENGGUNAKAN METODE END-USER COMPUTING SATISFACTION

DOI: https://doi.org/10.33650/coreai.v6i2.12609

Authors (s)

(1) * Chandra Kusuma

(STMIK DHARMAPALA)
        Indonesia
(2)  Sri Nadriati   (STMIK DHARMAPALA)
        Indonesia
(3)  Akmal Andri Yantama   (Universitas Islam Negeri Sultan Syarif Kasim Riau)
        Indonesia
(*) Corresponding Author

Abstract

Penelitian ini mengevaluasi kepuasan pengguna terhadap aplikasi Cici AI dengan menerapkan kerangka End-User Computing Satisfaction (EUCS). Tujuan utama adalah menguji pengaruh lima dimensi kualitas sistem Content (CTN), Accuracy (ACR), Format (FRT), Ease of Use (EOU), dan Timeliness (TML) terhadap kepuasan pengguna (Satisfaction/STF) pada konteks pengguna Cici AI di Indonesia. Data dikumpulkan melalui kuesioner berbasis EUCS yang disebarkan secara online kepada pengguna Cici AI mengguanakn rumus lemeshow (n = 97). Analisis data dilakukan menggunakan Partial Least Squares Structural Equation Modeling (PLS-SEM) dengan prosedur bootstrapping untuk menguji signifikansi jalur. Hasil analisis menunjukkan bahwa model menjelaskan proporsi varians kepuasan pengguna. Secara parsial, kemudahan penggunaan (EOU) berpengaruh positif dan paling dominan terhadap kepuasan pengguna. Format penyajian informasi (FRT) juga berkontribusi signifikan positif, demikian pula ketepatan waktu/respons sistem (TML). Sebaliknya, variabel Content (CTN) dan Accuracy (ACR) tidak menunjukkan pengaruh yang signifikan terhadap kepuasan dalam sampel ini. Temuan mengindikasikan bahwa bagi pengguna Cici AI di Indonesia faktor-faktor yang berhubungan dengan usability dan performa layanan (kemudahan, tata tampilan, kecepatan respons) lebih menentukan kepuasan dibandingkan mutu konten atau akurasi output secara mutlak. Implikasi praktis dari penelitian ini menekankan prioritas perbaikan pada desain antarmuka, alur interaksi, dan optimalisasi latency/throughput sistem untuk meningkatkan kepuasan pengguna. Rekomendasi untuk penelitian selanjutnya meliputi perluasan sampel, analisis segmentasi pengguna, serta studi longitudinal untuk menilai dinamika kepuasan seiring maturitas fitur AI

Keywords

Cici AI End-User Computing Satisfaction; Kepuasan Pengguna; SEM-PLS

Full Text: DOWNLOAD PDF

References

N. Pramudibyo, “Analisis Kepuasan Pengguna Terhadap Aplikasi Redbus Dengan Menggunakan Metode End User Computing Satisfaction (Eucs),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, pp. 7662–7679, 2024, doi: 10.23960/jitet.v12i2.4133.

P. Angga Buana et al., “Pendekatan Systematic Literature Review Dan Eucs : Mengukur Kepuasan Pengguna Tiktok Dan Instagram,” Indexia, vol. 6, no. 2, pp. 92–101, 2024, [Online]. Available: https://journal.umg.ac.id/index.php/indexia/article/view/9252

H. Xu, R. Law, J. Lovett, J. M. Luo, and L. Liu, “Tourist acceptance of ChatGPT in travel services: the mediating role of parasocial interaction,” J. Travel Tour. Mark., vol. 41, no. 7, pp. 955–972, 2024, doi: 10.1080/10548408.2024.2364336.

H. R. Gburi and H. R. Dowlatabady, “Investigating The Role Of Artificial Intelligence In English Writing Fluency Among Iraqi University Students,” vol. 11, no. 17, pp. 103–111, 2025.

R. M. Bernales and A. S. Fortuna, “Correlation: CICI AI Utilization and General Weighted Average in Gen Z Stem Students,” Int. J. Res. Sci. Innov., vol. XI, no. XII, pp. 655–665, 2025, doi: 10.51244/ijrsi.2024.11120060.

S. Rosliana, S. Eka Dyah, and V. Islami, “Analisis Kualitas Layanan Chatgpt Dalam Proses Pembelajaran Mahasiswa Dengan Technology Acceptance Model (TAM),” Neraca Manaj. Ekono, vol. 24, no. 6, pp. 1–14, 2025.

C. Yu, J. Yan, and N. Cai, “ChatGPT in higher education: factors influencing ChatGPT user satisfaction and continued use intention,” Front. Educ., vol. 9, no. May, pp. 1–11, 2024, doi: 10.3389/feduc.2024.1354929.

N. Normah, B. Rifai, and T. Maesyaroh, “Analisis User Experience ChatGPT pada Mahasiswa di Kota Jakarta dengan menggunakan Metode User Experience Questionnaire (UEQ),” Reputasi J. Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 58–63, 2025, doi: 10.31294/reputasi.v6i1.4932.

C. D. Duong, “Modeling the determinants of HEI students’ continuance intention to use ChatGPT for learning: a stimulus–organism–response approach,” J. Res. Innov. Teach. Learn., vol. 17, no. 2, pp. 391–407, 2024, doi: 10.1108/JRIT-01-2024-0006.

P. A. Buana, Y. A. Prasetyo, M. Muhsinin, M. S. Riza, A. M. Arif, and A. T. Prakoso, “User Satisfaction Evaluation of Meta AI Integration in WhatsApp: A Quantitative EUCS Approach,” Comput. Eng. Artif. Intell., vol. 1, no. 2, pp. 77–84, 2024, [Online]. Available: https://journal.redtechidn.org/index.php/itcea

F. Aljamaan et al., “ChatGPT-3.5 System Usability Scale early assessment among Healthcare Workers: Horizons of adoption in medical practice,” Heliyon, vol. 10, no. 7, p. e28962, 2024, doi: 10.1016/j.heliyon.2024.e28962.

T. N. Mudau, J. Cohen, and E. Papageorgiou, “Determinants and consequences of routine and advanced use of business intelligence (BI) systems by management accountants,” Inf. Manag., vol. 61, no. 1, p. 103888, 2024, doi: 10.1016/j.im.2023.103888.

A. Lusardi, O. S. Mitchell, and V. Curto, “The Journal of Consumer Affairs,” J. Consum. Aff., vol. 44, no. 2, pp. 358–380, 2010.

R. D. Kristy and A. K. Wahyu, “Analisis Tingkat Kepuasan Dan Tingkat Kepentingan Penerapan Sistem Informasi Universitas Muhammadiyah Malang,” Tek. Eng. Sains J., vol. 2, pp. 17–21, 2018, doi: https://doi.org/10.51804/tesj.v2i1.223.17-24.

M. M. Ali, T. Hariyati, M. Y. Pratiwi, and S. Afifah, “Metodologi Penelitian Kuantitatif dan Penerapannya dalam Penelitian,” Educ. J., vol. 2, no. 2, pp. 1–6, 2022.

H. Hasanah, “TEKNIK-TEKNIK OBSERVASI (Sebuah Alternatif Metode Pengumpulan Data Kualitatif Ilmu-ilmu Sosial),” At-Taqaddum, vol. 8, no. 1, p. 21, 2017, doi: 10.21580/at.v8i1.1163.

L. Naing, R. Bin Nordin, H. Abdul Rahman, and Y. T. Naing, “Sample size calculation for prevalence studies using Scalex and ScalaR calculators,” BMC Med. Res. Methodol., vol. 22, no. 1, p. 209, 2022, doi: 10.1186/s12874-022-01694-7.

F. Hilkenmeier, C. Bohndick, T. Bohndick, and J. Hilkenmeier, “Assessing Distinctiveness in Multidimensional Instruments Without Access to Raw Data – A Manifest Fornell-Larcker Criterion,” Front. Psychol., vol. 11, no. March, pp. 1–9, 2020, doi: 10.3389/fpsyg.2020.00223.

D. W. Rahayu, N. R. Dzakiyullah, and A. Ratnasari, “Analisis Kepuasan Pengguna Website Organisasi Perangkat Daerah Kelurahan Sorosutan Menggunakan Metode End User Computing Satisfaction (EUCS),” J. Ilm. Komputasi, vol. 24, no. 1, pp. 95–104, 2025, doi: 10.32409/jikstik.24.1.3691.

R. A. Febrianti, F. Latief, and N. Z, “Pengaruh Kemudahan Penggunaan Dan Kualitas Informasi Terhadap Kepuasan Pelanggan Pada Pengguna Aplikasi Pln Mobile Di Kota Makassar,” J. Bisnis dan Kewirausahaan, vol. 14, no. 2, pp. 273–287, 2025, doi: 10.37476/jbk.v14i2.5157.

Dimensions, PlumX, and Google Scholar Metrics

Refbacks

There are currently no refbacks.

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi

Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.

Username
Password
Remember me