Pendahuluan

Perkembangan teknologi informasi dan layanan di era globalisasi mengalami peningkatan pesat, didukung oleh pertumbuhan pengguna internet di Indonesia yang mencapai lebih dari 229 juta orang pada tahun 2025 atau meningkat 1,16% dibandingkan tahun 2024 menurut hasil survei oleh Asosiasi Penyelenggara Jasa Internet Indonesia (APJII). Kondisi ini mendorong perubahan pola interaksi antara konsumen dan penyedia layanan menjadi berbasis digital. Akibatnya, perusahaan semakin banyak mengembangkan layanan berbasis aplikasi untuk meningkatkan akses, jangkauan pasar, dan interaksi secara real-time. Perkembangan teknologi digital mendorong perusahaan mengalihkan strategi promosi ke ranah digital, salah satunya melalui penyediaan voucher diskon online yang praktis dan mudah diakses. Data Statista menunjukkan bahwa 92% konsumen pada tahun 2020 mencari voucher diskon sebelum melakukan pembelian online [1]. Hal ini menunjukkan bahwa voucher digital berperan signifikan dalam meningkatkan minat dan keputusan pembelian konsumen. Salah satu aplikasi yang menyediakan voucher diskon belanja online adalah QPON Indonesia, yang menawarkan berbagai kupon untuk makanan, minuman, belanja, dan hiburan dari berbagai brand populer. Berdasarkan data Google Play Store, aplikasi yang dirilis pada 13 November 2024 ini telah diunduh lebih dari 5 juta kali dengan sekitar 6 ribu ulasan pengguna serta bekerja sama dengan berbagai brand besar. Fitur yang ditawarkan meliputi welcome bonus, kupon harian eksklusif, rekomendasi, serta berbagai promo hiburan.

Berdasarkan data distribusi rating di Google Play Store pada tanggal 21 September 2025, ulasan bintang 5 mendominasi dengan 4.750 ulasan, namun ulasan bintang 1 juga cukup signifikan dan menempati peringkat kedua dengan 1.189 ulasan. Hal serupa terlihat pada ulasan pengguna aplikasi QPON Indonesia di App Store pada tanggal 20 November 2025 yaitu ulasan bintang 1 berada pada peringkat kedua dari total 1.100 ulasan. Kondisi ini menunjukkan adanya kesenjangan antara harapan pengguna dan kinerja aplikasi yang berdampak pada ketidakpuasan pengguna. Berdasarkan analisis ulasan negatif pengguna di Google Play Store dan App Store, permasalahan aplikasi QPON Indonesia diidentifikasi menggunakan pendekatan Technology Acceptance Model (TAM). Hasilnya menunjukkan bahwa pada aspek Perceived Usefulness, pengguna merasa layanan tidak memberikan manfaat karena voucher gagal digunakan; pada Perceived Ease of Use, pengguna mengalami kendala dalam proses refund, login, dan layanan pelanggan. Selain itu, muncul sikap negatif pengguna (Attitude Toward Using), penurunan niat penggunaan ulang (Behavioral Intention to Use), serta hambatan dalam penggunaan aktual (Actual Use) yang mengganggu aktivitas pengguna. Kondisi ini menunjukkan bahwa meskipun terdapat diskon promo yang ditujukan untuk memberikan keuntungan bagi pengguna, namun masih ditemukan adanya keluhan dari pengguna. Hal ini menunjukkan bahwa terdapat aspek layanan yang gagal memenuhi ekspektasi pengguna. Kepuasan konsumen tercapai jika layanan mampu memenuhi ekspektasi, sedangkan kinerja yang lebih rendah dari harapan akan menurunkan kepuasan [2]. Oleh karena itu, diperlukan analisis kepuasan pengguna untuk mengidentifikasi ulasan negatif pengguna serta menentukan prioritas perbaikan layanan.

Penelitian terdahulu oleh Febyanti “Klasifikasi Sentimen Ulasan Pengguna Aplikasi Qpon dengan Support Vector Machine dan Logistic Regression” tahun 2026 menjelaskan terkait pengklasifikasian ulasan pengguna aplikasi QPON Indonesia ke dalam 2 kategori yaitu opini negatif dan opini positiif untuk mengetahui kecenderungan opini dalam ulasan pengguna tersebut. Penelitian dilakukan menggunakan metode web scarping untuk mengumpulkan data serta metode Support Vector Machine (SVM) dan Logistic Regression untuk mengklasifikasikan ulasan penggunanya. Namun penelitian ini terbatas pada klasifikasi sentimen ulasan pengguna guna tanpa mengukur tingkat kepuasan pengguna berdasarkan ulasan pengguna tersebut [3]. Sehingga dengan adanya penelitian ini mampu menjadi kebaruan dalam mengukur kepuasan pengguna berdasarkan indikasi ulasan negatif pengguna di aplikasi QPON Indonesia menggunakan metode Technology Acceptance Model (TAM) dan Importance Performance Analysis (IPA) untuk menganalisis kepuasan pengguna secara lebih komprehensif serta mengidentifikasi prioritas perbaikan layanan pada aplikasi QPON Indonesia.

Penelitian ini menggunakan metode Technology Acceptance Model (TAM) untuk menganalisis faktor-faktor yang memengaruhi penerimaan dan kepuasan pengguna terhadap aplikasi QPON, serta Importance Performance Analysis (IPA) untuk menentukan prioritas perbaikan layanan. TAM merupakan model yang menjelaskan perilaku pengguna terhadap teknologi melalui lima konstruk utama, yaitu Perceived Ease of Use (PEOU), Perceived Usefulness (PU), Attitude Toward Using (ATU), Behavioral Intention to Use (BI), dan Actual Usage (AU) [4]. Importance Performance Analysis (IPA) merupakan metode analisis yang digunakan untuk membandingkan tingkat harapan pengguna dengan kinerja layanan. Metode ini memberikan insight terkait kekuatan dan kelemahan atribut serta mengelompokkannya ke dalam kuadran prioritas perbaikan [5]. Selain itu, IPA dinilai efektif dalam mengevaluasi kesesuaian antara harapan dan kinerja layanan serta telah banyak digunakan dalam berbagai penelitian [6].

Berdasarkan permasalahan yang telah diuraikan, penelitian ini dilakukan untuk menganalisis kepuasan pengguna aplikasi QPON Indonesia menggunakan pendekatan Technology Acceptance Model (TAM) dan Importance Performance Analysis (IPA) guna memperoleh hasil yang komprehensif serta menentukan prioritas perbaikan layanan. Hasil penelitian diharapkan dapat memberikan insight bagi perusahaan dalam mengevaluasi dan meningkatkan kualitas layanan aplikasi QPON Indonesia. Keterkaitan antara model TAM dan metode yang digunakan selanjutnya disajikan dalam kerangka konseptual penelitian.

Metode

Penelitian ini menggunakan pendekatan kuantitatif dengan tujuan untuk mengetahui kepuasan pengguna terhadap layanan aplikasi QPON Indonesia serta memberikan usulan perbaikan layanan untuk atribut layanan yang memiliki tingkat kepentingan tinggi namun kinerjanya rendah, sehingga perlu diprioritaskan untuk dilakukan perbaikan segera. Pada penelitian menggunakan model Technology Acceptance Model (TAM) merupakan teori dasar terkait prediksi keinginan dan kesiapan dalam adopsi teknologi [7]. Selain itu digunakan metode Importance Performance Analysis (IPA) merupakan metode grafik dalam bentuk koordinat dua dimensi untuk menilai kepuasan konsumen dan memberikan prioritas produk atau layanan yang memerlukan perbaikan [8].

Adapun objek pada penelitian ini yaitu aplikasi QPON Indonesia dengan lokasi penelitian berfokus pada ruang lingkup pengguna aplikasi QPON di Indonesia dan ditujukan pada pengguna aplikasi yang pernah menggunakan layanan aplikasi QPON Indonesia minimal 1 kali. Proses pengumpulan data primer pada penelitian ini dilakukan melalui penyebaran kuesioner menggunakan skala likert 1-5 yang ditujukan kepada pengguna aplikasi QPON Indonesia secara online melalui platform google form yang dilakukan pada bulan Januari hingga Maret 2026. Kuesioner disusun berdasarkan variabel-variabel penelitian yang ditetapkan yaitu variabel dari Technology Acceptance Model yang terdiri dari 5 variabel yaitu:

1.Perceived usefulness (persepsi kegunaan) yaitu persepsi pengguna dalam mengetahui sejauh mana teknologi ini dapat menjalankan tugasnya untuk membantu pengguna dalam mencapai tujuannya [7]

2.Perceived Ease of Use (persepsi kemudahan penggunaan) yaitu persepsi pengguna dalam mengetahui sejauh mana teknologi tersebut dapat digunakan dengan mudah.

3.Attitude Toward Using (Sikap Terhadap Penggunaan) yaitu penilaian pengguna mengenai keinginannya dalam menggunakan aplikasi sistem informasi tertentu [9].

4.Behavioral Intention To Use (Minat Perilaku Penggunaan) yaitu kecenderungan pengguna untuk tetap menggunakan teknologi tersebut [10].

5.Actual Use (Penggunaan Sesungguhnya) yaitu sikap pengguna berupa penerimaan atau penolakan dalam penggunaan teknologi [11].

Adapun kuesioner terdiri dari 17 pernyataan menggunakan pengukuran skala likert 1(sangat tidak puas) – 5 (sangat puas) untuk menilai skor tingkat kinerja dan penilaian skala likert 1(sangat tidak penting) – 5 (sangat penting) untuk menilai skor tingkat kepentingan tiap atribut layanan aplikasi QPON Indonesia. Pengumpulan data menggunakan teknik non-probability sampling dengan jenis purposive sampling untuk memperoleh sampel dengan pertimbangan tertentu yang dilakukan oleh peneliti [12] yaitu responden yang pernah menggunakan aplikasi QPON Indonesia minimal 1 kali. Selanjutnya dilakukan penentuan sampel pada populasi yang tidak terbatas atau dalam jumlah besar menggunakan persamaan bernoulli [13] yaitu sebagai berikut :

(1)

Berdasarkan perhitungan di atas digunakan asumsi kepercayaan 95% (z-score = 1,96) ) yang memungkinkan penggunaan ukuran sampel yang lebih efisien tanpa mengurangi ketelitian statistik. Adapun margin of error yang digunakan sebesar 10% karena dianggap memiliki tingkat ketelitian yang cukup memadai untuk penelitian survei [14]dengan pertimbangan praktis berupa jumlah populasi yang relatif besar [15]. Kemudian nilai proporsi keberhasilan dalam populasi (p) yaitu 0,5 karena nilai proporsi tidak diketahui sehingga menggunakan asumsi konservatif [16]. Dari hasil penentuan sampel di atas didapatkan jumlah minimum sampel sebesar 96 responden. Diketahui jumlah data yang didapatkan dari penyebaran kuesioner yaitu sebesar 216 respoden. Sehingga jumlah data kuesioner yang telah dikumpulkan dapat dinyatakan cukup karena jumlah responden aktual lebih besar daripada jumlah minimum sampelnya (216 ≥ 96). Adapun alur analisis data menggunakan model Technology Acceptance Modeldan metode Importance Performance Analysis (IPA) :

a. Uji Validitas

Indikator pernyataan dikatakan valid jika nilai r-hitung ≥ r-tabel. Didapatkan r-tabel untuk jumlah data 216 responden dan taraf signifikansi 5% [17] yaitu sebesar 0,134.

b. Uji Reliabilitas

Data kuesioner dinyatakan reliabel jika nilai Koefisien Cronbach’s Alpha ≥ 0,70 [17].

c. Analisis Tingkat Kesesuaian

Analisis diawali dengan menentukan total skor tingkat kinerja (∑X) dan tingkat kepentingan (∑Y) menggunakan persamaan berikut:

(2)

Keterangan:

SP: Sangat Puas / Penting

P: Puas / Penting

CP: Cukup Puas / Penting

KP: Kurang Puas / Penting

TP: Tidak Puas / Penting

Selanjutnya dilakukan perhitungan tingkat kesesuaian untuk tiap atribut layanan tingkat kinerja dan tingkat kepentingan yaitu:

(3)

Keterangan:

TKi: Tingkat kesesuaian atribut-i

∑xi: Total skor tingkat kinerja atribut-i

∑yi: Total skor tingkat kepentingan atau harapan atribut-i

Adapun kriteria penilaian untuk tingkat kesesuaian pengguna sebagai berikut [18]:

1. Tingkat kesesuaian > 100, Kinerja layanan yang telah diberikan melebihi harapan pengguna dan sangat memuaskan pengguna.

2. Tingkat kesesuaian = 100, Kinerja layanan yang diberikan memenuhi harapan pengguna dan memberikan kepuasan pada pengguna.

3. Tingkat kesesuaian < 100, Kinerja layanan yang diberikan kurang atau tidak memenuhi harapan pengguna dan belum memberikan kepuasan pada pengguna.

d. Analisis Diagram Kartesius

Analisis di awali dengan menghitung nilai rata-rata untuk tiap atribut tingkat kinerja dan tingkat kepentingan yaitu sebagai berikut:

(4)

Keterangan:

X = Rata-rata atribut tingkat kinerja

Y = Rata-rata atribut tingkat kepentingan

n = Jumlah responden

Adapun dari nilai rata-rata keseluruhan atribut tingkat kinerja dan tingkat kepentingan, ditentukan titik potong untuk diagram kartesius menggunakan persamaan berikut:

(5)

Keterangan:

X = Rata-rata skor tingkat kinerja

Y = Rata-rata skor tingkat kepentingan atau harapan

K = Banyaknya atribut

Selanjutnya nilai rata-rata tiap atribut tingkat kinerja dan tingkat kepentingan dipetakan ke dalam diagram kartesius menggunakan nilai rata-rata kepentingan sebagai sumbu Y dan nilai rata-rata kinerja layanan sebagai sumbu X.

Hasil dan Pembahasan

A. Rekapitulasi Data Kuesioner

Berdasarkan hasil penyebaran kuesioner didapatkan rekapitulasi data profil responden yang mengisi kuesioner untuk melihat gambaran umum dan demografis sampel yang terlihat dalam penelitian ini. Data rekapitulasi profil responden disajikan pada Tabel 1 berikut.

Tabel 1. Rekapitulasi data profil responden

Berdasarkan tabel di atas didapatkan jumlah responden dalam penelitian yaitu sebanyak 216 responden. Dari hasil rekapitulasi data profil responden didapatkan bahwa mayoritas responden pernah menggunakan aplikasi QPON Indonesia dengan frekuensi penggunaan yang bervariasi dan relatif tinggi. Berdasarkan karakteristik demografis, responden didominasi oleh perempuan dengan mayoritas responden berada pada rentang usia 18–25 tahun dan tidak terdapat responden yang berusia di atas 45 tahun. Selain itu, berdasarkan jenis pekerjaannya responden didominasi oleh pelajar atau mahasiswa.

Selanjutnya dari hasil penyebaran kuesioner didapatkan rekapitulasi data jawaban kuesioner dari 216 responden yang disajikan pada Tabel 2 berikut:

Tabel 2. Rekapitulasi data jawaban kuesioner

B. Analisis Data

Dilakukan analisis data hasil penyebaran kuesioner menggunakan uji valliditas, uji reliabilitas, dan metode Importance Performance Analysis (IPA) yaitu sebagai berikut:

1. Uji validitas

Uji validitas digunakan untuk melihat sejauh mana instrumen tersebut mengukur variabel yang dimaksudkan dengan akurat dan dapat diandalkan. Berikut merupakan hasil uji validitas pada atribut tingkat kinerja dan tingkat kepentingan yang disajikan pada Tabel 3 berikut:

Tabel 3. Uji Validitas

Berdasarkan tabel uji validitas menggunakan taraf signifikansi 5% [17], nilai df sebesar 214, dan nilai r-tabel 0,134 didapatkan bahwa seluruh atribut tingkat kinerja dan tingkat kepentingan dinyatakan valid karena r-hitungnya lebih besar daripada r-tabel nya.

2. Uji Reliabilitas

Uji reliabilitas digunakan untuk menilai bahwa instrumen pengukuran yang digunakan menghasilkan hasil yang konsisten dan dapat diandalkan. Berikut merupakan hasil uji reliabilitas pada atribut tingkat kinerja dan tingkat kepentingan yang disajikan pada Tabel 4 berikut:

Tabel 4. Uji Reliabilitas

Berdasarkan tabel uji reliabilitas menggunakan metode Koefisien Cronbach’s Alpha dengan nilai Koefisien Alpha 0,70 , maka didapatkan bahwa seluruh atribut kuesioner tingkat kinerja dan tingkat kepentingan dinyatakan reliabel dan layak digunakan untuk tahap analisis selanjutnya dengan nilai Cronbach’s Alpha nya yaitu 0,924 dan 0,884 lebih besar daripada nilai koefisien alphanya.

a. Analisis kepuasan pengguna menggunakan metode Importance Performance Analysis (IPA)

Data hasil penyebaran kuesioner yang telah dinyatakan valid dan reliabel dapat dilanjutkan ke dalam tahapan analisis data menggunakan metode Importance Performance Analysis (IPA) guna menganalisis kepuasan pengguna terhadap kinerja layanan aplikasi QPON Indonesia serta menentukan atribut layanan mana yang memerlukan prioritas perbaikan layanan. Analisis kepuasan dilakukan melalui penentuan tingkat kesesuaian yaitu perbandingan antara nilai tingkat kinerja dan tingkat kepentingan tiap atribut. Berikut merupakan nilai tingkat kesesuaian tiap atribut layanan aplikasi QPON Indonesia yang disajikan pada Tabel 5 berikut:

Tabel 5. Nilai tingkat kesesuaian

Berdasarkan tabel di atas didapatkan tingkat kepuasan pengguna terhadap aplikasi QPON Indonesia keseluruhan yaitu sebesar 88,2%. Nilai ini menunjukkan bahwa kinerja aplikasi belum sepenuhnya memenuhi harapan pengguna karena persentasenya belum mencapai 100%. Selain itu didapatkan bahwa persentase tingkat kesesuaian seluruh atribut layanan variabel Technology Acceptance Model (TAM) yaitu Perceived Usefulness (PU) dan Perceived Ease of Use (PEOU) masih di bawah 100%. Jika dikaitkan dengan teori Technology Acceptance Model (TAM), hal ini mengidentifikasi bahwa pengguna aplikasi QPON Indonesia belum merasakan kegunaan dan kemudahan penggunaan aplikasi secara optimal. Selain itu, persentase tingkat kesesuaian di bawah 100% untuk atribut variabel Attitude Toward Using(ATU), Behavioral Intention to Use (BITU), dan Actual Use (AU) yang belum optimal menunjukkan bahwa sikap pengguna terhadap aplikasi, niat untuk terus menggunakan, serta intensitas penggunaan aktual masih belum maksimal. Hasil temuan ini dapat disebabkan oleh adanya pengalaman negatif seperti kegagalan login, error pada saat melakukan transaksi, serta pemberian rekomendasi voucher diskon yang kurang sesuai dengan kebutuhan pengguna yang telah disampaikan pengguna pada ulasan negatifnya.

Temuan ini sejalan penelitian Febyanti “Klasifikasi Sentimen Ulasan Pengguna Aplikasi Qpon dengan Support Vector Machine dan Logistic Regression” tahun 2026 yang menjelaskan bahwa masih terdapat keluhan terkait error sistem, kerugian pengguna, dan kekecewaan terhadap layanan yang dapat menurunkan kinerja aplikasi sehingga berpengaruh terhadap penurunan kepuasan pengguna selama menggunakan aplikasi tersebut [3]. Selanjutnya didapatkan bahwa nilai tingkat kesesuaian tiap atribut masih di bawah 100% menunjukkan bahwa kinerja atribut layanan tersebut belum sepenuhnya memenuhi harapan pengguna. Oleh karena itu dilakukan pemetaan atribut ke dalam diagram kartesius untuk menentukan atribut layanan mana saja yang perlu diprioritaskan untuk dilakukan perbaikan segera.

b. Analisis diagram kartesius dengan metode Importance Performance Analysis (IPA)

Pada tahap ini dilakukan analisis menggunakan diagram kartesius Importance Performance Analysis (IPA) guna menentukan atribut mana yang diprioritaskan untuk dilakukan perbaikan terlebih dahulu. Analisis diawali dengan penentuan nilai rata-rata tiap atribut tingkat kinerja dan tingkat kepentingan untuk digunakan dalam proses pemetaan diagram kartesius yang disajikan pada Tabel 6 berikut:

Tabel 6. Nilai tingkat kesesuaian

Kemudian nilai rata-rata tingkat kinerja dan tingkat kepentingan pada tiap atribut digunakan dalam pemetaan diagram kartesius dengan tingkat kepentingan sebagai sumbu Y dan tingkat kinerja sebagai sumbu X. Berikut merupakan hasil pemetaan atribut layanan aplikasi QPON Indonesia yang tersebar dalam 4 kuadran diagram kartesius yang disajikan pada Gambbar 1 berikut:

Figure 1. Diagram Kartesius

Berdasarkan gambar di atas didapatkan hasil pemetaan 17 atribut kinerja layanan aplikasi QPON Indonesia yang tersebar dalam 4 kuadran yaitu sebagai berikut:

a ) Kuadran I

Dari gambar grafik di atas didapatkan terdapat 4 atribut layanan yang termasuk ke dalam kuadran I. Sehingga atribut tersebut diprioritaskan untuk dilakukan perbaikan terlebih dahulu dibandingkan atribut lainnya guna meningkatkan kepuasan pengguna terhadap aplikasi QPON Indonesia [19]. Berikut merupakan atribut yang termasuk dalam kuadran I :

- Aplikasi QPON Indonesia berguna dalam menemukan voucher diskon produk sesuai kebutuhan pengguna (PU4)

-Aplikasi QPON Indonesia mudah dipahami dan digunakan sejak pertama kali oleh pengguna baru (PEOU1)

-Aplikasi QPON Indonesia mudah diakses (PEOU2)

-Layanan pada aplikasi QPON Indonesia selalu menarik untuk digunakan (ATU2)

b ) Kuadran II

Dari gambar grafik di atas didapatkan terdapat 5 atribut layanan yang termasuk ke dalam kuadran II. Sehingga atribut tersebut perlu dipertahankan prestasi dan keunggulannya karena memiliki kinerja yang baik dan dianggap penting bagi pengguna [20]. Berikut merupakan atribut yang termasuk dalam kuadran II :

-Aplikasi QPON membantu saya menemukan promo dan diskon dengan lebih cepat (PU2)

-Proses transasksi pembelian voucher diskon belanja di Aplikasi QPON Indonesia mudah dilakukan (PEOU4)

-Tampilan menu dan ikon dalam aplikasi QPON mudah dimengerti (PEOU5)

-Pengguna merasa senang menggunakan aplikasi QPON Indonesia (ATU1)

-Pengguna merasa puas dengan layanan aplikasi QPON Indonesia (ATU2)

c ) Kuadran III

Dari gambar grafik di atas didapatkan terdapat 4 atribut layanan yang termasuk ke dalam kuadran III. Sehingga atribut tersebut tidak perlu mendapat prioritas perbaikan karena atribut tersebut tidak dianggap penting bagi pengguna [20]. Berikut merupakan atribut yang termasuk dalam kuadran III :

-Aplikasi QPON memberikan kemudahan pada pengguna dalam mendapatkan voucher diskon tanpa perlu mencari secara manual (PU3)

-Tampilan user interface pada aplikasi QPON Indonesia tidak membosankan (ATU3)

-Pengguna akan tetap menggunakan aplikasi QPON Indonesia dalam jangka panjang dan tidak berniat beralih ke aplikasi lainnya yang sejenis (BITU2)

-Aplikasi QPON Indonesia jarang mengalami error saat digunakan (AU1)

d ) Kuadran IV

Dari gambar grafik di atas didapatkan terdapat 4 atribut layanan yang termasuk ke dalam kuadran IV dan dianggap berlebihan karena kinerjanya yang baik namun tidak dianggap penting bagi pengguna. Sehingga perlu dialihkan sumber dayanya pada atribut yang lebih diprioritaskan [20]. Berikut merupakan atribut yang termasuk dalam kuadran IV :

-Aplikasi QPON memberikan kemudahan pada pengguna dalam mendapatkan voucher diskon tanpa perlu mencari secara manual (PU1)

-Tampilan user interface pada aplikasi QPON Indonesia tidak membosankan (PU5)

-Pengguna akan tetap menggunakan aplikasi QPON Indonesia dalam jangka panjang dan tidak berniat beralih ke aplikasi lainnya yang sejenis (PEOU3)

-Aplikasi QPON Indonesia jarang mengalami error saat digunakan (BITU1)

e ) Rekomen dasi Perbaikan

Berdasarkan hasil pengolahan data didapatkan terdapat 4 atribut yang berada pada kuadran I, sehingga pemberian rekomendasi perbaikan diprioritaskan pada atribut di kuadran I karena merepresentasikan permasalahan paling kritis dan menunjukkan tingkat kepentingan yang tinggi namun memiliki kinerja yang rendah. Berikut merupakan rekomendasi perbaikan yang diberikan:

-Penggunaan sistem rekomendasi yang dipersonalisasi menggunakan kecerdasan buatan (AI) berdasarkan preferensi historis pengguna. Rekomendasi ini sejalan penelitian Yin “The Impact of AI-Personalized Recommendations on Clicking Intentions: Evidence from Chinese E-Commerce” yang menyatakan bahwa pemanfaatan AI-personalized dapat meningkatkan relevansi, keberagaman, dan wawasan dari produk yang direkomendasikan sehingga rekomendasi yang diberikan lebih sesuai kebutuhan pengguna (PU4) [21].

-Penerapan pendekatan User-Centered Design (UCD) dengan melibatkan pengguna baru dalam setiap tahap perancangan dan pengujian antarmuka yang mencakup penyederhanaan navigasi, penyediaan panduan onboarding interaktif, serta iterasi desain berdasarkan feedback pengguna. Rekomendasi ini sejalan dengan penelitian Paendong “Optimalisasi UI/UX Dalam Aplikasi Mobile: Strategi Meningkatkan Pengalaman Dan Keterlibatan Pengguna” yang menyatakan bahwa metode UCD memungkinkan perancangan aplikasi yang lebih sesuai dengan kebutuhan pengguna dan menjadikan pengalaman berbelanja lebih mudah digunakan dan mudah dipahami (PEOU1) [22].

-Melakukan perbaikan pada sistem autentikasi aplikasi untuk meningkatkan kemudahan akses dan menyediakan lebih dari satu metode pemulihan akun, sehingga pengguna memiliki fleksibilitas lebih baik. Rekomendasi ini sejalan dengan penelitian Albesher “Reviewing the Usability of Web Authentication Procedures: Comparing the Current Procedures of 20 Websites” yang menekankan pentingnya evaluasi berkelanjutan terhadap prosedur autentikasi dan opsi lain untuk pemulihan akun untuk memastikan tingkat kemudahan akses pengguna terhadap aplikasi (PEOU3) [23].

-Mengoptimalkan sistem gamifikasi agar berjalan lancar dan konsisten terutama dalam pemberian reward setelah pengguna menyelesaikan misi. Rekomendasi ini sejalan dengan penelitian Nugroho “Gamification aspects affecting mobile app continued use, attitude, and satisfaction” yang menyatakan gamifikasi berupa pencapaian dapat membuat pengalaman berbelanja menjadi lebih interaktif dan menyenangkan serta memberikan pengalaman yang unik dan berkesan bagi pengguna [24].

Simpulan

Berdasarkan hasil penelitian didapatkan kesimpulan bahwa kinerja aplikasi belum sepenuhnya memenuhi harapan dan kepuasan pengguna dengan nilai rata-rata tingkat kesesuaian untuk seluruh atribut layanan sebesar 0,882 (88,2%). Selanjutnya berdasarkan hasil pemetaan atribut layanan pada diagram kartesius menunjukkan bahwa terdapat 4 atribut di kuadran I yang perlu diprioritaskan untuk dilakukan perbaikan segera karena memiliki kinerja yang rendah namun tingkat kepentingan tinggi. Sehingga dilakukan pemberian rekomendasi perbaikan pada 4 atribut layanan tersebut yaitu penggunaan sistem rekomendasi yang dipersonalisasi menggunakan kecerdasan buatan (AI) berdasarkan preferensi historis pengguna untuk atribut PU4, penerapan User-Centered Design (UCD) dengan melibatkan pengguna baru dalam setiap tahap perancangan dan pengujian antarmuka yang mencakup penyederhanaan navigasi, penyediaan panduan onboarding interaktif, serta iterasi desain berdasarkan feedback pengguna untuk atribut PEOU1, melakukan perbaikan pada sistem autentikasi aplikasi untuk meningkatkan kemudahan akses dan menyediakan lebih dari satu metode pemulihan akun untuk atribut PEOU2, dan optimalisasi sistem gamifikasi agar berjalan lancar dan konsisten terutama dalam pemberian reward setelah pengguna menyelesaikan misi untuk atribut ATU2. Selanjutnya hasil penelitian berupa rekomendasi perbaikan diharapkan dapat digunakan oleh perusahaan aplikasi QPON Indonesia sebagai strategi dalam perbaikan dan pemeliharaan aplikasi QPON Indonesia kedepannya. Adapun untuk penelitian selanjutnya diharapkan dapat melakukan penggabungan metode lain seperti E-Servequal, CSI dan UTAUT sebagai pembanding dengan temuan penelitian ini.

Ucapan Terima Kasih

Penulis mengucapkan terimakasih pada semua pihak yang telah memberikan dukungan, fasilitas dan kesempatan dalam pelaksaan penelitian ini. Penulis juga menyampaikan apresiasi atas kesediaan seluruh responden yang telah meluangkan waktu dalam mengisi kuesioner sehingga penelitian dapat terselesaikan dengan baik dan tepat waktu.