Diyah Ayu Aprilia (1), Minto Waluyo (2), Hafid Syaifullah Syaifullah (3)
General Background The rapid digital transformation in Indonesia, evidenced by the consistent growth of e-commerce, has significantly shifted consumer behavior toward utilizing digital services for daily household shopping. Specific Background HappyFresh is a leading e-grocery platform in Indonesia; however, user reviews indicate operational challenges such as delivery delays, stock discrepancies, and system instability, which negatively affect user experience. Knowledge Gap While the Technology Acceptance Model (TAM) is widely applied, existing studies show inconsistent findings regarding the influence of perceived usefulness, risk, and trust on user satisfaction and repurchase intentions within the specific context of e-grocery services. Aims This study analyzes the impact of application usage, perceived ease of use, perceived usefulness, perceived risk, and user trust on user satisfaction and repurchase intention for the HappyFresh application. Results Using Structural Equation Modeling (SEM) with 130 respondents, the findings reveal that application usage significantly drives both user satisfaction and repurchase intention. Perceived ease of use and perceived risk significantly influence user satisfaction, while satisfaction is a primary driver of repurchase intention. Conversely, perceived usefulness and user trust do not exhibit significant effects on satisfaction or repurchase intention. Novelty This research develops an integrated simultaneity model, deriving specific regression equations that quantify the relative importance of application usage intensity and usability for platform retention. Implications These findings suggest that HappyFresh management should prioritize application stability, interface usability, and user engagement frequency to stabilize satisfaction levels and stimulate consistent repurchase behavior.
Highlights:
Application usage intensity acts as the primary driver for both user satisfaction and repurchase behavior.
Perceived ease of use represents the most significant factor for achieving customer satisfaction goals.
High satisfaction levels demonstrate a significant positive relationship with continuous repurchase intentions.
Keywords: Customer Satisfaction, Purchase Intention, SEM-AMOS, Technology Acceptance Model, User Experience
Perkembangan teknologi digital di Indonesia mengalami peningkatan yang signifikan dalam beberapa tahun terakhir seiring dengan semakin luasnya akses internet dan penggunaan perangkat mobile dalam aktivitas masyarakat. Kondisi ini mendorong transformasi digital pada berbagai sektor, termasuk perdagangan elektronik (e-commerce) yang terus menunjukkan pertumbuhan positif. Nilai transaksi e-commerce nasional tercatat mencapai Rp487 triliun pada tahun 2024, meningkat dibandingkan tahun sebelumnya sebesar Rp453,75 triliun, yang menunjukkan tingginya adopsi masyarakat terhadap layanan digital dalam aktivitas konsumsi sehari-hari [1]. Pertumbuhan tersebut turut mendorong berkembangnya layanan e-grocery sebagai bagian dari inovasi perdagangan digital yang menawarkan kemudahan berbelanja kebutuhan rumah tangga secara daring. Perubahan perilaku konsumen menuju belanja digital didorong oleh kebutuhan akan efisiensi waktu, kemudahan akses, serta fleksibilitas dalam bertransaksi. Kondisi ini menjadikan aplikasi grocery online semakin diminati oleh berbagai segmen masyarakat, termasuk pekerja, mahasiswa, hingga ibu rumah tangga. Salah satu platform grocery online yang cukup populer di Indonesia adalah HappyFresh. Berdasarkan data survei GoodStats (2024), HappyFresh menjadi salah satu aplikasi belanja sayur online favorit masyarakat dengan persentase pengguna sebesar 55%. Namun demikian, meskipun memiliki tingkat popularitas yang tinggi, rating aplikasi HappyFresh pada platform Google Play Store masih berada di bawah kompetitornya, yaitu SayurBox, yang menunjukkan adanya kesenjangan dalam persepsi kualitas layanan pengguna.
Perbedaan rating dan berbagai ulasan pengguna pada aplikasi HappyFresh menunjukkan bahwa masih terdapat sejumlah kendala dalam pengalaman penggunaan aplikasi, seperti keterlambatan pengiriman, ketidaksesuaian stok barang, perubahan harga, gangguan sistem, serta permasalahan dalam proses transaksi. Permasalahan tersebut mengindikasikan bahwa keberhasilan suatu aplikasi digital tidak hanya ditentukan oleh banyaknya pengguna, tetapi juga oleh kemampuan aplikasi dalam memberikan pengalaman penggunaan yang memuaskan sehingga dapat mendorong pengguna untuk melakukan pembelian ulang. Oleh karena itu, diperlukan suatu pendekatan teoritis yang mampu menjelaskan perilaku penerimaan pengguna terhadap teknologi digital secara komprehensif. Salah satu model yang banyak digunakan untuk menjelaskan penerimaan teknologi adalah Technology Acceptance Model (TAM). Model ini dikembangkan oleh Fred Davis (1989) dan menjelaskan bahwa penerimaan teknologi dipengaruhi oleh persepsi pengguna terhadap kemudahan dan manfaat teknologi yang digunakan. Dalam perkembangannya, model TAM banyak dimodifikasi dengan menambahkan variabel eksternal lain seperti risiko dan kepercayaan untuk menyesuaikan dengan konteks penelitian digital commerce. Dalam penelitian ini, faktor yang dianalisis meliputi penggunaan aplikasi, kemudahan aplikasi, manfaat aplikasi, risiko aplikasi, dan kepercayaan pengguna sebagai determinan yang diduga memengaruhi kepuasan pengguna serta pembelian ulang pada aplikasi HappyFresh.
Secara teoritis, penggunaan aplikasi mencerminkan intensitas atau frekuensi aktual pengguna dalam memanfaatkan teknologi digital yang digunakan dalam aktivitas sehari-hari [2]. Kemudahan aplikasi menggambarkan tingkat keyakinan pengguna bahwa suatu sistem mudah dipahami dan dioperasikan [3], sedangkan manfaat aplikasi menunjukkan persepsi pengguna mengenai sejauh mana aplikasi mampu meningkatkan efektivitas dan efisiensi aktivitas mereka [4]. Selain itu, persepsi risiko menjadi faktor penting dalam konteks transaksi digital karena berkaitan dengan kemungkinan kerugian, ketidakpastian, maupun ancaman keamanan data yang dirasakan pengguna saat menggunakan aplikasi [5]. Di sisi lain, kepercayaan pengguna terhadap aplikasi mencerminkan keyakinan bahwa penyedia layanan memiliki integritas, keamanan, dan kemampuan dalam memenuhi ekspektasi pengguna [6]. Berbagai penelitian terdahulu menunjukkan bahwa variabel dalam TAM memiliki pengaruh yang berbeda-beda terhadap kepuasan pengguna dan pembelian ulang. Perceived usefulness dan perceived ease of use berpengaruh positif signifikan terhadap kepuasan pengguna dan niat pembelian ulang pada layanan digital. Penelitian tersebut juga menegaskan bahwa kepuasan pengguna berperan sebagai variabel mediasi dalam hubungan antara penerimaan teknologi dan perilaku pembelian ulang [7]. Penelitian selanjutnya menunjukkan bahwa kepercayaan dan risiko aplikasi merupakan faktor penting yang memengaruhi niat pembelian ulang pada platform digital, terutama pada layanan yang melibatkan transaksi finansial dan data pribadi pengguna [8].
Namun demikian, hasil penelitian terdahulu masih menunjukkan inkonsistensi. Perceived usefulness tidak berpengaruh signifikan terhadap kepuasan pengguna [9], sementara kepercayaan pengguna tidak selalu berpengaruh terhadap niat pembelian ulang [10]. Inkonsistensi hasil tersebut menunjukkan bahwa hubungan antar variabel TAM masih perlu diuji kembali pada konteks aplikasi grocery online, khususnya HappyFresh, yang memiliki karakteristik layanan berbeda dibandingkan platform digital lainnya. Kebaruan penelitian ini terletak pada penerapan model TAM pada aplikasi e-grocery HappyFresh dengan mengintegrasikan variabel risiko dan kepercayaan pengguna untuk menganalisis kepuasan pengguna dan pembelian ulang secara simultan menggunakan SEM. Berdasarkan fenomena empiris dan research gap tersebut, penelitian ini bertujuan untuk menganalisis pengaruh penggunaan aplikasi, kemudahan aplikasi, manfaat aplikasi, risiko aplikasi, dan kepercayaan pengguna terhadap kepuasan pengguna serta pembelian ulang pada aplikasi HappyFresh menggunakan pendekatan Structural Equation Modeling (SEM). Metode SEM dipilih karena mampu menganalisis hubungan simultan antar variabel laten secara komprehensif serta menguji pengaruh langsung maupun tidak langsung antar konstruk penelitian [11]. Hasil penelitian ini diharapkan dapat memberikan kontribusi teoritis dalam pengembangan model TAM pada konteks e-grocery serta memberikan rekomendasi praktis bagi pengelola aplikasi HappyFresh dalam meningkatkan kualitas layanan, kepuasan pengguna, dan loyalitas pelanggan.
Penelitian ini menggunakan pendekatan kuantitatif dengan teknik analisis Structural Equation Modeling (SEM). Populasi penelitian adalah pengguna aplikasi HappyFresh, dengan teknik pengambilan sampel menggunakan purposive sampling, yaitu responden yang pernah menggunakan aplikasi HappyFresh dan melakukan transaksi pembelian. Pengumpulan data dilakukan secara daring melalui penyebaran kuesioner menggunakan Google Form pada periode Oktober 2025 hingga jumlah responden terpenuhi. Variabel dalam penelitian terdiri atas variabel eksogen yaitu:
1. Penggunaan Aplikasi
Indikator:
a. Konsistensi penggunaan
b. Frekuensi penggunaan aplikasi
c. Durasi penggunaan
2. Kemudahan Aplikasi
a. Jelas dan mudah dimengerti
b. Kemudahan pengoperasian
c. Mudah digunakan
d. Fleksibel
3. Manfaat Aplikasi
a. Meningkatkan efektivitas
b. Peningkatan performa kinerja
c. Meningkatkan produktivitas
4. Risiko Aplikasi
a. Risiko kegagalan teknis
b. Risiko biaya tidak terduga
c. Risiko keamanan data pribadi
d. Risiko ketidakstabilan aplikasi
5. Kepercayaan Pengguna
a. Sistem dapat dipercaya
b. Privasi terjaga
c. Kepercayaan aplikasi memiliki integritas tinggi
Serta variabel endogen yaitu:
1. Kepuasan Pengguna
a. Kebutuhan terpenuhi
b. Kesesuaian harapan
c. Kepuasan tampilan user interface dan user-friendly
2. Pembelian Ulang
a. Tingkat loyalitas aplikasi
b. Niat menggunakan kembali aplikasi
c. Merekomendasikan ke orang lain
Masing-masing variabel diukur menggunakan indikator yang diadaptasi dari penelitian terdahulu sesuai dengan konsep Technology Acceptance Model (TAM) dan pengembangannya. Instrumen penelitian menggunakan skala Likert 1–5, dengan skor 1 menunjukkan sangat tidak setuju dan skor 5 menunjukkan sangat setuju. Responden penelitian adalah pengguna aplikasi HappyFresh yang telah melakukan transaksi minimal satu kali. Jumlah indikator dalam penelitian ini sebanyak 24 indikator, sehingga jumlah sampel ditentukan berdasarkan ketentuan analisis Structural Equation Modeling (SEM), yaitu minimal 5–10 kali jumlah indikator penelitian. Dengan demikian, jumlah responden yang digunakan dalam penelitian ini berada pada rentang 120–240 responden [12]. Jumlah sampel yang digunakan dalam penelitian ini sebanyak 130 responden Data yang digunakan terdiri atas data primer dan data sekunder. Data primer diperoleh langsung dari hasil penyebaran kuesioner kepada responden, sedangkan data sekunder diperoleh dari buku, jurnal ilmiah, laporan industri, serta publikasi resmi yang relevan dengan topik penelitian. Teknik analisis data yang digunakan adalah Structural Equation Modeling (SEM) dengan bantuan software AMOS untuk menguji hubungan antar variabel secara simultan, baik pengaruh langsung maupun tidak langsung dalam model penelitian. Uji validitas dilakukan untuk memastikan bahwa setiap indikator mampu mengukur variabel penelitian secara tepat, sedangkan uji reliabilitas digunakan untuk mengetahui konsistensi jawaban responden terhadap indikator penelitian. Selanjutnya, analisis SEM digunakan untuk menguji hubungan langsung maupun simultan antarvariabel dalam model penelitian.
Gambar 1. Definisi Operasional Variabel
Untuk keterangan tiap variabel dapat dilihat pada tabel 1 berikut.
Tabel 1. Keterangan Variabel
Stratifikasi ini bertujuan untuk mengelompokkan responden ke dalam kategori tertentu sehingga data yang diperoleh lebih terarah dan mampu menggambarkan kondisi populasi secara lebih akurat. Berikut merupakan penjelasan lebih lanjut mengenai stratifikasi responden yang disajikan pada tabel 2.
1. Usia Responden
Karakteristik responden berdasarkan usia diperlukan untuk mengetahui kelompok usia yang paling banyak menggunakan aplikasi HappyFresh dalam penelitian ini. Rekapitulasi usia responden dapat dilihat pada Tabel 2.
Tabel 2. Rekapitulasi Usia Responden
Distribusi responden menunjukkan bahwa mayoritas responden berada pada rentang usia 17–25 tahun sebanyak 50%, diikuti usia 26–35 tahun sebesar 32%, sehingga dapat disimpulkan bahwa pengguna HappyFresh dalam penelitian ini didominasi oleh kelompok usia produktif muda.
2. Jenis Kelamin Responden
Karakteristik responden berdasarkan jenis kelamin digunakan untuk mengetahui dominasi pengguna aplikasi HappyFresh berdasarkan gender. Data jenis kelamin responden disajikan pada Tabel 3.
Tabel 3. Rekapitulasi Jenis Kelamin Responden
Berdasarkan jenis kelamin, responden didominasi oleh perempuan sebanyak 75%, sedangkan laki-laki sebesar 25%. Hal ini menunjukkan bahwa penggunaan aplikasi HappyFresh lebih banyak dilakukan oleh perempuan, yang dalam konteks belanja kebutuhan rumah tangga cenderung berperan sebagai pengambil keputusan pembelian.
3. Pekerjaan Responden
Karakteristik pekerjaan responden digunakan untuk mengetahui latar belakang aktivitas utama pengguna aplikasi HappyFresh. Rekapitulasi pekerjaan responden dapat dilihat pada Tabel 4.
Tabel 4. Rekapitulasi Pekerjaan Responden
Ditinjau dari status pekerjaan, mayoritas responden berprofesi sebagai karyawan sebesar 40%, diikuti pelajar/mahasiswa sebesar 31%, dan wirausaha sebesar 20%. Kondisi ini mengindikasikan bahwa pengguna aplikasi HappyFresh didominasi oleh individu yang memiliki aktivitas rutin dan membutuhkan efisiensi waktu dalam berbelanja.
4. Pendapatan Responden
Karakteristik responden berdasarkan tingkat pendapatan digunakan untuk mengetahui kondisi ekonomi pengguna aplikasi HappyFresh dalam penelitian ini. Data pendapatan responden dapat dilihat pada Tabel 5.
Tabel 5. Rekapitulasi Pendapatan Responden
Berdasarkan tingkat pendapatan, sebagian besar responden berada pada rentang Rp2.000.000–Rp3.000.000 sebesar 37%, diikuti pendapatan Rp3.000.000–Rp5.000.000 sebesar 32%. Temuan ini menunjukkan bahwa mayoritas pengguna aplikasi HappyFresh berasal dari kelompok pendapatan menengah.
5. Frekuensi Penggunaan Aplikasi
Karakteristik responden berdasarkan frekuensi penggunaan aplikasi digunakan untuk mengetahui seberapa sering responden menggunakan aplikasi HappyFresh dalam aktivitas belanja sehari-hari. Rekapitulasi frekuensi penggunaan aplikasi disajikan pada Tabel 6.
Tabel 6. Rekapitulasi Frekuensi Penggunaan Aplikasi
Berdasarkan frekuensi penggunaan aplikasi, mayoritas responden telah menggunakan aplikasi HappyFresh sebanyak 2–3 kali sebesar 45%, diikuti penggunaan satu kali sebesar 37%, dan lebih dari 3 kali sebesar 18%. Hal ini menunjukkan bahwa sebagian besar responden memiliki pengalaman penggunaan yang cukup untuk memberikan penilaian terhadap aplikasi HappyFresh.
Jawaban responden pada kuesioner diukur menggunakan skala Likert 1–5. Untuk mempermudah interpretasi data, skor jawaban dikelompokkan ke dalam tiga kategori rentang penilaian berdasarkan metode interval kelas[13]. Hasil perhitungan interval menunjukkan panjang kelas sebesar 1,33, sehingga distribusi kategori penilaian responden disajikan pada tabel 7 dan tabel 8 berikut.
Tabel 7. Rentang dan Indikator
Tabel 8. Distribusi Frekuensi
Tahap measurement model merupakan tahap penting dalam penelitian yang bertujuan untuk menguji kesesuaian model dengan data penelitian. Berikut disajikan nilai dari Goodness of Fit dari Measurement model pada tabel 9.
Tabel 9. Nilai Goodness of Fit Meaurement Model
Dari delapan indikator yang diuji, terdapat dua kriteria yang menunjukkan hasil baik atau sesuai dengan nilai kritis, yaitu CMIN/DF dan RMSEA, sedangkan enam kriteria lainnya seperti Chi-Square, Probability, GFI, AGFI, TLI, dan CFI masih berada pada kategori tidak sesuai. Kondisi ini menunjukkan bahwa model awal yang dibangun belum sepenuhnya memiliki tingkat kesesuaian yang optimal.
Gambar 2. Measurement Model Pengaruh Technology Acceptance Model (TAM) Terhadap Kepuasan Pengguna dan Pembelian Ulang
Melalui tahap ini, peneliti dapat mengetahui sejauh mana model yang dihipotesiskan telah sesuai atau fit dengan sampel data yang digunakan, sekaligus memastikan validitas dan reliabilitas model sebelum melanjutkan ke tahap analisis berikutnya. Berikut disajikan nilai signifikan dan validitas yang disajikan pada tabel 10.
Tabel 10. Estimate Standardized Regression Weights
Berdasarkan Tabel 10, seluruh indikator memiliki nilai Critical Ratio (C.R) lebih besar dari 2.SE sehingga memenuhi kriteria validitas dan dinyatakan valid dalam merepresentasikan variabel penelitian. Selain itu, hasil uji signifikansi menunjukkan bahwa seluruh indikator memiliki nilai C.R lebih besar dari t-tabel sebesar 1,714 pada df = 23 dan taraf signifikansi 0,05, sehingga seluruh indikator dinyatakan signifikan dalam membentuk variabel laten pada model penelitian.
Setelah model dinyatakan sesuai dan valid, dilakukan uji reliabilitas untuk menilai konsistensi indikator dalam mengukur konstruk penelitian yang disajikan pada tabel 11 berikut.
Tabel 11. Uji Reliabilitas
Konstruk dinyatakan reliabel apabila memiliki nilai reliabilitas ≥ 0,70, sedangkan pada penelitian eksploratori nilai 0,50–0,60 masih dapat diterima [13]. Berdasarkan Tabel 11, sebagian besar indikator telah memenuhi kriteria reliabilitas dengan nilai ≥ 0,70, sementara satu indikator memiliki nilai 0,658 yang masih dapat diterima dalam batas toleransi penelitian eksploratori.
Hasil analisis korelasi menunjukkan bahwa sebagian besar variabel dalam model memiliki hubungan pada kategori sedang hingga sangat kuat, berikut disajikan uji korelasi pada tabel 12.
Tabel 12. Uji Korelasi
Korelasi tertinggi ditemukan pada hubungan kemudahan aplikasi (X2) terhadap kepuasan pengguna (Y1) sebesar 1,28 serta penggunaan aplikasi (X1) terhadap pembelian ulang (Y2) sebesar 0,879, yang menunjukkan hubungan sangat kuat. Selain itu, beberapa variabel lain juga menunjukkan korelasi kuat, seperti kepuasan pengguna (Y1) terhadap pembelian ulang (Y2) sebesar 0,613 dan manfaat aplikasi (X3) terhadap kepuasan pengguna (Y1) sebesar 0,522. Secara keseluruhan, hasil ini mengindikasikan bahwa konstruk dalam model penelitian memiliki keterkaitan yang memadai dan mampu merepresentasikan hubungan antar variabel dengan baik pada measurement model.
Structural model bertujuan untuk menguji hubungan kausal antar variabel laten berdasarkan model konseptual yang telah dibangun sebelumnya. Model dari measurement model digunakan untuk analisis structural model yang disajikan pada tabel 13 berikut.
Tabel 13. Nilai Goodness of Fit Meaurement Model
Hasil uji model yang dibandingkan dengan nilai kritisnya pada tabel di atas didapatkan bahwa seluruh kriteria dikatakan tidak sesuai atau dapat dikatakan tidak memenuhi standar dari nilai kritis yang diharapkan. Oleh karena itu, structural model perlu dilakukan modification model.
Gambar 3. Structural Model Pengaruh Technology Acceptance Model (TAM) Terhadap Kepuasan Pengguna dan Pembelian Ulang
Dalam melakukan modifikasi model dimulai dengan angka yang terbesar pada indeks modifikasi (modification indices). Berikut merupakan tabel yang menunjukkan covariances modification idices dari structural model yang disajikan pada tabel 14.
Tabel 14. Covariances Modification Indices
Tahap modifikasi model dilakukan berdasarkan nilai Modification Indices (MI) yang diperoleh dari analisis Structural Equation Modeling (SEM). Penambahan hubungan pada model bertujuan untuk meningkatkan kesesuaian model sehingga memenuhi kriteria goodness of fit. Berikut disajikan pada tabel 15 untuk nilai goodness of fit.
Tabel 15. Nilai Goodness of Fit Modification Model
Gambar 4. Modification Model Pengaruh Technology Acceptance Model (TAM) Terhadap Kepuasan Pengguna dan Pembelian Ulang
Hubungan antar error dalam model modifikasi menunjukkan adanya korelasi residual yang mencerminkan keterkaitan antar konstruk atau indikator di luar hubungan struktural utama yang telah dibangun. Hubungan error antar variabel laten (z↔z) menunjukkan adanya faktor eksternal di luar model yang secara simultan memengaruhi dua konstruk laten. Hubungan error antar indikator (e↔e) menunjukkan adanya kesamaan karakteristik, kedekatan makna, atau pola jawaban responden yang serupa antar indikator. Sementara itu, hubungan error antara indikator dengan variabel laten (e↔z) mengindikasikan adanya keterkaitan tambahan antara indikator tertentu dengan konstruk lain di luar konstruk utamanya. Penambahan hubungan error tersebut dilakukan untuk mengakomodasi kondisi empiris data sehingga model menjadi lebih fit terhadap data penelitian. Berikut disajikan pada tabel 16 untuk niali signifikansi dan validitas.
Tabel 16. Estimate Standarize Regression Weight
Uji validitas pada model modifikasi menunjukkan bahwa seluruh indikator memiliki nilai Critical Ratio (C.R) lebih besar dari 2.SE, sehingga seluruh indikator dinyatakan valid dalam merepresentasikan variabel penelitian. Selanjutnya, uji signifikansi regression weight menunjukkan bahwa sebagian besar hubungan antar variabel laten signifikan karena memiliki nilai C.R lebih besar dari t-tabel 1,714 (df = 23; α = 0,05). Namun demikian, beberapa hubungan struktural dinyatakan tidak signifikan, yaitu pengaruh manfaat aplikasi (X3) dan kepercayaan pengguna (X5) terhadap kepuasan pengguna (Y1), serta pengaruh kemudahan aplikasi (X2), manfaat aplikasi (X3), risiko aplikasi (X4), dan kepercayaan pengguna (X5) terhadap pembelian ulang (Y2).
Setelah model dinyatakan sesuai dan valid, dilakukan uji reliabilitas untuk menilai konsistensi indikator dalam mengukur konstruk penelitian yang disajikan pada tabel 17 berikut.
Tabel 17. Uji Reliabilitas Modification Model
Konstruk dinyatakan reliabel apabila memiliki nilai reliabilitas ≥ 0,70, sedangkan pada penelitian eksploratori nilai 0,50–0,60 masih dapat diterima [13]. Berdasarkan Tabel 11, sebagian besar indikator telah memenuhi kriteria reliabilitas dengan nilai ≥ 0,70, sementara dua indikator memiliki nilai 0,697 dan 0,616 yang masih dapat diterima dalam batas toleransi penelitian eksploratori.
Apabila model yang dikembangkan telah dilakukan estimasi model tetapi memiliki hasil estimasi model yang besar tetapi masih dalam rentang nilai residual -2,58 ≤ residual ≤ 2,58, maka modifikasi dapat dihentikan. Pada gambar 4.11 terdapat output standarized residual covariance untuk modification model yang memperlihatkan nilai residual yang dihasilkan. Dari gambar 4.11 didapatkan hasil nilai yang optimal karena semua nilai berada didalam rentang nilai residual -2,58 ≤ residual ≤ 2,58. Akan tetapi, karena nilai kriteria Goodness of fit terhadap nilai kritisnya telah baik maka sudah cukup.
Gambar 5. Output Standarized Residual Covariances
Persamaan simultan dalam penelitian ini disusun berdasarkan koefisien jalur hasil estimasi model struktural untuk menggambarkan hubungan kausal antarvariabel penelitian [14]. Adapun interpretasi persamaan yang diperoleh adalah sebagai berikut:
1) Model Parsial (Y₁)
Menunjukkan bahwa seluruh variabel independen berpengaruh positif terhadap kepuasan pengguna. Variabel kemudahan aplikasi (X₂) menjadi faktor yang paling dominan dalam memengaruhi kepuasan pengguna.
2) Model Parsial (Y₂)
Menunjukkan bahwa seluruh variabel independen memberikan pengaruh positif terhadap pembelian ulang. Variabel penggunaan aplikasi (X₁) menjadi faktor yang paling dominan dalam mendorong pembelian ulang pengguna.
3) Model Simultan
Menunjukkan bahwa penggunaan aplikasi merupakan variabel yang memiliki pengaruh paling kuat terhadap pembelian ulang, diikuti oleh kemudahan aplikasi, kepercayaan pengguna, manfaat aplikasi, dan risiko aplikasi. Hasil ini mengindikasikan bahwa peningkatan intensitas penggunaan dan kemudahan aplikasi menjadi faktor utama dalam mendorong pembelian ulang pada aplikasi HappyFresh.
Pengujian hipotesis dilakukan dengan membandingkan nilai t-hitung, yaitu nilai CR, dengan nilai t-tabel sebesar 1,714, serta menunjukkan nilai koefisien regresi. Jika nilai CR lebih kecil dari 1,746, maka H_0 diterima, tetapi jika nilai CR lebih besar dari 1,714, maka H_0 ditolak. Ketika H_0 ditolak, H1 dapat diterima, dan sebaliknya. Hasil pengujian hipotesis dalam penelitian ini adalah sebagai berikut yang disajikan pada tabel 18.
Tabel 18. Rekap Uji Hipotesis
Hasil pengujian menunjukkan bahwa penggunaan aplikasi (X1) berpengaruh positif dan signifikan terhadap kepuasan pengguna (Y1) serta pembelian ulang (Y2). Temuan ini menunjukkan bahwa semakin tinggi intensitas dan kualitas pengalaman pengguna dalam menggunakan aplikasi HappyFresh, maka semakin tinggi pula tingkat kepuasan dan kecenderungan pengguna untuk melakukan pembelian ulang. Dalam perspektif Technology Acceptance Model (TAM), penggunaan aktual (actual use) merupakan bentuk penerimaan teknologi yang dipengaruhi oleh pengalaman pengguna terhadap sistem yang digunakan. Pengalaman penggunaan yang konsisten, kemudahan transaksi, serta kenyamanan selama menggunakan aplikasi menjadi faktor yang mendorong terbentuknya kepuasan dan loyalitas pengguna. Hasil ini sejalan dengan penelitian sebelumnya yang menyatakan bahwa pengalaman penggunaan aplikasi berpengaruh signifikan terhadap kepuasan dan pembelian ulang [15] [16]. Kondisi tersebut menunjukkan bahwa semakin sering pengguna berinteraksi dengan aplikasi dan memperoleh pengalaman positif, maka kecenderungan untuk tetap menggunakan aplikasi juga semakin tinggi.
Selanjutnya, kemudahan aplikasi (X2) terbukti berpengaruh signifikan terhadap kepuasan pengguna (Y1), namun tidak berpengaruh signifikan terhadap pembelian ulang (Y2). Hal ini menunjukkan bahwa kemudahan navigasi, fitur yang mudah dipahami, dan proses transaksi yang sederhana mampu meningkatkan kepuasan pengguna, tetapi belum cukup kuat untuk secara langsung mendorong keputusan pembelian ulang. Dalam teori TAM, perceived ease of use menjelaskan bahwa pengguna akan lebih mudah menerima teknologi apabila sistem mudah dipahami dan dioperasikan. Temuan ini mendukung penelitian yang menyatakan bahwa perceived ease of use berpengaruh signifikan terhadap kepuasan pengguna [7], serta sejalan dengan [17] yang menemukan bahwa persepsi kemudahan tidak berpengaruh signifikan terhadap pembelian ulang. Perbedaan pengaruh terhadap pembelian ulang dapat terjadi karena keputusan pengguna untuk membeli kembali tidak hanya dipengaruhi oleh kemudahan aplikasi, tetapi juga oleh faktor lain seperti harga produk, promo, kualitas layanan, dan kebutuhan pengguna.
Pada variabel manfaat aplikasi (X3), hasil penelitian menunjukkan tidak terdapat pengaruh signifikan terhadap kepuasan pengguna (Y1) maupun pembelian ulang (Y2). Hal ini mengindikasikan bahwa manfaat fungsional yang dirasakan pengguna dari aplikasi HappyFresh belum menjadi faktor utama dalam menentukan kepuasan maupun keputusan pembelian ulang. Pengguna cenderung mempertimbangkan faktor lain seperti harga, kualitas produk, dan layanan secara keseluruhan [9] [18]. Hasil ini menunjukkan bahwa meskipun aplikasi memberikan manfaat fungsional, pengguna belum tentu merasa puas atau terdorong melakukan pembelian ulang apabila pengalaman penggunaan secara keseluruhan belum sesuai harapan.
Untuk risiko aplikasi (X4), hasil analisis menunjukkan bahwa variabel ini berpengaruh signifikan terhadap kepuasan pengguna (Y1), tetapi tidak berpengaruh signifikan terhadap pembelian ulang (Y2). Hal ini menandakan bahwa persepsi pengguna terhadap keamanan transaksi, stabilitas sistem, dan potensi risiko teknis memengaruhi tingkat kepuasan mereka, namun tidak secara langsung menentukan keputusan untuk membeli Kembali [15] [19]. Dalam konteks transaksi digital, risiko menjadi salah satu faktor penting karena berkaitan dengan rasa aman pengguna dalam menggunakan aplikasi. Namun, tidak signifikannya pengaruh terhadap pembelian ulang menunjukkan bahwa pengguna tetap dapat melakukan pembelian ulang selama kebutuhan mereka terpenuhi, meskipun masih terdapat risiko tertentu dalam penggunaan aplikasi.
Sementara itu, kepercayaan pengguna (X5) tidak berpengaruh signifikan terhadap kepuasan pengguna (Y1) maupun pembelian ulang (Y2). Hasil ini menunjukkan bahwa meskipun pengguna memiliki tingkat kepercayaan yang cukup baik terhadap keamanan dan integritas aplikasi, kepercayaan belum menjadi faktor dominan dalam membentuk kepuasan maupun mendorong pembelian ulang. Temuan ini sejalan dengan penelitian sebelumnya [10], namun berbeda dengan hasil penelitian yang menemukan bahwa kepercayaan merupakan faktor dominan dalam memengaruhi kepuasan pengguna [8]. Perbedaan hasil tersebut dapat disebabkan oleh karakteristik responden dan konteks penelitian yang berbeda. Pada aplikasi HappyFresh, pengguna kemungkinan lebih mempertimbangkan pengalaman penggunaan dan kemudahan transaksi dibandingkan aspek kepercayaan dalam menentukan kepuasan dan keputusan pembelian ulang.
Terakhir, kepuasan pengguna (Y1) terbukti berpengaruh positif dan signifikan terhadap pembelian ulang (Y2). Hal ini menunjukkan bahwa semakin tinggi kepuasan yang dirasakan pengguna terhadap layanan HappyFresh, maka semakin besar kemungkinan pengguna untuk kembali melakukan transaksi pada aplikasi tersebut. Kepuasan menjadi faktor penting dalam membangun loyalitas dan mempertahankan perilaku pembelian ulang pengguna [15]. Dengan demikian, peningkatan kualitas layanan, pengalaman penggunaan, dan kenyamanan aplikasi menjadi faktor penting yang perlu diperhatikan oleh pengelola HappyFresh untuk mempertahankan loyalitas pengguna.
Berdasarkan hasil penelitian, dapat disimpulkan bahwa penggunaan aplikasi (X1) berpengaruh positif dan signifikan terhadap kepuasan pengguna (Y1) dengan nilai C.R 2,164 dan koefisien 0,364, serta terhadap pembelian ulang (Y2) dengan nilai C.R 4,339 dan koefisien 0,772. Kemudahan aplikasi (X2) juga berpengaruh signifikan terhadap kepuasan pengguna dengan nilai C.R 5,884 dan koefisien 1,23, tetapi tidak berpengaruh signifikan terhadap pembelian ulang meskipun memiliki koefisien positif 0,195. Sementara itu, manfaat aplikasi (X3) tidak berpengaruh signifikan terhadap kepuasan pengguna maupun pembelian ulang, dengan koefisien masing-masing 0,159 dan 0,064. Risiko aplikasi (X4) berpengaruh signifikan terhadap kepuasan pengguna dengan nilai C.R 1,807 dan koefisien 0,281, tetapi tidak berpengaruh signifikan terhadap pembelian ulang dengan koefisien 0,031. Kepercayaan pengguna (X5) juga tidak berpengaruh signifikan terhadap kepuasan pengguna maupun pembelian ulang, dengan koefisien 0,103 dan 0,083. Selain itu, kepuasan pengguna (Y1) terbukti berpengaruh signifikan terhadap pembelian ulang (Y2) dengan nilai C.R 2,542 dan koefisien 0,018. Dari hasil model struktural diperoleh persamaan Y₁ = 0,364X₁ + 1,23X₂ + 0,159X₃ + 0,281X₄ + 0,103X₅, persamaan Y₂ = 0,772X₁ + 0,195X₂ + 0,064X₃ + 0,031X₄ + 0,083X₅, dan model simultan Y₂ = 0,778X₁ + 0,217X₂ + 0,066X₃ + 0,036X₄ + 0,084X₅. Secara umum, penelitian ini menunjukkan bahwa kemudahan aplikasi menjadi faktor yang paling besar dalam meningkatkan kepuasan pengguna, sedangkan penggunaan aplikasi menjadi faktor yang paling besar dalam mendorong pembelian ulang. Temuan ini memperkuat pengembangan Technology Acceptance Model (TAM), khususnya bahwa faktor penggunaan aktual dan kemudahan penggunaan masih menjadi variabel utama dalam membentuk perilaku pengguna pada layanan e-grocery digital. Selain itu, penelitian ini juga menunjukkan bahwa variabel risiko dan kepercayaan belum tentu menjadi faktor dominan dalam konteks aplikasi HappyFresh. Secara praktis, hasil penelitian ini dapat menjadi rekomendasi bagi pihak HappyFresh untuk meningkatkan kualitas pengalaman pengguna melalui perbaikan kemudahan navigasi aplikasi, stabilitas sistem, kecepatan transaksi, serta kenyamanan penggunaan agar kepuasan pengguna dan pembelian ulang dapat terus meningkat.
Penulis mengucapkan terima kasih kepada seluruh pihak yang telah berkontribusi dalam pelaksanaan penelitian ini, baik secara langsung maupun tidak langsung. Ucapan terima kasih disampaikan kepada seluruh responden pengguna aplikasi HappyFresh yang telah bersedia meluangkan waktu untuk mengisi kuesioner penelitian dan memberikan data yang dibutuhkan dalam proses penelitian. Selain itu, penulis juga menyampaikan apresiasi kepada dosen pembimbing, pihak akademik, serta seluruh pihak yang telah memberikan arahan, dukungan, dan masukan selama proses penyusunan penelitian mengenai analisis pengaruh Technology Acceptance Model (TAM) terhadap kepuasan pengguna dan pembelian ulang pada aplikasi HappyFresh.
Goodstats, “Persentase penggunaan aplikasi belanja online (e-grocery) favorit di Indonesia.” [Online]. Available: https://goodstats.id.
F. D. Davis, “Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology,” MIS Quarterly, vol. 13, no. 3, pp. 319–340, 1989, doi: https://doi.org/10.2307/249008.
D. Suryani, Ermansyah, and S. Al Sukri, “Pengaruh Perceived Ease of Use, Perceived Usefulness dan Trust terhadap Kepuasan Pelanggan Gojek,” IJBEM: Indonesian Journal of Business Economics and Management, vol. 1, no. 1, pp. 11–19, 2021, doi: https://doi.org/10.57152/ijbem.v1i1.171.
P. Harianto, “Penerapan Metode Fuzzy Mamdani untuk Penentuan Peminatan Program Studi Teknik Informatika di STMIK Pontianak,” Prosiding CORISINDO, pp. 134–138, 2023, doi: https://doi.org/10.54895/intech.v1i2.638.
R. Fahmi and Fajar, “Faktor-Faktor yang Mempengaruhi Kepuasan Pengguna Aplikasi E-Commerce,” Jurnal Sistem Informasi Indonesia, vol. 13, no. 2, pp. 85–99, 2022, doi: https://doi.org/10.30998/sosioekons.v12i02.6451.
Y. Rahmat and A. Satria, “Analisis Pengaruh Kepercayaan Pengguna terhadap Loyalitas Pengguna Aplikasi Digital,” Jurnal Teknologi dan Komunikasi Digital, vol. 11, no. 2, pp. 102–116, 2023, doi: https://doi.org/10.71417/j-sime.v1i3.256.
D. T. Cuong, “Determinants Affecting Online Shopping Consumers’ Satisfaction and Repurchase Intention: Evidence from Vietnam,” Innovative Marketing, vol. 19, no. 1, pp. 126–139, 2023, doi: https://doi.org/10.21511/im.
C. S. Ramadan and Y. Efnita, “Pengaruh Technology Acceptance Model (TAM) terhadap Customer Satisfaction dalam Bertransaksi Menggunakan Layanan Mobile Payment DANA (Studi Kasus: Seluruh Pengguna DANA di Kota Pekanbaru),” Al Qalam: Jurnal Ilmiah Keagamaan dan Kemasyarakatan, vol. 18, no. 1, p. 193, 2024, doi: https://doi.org/10.35931/aq.v18i1.2993.
E. F. Harianto and J. Ellyawati, “The Influence of Perceived Usefulness, Trust, and Risk on Loyalty in the TikTok Shop: Test of Consumer Satisfaction as a Mediation Variable,” Journal of Entrepreneurship & Business, vol. 4, no. 1, pp. 13–23, 2023, doi: https://doi.org/10.24123/jeb.v4i1.5390.
B. E. Sakti and D. Mardiana, “Niat Pembelian Ulang Konsumen: Tinjauan Kemudahan Transaksi Non-Tunai, Kepercayaan Konsumen, dan Kesesuaian Harga,” EKOMABIS: Jurnal Ekonomi Manajemen Bisnis, vol. 4, no. 1, pp. 101–112, 2023, doi: https://doi.org/10.37366/ekomabis.v4i01.497.
M. I. Khairi, D. Susanti, and S. Sukono, “Study on Structural Equation Modeling for Analyzing Data,” International Journal of Ethno-Sciences and Education Research, vol. 1, no. 3, pp. 52–60, 2021, doi: https://doi.org/10.46336/ijeer.v1i3.295.
E. Mulyadi, A. Wibisono, and M. Herli, “Penerapan Metode SEM (Structural Equation Model) dalam Aplikasi Bidang Pendidikan, Sosial, dan Kesehatan,” Jurnal Booth Dharma Medika, vol. 2, no. 2, pp. 35–39, 2021, doi: https://doi.org/10.47560/13gf7q71.
M. Waluyo and M. Rachman, Mudah Cepat Tepat dalam Aplikasi Structural Equation Modeling. Surabaya: Literasi Nusantara, 2020. [Online]. Available: https://penerbitlitnus.co.id/.
R. H. N. Mohammad Rachman W. and M. Waluyo, Buku Panduan Structural Equation Modeling. Surabaya: Literasi Nusantara, 2025. [Online]. Available: https://penerbitlitnus.co.id/.
N. T. Kartika and M. Waluyo, “Influence Analysis of the Technology Acceptance Model Approach on User Satisfaction and Repurchase on the KAI Access Application Using the SEM Method,” IJIEM: Indonesian Journal of Industrial Engineering and Management, vol. 5, no. 2, pp. 30–40, 2024, doi: https://doi.org/10.22441/ijiem.v5i1.21746.
R. W. Qomarudin and H. N. Fadhilla, “Pengaruh Perceived Ease of Use, Perceived Usefulness, dan Customer Satisfaction terhadap Repurchase Intention pada Pengguna Tokopedia,” Jurnal Manajemen Terapan dan Keuangan, vol. 14, no. 3, pp. 1559–1570, 2025, doi: https://doi.org/10.22437/jmk.v14i03.49248.
F. Attaqi, A. Suryono, and S. Kussujaniatum, “Pengaruh Kepercayaan, Persepsi Kemudahan Penggunaan, dan Kualitas Pelayanan Elektronik terhadap Niat Beli Ulang,” Jurnal Impresi Indonesia, vol. 1, no. 6, pp. 694–700, 2022, doi: https://doi.org/10.58344/jii.v1i6.90.
D. Prasetyo and S., “Pengaruh Kualitas Layanan Elektronik, Kualitas Makanan, Persepsi Manfaat dan Kemudahan terhadap Kepuasan Konsumen dan Niat Pembelian Ulang pada Pizza Hut Delivery di Surabaya,” Jurnal Manajerial, vol. 10, no. 1, pp. 158–178, 2023, doi: https://doi.org/10.30587/jurnalmanajerial.v10i01.4894.
V. Nisaa and P. Susanto, “The Impact of Perceived Risk, Satisfaction and Price Image on Repurchase Intention Using Mobile Commerce (M-Commerce): Case Study of Urban Communities in West Sumatera,” Advances in Economics, Business and Management Research, vol. 192, pp. 433–439, 2021, doi: https://doi.org/10.2991/aebmr.k.211117.090.