Pengaruh Kualitas Layanan Elektronik Terhadap Kepuasan Dan Partisipasi Masyarakat: Studi Kuantitatif Pada Dinas Kependudukan Dan Pencatatan Sipil Kota Pontianak
DOI:
https://doi.org/10.55826/jtmit.v4iI.1119Keywords:
Kualitas Layanan Elektronik, Kepuasan Masyarakat, Partisipasi Masyarakat, SEM-PLSAbstract
Penelitian ini bertujuan untuk menganalisis pengaruh kualitas layanan elektronik terhadap kepuasan dan partisipasi masyarakat pada Dinas Kependudukan dan Pencatatan Sipil (Disdukcapil) Kota Pontianak. Variabel kualitas layanan terdiri atas efektivitas, efisiensi, aksesibilitas, serta keamanan dan privasi data. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei terhadap 350 responden yang dipilih secara stratified random sampling. Instrumen penelitian diadaptasi dari SERVQUAL yang dimodifikasi untuk layanan publik digital, dengan pengukuran skala Likert 5 poin. Data dianalisis menggunakan Structural Equation Modeling berbasis Partial Least Squares (SEM-PLS) untuk menguji validitas, reliabilitas, dan hubungan antarvariabel. Hasil penelitian menunjukkan bahwa semua dimensi kualitas layanan elektronik berpengaruh positif signifikan terhadap kepuasan masyarakat (p < 0,05). Selain itu, kepuasan masyarakat terbukti memediasi hubungan antara kualitas layanan elektronik dan partisipasi masyarakat. Implikasi praktis dari penelitian ini adalah perlunya peningkatan kapasitas literasi digital masyarakat, optimalisasi infrastruktur jaringan, dan penambahan kuota layanan harian untuk meningkatkan kepuasan serta mendorong partisipasi publik secara berkelanjutan. Temuan ini memperkaya literatur mengenai transformasi digital di sektor pelayanan publik di Indonesia dan memberikan rekomendasi kebijakan untuk tata kelola layanan administrasi kependudukan berbasis elektronik.
References
Z. P.Deftya Ands.Sari, “Penerapan Sistem Informasi Pengelola Rantai Suplai (Si-Prs) Dalam Mendukung Kegiatan Disektor Hulu Migas,” J. Tek. Ind. J. Has. Penelit. Dan Karya Ilm. Dalam Bid. Tek. Ind., Vol. 6, No. 2, Pp. 127–132, 2020.
M.Rizki, D.Devrika, I. H.Umam, Andf. S.Lubis, “Aplikasi Data Mining Dalam Penentuan Layout Swalayan Dengan Menggunakan Metode Mba,” J. Tek. Ind. J. Has. Penelit. Dan Karya Ilm. Dalam Bid. Tek. Ind., Vol. 5, No. 2, P. 130, 2020, Doi: 10.24014/Jti.V5i2.8958.
T.Nurainun, “Perancangan Sistem Informasi Pengendalian Persediaan Bahan Pokok (Studi Kasus Swalayan Buyung Family Pekanbaru),” J. Tek. Ind. J. Has. Penelit. Dan Karya Ilm. Dalam Bid. Tek. Ind., Vol. 4, No. 2, Pp. 139–145, 2020.
D. O. D. R.Gucci Andm. A. S.Nalendra, “Perancangan Visual Display Informasi Keselamatan Dan Kesehatan Kerja (K3) Dengan Pendekatan Ergonomi Dan Komunikasi Visual,” J. Tek. Ind. J. Has. Penelit. Dan Karya Ilm. Dalam Bid. Tek. Ind., Vol. 8, No. 2, Pp. 399–403.
Y. A. Y.Binarso, E. A.Sarwoko, N.Bahtiar, …E. S.-J. Of I. And, And Undefined2012, “Pembangunan Sistem Informasi Alumni Berbasis Web Pada Program Studi Teknik Informatika Universitas Diponegoro,” J. Informatics Technol., Vol. 1, No. 1, Pp. 72–84, 2012, Accessed: Feb.08, 2022. [Online]. Available: Https://Ejournal3.Undip.Ac.Id/Index.Php/Joint/Article/View/434
Y.Sutanto, W.Winarno, A. S.-Informatika, And Undefined2014, “Analisis Kepuasan User Terhadap Website Adi Unggul Bhirawa Surakarta,” E-Journal.Stie-Aub. Ac.Id, Accessed: May 30, 2022. [Online]. Available: Https://Www.E-Journal.Stie-Aub.Ac.Id/Index.Php/Informatika/Article/View/43
A.Parasuraman, “A Conceptual Model of Service Quality And Its Implications For Future Research,” J. Mark., Vol. 42, 1985.
S.Ahn, M. J.Wyllie, G.Lee, and M.Billinghurst, “A VR-Trainer For Forklift Operation Safety Skills,” Pp. 1–7, 2020.
F. O.Defrança, “A Hash-Based Co-Clustering Algorithm For Categorical Data,” Expert Syst. Appl., Vol. 64, P. 24, 2016, Doi: 10.1016/J.Eswa.2016.07.024.
T. P. Q.Nguyen Andr. J.Kuo, “Partition-And-Merge Based Fuzzy Genetic Clustering Algorithm For Categorical Data,” Appl. Soft Comput., Vol. 75, Pp. 254–264, 2019, Doi: 10.1016/J.Asoc.2018.11.028.
D. T.Dinh Andv. N.Huynh, “K-Pbc: An Improved Cluster Center Initialization For Categorical Data Clustering,” Appl. Intell., Vol. 50, No. 8, Pp. 2610–2632, 2020, Doi: 10.1007/S10489-020-01677-5.
F. O.Defrança, “A Hash-Based Co-Clustering Algorithm For Categorical Data,” Expert Syst. Appl., Vol. 64, Pp. 24–35, 2016, Doi: 10.1016/J.Eswa.2016.07.024.
X. N.Gao Ands.Wu, “Cubos: An Internal Cluster Validity Index For Categorical Data,” Teh. Vjesn. Gaz., Vol. 26, No. 2, Pp. 486–494, 2019, Doi: 10.17559/Tv-20190109015453.
X. D.Gao Andm. H.Yang, “Understanding And Enhancement Of Internal Clustering Validation Indexes For Categorical Data,” Algorithms, Vol. 11, No. 11, 2018, Doi: 10.3390/A11110177.
L.Bai Andj. Y.Liang, “Cluster Validity Functions For Categorical Data: A Solution-Space Perspective,” Data Min. Knowl. Discov., Vol. 29, No. 6, Pp. 1560–1597, 2015, Doi: 10.1007/S10618-014-0387-5.
I.Saha, J. P.Sarkar, Andu.Maulik, “Integrated Rough Fuzzy Clustering For Categorical Data Analysis,” Fuzzy Sets Syst., Vol. 361, Pp. 1–32, 2019, Doi: 10.1016/J.Fss.2018.02.007.
A. K.Kar, A. C.Mishra, and. K.Mohanty, “An Efficient Entropy-Based Dissimilarity Measure To Cluster Categorical Data,” Eng. Appl. Artif. Intell., Vol. 119, 2023, Doi: 10.1016/J.Engappai.2022.105795.
Z. G.Chen, H. S.Kang, S. N.Yin, and. R.Kim, “An Efficient Privacy Protection In Mobility Social Network Services With Novel Clustering-Based Anonymization,” Eurasip J. Wirel. Commun. Netw., 2016, Doi: 10.1186/S13638-016-0767-1.
Y. Q.Zhang Andy. M.Cheung, “A New Distance Metric Exploiting Heterogeneous Interattribute Relationship For Ordinal-And-Nominal-Attribute Data Clustering,” IEEE Trans. Cybern., Vol. 52, No. 2, Pp. 758–771, 2022, Doi: 10.1109/Tcyb. 2020.2983073.
F.Yuan, Y. L.Yang, Andt. T.Yuan, “A Dissimilarity Measure For Mixed Nominal And Ordinal Attribute Data In K-Modes Algorithm,” Appl. Intell., Vol. 50, No. 5, Pp. 1498–1509, 2020, Doi: 10.1007/S10489-019-01583-5.
F.Jiang, G. Z.Liu, J. W.Du, Andy. F.Sui, “Initialization Of K-Modes Clustering Using Outlier Detection Techniques,” Inf. Sci. (Ny)., Vol. 332, Pp. 167–183, 2016, Doi: 10.1016/J.Ins.2015.11.005.
J. W.Creswell Andj. D.Creswell, Research Design: Qualitative, Quantitative, And Mixed Methods Approaches. Sage Publications, 2018.
J.Hair, T.Hult, C.Ringle, Andm.Sarstedt, A Primer On Partial Least Squares Structural Equation Modeling (Pls-Sem), Vol. 38, No. 2. Los Angeles: Sage, 2017. Doi: 10.1080/1743727x.2015.1005806.
G.Fragidis, “Customer-Centric Service Design: Featuring Service Use In Life Practices,” 2022. Doi: 10.1007/978-3-031-14844-6_15.
Å.Stige, “Artificial Intelligence (Ai) For User Experience (Ux) Design: A Systematic Literature Review And Future Research Agenda,” Inf. Technol. People, Vol. 37, No. 6, Pp. 2324–2352, 2024, Doi: 10.1108/Itp-07-2022-0519.
R. J.Kuo, Y. R.Zheng, Andt. P. Q.Nguyen, “Metaheuristic-Based Possibilistic Fuzzy K-Modes Algorithms For Categorical Data Clustering,” Inf. Sci. (Ny)., Vol. 557, Pp. 1–15, 2021, Doi: 10.1016/J.Ins.2020.12.051.
D.Havir, “From Competence To Experience: Employee-Centricity In The Customer-Centric World,” 2019. [Online]. Available: Https://Api.Elsevier.Com/Content/Abstract/Scopus_Id/85074097241
K.Weerasinghe, “Optimal Class-Based Storage System With Diagonal Movements,” 2023. Doi: 10.1007/978-3-031-43670-3_24.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Magdalena Depriyani
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
