p-ISSN : 2745-7141 e-ISSN : 2746-1920 Jurnal Pendidikan Indonesia Vol.
6 No.
Januari 2025
PENCIPTAAN NILAI PUBLIK MENGGUNAKAN KECERDASAN
BUATAN: STUDI EMPIRIS TERHADAP PENGGUNA CHATBOT BPJS
KESEHATAN CHIKA DI INDONESIA
Wayan Wahyu Widhyana1.
Yohanna Magdalena Lidya Gultom2 Universitas Indonesia.
Indonesia wahyu21@ui.
id1, yohanna.
magdalena@ui.
INFO ARTIKEL
Kata Kunci: Penciptaan Nilai Publik.
Kecerdasan Buatan (AI).
CHIKA.
Structural Equation Modeling (SEM).
ABSTRAK
Penelitian ini berusaha memahami hubungan antara pemanfaatan layanan chatbot berbasis kecerdasan buatan (AI) dan penciptaan nilai publik dari perspektif warga negara dengan memanfaatkan gagasan nilai publik sebagai landasan Survei terhadap 438 pengguna CHIKA, chatbot milik BPJS Kesehatan, di Indonesia dilakukan untuk menguji model penelitian.
Dengan menggunakan dua indikator nilai publik, keadilan prosedural dan kepercayaan, hubungan antarkonstruk diuji menggunakan metode Structural Equation Modeling (SEM).
Hasilnya menunjukkan bahwa penggunaan chatbot berbasis AI berpengaruh secara signifikan terhadap penciptaan nilai pelayanan publik.
Selain itu, studi empiris ini juga berhasil mengeksplorasi perbedaan pengaruh penggunaan layanan chatbot oleh warga negara terhadap penciptaan nilai publik berdasarkan tingkat pengalaman, usia, pendidikan, pendapatan, dan gender.
Dengan berfokus terhadap penciptaan nilai publik di sektor layanan kesehatan di Indonesia yang masih kurang tereksplorasi, adanya temuantemuan tersebut diharapkan dapat menyajikan pengetahuan baru serta memperkaya literatur nilai publik melalui perspektif yang berbeda.
Selain itu, hasil studi empiris ini juga diharapkan dapat memberikan kontribusi praktis kepada pemangku kepentingan dalam rangka penyediaan layanan berkualitas kepada public Keywords: Public Value Creation.
Artificial Intelligence (AI).
CHIKA.
Structural Equation Modeling (SEM).
ABSTRACT
This research seeks to understand the relationship between the use of artificial intelligence (AI)-based chatbot services and the creation of public value from a citizen's perspective by utilizing the idea of public value by as a conceptual basis.
A survey of 438 users of CHIKA.
BPJS Kesehatan's chatbot, in Indonesia was conducted to test the research model.
using two indicators of public value, procedural justice and trust, the relationship between constructs is tested using the Structural Equation Modeling (SEM) method.
The results show that the use of AI-based chatbots has a significant Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Penciptaan Nilai Publik Menggunakan Kecerdasan Buatan: Studi Empiris terhadap Pengguna Chatbot BPJS Kesehatan CHIKA di Indonesia effect on the creation of public service value.
In addition, this empirical study also succeeded in exploring differences in the influence of citizens' use of chatbot services on public value creation based on level of experience, age, education, income and gender.
By focusing on the creation of public value in the health services sector in Indonesia, which is still under-explored, it is hoped that these findings can provide new knowledge and enrich the public value literature through a different perspective.
Apart from that, it is also hoped that the results of this empirical study can provide practical contributions to stakeholders in the context of providing quality services to the public.
PENDAHULUAN
Kebutuhan akan layanan yang cepat, mudah diakses, dan berorientasi pada masyarakat mendorong pengembangan teknologi untuk meningkatkan kualitas pelayanan publik (Makasi, et al.
, 2.
Salah satu teknologi yang semakin populer dalam meningkatkan pelayanan publik adalah chatbot berbasis kecerdasan buatan .
rtificial intelligence/AI) (Henman, 2020.
Makasi, et al.
, 2.
AI sendiri merupakan sistem simulasi mekanis yang mengumpulkan pengetahuan dan informasi serta memproses kecerdasan alam semesta: .
enyusun dan menafsirka.
dan menyebarkannya kepada yang memenuhi syarat dalam bentuk kecerdasan yang dapat ditindaklanjuti (Grewal, 2.
Sementara chatbot, istilah teknologi untuk agen percakapan, adalah program komputer yang mampu mendeteksi dan memahami bahasa, melalui teks atau ucapan, dan memiliki kemampuan untuk berkomunikasi kembali (Androutsopoulou, et al.
Chatbot dipercaya mampu mengatasi permasalahan krusial di sektor publik, terutama isu peningkatan komunikasi antara pemerintah dan masyarakat (Noordt & Misuraca, 2019.
Androutsopoulou, et al.
, 2019.
Makasi, et al.
, 2.
Sektor publik mulai menggunakan chabot berbasis AI untuk meningkatkan layanan Chatbot berbasis AI bisa digunakan untuk berinteraksi dengan publik secara real-time, membagikan data, serta menanggapi persoalan tanpa membutuhkan interaksi tatap muka dengan pengguna.
Ketika pemerintah menggunakan AI dalam desain dan penyampaian layanan publik, hal ini dapat meningkatkan efisiensi dan kualitas layanan publik (Fatima, et , 2.
Di samping itu, pemanfaatan AI di sektor publik juga mampu meningkatkan efektivitas pengadaan publik, memperkuat keamanan, meningkatkan layanan kesehatan, serta memfasilitasi interaksi dengan masyarakat yang lebih luas, memberikan solusi terhadap banyak tantangan sosial dan berpotensi menjadi pendorong utama pembangunan ekonomi (Cruz, et al.
, 2.
Terutama dalam layanan kesehatan publik, penggunaan AI diharapkan memberikan nilai-nilai seperti peningkatan efekvitivas, keadilan, dan waktu respon (Sun & Medaglia, 2019.
Bullock, 2.
Layanan publik berbasis ICT (Information and Communication of Technolog.
dianggap lebih responsif terhadap kebutuhan masyarakat, lebih demokratis, transparan, dan efisien dibandingkan pemerintahan tradisional (Bekkers dan Homburg, 2.
Namun ada argumentasi bahwa berbeda dengan sektor swasta, adopsi chatbot oleh sektor publik cenderung lebih lambat (Adnan, et al.
, 2.
, akibat masih adanya pola pikir pelayan publik dengan mentalitas lama, seperti wargalah yang membutuhkan pelayanan, sehingga tidak perlu berbuat lebih banyak (Sousa et al.
, 2.
Dengan kata lain, meski chatbot dinilai mampu meningkatkan efisiensi (Bannister dan Connolly, 2.
, namun ditemukan indikasi bahwa nilai-nilai pelayanan publik justru sering kali diabaikan oleh pemerintah (Van Doorn, et al.
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Wayan Wahyu Widhyana1.
Yohanna Magdalena Lidya Gultom2 Dengan adanya kekhawatiran tersebut, kami mengajukan pertanyaan penelitian:
Pertama.
AuBagaimana penggunaan chatbot oleh masyarakat mempengaruhi penciptaan nilai pelayanan publik?Ay Kedua.
AuBagaimana penggunaan chatbot mempengaruhi nilai publik secara berbeda berdasarkan karakteristik demografi?Ay Penelitian ini menggunakan teori penciptaan nilai publik untuk membangun model penelitian penggunaan chatbot berbasis AI dan penciptaan nilai untuk menggambarkan mekanisme penciptaan nilai di sektor publik.
Selain itu, faktor demografis juga menjadi fokus pada studi empiris ini dalam rangka memahami pengaruhnya dalam hubungan antara penggunaan layanan chatbot dan nilai publik (Blaug et al.
, 2006.
Twizeyimana & Andersson, 2.
Sejak diperkenalkan oleh Moore pada 1995, publikasi akademis yang menggunakan konsep nilai publik semakin meningkat dan menarik perhatian para peneliti di dunia, hingga mencapai sekitar 700 publikasi setiap tahunnya (Hartley, et al.
, 2.
Ketertarikan terhadap konsep, landasan filosofis, politik, ekonomi, dan organisasi dari nilai publik terus berkembang, namun belum diimbangi dengan penelitian empiris yang memadai (Pollitt & Hupe, 2.
Sebaliknya, sebagian besar publikasi bersifat teoretis, konseptual, ilmiah, sintetik, atau Perkembangan lebih lanjut baik teori nilai publik maupun kritiknya akan terganggu jika teori tersebut tidak mempunyai landasan dalam penelitian empiris karena teori dan penelitian empiris dapat menantang, menguji, dan mempengaruhi satu sama lain.
Argumentasi ini diperkuat dengan temuan Faulkner dan Kaufman .
bahwa sebagian besar studi yang berkaitan dengan nilai publik saat ini .
ekitar 84 perse.
bersifat kualitatif.
Oleh karena itu, kesenjangan dalam penelitian yang ada adalah masih terbatasnya penelitian empiris dengan menggunakan pendekatan kuantitatif untuk mengeksplorasi mekanisme penciptaan nilai pelayanan publik.
Pandemi COVID-19 telah menjadi pendorong kuat dalam mempercepat arah global menuju adopsi teknologi modern yang sedang berkembang, yang membawa perubahan dalam gaya hidup, pola kerja, dan strategi bisnis (Amankwah-Amoah, et al.
, 2.
Pembatasan sosial yang diterapkan untuk mengurangi penyebaran virus memperketat penggunaan layanan tatap muka tradisional, memerlukan solusi yang dapat menyesuaikan diri dan mendorong pentingnya penggunaan sumber daya yang ada, termasuk kapasitas layanan publik (Amiri dan Karahanna.
Adanya kebutuhan mendesak akan respon cepat untuk memitigasi lonjakan sistem layanan kesehatan sehingga sebagian besar chatbots dikembangkan dengan sangat cepat.
Hal ini menyebabkan rancangan chatbot relatif sederhana dengan menggunakan struktur pohon keputusan, inisiatif yang diarahkan pada sistem, dan berfokus pada serangkaian tugas sederhana yang sempit.
Akibatnya, muncul keraguan terhadap layanan chatbots apakah efektif, aman, dan dapat dipercaya untuk memenuhi kebutuhan kesehatan masyarakat (Nadarzynski, et , 2.
Bahkan ditemukan beberapa kasus pengguna kehilangan kepercayaan diri dan sering kali menunjukkan rasa frustrasi terhadap chatbot apa pun yang membutuhkan waktu atau gagal memahami kebutuhan mereka (Chaves, et al.
, 2.
Di sisi lain, sejak chatbot CHIKA diperkenalkan ke publik oleh BPJS Kesehatan pada April 2020, terjadi kenaikan jumlah penerimaan iuran program JKN (Jaminan Kesehatan Nasiona.
yang cukup signifikan, dari Rp 105,98 Triliun pada 2019 menjadi Rp 133,94 Triliun Meskipun tidak ditemukan data yang kredibel untuk menjelaskan kontribusi langsung CHIKA terhadap kenaikan jumlah penerimaan iuran JKN, namun tetap ada kemungkinan peran dari chatbot tersebut.
Selanjutnya masih ada permasalahan lain, yaitu walaupun BPJS Kesehatan mencatatkan kinerja yang positif dalam penerimaan iuran JKN, tidak ada jaminan apakah badan pemerintah tersebut menciptakan infrastruktur layanan digital .
alam hal ini chatbo.
yang mampu menstimulasi penciptaan nilai publik seperti yang dijabarkan oleh Panagiotopoulos, et al.
Tergantung pada konteks sosial, ekonomi, budaya, dan politik, wacana nilai publik mempunyai tanggapan dan implikasi praktis yang beragam (Meynhardt, et al.
, 2.
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Penciptaan Nilai Publik Menggunakan Kecerdasan Buatan: Studi Empiris terhadap Pengguna Chatbot BPJS Kesehatan CHIKA di Indonesia Misalnya.
De Andrys-Synchez & Geny-Albesa .
, menemukan bahwa tingkat pendidikan dan status ekonomi sebagai faktor potensial yang mempengaruhi sikap publik terhadap chatbot.
Kemudian Voorberg.
Bekkers, & Tummers .
juga berpendapat, adanya kencenderungan warga negara yang berpendidikan dan berpendapatan lebih rendah enggan berpartisipasi dalam layanan publik akibat merasa adanya ketidaksetaraan.
Meskipun terdapat banyak literatur mengenai nilai publik di seluruh dunia, jumlah penelitian yang menyelidiki nilai publik, khususnya berkaitan dengan layanan kesehatan publik berbasis AI di Indonesia masih sangat terbatas (Wulandari, et al.
, 2.
Masih dibutuhkan adanya eksplorasi lebih jauh untuk memahami penciptaan nilai publik, terutama di negara-negara berkembang (Panagiotopoulos, et al.
, 2.
Berbeda dengan penelitian sebelumnya .
isalnya Wang et al, 2021.
Aoki, 2020.
Ju et al, 2019.
Mikalef.
Fjyrtoft, & Torvatn, 2019.
Adnan.
Hamdan, & Alareeni, 2.
, penelitian ini berusaha mengeksplorasi pengetahuan baru tentang penciptaan nilai melalui layanan digital di sektor kesehatan yang masih terbatas, terutama dalam konteks Indonesia yang memiliki keunikan karakteristik demografi tersendiri.
Gagasan nilai publik bermula ketika Moore .
melihat sektor publik sebagai mekanisme penciptaan nilai yang merupakan sebuah pengingat akan pentingnya kolektivitas.
Segitiga strategis Moore memandu penciptaan nilai dalam manajemen pemerintahan dengan melibatkan tiga pertimbangan utama: mendefinisikan konsepsi spesifik mengenai nilai publik yang ingin dicapai, membangun basis legitimasi sosial, dukungan publik, dan pendanaan, serta mengembangkan kapasitas operasional untuk mencapai hasil yang diharapkan.
Sudut pandang nilai publik juga membantu menjelaskan mengapa, sebagian besar masyarakat di negaranegara barat masih mempertahankan sistem penyediaan kesehatan, pendidikan, dan kesejahteraan yang bersifat universal (Meynhardt, et al.
, 2017.
Kelly, et al.
, 2.
Namun perlu menjadi catatan bahwa tidak ada konsepsi nilai publik yang absolut dan diterima secara universal (Pang, 2014.
Bannister dan Connolly, 2.
Di samping itu, preferensi publik adalah inti dari nilai publik dan dalam negara demokrasi hanya masyarakat yang dapat menentukan apa yang benar-benar bernilai bagi mereka (Kelly, et al.
, 2.
Dalam argumentasi Kelly, halhal utama yang dihargai oleh masyarakat terbagi dalam tiga kategori yaitu hasil, layanan, dan Pengukuran nilai harus dikaitkan dengan persepsi dan interpretasi individu, jika tidak maka pengukuran tersebut tidak akan mempunyai arti (Meynhardt, et al.
, 2017.
Benington & Moore, 2010.
Kelly, et al.
, 2.
METODE PENELITIAN
Pengukuran Penelitian ini menggunakan skala yang divalidasi dari literatur yang ada untuk mengukur semua variabel dalam model penelitian ini.
Skala Likert-5 (Au1-sangat tidak setujuAy dan Au5sangat setujuA.
digunakan untuk mengukur semua item dalam kuesioner.
Untuk memastikan validitas konten, kami melakukan beberapa revisi .
isalnya, e-Government dan AI voice robot digantikan oleh chatbo.
untuk menyesuaikan item dengan konteks penggunaan chatbot berbasis AI dalam penelitian ini (Silakan merujuk ke Lampiran A untuk item dan sumber pengukuran dalam penelitian in.
Kami meluncurkan uji coba instrumen penelitian .
ilot tes.
dengan 62 pengguna chatbot BPJS Kesehatan.
CHIKA, .
esponden tidak termasuk dalam survei utam.
dan hasilnya menunjukkan bahwa instrumen penelitian tersebut dapat diandalkan dan valid (Item-item survei akhir disertakan dalam Lampiran A).
Untuk memperhitungkan kemungkinan perbedaan di antara partisipan, variabel kontrol mencakup etnik (Griffith, 2022.
Han & Lee.
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Wayan Wahyu Widhyana1.
Yohanna Magdalena Lidya Gultom2 Habicht et al.
, 2.
, lokasi urban-rural (Escobar-Viera et al.
, 2023.
Siddiqi et al.
, 2.
dan tingkat risiko (Amiri & Karahanna, 2022.
Bouhia et al.
, 2.
Pengumpulan Data Pada April 2020 .
atu bulan pasca kasus pertama COVID-19 terdeteksi di Indonesi.
BPJS Kesehatan memperkenalkan Chat Assistant JKN atau CHIKA, sebuah sarana pelayanan informasi dan pengaduan peserta JKN dalam bentuk chatbot.
CHIKA diprogram secara khusus menggunakan kecerdasan buatan untuk merespon atau memberikan layanan informasi dan administrasi .
isa diakses 24 ja.
kepada pengguna melalui Facebook Messenger.
Whatsapp, dan Telegram.
Fungsi populer yang ditawarkan oleh CHIKA antara lain Cek Status Peserta dan Cek Tagihan Iuran BPJS Kesehatan, dimana pengguna hanya perlu memasukkan nomor induk kependudukan (NIK) dan tanggal lahir, kemudian sistem secara otomatis akan memberikan informasi yang dibutuhkan.
Data penelitian dikumpulkan dari peserta BPJS Kesehatan yang pernah menggunakan CHIKA sebagai populasi.
Sementara sampel perlu memenuhi kriteria yaitu sudah pernah menggunakan layanan CHIKA.
Survei dilaksanakan pada Desember 2023 dengan menyebarkan kuesioner online melalui grup-grup publik di sosial media Facebook.
Pertama, berdasarkan hasil pencarian di Facebook menggunakan kata kunci AuBPJS KesehatanAy ditemukan sebanyak 43 grup publik.
Kemudian, setelah dilakukan penelusuran terhadap grupgrup publik tersebut, diperoleh sebanyak 6 grup publik yang mengandung konten diskusi atau berbagi informasi terkait CHIKA.
Dari hasil survei diperoleh sebanyak 438 responden.
Karakteristik responden yang berpartisipasi dalam survei dirangkum pada Tabel 1 berikut:
Tabel 1.
Demografi Sampel Penelitian (N = .
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025
Penciptaan Nilai Publik Menggunakan Kecerdasan Buatan: Studi Empiris terhadap Pengguna Chatbot BPJS Kesehatan CHIKA di Indonesia
HASIL DAN PEMBAHASAN
Model pada penelitian ini diuji dengan mengikuti pendekatan Structural Equation Modeling (SEM) (Wang et al.
, 2021.
Anderson dan Gerbing, 1.
Pertama, model pengukuran diuji menggunakan analisis faktor konfirmatori (CFA) untuk menilai reliabilitas dan validitas konstruk yang diawali terlebih dahulu dengan identifikasi model.
Kedua, model struktural diuji dengan bantuan AMOS.
Identifikasi Model Identifikasi model struktural dilakukan untuk mengetahui masalah yang menyebabkan hasil estimasi tidak logis .
ffending estimate.
Problem identifikasi model struktural merupakan ketidakmampuan proposed model untuk menghasilkan unique estimate (Hair, et , 2017.
Ghozali, 2.
Pertama, diperoleh variasi nilai standard error yang seragam (Bollen & Long, 1.
Kedua, nilai varians error untuk seluruh variabel manifes tidak bernilai negatif (Bagozzi & Yi, 1.
, yang menunjukkan bahwa tidak terjadi problem identifikasi Model Pengukuran Untuk mengevaluasi validitas model SEM dalam penelitian ini, digunakan Confirmatory Factor Analysis (CFA), di mana suatu variabel dianggap memiliki validitas yang baik terhadap konstruk atau variabel laten jika Standardized Loading Factor (SLF) lebih besar dari atau sama dengan nilai kritis sebesar 0,50 (Igbaria et.
, 1997.
Hair et.
, 2.
Sementara itu, batas cutoff untuk menilai bahwa Construct Reliability (C.
) dinilai baik adalah lebih besar dari 0,60 (Bagozzi dan Yi, 1.
, dan batas cut-off untuk menilai bahwa average variance extracted (AVE) dinilai baik adalah lebih besar dari 0,50 (Samar, et al.
, 2.
Variab
Contru
Konstr
Standardized Measurem
Average Square Loading ent Error
Variance Teram Reliabil d SLF
Laten
Factor (SLF) (ME) Extracted Effectiv EU1
0,733
0,463
0,537
e Use of EU2
0,826
0,318
0,682
Chatbot
0,835
0,559
EU3
0,739
0,454
0,546
Services (EU) EU4
0,687
0,528
0,472
Procedu PJ1
0,750
0,438
0,563
PJ2
0,765
0,415
0,585
0,842
0,571
Justice PJ3
0,738
0,455
0,545
(PJ)
PJ4
0,769
0,409
0,591
TR1
0,740
0,452
0,548
Trust
TR2
0,771
0,406
0,594
0,844
0,575
(TR)
TR3
0,734
0,461
0,539
TR4
0,787
0,381
0,619
Perceiv PV1
0,750
0,438
0,563
PV2
0,749
0,439
0,561
Public
PV3
0,786
0,382
0,618
0,847
0,580
Service Value PV4
0,761
0,421
0,579
(PV)
Tabel 2.
Muatan Faktor Standar dan Reliabilitas Konstruk Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Wayan Wahyu Widhyana1.
Yohanna Magdalena Lidya Gultom2 Dari tabel di atas, terlihat bahwa semua variabel laten memiliki koefisien keandalan konstruk (CR) yang melebihi atau sama dengan nilai kritis (CR Ou 0,.
, serta memiliki koefisien ekstraksi varian rata-rata (AVE) yang melebihi atau sama dengan nilai kritis (AVE Ou 0,.
Ini menunjukkan bahwa keempat konstruk laten tersebut memiliki validitas dan keandalan yang baik.
Kemudian.
Discriminant Validity Test dilaksanakan dengan melihat akar kuadrat AVE.
Berdasarkan data yang disajikan, terlihat bahwa semua variabel memiliki akar kuadrat AVE yang melebihi korelasi antara konstruk laten, menunjukkan bahwa model penelitian memiliki validitas diskriminan yang baik.
AVE
0,559
0,748
0,571
0,535
0,756
0,575
0,450
0,241
0,758
0,580
0,362
0,471
0,436
0,762
Tabel 3.
Nilai Uji Validitas Dikriminan Selanjutnya, dilakukan evaluasi terhadap kesesuaian antara data yang ada dengan model yang dibuat.
Analisis SEM tidak memiliki satu uji statistik yang dianggap sebagai "gold standard" untuk mengukur seberapa baik model memprediksi data (Hair et al.
, 2.
Sebagai alternatif, para peneliti telah mengembangkan berbagai indikator Goodness of Fit (GoF) atau Goodness of Fit Indices (GOFI) yang dapat digunakan secara individual atau kombinasi.
Hal ini mengakibatkan tahap evaluasi kesesuaian secara menyeluruh menjadi topik yang sering menimbulkan perdebatan dan kontroversi (Bollen dan Long, 1.
Terdapat 13 kriteria fit model yang menjadi justifikasi model pada penelitian ini.
Berikut disajikan dalam tabel rangkuman hasil evaluasi kecocokan model struktural.
Ukuran Goodness of Target
Tingkat Hasil
Tingkat Fit
Kecocokan Estimasi
Kecocokan 1 RMSEA
RMSEA < 0,08
0,039
Good fit
ECVI
0,543
2 ECVI
ECVI Saturated 0,622 Good fit
ECVI Independence 7,379 AIC
237,270
3 AIC
AIC Saturated 272,000 Good fit
AIC Independence 3224,577 811,255 420,230 4 CAIC
2124,666
963,182
Good fit
5321,265
3305,892
5 NFI
NFI Ou 0,90 0,948 Good fit
6 CFI
CFI Ou 0,90 0,979 Good fit
7 IFI
IFI Ou 0,90 0,979 Good fit
8 RFI
RFI Ou 0,90 0,938 Good fit
9 GFI
GFI Ou 0,90 0,955 Good fit
10 AGFI
AGFI Ou 0,90 0,938 Good fit
11 PGFI
PGFI Ou 0,60 0,702 Good fit
12 PNFI
PNFI > 0,09
0,790
Good fit
13 CMIN/DF
1,653
Good fit Tabel 4.
Evaluasi Kriteria Goodness of Fit Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Penciptaan Nilai Publik Menggunakan Kecerdasan Buatan: Studi Empiris terhadap Pengguna Chatbot BPJS Kesehatan CHIKA di Indonesia Model Struktural Evaluasi terhadap model struktural dilakukan dengan memeriksa koefisien atau parameter yang menggambarkan hubungan kausal antara variabel laten, yang merupakan hipotesis dalam penelitian tersebut.
Sebuah hubungan kausal dianggap tidak signifikan jika diperoleh nilai critical ratio 2-tailed yaitu kurang dari 1,96 pada tingkat signifikansi 0,05 (Hair et al.
, 2010.
Wijanto, 2.
Gambar 5.
Hasil Estimasi Model Setelah dipastikan reliabilitas dan validitas pengukuran model dengan CFA, dilakukan pengujian hipotesis dengan memeriksa koefisien jalur .
ath coefficient.
model struktural.
Semua hipotesis didukung dalam model penelitian ini.
Selain itu, model dalam penelitian ini memiliki nilai R Square variabel Perceived Public Service Value (PV) sebesar 0,333.
Penggunaan layanan chatbot yang efektif memiliki hubungan positif yang signifikan dengan keadilan prosedural .
= 0.
535, p <0.
dan kepercayaan .
= 0.
45, p < 0.
, yang mendukung H1a dan H1b masing-masing.
Selanjutnya, keadilan prosedural .
= 0.
388, p < .
dan kepercayaan .
= 0.
343, p < 0,.
berpengaruh signifikan terhadap persepsi nilai layanan publik.
Oleh karena itu.
H2a dan H2b juga turut didukung.
Selain itu, untuk menguji perbedaan peran pengalaman, penelitian ini mengadopsi pendekatan multi-kelompok, yang mana partisipan dibagi menjadi dua kelompok (Wang et al.
, 2.
Kami mendefinisikan kelompok yang menggunakan layanan chatbot kurang dari 5 kali dalam 6 bulan terakhir sebagai kelompok dengan pengalaman lebih sedikit (N1 = .
dengan mereka yang memiliki lebih dari atau sama dengan 5 kali sebagai kelompok dengan pengalaman lebih banyak (N2 = Berdasarkan hasil uji multi-kelompok yang disajikan pada Tabel 5 menunjukan indikasi bahwa terdapat perbedaan yang signifikan dalam bagaimana tingkat pengalaman penggunaan chatbot mempengaruhi keadilan prosedural dan kepercayaan pengguna terhadap layanan tersebut antara dua kelompok, sehingga H3a dan H3b diterima.
Tabel 5.
Perbandingan Koefisien Jalur Pengalaman Kelompok More dan Less Full Kelompok Kelompok Koefisien Sampel Pengalaman Pengalaman Jalur (N=.
More (N=.
Less (N=.
(More vs Les.
EU Ie PJ 0,535*** 0,489*** 0,465*** 31,594** EU Ie TR 0,450*** 0,471*** 0,436*** 30,839** Keterangan: *p<0,05, **p<0,01, ***p<0,001 Untuk mengekplorasi peran usia, kelompok dengan usia 17-30 tahun didefinisikan sebagai kelompok usia lebih muda/Younger (N=.
, sementara kelompok dengan usia di atas 30 tahun didefinisikan sebagai kelompok usia lebih tua/Older (N=.
Berdasarkan Tabel 6, terdapat perbedaan yang signifikan dalam bagaimana usia pengguna chatbot mempengaruhi keadilan prosedural dan kepercayaan.
Dengan demikian.
H4a dan H4b diterima.
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Wayan Wahyu Widhyana1.
Yohanna Magdalena Lidya Gultom2 Tabel 6.
Perbandingan Koefisien Jalur Usia Kelompok Younger dan Older Full Kelompok Kelompok Koefisien Sampel Usia Younger Usia Older Jalur (Younger vs (N=.
(N=.
(N=.
Olde.
EU Ie PJ
0,535***
0,466***
0,674***
23,454**
EU Ie TR
0,450***
0,466***
0,430***
27,181**
Keterangan: *p<0,05, **p<0,01, ***p<0,001 Kemudian, responden kembali dibagi menjadi kelompok dengan tingkat pendidikan SMA/sederajat ke bawah didefinisikan sebagai kelompok pendidikan dasar ke menengah/Lower (N=.
, sementara kelompok dengan tingkat pendidikan diploma/sarjana hingga pascasarjana didefinisikan sebagai kelompok berpendidikan tinggi/Higher (N=.
Berdasarkan Tabel 7, terdapat perbedaan yang signifikan dalam bagaimana tingkat pendidikan pengguna chatbot mempengaruhi keadilan prosedural dan kepercayaan, sehingga H5a dan H5b Tabel 7.
Perbandingan Koefisien Jalur Pendidikan Pendidikan Lower dan Higher Kelompok Kelompok Full t statistik Koefisien Pendidikan Pendidikan Sampel (Lower vs Jalur Lower Higher (N=.
Highe.
(N=.
(N=.
EU Ie PJ
0,535***
0,681***
0,469***
18,079**
EU Ie TR
0,450***
0,420***
0,463***
22,202**
Keterangan: *p<0,05, **p<0,01, ***p<0,001 Untuk memahami peran tingkat pendapatan, penelitian ini membagi kelompok dengan tingkat pendapatan Rp 3.
000,00 ke bawah didefinisikan sebagai kelompok berpendapatan menengah ke bawah/Lower (N=.
, sementara kelompok dengan tingkat pendapatan di atas Rp 3.
000,00 didefinisikan sebagai kelompok berpendapatan tinggi/Higher (N=.
Berdasarkan Tabel 10, terdapat perbedaan yang signifikan dalam bagaimana tingkat pendapatan pengguna chatbot mempengaruhi keadilan prosedural dan kepercayaan, sehingga H6a dan H6b diterima.
Tabel 8.
Perbandingan Koefisien Jalur Pendapatan Kelompok Lower dan Higher Kelompok Kelompok Full Koefisien Pendapatan Pendapatan Sampel (Lower Jalur Lower Higher (N=.
Highe.
(N=.
(N=.
EU Ie PJ
0,535***
0,589***
0,407***
21,194**
EU Ie TR
0,450***
0,391***
0,505***
23,298**
Keterangan: *p<0,05, **p<0,01, ***p<0,001 Terakhir, penelitian ini juga berusaha menyelidiki peran gender, dengan membagi dua yaitu kelompok pria/Men (N=.
dan kelompok wanita/Women (N=.
Berdasarkan Tabel 11, terdapat perbedaan yang signifikan dalam bagaimana gender pengguna chatbot mempengaruhi keadilan prosedural dan kepercayaan.
Oleh sebab itu.
H7a dan H7b diterima.
Tabel 9.
Perbandingan Koefisien Jalur Gender Men dan Women Kelompok t statistik Koefisien Full Sampel Kelompok Women (Men Jalur (N=.
Men (N=.
(N=.
Wome.
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025
Penciptaan Nilai Publik Menggunakan Kecerdasan Buatan: Studi Empiris terhadap Pengguna Chatbot BPJS Kesehatan CHIKA di Indonesia
EU Ie PJ
0,535***
0,356***
EU Ie TR
0,450***
0,535***
Keterangan: *p<0,05, **p<0,01, ***p<0,001 0,597*** 0,404*** 6,425** 8,669** Diskusi Penelitian ini bertujuan untuk memahami penciptaan nilai ketika masyarakat menggunakan layanan chatbot berbasis AI di sektor publik.
Berdasarkan literatur tentang penciptaan nilai publik, penggunaan chatbot berbasis AI oleh masyarakat mempengaruhi nilai layanan publik melalui nilai-nilai publik.
Hasil empiris mendukung 14 hipotesis dan menunjukkan bahwa nilai publik memberikan penjelasan yang cukup signikan .
,3%) mengenai nilai pelayanan publik.
Penelitian ini menghasilkan temuan penting bahwa penggunaan layanan chatbot berbasis AI oleh masyarakat mempunyai dampak signifikan terhadap penciptaan nilai dalam pelayanan publik.
Sejalan dengan studi sebelumnya .
Wang et al.
, 2021.
Ju et al.
, 2.
penggunaan chatbot oleh masyarakat berpengaruh positif terhadap nilai keadilan prosedural dan pada akhirnya menambah nilai pelayanan publik.
Memfasilitasi kesempatan yang sama, perlakuan yang adil, dan tanpa diskriminasi di antara individu dan kelompok masyarakat merupakan harapan yang penting (De Graaf, 2.
, karena adanya penghapusan aktor manusia yang cenderung korup (Twizeyimana & Andersson, 2.
Seperti pada kasus di Jepang, layanan oleh chatbot dianggap menghilangkan bias dan diskriminasi oleh administrator manusia (Aoki, 2.
Dalam konteks penelitian ini, artinya masyarakat dapat merasakan adanya keadilan prosedural saat menggunakan layanan CHIKA dan pengalaman ini sangat berharga bagi badan publik yang bertanggung-jawab menyediakan Dalam tujuan sosial pemerintah, memajukan kepercayaan publik dan keadilan sosial merupakan tujuan yang paling penting (Bryson et al.
, 2.
Penelitian ini menempatkan kepercayaan sebagai dimensi nilai publik karena kepercayaan publik sangat penting dalam menentukan tindakan dan kerja sama publik (Blanchard, 2019.
Noordt & Misuraca, 2019.
Aoki 2.
dan pemulihan kepercayaan dianggap sebagai salah satu prioritas utama dalam pengembangan layanan digital bagi badan publik (Makasi, et al.
, 2.
Penelitian ini menemukan bahwa penggunaan chatbot oleh masyarakat berdampak positif terhadap kepercayaan kepada pemerintah.
Kepercayaan sangat penting bagi pelayanan publik (Kelly, et , 2.
, bahkan jika target layanan formal dan hasil terpenuhi, kegagalan dalam kepercayaan akan secara efektif menghancurkan nilai publik (Meynhardt, 2.
Jika kepercayaan rusak, masyarakat mungkin menjadi skeptis terhadap inisiatif pemerintah di masa depan, menolak menggunakan layanan yang disediakan, atau bahkan melakukan tindakan protes .
Blanchard, 2.
Dalam konteks penelitian ini, ketika pengguna CHIKA memiliki kepercayaan yang tinggi, mereka cenderung memiliki persepsi yang lebih positif terhadap nilai layanan publik yang diberikan oleh pemerintah.
Indikasi itu sesuai dengan temuan penelitian bahwa masyarakat percaya terhadap layanan CHIKA karena dinilai aman dan tersedia demi kepentingan masyarakat secara luas.
Selanjutnya, penelitian ini menemukan bahwa terdapat perbedaan peran pengalaman dalam hubungan antara penggunaan chatbot berbasis AI dan penciptaan nilai di sektor publik.
Hasil ini sejalan dengan studi sebelumnya .
Wang et al.
, 2023.
Ju et al.
, 2023.
Wang et al.
, 2.
yang menunjukan bahwa tingkat pengalaman yang berbeda setiap individu memiliki pengaruh yang berbeda dalam membangun kepercayaan dan keadilan.
Hasil penelitian ini menunjukan bahwa kelompok yang menggunakan layanan chatbot secara lebih berpengalaman cenderung memiliki persepsi yang lebih positif terhadap keadilan prosedural dari layanan tersebut.
Kemudian terkait kepercayaan, pengguna yang memiliki pengalaman Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Wayan Wahyu Widhyana1.
Yohanna Magdalena Lidya Gultom2 lebih banyak dalam menggunakan layanan CHIKA cenderung memiliki tingkat kepercayaan yang lebih tinggi terhadap layanan tersebut.
Hubungan antara penggunaan layanan chatbot dan keadilan prosedural yang lebih kuat pada warga dengan usia lebih tua dibandingkan warga dengan usia lebih muda sejalan dengan studi sebelumnya .
isalnya Bennion et al.
, 2.
Masyarakat berusia di atas 40 tahun umumnya tumbuh pada masa demokratisasi, sehingga persepsi mereka mengenai keadilan cenderung lebih kuat dibandingkan dengan kelompok umur lainnya (Cho, 2.
Namun temuan pada penelitian ini bertolak-belakang dengan argumen De Cicco et al.
, bahwa generasi muda, khususnya milenial, menunjukkan hubungan yang lebih kuat antara penggunaan chatbot dan persepsi kesetaraan.
Sementara itu berkaitan dengan kepercayaan, ditemukan hubungan antara penggunaan layanan chatbot dan kepercayaan yang lebih kuat pada warga dengan usia lebih muda.
Konsisten dengan litetarur yang ada .
isalnya De Cicco et al.
, pengguna layanan chabot yang berasal dari generasi muda, yang lebih terbiasa dengan interaksi digital dan pengalaman yang dipersonalisasi, cenderung mempercayai chatbot yang menyimulasikan dinamika sosial dan kehadiran layaknya administrator manusia, sehingga menumbuhkan kepercayaan yang lebih besar terhadap layanan ini.
Namun demikian, argumentasi menarik diberikan oleh Harrington dan Egede .
yang menyatakan bahwa orang dewasa berkulit hitam yang lebih tua di Amerika Serikat memiliki persepsi khusus terhadap layanan kesehatan dimediasi chatbot karena dianggap mampu memastikan kesetaraan dan dapat dipercaya, dimana hal ini tidak terlepas dari faktor historis.
Hubungan yang berbeda antara penggunaan layanan chatbot, keadilan prosedural, dan kepercayaan, yang dimoderasi oleh tingkat pendidikan juga menjadi salah satu temuan pada penelitian ini.
Pertama, terlihat korelasi antara penggunaan chatbot dan persepsi keadilan prosedural lebih kuat pada individu berpendidikan lebih rendah dibandingkan dengan individu berpendidikan lebih tinggi.
Serupa dengan temuan Crutzen, et al.
, individu yang memiliki tingkat pendidikan lebih rendah menganggap layanan chatbot mudah diakses, anonim, dan ramah pengguna, yang merupakan faktor penting untuk memastikan akses yang adil terhadap informasi.
Aksesibilitas ini membantu menjembatani kesenjangan informasi yang mungkin merugikan mereka yang berpendidikan rendah, sehingga meningkatkan keadilan dalam akses terhadap pengetahuan penting, yang selama ini mungkit sulit diperoleh.
Di sisi lain, hubungan antara penggunaan chatbot dan kepercayaan lebih kuat di antara mereka yang memiliki tingkat pendidikan lebih tinggi.
Penelitian oleh Sartono et al.
juga menemukan kesamaan dengan menggarisbawahi bahwa pendidikan tinggi berkorelasi dengan peningkatan persepsi terhadap fungsionalitas chatbot, interaktivitas, dan sikap keseluruhan terhadap teknologi, yang merupakan faktor-faktor penting untuk membangun kepercayaan pada sistem Dampak penggunaan layanan chatbot terhadap keadilan prosedural dan kepercayaan ditemukan berbeda antara kelompok pendapatan rendah dan tinggi.
Temuan ini didukung oleh studi oleh Li et al.
yang menyimpulkan bahwa chatbot mampu mengatasi kesenjangan pendidikan dengan memberikan akses yang adil kepada para pelajar di kelas bahasa Mandarin yang berasal dari keluarga berpenghasilan rendah.
Selain itu, penelitian di negara-negara berpenghasilan rendah dan menengah (LMIC.
juga menemukan hal serupa, dimana layanan kesehatan yang didukung oleh chabot berbasis AI mampu menjanjikan peningkatan keadilan dalam akses layanan kesehatan bagi masyarakat berpenghasilan rendah, yang merasa selama ini memiliki keterbatasan akses dan sumber daya (Ciecierski-Holmes et al.
, 2.
Sebaliknya, warga dengan pendapatan lebih tinggi, yang seringkali memiliki akses lebih besar terhadap teknologi dan sumber daya lainnya, cenderung lebih percaya terhadap layanan yang diberikan oleh chatbot sehingga meningkatkan kepercayaan mereka terhadap sistem digital.
Penelitian ini juga mengeksplorasi pengaruh perbedaan gender dalam hubungan antara penggunaan chatbot dan penciptaan nilai di sektor publik.
Hubungan antara penggunaan Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Penciptaan Nilai Publik Menggunakan Kecerdasan Buatan: Studi Empiris terhadap Pengguna Chatbot BPJS Kesehatan CHIKA di Indonesia layanan chatbot, keadilan prosedural, dan kepercayaan ditemukan lebih kuat pada kelompok warga berjenis kelamin wanita.
Temuan ini sejalan dengan studi sebelumnya .
Wang et al.
, 2021.
Shao et al.
, 2019.
Hyde, 2.
, yang menunjukkan pria dan wanita memiliki pengaruh yang berbeda dalam mekanisme pembangunan kepercayaan dan persepsi kesetaraan.
Berdasarkan nilai keadilan prosedural, temuan penelitian ini mendukung argumentasi Wang et .
dan Shao et al.
bahwa wanita cenderung lebih menghargai proses layanan yang dimediasi chatbot karena pada saat berinteraksi wanita merasa diperlakukan secara setara dan non-diskriminatif, misalnya pada kasus di Brazil (Montenegro, da Costa, & Janssen, 2.
dan Korea Selatan (Chung.
Cho, & Park, 2.
Layanan CHIKA merupakan bagian kecil dari strategi organisasi BPJS Kesehatan dalam upaya menjamin layanan kesehatan inklusif bagi seluruh warga negara Indonesia.
Sebagai salah satu wujud komunikasi publik dari BPJS Kesehatan, layanan CHIKA berusaha memastikan tersedianya layanan informasi dan administrasi bagi peserta program JKN secara gratis selama 24/7.
Diadakannya layanan chatbot CHIKA pada April 2020 juga sesuai dengan Visi organisasi BPJS Kesehatan.
AuMenjadi badan penyelenggara yang dinamis, akuntabel, dan tepercaya untuk mewujudkan jaminan kesehatan yang berkualitas, berkelanjutan, berkeadilan, dan inklusifAy, serta Misi ke-1 BPJS Kesehatan AuMeningkatkan kualitas layanan kepada peserta melalui layanan terintegrasi berbasis teknologi informasi.
Ay Operasional layanan CHIKA juga sejalan dengan AuRoad Map SDGs Indonesia Menuju 2030Ay serta kerangka regulasi yang ada (UU Kesehatan dan Perpres No.
82/2.
dalam rangka membantu seluruh warga negara Indonesia dalam mengakses informasi dan layanan administrasi seputar BPJS Kesehatan.
Dengan akses layanan ini, ada harapan besar yang sama antara pemerintah dan masyarakat akan adanya jaminan kesehatan yang adil dan berkualitas bagi seluruh warga negara Indonesia.
Pertama, dengan memanfaatkan platform digital.
CHIKA membantu mengurangi kendala geografis dan waktu, memungkinkan masyarakat untuk mengakses fitur layanan BPJS Kesehatan kapan saja dan di mana saja.
Ini mendukung tujuan Universal Health Coverage (UHC) dengan memastikan layanan kesehatan lebih inklusif dan terjangkau .
Kedua, dengan otomatisasi melalui chatbot.
BPJS Kesehatan dapat menangani banyak pertanyaan peserta JKN secara simultan, yang mengurangi beban kerja layanan pelanggan konvensional, sekaligus meningkatkan efisiensi operasional.
Ketiga, dengan memberikan respon cepat dan akurat.
CHIKA berkontribusi pada peningkatan kepuasan publik, yang sejalan dengan kebijakan pemerintah untuk terus meningkatkan kualitas layanan publik dengan memanfaatkan teknologi digital.
Kontribusi Akademis Pertama, penelitian ini memperkaya elemen kerangka nilai publik dengan mengadopsi perspektif warga negara dan menyajikan bukti-bukti empiris yang signifikan.
Hal ini penting mengingat sebagian besar penelitian sebelumnya mungkin tidak mempertimbangkan perspektif atau pengalaman langsung dari warga negara (Maragno, et al.
, 2022.
Makasi, et al.
, 2020.
Cordella & Paletti, 2019.
Moore, 1.
Meskipun sudah ada penelitian sebelumnya yang berusaha memahami nilai publik dari sudut pandang warga negara .
Wang et al.
Aoki, 2020.
Bozeman, 2019.
Ju et al.
, 2.
, masih terdapat kebutuhan untuk memperkuat dimensi penciptaan nilai publik yang berasal dari aspirasi warga negara.
Kedua, dengan memberikan bukti empiris tentang hubungan antara penggunaan chatbot berbasis AI dan nilai layanan publik, penelitian ini membawa kontribusi penting dalam memahami dampak chatbot dalam meningkatkan kualitas layanan pemerintah, khususnya di negara berkembang seperti Indonesia.
Apalagi penelitian yang berusaha memahami hubungan penggunaan chatbot dan penciptaan nilai publik, khususnya di sektor kesehatan, masih sangat terbatas secara global dan bahkan belum ada sebelumnya dalam konteks Indonesia.
Ketiga, penelitian ini berhasil mengeskplorasi bahwa pengalaman, usia, pendidikan, pendapatan, dan gender (Cho, 2014.
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Wayan Wahyu Widhyana1.
Yohanna Magdalena Lidya Gultom2 Estimy, 2.
merupakan moderator penting dalam pembentukan nilai dalam konteks pemanfaatan teknologi AI.
Berbeda dengan penelitian serupa sebelumnya .
Wang, et , 2021.
Dwivedi & Williams, 2008.
Venkatesh, et al.
, 2.
yang belum memahami secara lebih dalam pengaruh faktor-faktor di atas dalam memoderasi hubungan antara penggunaan chatbot berbasis AI dengan nilai-nilai publik.
Dengan kata lain, temuan pada penelitian ini akan memberikan kebaruan terhadap literatur, terutama yang berkaitan tentang penciptaan nilai publik dan kecerdasan buatan, yang seringkali kurang memberikan perhatian khusus terhadap karakter demografi.
Kontribusi Praktis Pertama, sektor publik perlu mengambil pendekatan yang menempatkan warga negara sebagai pusat dalam penyediaan layanan publik.
Dengan mengadopsi strategi ini, pemerintah dan lembaga publik dapat lebih baik memahami kebutuhan, harapan, dan pengalaman langsung warga dalam masyarakat.
Penelitian ini sepakat dengan argumentasi Bozeman .
dan Kelly et al.
yang memberikan perhatian khusus terhadap aspirasi masyarakat dalam layanan publik.
Penting bagi pemerintah untuk memahami apa yang mendorong variabelvariabel nilai pelayanan publik, bagaimana variabel-variabel tersebut saling terkait, dan bagaimana variabel-variabel tersebut berkontribusi terhadap nilai pelayanan publik.
Kedua, pemerintah harus memanfaatkan kemajuan teknologi, khususnya chatbot berbasis AI, untuk meningkatkan kualitas layanan yang mereka berikan kepada masyarakat.
Beberapa literatur yang ada juga turut menyarankan agar pemerintah dapat meningkatkan kualitas layanan dengan memanfaatkan teknologi baru .
Wang et al.
, 2021.
Makasi et al.
, 2020.
Androutsopoulou et al.
, 2019.
Chen et al.
, 2.
Dengan bukti empiris terciptanya nilai publik dari pengguna CHIKA, pemerintah dapat mengimplementasikan layanan serupa di Kementerian/Lembaga lainnya yang masih mengandalkan pelayanan publik tradisional.
Ketiga, penelitian ini merekomendasikan pemerintah agar memperhatikan perbedaan tingkat pengalaman .
rekuensi penggunaan teknolog.
dalam penciptaan nilai terkait penyediaan layanan publik.
Dengan adanya perbedaan tingkat pengalaman dalam perilaku masyarakat saat menggunakan layanan digital (Larsen & Fylstad, 2024.
Ju et al.
, 2023.
Wang et al.
, 2.
penting bagi pemerintah untuk mengadopsi strategi komunikasi yang tepat saat memperkenalkan teknologi baru .
isalnya chatbo.
untuk melayani warga negara, seperti melalui kampanye, sosialisasi, atau edukasi.
Terlebih lagi, beberapa penelitian terdahulu .
Hidayah & Faridatussalam, 2023.
Riyadi & Larasaty, 2020.
Fuady, 2.
telah menguraikan tentang isu ketimpangan yang signifikan dalam adopsi dan pengembangan teknologi informasi dan komunikasi (TIK) antar daerah di Indonesia.
Terakhir, pemerintah perlu menyadari pentingnya menjaga kualitas layanan dan ketersediaan chatbot secara inklusif.
Dengan menyadari bahwa hubungan antara penggunaan layanan chatbot dan keadilan prosedural lebih kuat pada kelompok warga dengan usia lebih tua, berpendidikan lebih rendah, pendapatan lebih rendah, dan berjenis kelamin wanita, maka pemerintah perlu menjaga aksesibilitas layanan chatbot agar tetap dapat diakses secara bebas .
Di sisi lain, adanya hubungan antara penggunaan layanan chatbot dan kepercayaan lebih kuat pada kelompok warga dengan usia lebih muda, berpendidikan lebih tinggi, pendapatan lebih tinggi, dan berjenis kelamin wanita juga perlu menjadi pertimbangan bagi pemerintah agar tetap mengoptimalkan kualitas layanan chatbot.
Misalnya, untuk semakin memperluas akses jangkauan, pemerintah dapat melakukan inovasi dengan menyediakan perangkat teknologi tertentu di puskesmas.
Tujuannya agar layanan CHIKA tidak hanya dapat diakses melalui Facebook.
Whatsapp, dan Telegram, namun juga mampu menjangkau kelompok masyarakat yang memiliki keterbatasan sumber daya.
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Penciptaan Nilai Publik Menggunakan Kecerdasan Buatan: Studi Empiris terhadap Pengguna Chatbot BPJS Kesehatan CHIKA di Indonesia Keterbatasan dan Penelitian Masa Depan Penelitian ini memiliki keterbatasan-keterbatasan yang membuka potensi bagi penelitian yang akan datang.
Pertama, sampel pada penelitian ini yang berbasis di Indonesia mungkin tidak dapat digeneralisasikan ke negara lain karena perbedaan budaya.
Penelitian di masa depan disarankan agar menguji model penelitian ini dalam konteks negara lain, terutama negaranegara berkembang.
Kedua, penelitian ini menggunakan keadilan prosedural dan kepercayaan untuk mengukur nilai publik.
Namun karena pemerintah mempunyai tujuan sosial yang beragam, maka nilai publik mempunyai dimensi yang beragam (Wang et al.
, 2.
dan dimaknai secara berbeda-beda di setiap konteks (Moore, 1.
Penelitian di masa depan dapat mengkaji indikator nilai publik lainnya, seperti adaptabilitas (Andrews, 2.
, transparansi/keterbukaan (Andersen et al.
, 2.
, akuntabilitas (Blader & Tyler, 2.
, dan kolaboratif (Butcher et al.
, 2.
Ketiga, pengalaman, usia, pendidikan, pendapata, dan gender digunakan sebagai moderator dalam penelitian ini, penelitian di masa depan dapat menggunakan variabel lain seperti risiko, etnik, atau lokasi .
rban-rura.
sebagai moderator.
Keempat, data penggunaan chatbot berbasis AI dikumpulkan dari pengguna di sektor Penelitian di masa depan dapat mengumpulkan data dari sektor-sektor lainnya .
isalnya pendidikan, transportasi, administrasi kependudukan, pariwisata, serta perpajakan dan keuanga.
untuk menguji lebih lanjut model dalam penelitian ini.
Kelima, penelitian ini bersifat eksploratif karena adopsi chatbot berbasis AI masih tergolong baru untuk konteks di Indonesia.
Akibatnya, temuan-temuan dalam penelitian ini mungkin tidak sepenuhnya mencerminkan nilai publik dari keadilan prosedural dan kepercayaan.
Dengan semakin berkembangnya teknologi, tindak lanjut dari penelitian ini mungkin menjadi penting bagi sektor publik
KESIMPULAN
Penelitian ini berusaha memahami dampak penggunaan layanan chatbot berbasis AI dalam penciptaan nilai memanfaatkan kerangka teori nilai publik yang dikembangkan oleh Moore dan Kelly.
Selain itu, penelitian ini juga menjelaskan bagaimana tingkat pengalaman, usia, pendidikan, pendapatan, dan gender memoderasi hubungan antara penggunaan chatbot dan nilai layanan publik.
Keadilan prosedural dan kepercayaan, dua tujuan sosial paling penting Bryson digunakan untuk mengukur nilai publik.
Hasil pada penelitian ini menunjukkan bahwa penggunaan chatbot mempengaruhi secara signifikan nilai layanan publik dan bahwa tingkat pengalaman, usia, pendidikan, pendapatan, dan gender turut mempengaruhi penggunaan chatbot.
Pertama, hubungan antara penggunaan layanan chatbot, keadilan prosedural, dan kepercayaan lebih kuat pada kelompok yang memiliki pengalaman lebih dalam memanfaatkan layanan tersebut.
Kedua, hubungan antara penggunaan layanan chatbot dan keadilan prosedural lebih kuat pada kelompok warga dengan usia lebih tua, berpendidikan lebih rendah, dan pendapatan lebih rendah.
Sebaliknya, hubungan antara penggunaan layanan chatbot dan kepercayaan lebih kuat pada kelompok warga dengan usia lebih muda, berpendidikan lebih tinggi, dan pendapatan lebih tinggi.
Ketiga, hubungan antara penggunaan layanan chatbot, keadilan prosedural, dan kepercayaan lebih kuat pada kelompok warga berjenis kelamin wanita.
Hasil ini mengindikasikan bahwa penyediaan layanan di sektor publik perlu memprioritaskan kebutuhan masyarakat .
ujuan sosia.
yang lebih luas dalam rangka memastikan keberhasilan pelayanan publik.
Studi ini menyumbangkan pengetahuan baru dan memperluas pemahaman tentang penciptaan nilai dengan menitikberatkan pada hubungan antara penggunaan kecerdasan buatan (AI) dan penciptaan nilai dalam konteks sektor publik.
Jurnal Pendidikan Indonesia.
Vol.
6 No.
1 Januari 2025 Wayan Wahyu Widhyana1.
Yohanna Magdalena Lidya Gultom2 Hal ini mengisi celah dalam literatur, karena hubungan tersebut masih jarang dieksplorasi secara empiris dalam penelitian sebelumnya.
DAFTAR PUSTAKA