Jurnal Ekonomi STIEP (JES).
Vol.
Published by: Sekolah Tinggi Ilmu Ekonomi Pontianak - Indonesia Jurnal Ekonomi STIEP (JES ) Journal homepage: https://jurnal.
id/index.
php/jes Determinan Loyalitas Pelanggan dalam Industri Transportasi Digital:
Studi Empiris pada Pengguna Aplikasi Maxim Herwanto1.
Ema Trisnawati2.
Ananda Zaqira3.
Taryati Sukmawati4 1&4Manajemen.
Institut Bisnis dan Ekonomi Indonesia 2&3Administrasi Bisnis.
Institut Bisnis dan Ekonomi Indonesia
ARTICLE INFO
Article history:
Received: 2025,04-06 Revised 2022, 04-10 Accepted, 2022,05-05 Keywords:
customer loyalty, perceived usefulness, perceived ease of use.
ABSTRACT Penelitian ini menginvestigasi faktor-faktor penentu loyalitas pelanggan dalam layanan transportasi digital di pasar berkembang, dengan fokus pada aplikasi Maxim di Kota Pontianak.
Indonesia.
Melalui model penerimaan teknologi dan teori pemasaran relasional, kami menguji bagaimana persepsi manfaat, persepsi kemudahan, dan fitur mempengaruhi loyalitas pelanggan, dengan kepercayaan sebagai variabel mediasi.
Data dikumpulkan dari 100 pengguna aktif Maxim melalui purposive sampling.
Analisis menggunakan Partial Least Square Structural Equation Modeling mengungkapkan kepercayaan sebagai determinan utama loyalitas pelanggan (=0,773.
p<0,.
, yang secara efektif memediasi hubungan antara persepsi kemudahan dan fitur terhadap loyalitas.
Sementara persepsi kemudahan dan fitur menunjukkan kontribusi positif terhadap pembentukan kepercayaan, persepsi manfaat justru menunjukkan pengaruh negatif terhadap loyalitas.
Model penelitian menjelaskan 77,3% variasi dalam kepercayaan dan 69,9% dalam loyalitas pelanggan, memberikan wawasan penting bagi pengembangan antarmuka dan fitur yang dapat diandalkan.
This study investigated the determinants of customer loyalty in digital transportation services within emerging markets, focusing on the Maxim application in Pontianak City.
Indonesia.
Through Technology Acceptance Model and relationship marketing theory, we examined how perceived usefulness, perceived ease of use, and features influenced customer loyalty, with trust as a mediating variable.
Data were collected from 100 active Maxim users through purposive sampling.
Analysis using Partial Least Square Structural Equation Modeling revealed trust as the primary determinant of customer loyalty (=0.
p<0.
, effectively mediating the relationship between both perceived ease of use and features towards loyalty.
While perceived ease of use and features demonstrated positive contributions to trust formation, perceived usefulness showed an unexpected negative effect on loyalty.
The model explained 77.
3% of variance in trust and 69.
9% in customer loyalty, providing crucial insights for digital transportation service providers in developing user-centric interfaces and reliable features.
This is an open access article under the CC BY-SA license Corresponding Author:
Ema Trisnawati Administrasi Bisnis.
Institut Bisnis dan Ekonomi Indonesia Jl.
Sultan Hamid II.
Kec.
Pontianak Timut.
Kalimantan Barat 78124 etrisna@ibei.
Pendahuluan Perkembangan teknologi telah mengalami akselerasi yang signifikan dalam beberapa tahun terakhir, dan tentunya memberikan dampak transformatif pada berbagai aspek kehidupan masyarakat (Harris M.
, 2.
Salah satu sektor yang mengalami transformasi fundamental adalah transportasi, yang memiliki peran vital dalam menggerakkan roda perekonomian nasional (Kadir.
Evolusi ini telah melahirkan dua model transportasi yang dominan, yaitu transportasi konvensional dan transportasi berbasis aplikasi .
Seiring dengan kemajuan teknologi yang terus berkembang.
Masyarakat menunjukkan preferensi yang semakin kuat transportasi online karena menawarkan fleksibilitas dan efisiensi yang lebih tinggi (Sena & Prayitno, 2.
Di tengah persaingan industri transportasi online.
Maxim hadir di Indonesia pada tahun 2018 dengan strategi penetrasi pasar yang unik, yakni menawarkan tarif yang lebih kompetitif dibandingkan pesaingnya (Sahda et al.
, 2.
Keberhasilan Maxim di Kota Pontianak tidak terlepas dari strategi segmentasi pasar yang tepat, dengan fokus pada segmen konsumen yang sensitif terhadap harga, seperti mahasiswa, pekerja informal, dan masyarakat berpenghasilan rendah.
Journal homepage: https://jurnal.
id/index.
php/jes Jurnal Ekonomi STIEP (JES).
ISSN: 2654-4288 (Onlin.
Ae Strategi penetapan harga yang kompetitif ini berhasil menciptakan antusiasme yang tinggi di kalangan masyarakat (Afrilya et al.
, 2.
Secara strategis.
Maxim memposisikan diri untuk melayani segmen pasar tertentu dengan sangat baik.
Namun, di balik kesuksesan penetrasi pasarnya.
Maxim menghadapi tantangan teknis yang signifikan.
Konsumen melaporkan kesulitan dalam menentukan lokasi karena beberapa tempat tidak terdaftar dalam sistem peta Maxim.
Hal ini dikonfirmasi melalui pra-riset menggunakan user experience questionnaire (Abdillah, 2.
yang dilakukan terhadap pengguna aktif Maxim, di mana mayoritas responden mengonfirmasi adanya permasalahan pada sistem peta aplikasi.
Meski demikian, fenomena menarik terungkap melalui pra-riset lanjutan pada Agustus 2024 menggunakan aplikasi Taxsee Driver, yang menunjukkan bahwa tingkat penggunaan layanan Maxim tetap tinggi terlepas dari kendala teknis yang ada.
Fenomena ini mengindikasikan adanya faktor-faktor di luar kualitas layanan yang berperan dalam mempertahankan loyalitas pelanggan.
Kondisi paradoksal ini menimbulkan pertanyaan penelitian yang menarik tentang faktor-faktor yang mempengaruhi loyalitas pelanggan dalam konteks transportasi online, khususnya dalam kasus Maxim di Kota Pontianak.
Penelitian ini bertujuan untuk mengeksplorasi dan menganalisis faktor-faktor tersebut, yang dapat memberikan kontribusi signifikan bagi pengembangan strategi bisnis dalam industri transportasi online.
Penelitian ini menganalisis faktor-faktor yang mempengaruhi loyalitas pelanggan layanan transportasi online Maxim di Kota Pontianak.
Konstruk persepsi manfaat .
erceived usefulnes.
dan persepsi kemudahan .
erceived ease of us.
diadopsi dari Technology Acceptance Model yang dikembangkan oleh Davis & Davis, 1.
, yang telah berhasil menjelaskan adopsi teknologi transportasi digital (Cheng et al.
, 2.
Fitur .
diintegrasikan mengacu pada penelitian (Wulandari, 2.
yang menemukan bahwa kelengkapan fitur aplikasi berpengaruh signifikan terhadap kepuasan pengguna transportasi online.
Sementara itu, kepercayaan .
sebagai mediasi didasarkan pada studi Morgan & Hunt .
tentang teori pemasaran relasional yang menegaskan peran sentral kepercayaan dalam membangun loyalitas jangka panjang.
Penelitian Augustinah et al.
pada konteks transportasi online di Indonesia menunjukkan bahwa persepsi manfaat, persepsi kemudahan, dan fitur aplikasi berpengaruh positif terhadap pembentukan kepercayaan pengguna, yang kemudian meningkatkan loyalitas pelanggan.
Hal senada juga dikonfirmasi oleh Lien et al.
yang menemukan bahwa kepercayaan menjadi faktor krusial yang memediasi hubungan antara persepsi kualitas aplikasi dengan loyalitas pengguna layanan transportasi digital.
Pengaruh langsung terhadap loyalitas pelanggan juga didukung oleh temuan Kuswanto et al.
yang mengungkapkan bahwa kemanfaatan, kemudahan, dan keberagaman fitur berkontribusi signifikan terhadap loyalitas pengguna aplikasi transportasi online di kota-kota besar Indonesia.
Pengujian model hubungan ini diharapkan dapat mengungkapkan paradoks tingginya loyalitas pengguna Maxim di tengah kendala teknis yang dihadapi aplikasi tersebut.
Kajian Teori Perilaku Konsumen Perilaku konsumen merupakan studi multidisipliner yang mengintegrasikan perspektif psikologi, sosiologi, dan ekonomi dalam memahami proses pembuatan keputusan konsumen (Loudon, 1.
Kerangka kerja ini mencakup tahapan sistematis dalam proses keputusan konsumen, dimulai dari pengenalan kebutuhan, pencarian informasi, evaluasi alternatif, keputusan pembelian, hingga perilaku pasca pembelian.
Proses ini melibatkan interaksi dinamis antara elemen kognitif, afektif, dan perilaku yang membentuk preferensi konsumen, dengan rangsangan lingkungan dan perbedaan individual berperan sebagai variabel moderasi dalam prosesnya.
Theory of Planned Behavior (Teori Perilaku Terencan.
Teori perilaku terencana memberikan landasan teoretis yang komprehensif dalam memahami proses pengambilan keputusan konsumen (Meitiana, 2.
Konstruk ini terdiri dari tiga determinan utama yang saling berinteraksi dalam membentuk intensi perilaku.
Sikap terhadap perilaku .
ttitude toward behavio.
merepresentasikan evaluasi individual terhadap keluaran yang diharapkan dari suatu layanan (Wanarta & Mangoting, 2.
Pada konteks pemasaran jasa, sikap positif konsumen terhadap dimensi layanan memiliki hubungan yang erat dengan niat berperilaku Dimensi layanan tersebut meliputi kualitas layanan yang diberikan, kemudahan dalam mengakses dan menggunakan layanan, serta proposisi nilai harga yang ditawarkan.
Ketika konsumen memiliki penilaian yang baik terhadap ketiga dimensi ini, mereka cenderung Herwanto et al.
Determinan Loyalitas Pelanggan dalam Industri Transportasi Digital: Studi Empiris pada Pengguna Aplikasi Maxim Ae ISSN: 2654-4288 (Onlin.
menunjukkan intensi yang lebih kuat untuk tetap menggunakan layanan tersebut secara Norma subjektif .
ubjective norm.
mengindikasikan persepsi tekanan sosial dalam konteks pengambilan keputusan, dimana referent groups memainkan peran signifikan dalam pembentukan preferensi konsumen (Fitriani et al.
, 2.
Perceived usefulness (Persepsi Manfaa.
Persepsi manfaat merujuk pada keyakinan subjektif bahwa penggunaan teknologi atau aplikasi tertentu dapat meningkatkan kinerja dan efektivitas aktivitas seseorang (Rahmatsyah.
Ramadhan & Saputro .
memperluas pemahaman ini dengan menekankan bahwa persepsi manfaat berkaitan erat dengan ekspektasi peningkatan kinerja melalui penggunaan Pada konteks layanan transportasi online, persepsi manfaat yang tinggi dapat meningkatkan kepercayaan dan loyalitas pengguna terhadap layanan tersebut.
Hipotesis:
H1: Persepsi manfaat berpengaruh signifikan terhadap kepercayaan H4: Persepsi manfaat berpengaruh signifikan terhadap loyalitas pelanggan H8: Persepsi manfaat berpengaruh signifikan terhadap loyalitas pelanggan melalui mediasi Perceived ease of use (Persepsi Kemudaha.
Persepsi kemudahan didefinisikan sebagai tingkat kepercayaan seseorang bahwa penggunaan teknologi tertentu tidak memerlukan usaha yang besar (Robaniyah & Kurnianingsih.
Patrik .
memperkuat konsep ini dengan menekankan bahwa kemudahan penggunaan mencakup aspek pemahaman dan pengoperasian teknologi.
Semakin mudah suatu aplikasi digunakan, semakin tinggi tingkat kepercayaan dan loyalitas pengguna.
Hipotesis:
H2: Persepsi kemudahan berpengaruh signifikan terhadap kepercayaan H5: Persepsi kemudahan berpengaruh signifikan terhadap loyalitas pelanggan H9: Persepsi kemudahan berpengaruh signifikan terhadap loyalitas pelanggan melalui mediasi Features (Fitu.
Fitur dalam aplikasi transportasi online mencakup berbagai fungsi dan layanan yang disediakan untuk memenuhi kebutuhan pengguna.
Ketersediaan fitur yang lengkap dan berfungsi dengan baik dapat meningkatkan kepercayaan pengguna dan mendorong loyalitas pelanggan.
Hipotesi:
H3: Fitur berpengaruh signifikan terhadap kepercayaan H6: Fitur berpengaruh signifikan terhadap loyalitas pelanggan H10: Fitur berpengaruh signifikan terhadap loyalitas pelanggan melalui mediasi kepercayaan Trust (Kepercayaa.
Kepercayaan merupakan kesediaan satu pihak untuk mengandalkan pihak lain dengan harapan bahwa pihak tersebut akan memenuhi ekspektasi yang ada (Dewi & Ramli, 2.
Kasinem .
memandang kepercayaan sebagai konstruk multidimensional yang melibatkan hubungan antara objek dengan berbagai atribut yang relevan.
Pada konteks layanan digital, kepercayaan menjadi mediator penting antara persepsi pengguna dan loyalitas.
Hipotesis:
H7: Kepercayaan berpengaruh signifikan terhadap loyalitas pelanggan Customer Loyalty (Loyalitas Pelangga.
Loyalitas pelanggan merupakan komitmen yang kuat untuk terus membeli dan mendukung produk atau jasa yang disukai di masa depan (Kotler & Keller, 1.
Griffin .
menekankan aspek perilaku dari loyalitas, yang dapat diukur melalui frekuensi pembelian berulang.
Oliver .
memandang loyalitas sebagai ikatan emosional yang terbentuk antara konsumen dengan suatu produk atau jasa.
Jurnal Ekonomi STIEP (JES).
Vol.
No.
Mei 2025.
Jurnal Ekonomi STIEP (JES).
ISSN: 2654-4288 (Onlin.
Ae Gambar 1 Konsep Penelitian Berdasarkan kajian teoretis dan hipotesis yang telah diuraikan, kerangka pemikiran penelitian ini digambarkan dalam model yang menunjukkan hubungan antar variabel, baik pengaruh langsung maupun pengaruh tidak langsung melalui variabel mediasi.
Model ini menggambarkan bagaimana persepsi manfaat, persepsi kemudahan, dan fitur dapat mempengaruhi loyalitas pelanggan, baik secara langsung maupun melalui mediasi kepercayaan.
Kerangka pemikiran ini didasarkan pada integrasi berbagai teori dan penelitian terdahulu yang menunjukkan keterkaitan antar variabel dalam konteks layanan transportasi online.
Pengujian empiris terhadap model ini akan memberikan pemahaman yang lebih komprehensif tentang faktorfaktor yang mempengaruhi loyalitas pelanggan dalam industri trane.
Metode Penelitian Penelitian ini mengadopsi pendekatan kuantitatif dengan desain cross-sectional, dilaksanakan di Kota Pontianak selama periode Oktober hingga Desember 2024.
Pemilihan lokasi didasarkan pada pertimbangan bahwa Pontianak merupakan salah satu kota dengan tingkat penetrasi layanan Maxim yang signifikan.
Populasi penelitian mencakup pengguna aktif aplikasi Maxim di Kota Pontianak dengan jumlah yang tidak teridentifikasi .
nfinite populatio.
Teknik purposive sampling diimplementasikan dengan kriteria inklusi: .
frekuensi penggunaan minimal tiga kali per minggu, .
usia minimal 17 tahun, dan .
pengalaman penggunaan aplikasi Maxim minimal tiga bulan.
Determinasi ukuran sampel mengacu pada pendekatan Sugiyono .
untuk populasi tidak terbatas.
Menurut Sugiyono, untuk penelitian dengan populasi yang tidak diketahui jumlahnya, ukuran sampel minimal yang representatif adalah 10 kali jumlah variabel yang diteliti .
ersepsi manfaat, persepsi kemudahan, fitur, kepercayaan, dan loyalitas pelangga.
, maka jumlah sampel minimal adalah 50 responden.
Pada penelitian ini, ukuran sampel menggunakan rumus Lemeshow untuk populasi yang tidak diketahui jumlahnya .
nfinite populatio.
Formula yang digunakan adalah sebagai berikut:
n = (ZACACUCa/CC y P y .
-P)) / dA Dimana:
= ukuran sampel minimum ZCACUCa/CC = nilai distribusi normal baku .
abel Z) pada tertentu = proporsi variabel yang diteliti dalam populasi .
ika tidak diketahui, digunakan P = 0,.
= presisi/tingkat ketelitian atau kesalahan yang diinginkan Menggunakan tingkat kepercayaan 95% ( = 0,.
sehingga nilai ZCACUCa/CC = 1,96, proporsi P = 0,5 .
aksimal sampe.
, dan tingkat presisi .
sebesar 10%, perhitungan ukuran sampel adalah sebagai Herwanto et al.
Determinan Loyalitas Pelanggan dalam Industri Transportasi Digital: Studi Empiris pada Pengguna Aplikasi Maxim Ae ISSN: 2654-4288 (Onlin.
= .
,96A y 0,5 y 0,.
/ 0,1A = .
,8416 y 0,.
/ 0,01 = 0,9604 / 0,01 = 96,04 OO 96 Berdasarkan perhitungan tersebut, ukuran sampel minimum yang dibutuhkan adalah 96 responden, untuk mengantisipasi kemungkinan adanya data yang tidak lengkap atau tidak valid, peneliti mengambil sampel sebanyak 100 responden yang memenuhi kriteria inklusi yang telah ditetapkan.
Tabel 1 Average variance extracted (AVE) Gender
Perempuan Laki-laki Total
Jumlah Responden
Usia
17 Ae 27
28 Ae 38
>38
Pekerjaan Pelajar Mahasiswa
Karyawan Swasta
PNS
Lainnya Sumber: Data Olahan Smart PLS 3 Pengumpulan dan Analisis Data Penelitian ini menggunakan dua sumber data yang terdiri dari data primer yang dikumpulkan melalui penyebaran kuesioner terstruktur, dan data sekunder yang diperoleh dari dokumentasi serta kajian literatur.
Instrumen penelitian dikembangkan melalui proses operasionalisasi variabel yang diadaptasi dari penelitian-penelitian terdahulu, dengan penyesuaian kontekstual untuk memastikan relevansi dengan objek penelitian.
Analisis data dilakukan menggunakan pendekatan Partial Least Square Structural Equation Modeling (PLS-SEM) dengan bantuan perangkat lunak SmartPLS versi 3.
Pada proses analisis, evaluasi model dilakukan dalam dua tahap: Tahap pertama adalah evaluasi model pengukuran yang mencakup pengujian validitas dan reliabilitas.
Validitas konvergen dinilai melalui dua kriteria yaitu nilai outer loading yang harus lebih besar dari 0,7 dan nilai Average Variance Extracted (AVE) yang harus melebihi 0,5.
Validitas diskriminan dievaluasi menggunakan analisis cross-loading dan kriteria Fornell-Larcker.
Memastikan reliabilitas konstruk, nilai Cronbach's Alpha dan Composite Reliability harus melampaui ambang batas 0,7.
Tahap kedua adalah evaluasi model struktural yang dilakukan melalui beberapa parameter.
Model fit dinilai menggunakan kriteria p-value yang harus kurang dari 0,05 dan nilai SRMR yang harus kurang dari 0,08.
Kemampuan prediktif model dievaluasi melalui nilai QA yang harus lebih besar dari 0.
Kekuatan pengaruh dalam model dinilai melalui R-square dengan interpretasi: 0,75 .
, 0,50 .
, dan 0,25 .
Pengujian hipotesis one-tailed 5% dilakukan menggunakan analisis path coefficients dan prosedur bootstrapping, dengan kriteria t-statistik yang harus melebihi 1,645 dan p-value yang harus kurang dari 0,05 untuk menyimpulkan signifikansi hubungan antar Hasil dan Pembahasan Model penelitian yang dievaluasi menggunakan Structural Equation Modeling (SEM) dengan pendekatan Partial Least Square (PLS) telah memenuhi kriteria untuk analisis lebih lanjut seperti yang ditampilkan Gambar 2 untuk hasil uji validitas outer loading.
Evaluasi model pengukuran .
uter mode.
dilakukan untuk menilai validitas dan reliabilitas konstruk dalam penelitian ini.
Pengujian validitas konvergen dilakukan melalui analisis outer loading dan Average Variance Extracted (AVE).
Berdasarkan hasil analisis yang ditampilkan pada Gambar 2, seluruh indikator menunjukkan nilai outer loading di atas 0,7 yang mengindikasikan validitas yang baik (Pirouz, 2.
Secara spesifik:
Konstruk Persepsi Manfaat (X.
memiliki nilai outer loading berkisar antara 0,745 hingga 0,891 Konstruk Persepsi Kemudahan (X.
menunjukkan nilai outer loading antara 0,865 hingga 0,923 Konstruk Fitur (X.
memiliki nilai outer loading berkisar dari 0,848 hingga 0,904 Konstruk Kepercayaan (Z) menunjukkan nilai outer loading antara 0,835 hingga 0,904 Konstruk Loyalitas (Y) memiliki nilai outer loading antara 0,826 hingga 0,900 Jurnal Ekonomi STIEP (JES).
Vol.
No.
Mei 2025.
Jurnal Ekonomi STIEP (JES).
ISSN: 2654-4288 (Onlin.
Ae Gambar 2 Hasil Analisa Outer Loading Sumber: Data Olahan Smart PLS 3.
Hasil analisis menunjukkan bahwa seluruh indikator memiliki korelasi yang kuat dengan konstruk latennya masing-masing, yang mengonfirmasi validitas konvergen yang baik dari instrumen pengukuran yang digunakan dalam penelitian ini.
Hasil analisis AVE seperti yang ditampilkan pada Tabel 2 menunjukkan bahwa seluruh variabel memiliki nilai AVE di atas 0,5 (Ghozali, 2.
Persepsi Manfaat .
Persepsi Kemudahan .
Fitur .
Loyalitas .
, dan Kepercayaan .
menunjukkan validitas konvergen yang baik untuk semua konstruk dalam model penelitian.
Tabel 2 Average Variance Extracted (AVE) Variabel Persepsi Manfaat Persepsi Kemudahan Fitur Loyalitas Kepercayaan Indikator Bekerja Lebih Cepat Kinerja Pekerja Meningkatkan Produktivitas Efektivitas .
Membuat Pekerjaan Lebih Mudah Manfaat (Isnawati et al.
, 2.
Fleksibel Mudah digunakan Jelas dan dapat dipahami (Sibuea et al.
, 2.
Kemudahan Akses Informasi Terdapat pilihan layanan transaksi yang tersedia Ragam fitur layanan Inovasi jasa (Griffin, 1.
Secara terus menerus Mereferensikan.
Menunjukkan kekebalan para (Griffin, 1.
Informasi sesuai dengan kualitas AVE
0,736
0,813
0,756
0,818
0,740
Herwanto et al.
Determinan Loyalitas Pelanggan dalam Industri Transportasi Digital: Studi Empiris pada Pengguna Aplikasi Maxim Ae ISSN: 2654-4288 (Onlin.
Mengerti keinginan konsumen Jasa yang handal (Robaniyah & Kurnianingsih, 2.
Sumber: Data Olahan Smart PLS 3 Evaluasi validitas diskriminan menjadi tahapan selanjutnya dalam memvalidasi model pengukuran untuk memastikan bahwa setiap konstruk benar-benar mengukur aspek yang berbeda dalam model penelitian.
Melalui pengujian kriteria Fornell-Larcker Criterion dan analisis crossloading, penelitian ini mendemonstrasikan sejauh mana setiap konstruk memiliki karakteristik yang unik dan terdiferensiasi dari konstruk lainnya.
Berikut merupakan hasil dari kedua uji tersebut.
Tabel 3 Fornell-larcker Criterion
Variabel
Persepsi Manfaat
Persepsi Kemudahan Fitur
Loyalitas Kepercayaan Persepsi
Manfaat
0,858
0,620
0,379
0,586
0,648
Persepsi Kemudahan 0,902 0,726 0,839 0,842 Fitur Loyalitas Kepercayaan 0,869 0,848 0,684 0,904 0,819 0,860 Sumber: Data Olahan Smart PLS 3 Hasil analisis pada Tabel 3, pengujian validitas diskriminan menggunakan kriteria Fornelarcker menunjukkan bahwa akar kuadrat AVE pada setiap konstruk memiliki nilai yang lebih tinggi dibandingkan dengan korelasi konstruk tersebut terhadap konstruk lainnya.
Hasil ini mengkonfirmasi bahwa setiap konstruk dalam model penelitian memiliki tingkat validitas diskriminan yang baik.
Begitu pula untuk hasil analisis cross-loading sebagaimana ditampilkan dalam hasil penelitian menunjukkan bahwa setiap indikator memiliki loading yang lebih tinggi pada konstruk yang dituju dibandingkan dengan konstruk lainnya.
Secara spesifik, indikator-indikator Persepsi Manfaat menunjukkan loading di atas 0,7 pada konstruknya sendiri dan loading yang lebih rendah pada konstruk lainnya.
Pola serupa juga terlihat pada indikator Persepsi Kemudahan.
Fitur.
Loyalitas dan Kepercayaan, dimana masing-masing indikator menunjukkan loading tertinggi pada konstruk yang seharusnya diukur.
Hasil ini memberikan bukti tambahan tentang validitas diskriminan yang baik dari instrumen pengukuran yang digunakan dalam penelitian ini.
Tabel 4 menjelaskan bahwa setiap indikator menunjukkan loading tertinggi pada konstruk yang diukurnya dibandingkan dengan konstruk lainnya, memperkuat bukti validitas diskriminan.
Uji reliabilitas dalam PLS dapat diukur dan melihat nilai dari cronbachAos alpha dan composite reliability (Hair et al.
, 2.
Tabel 4 Reliabilitas Variabel Persepsi Manfaat Persepsi Kemudahan Fitur Loyalitas Kepercayaan CronbachAos alpha Composite reliability 0,892 0,824 0,892 0,889 0,824 0,943 0,929 0,925 0,931 0,895 Sumber: Data Olahan Smart PLS 3 Pengujian reliabilitas menunjukkan hasil yang memuaskan dengan nilai Cronbach's Alpha dan Composite Reliability seluruh variabel diatas 0,70.
Nilai tertinggi ditunjukkan oleh Persepsi Manfaat (=0,892.
CR=0,.
, diikuti oleh konstruk lainnya yang juga menunjukkan konsistensi internal yang baik.
Pengukuran model fit ini bertujuan untuk melihat seberapa baik nilai dari model penelitian yang dimiliki dengan rentang nilai adalah 0 sampai dengan 1 yang berarti semakin mendekati nilai 1 maka model dinyatakan semakin baik dan berikut merupakan hasil dari pengujian model fit:
Jurnal Ekonomi STIEP (JES).
Vol.
No.
Mei 2025.
Jurnal Ekonomi STIEP (JES).
ISSN: 2654-4288 (Onlin.
Ae Tabel 5 Model fit dan R-square Model Fit
Saturated Model
Estimated Model
R-square Item
NFI
Loyalitas Kepercayaan 0,755 0,699 0,773 Sumber: Data Olahan Smart PLS 3 Berdasarkan Tabel 5 di atas dapat diketahui nilai NFI yang dimiliki rentang nilai 0 sampai 1 yang berarti semakin mendekati 1 maka model dinyatakan semakin baik, pada nilai NFI itu sendiri memiliki nilai 0,755 maka mendekati nilai 1 dan dinyatakan baik.
Dapat diartikan pula kebaikan model penelitian adalah 75%.
Selanjutnya adalah hasil uji R-square, berdasarkan hasil analisis model struktural menggunakan PLS-SEM, diperoleh nilai R-square yang menunjukkan kemampuan prediktif model penelitian.
Variabel kepercayaan memiliki nilai R-square sebesar 0,773, mengindikasikan bahwa 77,3% variansi kepercayaan dapat dijelaskan oleh persepsi manfaat, persepsi kemudahan, dan fitur.
Sementara itu, loyalitas pelanggan memiliki nilai R-square sebesar 0,699, menunjukkan bahwa 69,9% variansi loyalitas dapat dijelaskan oleh persepsi manfaat, persepsi kemudahan, fitur, dan kepercayaan.
Tabel 6 Hasil Uji Pengaruh
Original sample T Statistics P values (O) 0,007 (|O/STDEV|) 0,056 0,478 0,428 2,810 0,002 0,483 -0,188 3,866 2,068 0,000 0,025 0,231 1,700 0,043 -0,045 0,773 0,247 5,276 0,404 0,000 0,006 0,053 0,478 0,331 2,450 0,006 0,378
2,861
0,002
Persepsi Manfaat -> Kepercayaan Persepsi Kemudahan >Kepercayaan Fitur -> Kepercayaan Persepsi Manfaat -> Loyalitas Persepsi Kemudahan >Loyalitas Fitur ->Loyalitas Kepercayaan -> Loyalitas Persepsi Manfaat -> Kepercayaan -> Loyalitas Persepsi Kemudahan >Kepercayaan -> Loyalitas Fitur -> Kepercayaan >Loyalitas Sumber: Data Olahan SmartPLS 3 Hasil analisis path coefficients dan bootstrapping seperti yang ditampilkan pada Tabel 6 menunjukkan pola hubungan yang menarik antar variabel dalam model penelitian.
Pengaruh langsung terhadap kepercayaan, persepsi kemudahan (=0,428.
t=2,810.
p=0,.
dan fitur (=0,483.
t=3,866.
p=0,.
menunjukkan pengaruh positif yang signifikan, sementara persepsi manfaat (=0,007.
t=0,056.
p=0,.
tidak menunjukkan pengaruh yang signifikan.
Pada konteks pengaruh langsung terhadap loyalitas, kepercayaan muncul sebagai prediktor terkuat (=0,773.
t=5,276.
p=0,.
, diikuti oleh persepsi kemudahan (=0,231.
t=1,700.
p=0,.
yang menunjukkan pengaruh positif signifikan.
Menariknya, persepsi manfaat menunjukkan pengaruh negatif yang signifikan (=-0,188.
t=2,068.
p=0,.
, sementara fitur tidak menunjukkan pengaruh yang signifikan (=-0,045.
t=0,247.
p=0,.
Analisis efek mediasi mengungkapkan bahwa Herwanto et al.
Determinan Loyalitas Pelanggan dalam Industri Transportasi Digital: Studi Empiris pada Pengguna Aplikasi Maxim Ae ISSN: 2654-4288 (Onlin.
kepercayaan secara efektif memediasi hubungan antara persepsi kemudahan dan loyalitas (=0,331.
t=2,450.
p=0,.
, serta antara fitur dan loyalitas (=0,378.
t=2,861.
p=0,.
Namun, peran mediasi kepercayaan tidak signifikan dalam hubungan antara persepsi manfaat dan loyalitas (=0,006.
t=0,053.
p=0,.
Hasil ini mengindikasikan bahwa kepercayaan berperan penting dalam mentransformasi penilaian teknis aplikasi menjadi loyalitas pelanggan.
Hasil penelitian menunjukkan pola hubungan yang kompleks antara variabel-variabel yang mempengaruhi loyalitas pelanggan dalam konteks layanan transportasi online.
Persepsi manfaat tidak menunjukkan pengaruh signifikan terhadap kepercayaan (=0,007.
p>0,.
, temuan ini sejalan dengan penelitian Nizam et al.
yang menemukan bahwa dalam konteks layanan digital, persepsi manfaat tidak selalu secara langsung menumbuhkan kepercayaan.
Hal ini dapat dijelaskan karena pengguna mungkin menganggap manfaat sebagai fitur standar yang sudah seharusnya ada dalam layanan transportasi online, sehingga tidak secara langsung mempengaruhi pembentukan kepercayaan.
Persepsi kemudahan (=0,428.
p<0,.
dan fitur (=0,483.
p<0,.
menunjukkan pengaruh positif yang signifikan terhadap kepercayaan.
Temuan ini memperkuat hasil penelitian Kholida et al.
yang mengungkapkan bahwa kemudahan penggunaan aplikasi dan ketersediaan fitur yang reliable menjadi fondasi penting dalam membangun kepercayaan pengguna layanan digital.
Najjar & Dahabiyeh .
dalam studinya tentang adopsi teknologi transportasi online menambahkan bahwa fitur yang user-friendly dan intuitif berkontribusi signifikan terhadap pembentukan kepercayaan pengguna.
Pada konteks pengaruh langsung terhadap loyalitas, kepercayaan muncul sebagai determinan terkuat (=0,773.
p<0,.
Temuan ini konsisten dengan teori relationship marketing yang dikemukakan oleh Morgan & Hunt .
dalam edisi terbaru bukunya "The CommitmentTrust Theory of Relationship Marketing", yang menegaskan peran sentral kepercayaan dalam membangun hubungan jangka panjang dengan pelanggan.
Menariknya, persepsi manfaat justru menunjukkan pengaruh negatif terhadap loyalitas (=-0,188.
p<0,.
Augustinah et al.
dalam penelitiannya tentang perilaku konsumen digital menjelaskan bahwa fenomena ini mungkin terjadi karena konsumen yang sangat memahami manfaat layanan transportasi online cenderung lebih kritis dan mudah beralih ke penyedia layanan lain yang menawarkan manfaat lebih baik.
Analisis efek mediasi mengungkapkan peran strategis kepercayaan dalam memediasi hubungan antara persepsi kemudahan dan loyalitas (=0,331.
p<0,.
, serta antara fitur dan loyalitas (=0,378.
p<0,.
Purnami .
dalam studi mereka tentang loyalitas digital menegaskan bahwa kepercayaan berperan sebagai katalis yang mengkonversi evaluasi teknis aplikasi menjadi komitmen jangka panjang.
Temuan-temuan ini memberikan implikasi teoretis dan praktis yang signifikan.
Secara teoretis, penelitian ini memperkaya pemahaman tentang mekanisme pembentukan loyalitas dalam konteks layanan transportasi online, khususnya peran mediasi Secara praktis, hasil penelitian menyarankan bahwa penyedia layanan transportasi online perlu memprioritaskan pengembangan yang mudah digunakan dan fitur yang dapat diandalkan untuk membangun kepercayaan pelanggan, yang pada gilirannya akan mendorong Kesimpulan Penelitian ini mengungkapkan dinamika kompleks dalam pembentukan loyalitas pelanggan Maxim di Kota Pontianak.
Kepercayaan terbukti menjadi determinan utama loyalitas dengan pengaruh positif yang sangat signifikan (=0,773.
p<0,.
, sekaligus berperan efektif sebagai mediator antara persepsi kemudahan serta fitur terhadap loyalitas.
Persepsi kemudahan dan fitur memberikan kontribusi positif terhadap pembentukan kepercayaan, namun menariknya, persepsi manfaat justru menunjukkan pengaruh negatif terhadap loyalitas.
Temuan ini mengindikasikan bahwa pelanggan yang sangat memahami manfaat layanan cenderung memiliki ekspektasi yang lebih tinggi.
Model penelitian berhasil menjelaskan 77,3% variasi dalam kepercayaan dan 69,9% variasi dalam loyalitas pelanggan, menegaskan peran fundamental kepercayaan dalam membangun hubungan jangka panjang dengan pelanggan.
Berdasarkan temuan penelitian ini, beberapa saran dapat diajukan untuk pengembangan penelitian selanjutnya dan perbaikan layanan Maxim.
Pada penelitian mendatang, disarankan mengeksplorasi variabel kontekstual seperti strategi harga dan kualitas pelayanan driver, serta menerapkan pendekatan longitudinal untuk memahami perubahan perilaku pelanggan seiring Bagi Maxim, diperlukan peningkatan akurasi sistem pemetaan melalui integrasi teknologi Jurnal Ekonomi STIEP (JES).
Vol.
No.
Mei 2025.
Jurnal Ekonomi STIEP (JES).
ISSN: 2654-4288 (Onlin.
Ae AI, pengembangan program loyalitas yang terpersonalisasi untuk segmen mahasiswa dan pekerja, serta optimalisasi strategi promosi dan diversifikasi metode pembayaran untuk meningkatkan daya saing di industri transportasi online.
Referensi