Pandemi COVID-19 telah mendorong pemerintah untuk memanfaatkan teknologi untuk menanggulanginya, termasuk penggunaan aplikasi contact tracing. Pemerintah Indonesia secara resmi merilis dan mewajibkan penggunaan aplikasi contact tracing yang bernama PeduliLindungi. Penggunaan aplikasi PeduliLindungi merupakan upaya pemerintah dalam memerangi COVID-19. Pemerintah memerlukan kontribusi penduduk Indonesia untuk menggunakan PeduliLindungi agar proses pelacakan COVID-19 dapat dilakukan, tetapi jumlah pengguna aplikasi PeduliLindungi belum memenuhi target pemerintah. Menurut Kementrian Komunikasi dan Informatika Republik Indonesia, tren penggunaan PeduliLindungi mengalami penurunan terutama di Jawa dan Bali. Tujuan dari penelitian ini adalah untuk mengetahui faktor apa saja yang memengaruhi niat keberlanjutan seseorang untuk terus menggunakan aplikasi contact tracing PeduliLindungi. Penelitian ini menggunakan pendekatan kuantitatif untuk menguji model penelitian yang dibangun berdasarkan teori Expectation Confirmation Model (ECM), Health Belief Model (HBM), dan Theory Acceptance Model (TAM). Pengumpulan data dilakukan dengan menyebarkan kuesioner secara daring. Data yang diperoleh dari 372 responden dianalisis dengan metode PLS-SEM menggunakan tools SmartPLS 3.2.9. Berdasarkan hasil analisis, faktor-faktor yang memengaruhi niat keberlanjutan penggunaan aplikasi PeduliLindungi adalah service quality (kualitas layanan), system quality (kualitas sistem), perceived susceptibility (kerentanan yang dirasakan), confirmation (konfirmasi), perceived usefulness (kegunaan yang dirasakan), perceived ease of use (kemudahan penggunaan yang dirasakan), dan satisfaction (kepuasan). Penelitian ini juga memberikan implikasi secara teoritis untuk penelitian selanjutnya terkait faktor-faktor yang dapat memengaruhi niat keberlanjutan penggunaan aplikasi contact tracing. Selanjutnya, implikasi secara praktis untuk pengembang aplikasi PeduliLindungi dalam meningkatkan fitur aplikasi serta pemerintah khususnya Kementrian Kesehatan Republik Indonesia sebagai bahan pertimbangan dalam mengevaluasi kebijakan terkait penanganan COVID-19.

---

The COVID-19 pandemic has prompted the government to utilize technology to overcome it, including the use of contact tracing applications. The Indonesian government has officially released and required the use of a contact tracing application called PeduliLindungi. The use of the PeduliLindungi application is an effort by the government in fighting COVID-19. The government requires the contribution of the Indonesian population to use PeduliLindungi so that the COVID-19 tracking process can be carried out, but the number of application users has not met the government's target. According to the Ministry of Communication and Information of the Republic of Indonesia, the trend of using PeduliLindungi has decreased, especially in Java and Bali.

The purpose of this study is to find out what factors influence a person's continuance intention to use PeduliLindungi contact tracing application. This study uses a quantitative approach to test the research model that is built based on the Expectation Confirmation Model (ECM), Health Belief Model (HBM), and Theory Acceptance Model (TAM) theory. Data was collected by distributing online questionnaires. The data obtained from 372 respondents were analyzed by the PLS-SEM method using SmartPLS 3.2.9 tools.

Based on the results of the analysis, the factors that influence the intention to continue using the PeduliLindungi application are service quality (quality of service), system quality, perceived susceptibility, confirmation, perceived usefulness, perceived ease of use, and satisfaction. This research also provides theoretical implications for further research regarding the factors that can influence continuance intention to use contact tracing applications. Furthermore, practical implications for PeduliLindungi application developers in improving application features and the government, especially the Ministry of Health of the Republic of Indonesia as consideration in evaluating policies related to handling COVID-19.