Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
PayLater adalah salah satu bentuk dari digital payment yang diguanakan seperti kartu kredit yang berbentuk digital. PayLater salah satu bentuk inovasi digital payment yang pertama kali ada di Indonesia pada pertengahan tahun 2018. Paylater bisa dengan mudah digunakan melalui pendaftaran online pada digital platform yang menyediakan layanan tersebut. Sudah banyak aplikasi yang menyediakan layanan PayLater seperti e wallet, e commerce, aplikasi berbasis travel, ataupun aplikasi yang khusus menyediakan kredit online. Jabodetabek sebagai kota metropolitan yang dapat menjadi target penerapan penggunaan PayLater yang potensial dan menargetkan Generasi Z sebagai pengguna potensial. Generasi Z merupakan generasi dengan kelompok umur 10-25 tahun yang memiliki karakter dekat dengan teknologi atau juga bisa disebut sebagai app friendly generation. Karena PayLater tergolong baru di Indonesia, penelitian ini bertujuan menganalisis penerimaan PayLater pada Generasi Z di Jabodetabek dengan menggunakan Technology Acceptance Model untuk mengetahuo faktor yang berpengaruh terhadap penggunaan PayLater. Faktor resistance to change, perceived risk, awareness of service, perceived benefit, perceived ease of use, dan perceived usefulness menjadi faktor yang dapat mempengaruhi seseorang dalam menggunakan layanan PayLater. Faktor faktor tersebut kemudian digunakan untuk merancang rekomendasi strategi untuk penerimaan dan loyalitas PayLater bagi Generasi Z di Jabodetabekyang divalidasi oleh expert menggunakan Relationship Matrix. ......PayLater is a form of digital payment that is used like a credit card in a digital form. PayLater is one of the first forms of digital payment innovation in Indonesia in mid-2018. PayLater can be easily used through online registration on digital platforms that provide these services. There are a lot applications that provide PayLater services such as e-wallet, e-commerce, travel-based applications, or applications that specifically provide online credit. Jabodetabek as a metropolitan city that can be a potential target for implementing PayLater applications and targeting Generation-Z as potential users. Generation-Z is a generation with 10-25 years of age group that whose characters are close to technology or can also be referred to as app-friendly generation. Because PayLater is relatively new in Indonesia, this study aims to analyze PayLaters acceptance in Generation Z in the Greater Jakarta by using the Technology Acceptance Model to identify factors that influence the use of PayLater. Resistance to change, perceived risk, awareness of service, perceived benefit, perceived ease of use, and perceived usefulness are factors that are shown to affect someone to use PayLater services. These factors are then used to design strategy recommendations for PayLater acceptance and loyalty for Generation Z in the Greater Jakarta area, which are validated by experts using the Relationship Matrix.

Abstrak :
Seiring dengan pertumbuhan mahasiswa, kendaraan yang melintasi Universitas Indonesia (UI) semakin banyak. Pada tahun 2019, kurang lebih terdapat sebanyak 2500 kendaraan keluar masuk area UI setiap harinya. Banyaknya kendaraan yang keluar masuk ini menyebabkan UI menjadi penyumbang besar emisi gas karbon dan hal ini bertentangan dengan visi UI untuk menjadi kampus hijau. Sistem transportasi memainkan peran penting pada tingkat emisi karbon dan polutan di universitas serta transportasi merupakan salah satu kategori dalam penilaian kampus hijau. Dengan adanya hal ini, diperlukan suatu alternatif untuk mengurangi jumlah kendaraan dan pengurangan gas karbon. Salah satu alternatif yang dapat digunakan yaitu dengan beralih dari kendaraan pribadi menjadi transportasi umum. UI menyediakan layanan transportasi umum kampus yang disebut bus kuning untuk memfasilitasi mahasiswa, dosen, staff dan masyarakat disekitar UI ketika berkegiatan didalam kampus. Untuk mendorong seseorang agar mau menggunakan layanan bus kuning, maka dilakukan studi mengenai faktor yang menjadi pertimbangan seseorang untuk menggunakan layanan bus kuning. Studi ini menggunakan second-order confirmatory analysis untuk melihat faktor yang mempengaruhi kualitas layanan bus kuning serta structural equation modeling untuk melihat faktor apa yang mempengaruhi intensi seseorang untuk menggunakan bus kuning. Studi ini memberikan rekomendasi strategi untuk meningkatkan intensi penggunaan bus kuning sebagai alat transportasi dalam kampus berdasarkkan hasil yang diperoleh dari structural equation modeling dan relationship matrix quality function deployment. ......As the number of higher education students has been increasing, there are also more vehicles crossing at Universitas Indonesia (UI). In 2019, there was approximately 2500 vehicles going in and out to the UI areas every day. The number of vehicles going in and out caused UI to be a major contributor to carbon gas emissions. This is contrary to UI's vision to become a green campus. The transportation system plays an important role in the level of carbon emissions and pollutants in universities. Besides, transportation is also one of the categories in the green campus assessment. Given this, some alternatives are needed to reduce the number of vehicles and reduce carbon gas. One alternative that can be used is by switching from private vehicles to public transportation. UI provides campus public transportation services called yellow buses to facilitate students, lecturers, staff, and the community around UI when they are active on campus. In order to encourage someone to have an intention to use the yellow bus service, a study was conducted on the faktors that were considered by someone to use the yellow bus service. This study uses a second-order confirmatory analysis to see the faktors that influence the quality of yellow bus services and structural equation modeling to see what faktors influence a person's intention to use a yellow bus. This study provides a strategy recommendation to increase people's intention to use yellow buses as a means of transportation on campus based on the results obtained from structural equation modeling and relationship matrix quality function deployment.