Analisis Penerimaan Chatbot Pajak Tanya Fiska/Fisko Menggunakan Model UTAUT yang Diperluas dengan Kepercayaan, Kualitas Informasi, dan Kualitas Bahasa

Authors

DOI:

https://doi.org/10.46576/djtechno.v7i2.9515

Abstract

ABSTRAK

Direktorat Jenderal Pajak (DJP) menghadirkan chatbot Tanya Fiska/Fisko pada contact center Kring Pajak 1500200, namun penelitian mengenai faktor penerimaan wajib pajak masih terbatas. Penelitian ini menganalisis pengaruh faktor UTAUT, kepercayaan, kualitas informasi, dan kualitas bahasa terhadap niat penggunaan chatbot pajak, sekaligus menguji peran mediasi kepercayaan. Data dikumpulkan dari 122 wajib pajak yang telah berinteraksi dengan chatbot dan dianalisis dengan Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil menunjukkan bahwa kepercayaan (β = 0,395) dan kondisi pendukung (β = 0,181) berpengaruh signifikan terhadap niat penggunaan, sedangkan ekspektasi kinerja, ekspektasi usaha, pengaruh sosial, kualitas informasi, dan kualitas bahasa tidak menunjukkan pengaruh langsung yang signifikan. Kualitas informasi terbukti menjadi pembentuk kepercayaan yang kuat (β = 0,685) dan memengaruhi niat secara tidak langsung melalui kepercayaan. Temuan ini menegaskan bahwa kepercayaan merupakan mekanisme kunci penerimaan chatbot pajak Tanya Fiska/Fisko, dengan kualitas informasi sebagai pondasinya. Penelitian memberikan kontribusi teoretis pada pengembangan UTAUT untuk konteks chatbot layanan publik serta masukan praktis bagi peningkatan layanan.

ABSTRACT

The Indonesian Directorate General of Taxes provides the tax chatbots Tanya Fiska and Fisko within the Kring Pajak 1500200 contact center, yet understanding of the factors driving their acceptance remains limited. This study examines the effects of UTAUT factors, trust, information quality, and language quality on the behavioral intention to use the tax chatbot, and tests the mediating role of trust. Data were collected from 122 taxpayers who had interacted with the chatbot and analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM). The results show that trust (β = 0.395) and facilitating conditions (β = 0.181) significantly affect behavioral intention, whereas performance expectancy, effort expectancy, social influence, information quality, and language quality show no significant direct effect. Information quality strongly shapes trust (β = 0.685) and influences intention indirectly through trust. These findings underscore trust as the key mechanism of tax chatbot acceptance, with information quality as its foundation. The study contributes theoretically to extending UTAUT for public-service chatbots and offers practical input for service improvement.

References

A. Singla, A. Sukharevsky, L. Yee, M. Chui, and B. Hall, “The state of AI: How organizations are rewiring to capture value,” McKinsey & Company, Mar. 2025. [Online]. Available: https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/2025/the-state-of-ai-how-organizations-are-rewiring-to-capture-value_final.pdf

J. Holdsworth, “Unlocking the power of chatbots: Key benefits for businesses and customers,” IBM Think, 2024. [Online]. Available: https://www.ibm.com/id-id/think/insights/unlocking-the-power-of-chatbots-key-benefits-for-businesses-and-customers

Gartner, “Gartner survey finds 91% of customer service leaders under pressure to implement AI in 2026,” Gartner, Inc., Feb. 18, 2026. [Online]. Available: https://www.gartner.com/en/newsroom/press-releases/2026-02-18-gartner-survey-finds-ninety-one-percent-of-customer-service-leaders-under-pressure-to-implement-ai-in-2026

Gartner, “Gartner survey finds 64% of customers would prefer that companies didn’t use AI for customer service,” Gartner, Inc., Jul. 9, 2024. [Online]. Available: https://www.gartner.com/en/newsroom/press-releases/2024-07-09-gartner-survey-finds-64-percent-of-customers-would-prefer-that-companies-didnt-use-ai-for-customer-service

Direktorat Jenderal Pajak Kementerian Keuangan Republik Indonesia, “Konsultasi pajak: Tanya Fiska/Fisko (Live Chat Pajak),” 2023. [Online]. Available: https://pajak.go.id

A. Anugrah et al., Cerita Praktisi Contact Center. Indonesia Contact Center Association, 2024.

L. Swastiko and A. Fauzi, “Implementasi teknologi chatbot pada contact center Kring Pajak 1500200: Dampak terhadap kapasitas layanan,” Jurnal Akuntansi dan Manajemen Bisnis, vol. 3, no. 1, pp. 111–120, 2023.

Direktorat Jenderal Pajak Kementerian Keuangan Republik Indonesia (2026), Dokumen internal penggunaan chatbot Tanya Fiska/Fisko, Kring Pajak 1500200 (2023–Mei 2026)

V. Venkatesh, M. G. Morris, G. B. Davis, and F. D. Davis, “User acceptance of information technology: Toward a unified view,” MIS Quarterly, vol. 27, no. 3, pp. 425–478, 2003.

W. H. DeLone and E. R. McLean, “The DeLone and McLean model of information systems success: A ten-year update,” Journal of Management Information Systems, vol. 19, no. 4, pp. 9–30, 2003.

M. A. K. Halliday, Language as Social Semiotic. London: Edward Arnold, 1978.

C. Nass, J. Steuer, and E. R. Tauber, “Computers are social actors,” in Proc. SIGCHI Conf. Human Factors in Computing Systems, 1994, pp. 72–78.

X. Zhao, J. G. Lynch, and Q. Chen, “Reconsidering Baron and Kenny: Myths and truths about mediation analysis,” Journal of Consumer Research, vol. 37, no. 2, pp. 197–206, 2010.

N. Aoki, “An experimental study of public trust in AI chatbots in the public sector,” Government Information Quarterly, vol. 37, no. 4, Art. no. 101490, 2020.

A. G. Larsen and A. Følstad, “The impact of chatbots on public service provision: A qualitative interview study with citizens and public service providers,” Government Information Quarterly, vol. 41, no. 2, Art. no. 101927, 2024.

M. E. Cortés-Cediel, A. Segura-Tinoco, I. Cantador, and M. P. Rodríguez-Bolívar, “Trends and challenges of e-government chatbots,” Government Information Quarterly, vol. 40, no. 4, Art. no. 101877, 2023.

J. Fu, S. Mouakket, and Y. Sun, “Factors affecting customer readiness to trust chatbots in an online shopping context,” Journal of Global Information Management, vol. 32, pp. 1–22, 2024.

A. Polyportis and N. Pahos, “Understanding students’ adoption of the ChatGPT chatbot in higher education: The role of anthropomorphism, trust, design novelty and institutional policy,” Behaviour & Information Technology, vol. 43, pp. 315–336, 2024.

G. Paraskevi, V. Saprikis, and G. Avlogiaris, “Modeling nonusers’ behavioral intention towards mobile chatbot adoption: An extension of the UTAUT2 model with mobile service quality determinants,” Human Behavior and Emerging Technologies, vol. 2023, Art. no. 8859989, 2023.

D. Afrizal, A. Luthfi, M. Bin Wallang, H. Hildawati, and K. Ekareesakul, “Citizens’ intention to use e-government services in local government by integrating UTAUT, TPB, and TAM model,” Journal of Local Government Issues, vol. 7, no. 2, pp. 129–143, 2024.

K. Kartini, M. Malabay, and R. Widayanti, “Pemanfaatan artificial intelligence dalam implementasi chatbot helpdesk untuk mendukung layanan TIK publik pada instansi pemerintahan,” Bulletin of Computer Science Research, vol. 5, no. 5, pp. 1235–1248, 2025.

E. Mogaji, G. Viglia, P. Srivastava, and Y. K. Dwivedi, “Is it the end of the technology acceptance model in the era of generative artificial intelligence?,” International Journal of Contemporary Hospitality Management, vol. 36, no. 10, pp. 3324–3339, 2024.

J. F. Hair, G. T. M. Hult, C. M. Ringle, and M. Sarstedt, A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 3rd ed. Thousand Oaks, CA: SAGE, 2022.

A. W. Meade and S. B. Craig, “Identifying careless responses in survey data,” Psychological Methods, vol. 17, no. 3, pp. 437–455, 2012.

Downloads

Published

2026-07-31

Issue

Vol. 7 No. 2 (2026): Agustus

Section

Articles

License

Pernyataan Hak Cipta dan Lisensi

  1. Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
  2. Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada  Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Djtechno sebagai media Publikasi pertama atas karya tersebut.
  3. Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Djtechno sebagai media publikasi pertama atas karya dimaksud.
  4. Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.