Faktor-faktor yang Memengaruhi Pengadopsian Large Language Models dan Dampaknya terhadap Kinerja pada Pegawai di Direktorat Jenderal Pajak

Kingkin Primasari, Prof. Syaiful Ali, MIS., Ph.D., Ak., CA.

2025 | Tesis | S2 Ilmu Akuntansi/Akuntansi Terapan

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi pengadopsian large language models (LLMs) oleh pegawai Direktorat Jenderal Pajak (DJP) serta mengkaji dampaknya terhadap kinerja pegawai melalui integrasi kerangka technology acceptance model (TAM) dan task technology fit (TTF). Pendekatan kuantitatif digunakan dengan metode survei terhadap 205 pegawai DJP yang memiliki pengalaman menggunakan chatbot berbasis LLM dalam pekerjaan. Data dianalisis menggunakan partial least squares structural equation modeling (PLS-SEM) melalui SmartPLS 4. Hasil penelitian menunjukkan bahwa karakteristik tugas, karakteristik teknologi, dan kesesuaian tugas-teknologi berpengaruh signifikan terhadap persepsi kegunaan dan kemudahan penggunaan. Selanjutnya, persepsi kegunaan terbukti memediasi secara kuat hubungan terhadap niat menggunakan LLM, sementara persepsi kemudahan penggunaan tidak menunjukkan pengaruh signifikan. Niat menggunakan LLMs berpengaruh positif terhadap perilaku penggunaan aktual, yang pada akhirnya berdampak positif terhadap kinerja pegawai. Model ini mampu menjelaskan 73,3% varians pada variabel kinerja, menunjukkan bahwa integrasi TAM dan TTF memiliki relevansi substansial dalam menjelaskan pengadopsian LLMs di lingkungan instansi publik. Penelitian ini memiliki keterbatasan pada penggunaan pendekatan kuantitatif dan pengukuran kinerja berbasis persepsi. Temuan ini memberikan implikasi praktis bagi DJP dalam merumuskan strategi adopsi LLMs yang efektif dengan mempertimbangkan aspek teknis, etis, legal, serta kebutuhan pengguna. Secara akademis, penelitian ini memperluas literatur mengenai adopsi teknologi di sektor publik melalui integrasi model TAM dan TTF. Penelitian selanjutnya disarankan untuk memperluas cakupan studi, menggunakan pendekatan metode lain, atau menambahkan variabel baru guna memperkuat hasil. Penelitian ini mengisi kesenjangan dalam pemahaman terkait adopsi LLMs di organisasi sektor publik dengan mengintegrasikan kedua model tersebut.

This study analyzes the determinants of large language model (LLM) adoption among employees of the Directorate General of Taxes (DGT) and examines its impact on employee performance by integrating the technology acceptance model (TAM) and task technology fit (TTF) frameworks. A quantitative approach was employed using a survey of 205 DGT employees with prior experience using LLM based chatbots. Data were analyzed with partial least squares structural equation modeling (PLS-SEM) using SmartPLS 4. The results show that task characteristics, technology characteristics, and task-technology fit significantly affect perceived usefulness and perceived ease of use. Perceived usefulness strongly mediates the intention to use LLMs, while perceived ease of use has no significant effect. Intention to use is positively associated with actual usage behavior, which in turn enhances employee performance. The integrated model explains 73.3% of the variance in performance, supporting the relevance of TAM-TTF integration in understanding LLM adoption. This study is limited to DGT employees and uses self-reported measures of performance. Practical implications include guidance for DGT in formulating effective LLM adoption strategies that account for technical, ethical, legal, and user-centered considerations. Academically, the study extends public sector technology adoption literature through TAM-TTF integration. Future studies could expand the scope, use other research methods, or include additional variables to strengthen the results. This study addresses a gap in understanding LLM adoption in public institutions by integrating TAM and TTF.

Kata Kunci : large language models, adopsi teknologi, TTF, TAM, kinerja pegawai, Direktorat Jenderal Pajak