Robotic Assisted Surgery di Jabodetabek: Faktor yang Mempengaruhi Penerimaan Masyarakat

  • Lilian Megasari Universitas Kristen Krida Wacana
  • Hery Winoto Tj Universitas Kristen Krida Wacana
Keywords: Robotic Assisted Surgery, Technology Acceptance, UTAUT, Perceived Risk, Social Influence

Abstract

Penerapan teknologi medis canggih seperti Robotic Assisted Surgery (RAS) di Indonesia masih menghadapi tantangan, terutama terkait rendahnya tingkat adopsi meskipun infrastruktur teknologi telah tersedia. Kesenjangan ini diduga dipengaruhi oleh faktor psikologis, teknis, dan sosial yang membentuk persepsi serta keputusan masyarakat dalam menerima inovasi bedah robotik. Penelitian ini bertujuan untuk menganal menganalisis determinan penerimaan teknologi RAS dengan menguji pengaruh Effort Expectancy, Performance Expectancy, Perceived Risk, dan Social Influence terhadap minat adopsi masyarakat. Penelitian menggunakan pendekatan kuantitatif eksplanatori dengan pengumpulan data melalui kuesioner terhadap 139 responden dewasa di wilayah Jabodetabek. Analisis dilakukan menggunakan Structural Equation Modeling berbasis Partial Least Squares (SEM-PLS). Hasil penelitian menunjukkan bahwa model mampu menjelaskan 63,1% varians minat penerimaan. Performance Expectancy dan Social Influence berpengaruh positif signifikan terhadap minat adopsi, sementara Perceived Risk berpengaruh negatif signifikan dan menjadi faktor penghambat dominan, terutama terkait kekhawatiran biaya dan keamanan prosedur. Sebaliknya, Effort Expectancy tidak menunjukkan pengaruh signifikan. Keterbaruan penelitian ini terletak pada pengembangan model UTAUT melalui integrasi variabel risiko persepsian dalam konteks negara berkembang. Implikasi praktis menekankan pentingnya transparansi biaya, komunikasi berbasis bukti keamanan, serta optimalisasi peran tenaga medis dalam meningkatkan kepercayaan publik.

Downloads

Download data is not yet available.

References

Cresswell, K., Cunningham-Burley, S., & Sheikh, A. (2018). Health care robotics: Qualitative exploration of key challenges and future directions. Journal of Medical Internet Research, 20(7), e10410. https://doi.org/10.2196/10410

Fiske, A., Henningsen, P., & Buyx, A. (2019). Your robot therapist will see you now: Ethical implications of embodied artificial intelligence in psychiatry, psychology, and psychotherapy. Journal of Medical Internet Research, 21(5), e13216. https://doi.org/10.2196/13216

Sheetz, K. H., Claflin, J., & Dimick, J. B. (2020). Trends in the adoption of robotic surgery for common surgical procedures. JAMA Network Open, 3(1), e1918911. https://doi.org/10.1001/jamanetworkopen.2019.18911

Wu, W., Zhang, B., Li, S., & Liu, H. (2022). Exploring factors of the willingness to accept AI-assisted learning environments: An empirical investigation based on the UTAUT model and perceived risk theory. Frontiers in Psychology, 13, 870777. https://doi.org/10.3389/fpsyg.2022.870777

Published
2026-02-13