Pemodelan System Dynamics Untuk Adopsi Teknologi Wearable Berbasis Dinamika Perilaku dan Konstruk TAM
DOI:
https://doi.org/10.57218/juster.v4i3.2239Keywords:
Adoption rate, System dynamics, Technology acceptance model, Wearable technology, Word of mouthAbstract
Penelitian ini menunjukkan bahwa struktur model System Dynamics yang dibangun mampu mendeskripsikan mekanisme dasar adopsi wearable sebagaimana dikonstruksikan melalui interaksi promosi, perceived usefulness, word-of-mouth, dan social influence. Dengan menggunakan data ilustratif, simulasi memperlihatkan bahwa intensitas promosi dan peningkatan persepsi manfaat menghasilkan akselerasi adopsi pada fase awal, sementara WOM dan social influence yang lebih kuat mendorong pertumbuhan yang lebih bertahap dan menyerupai pola S-curve. Perilaku tersebut mencerminkan konsekuensi logis dari struktur loop penguatan dan penyeimbang yang dibangun di dalam model, sehingga lebih menekankan validitas konseptual daripada representasi empiris.Temuan-temuan yang dihasilkan bersifat eksploratif karena parameter dan data yang digunakan hanyalah contoh kasus. Oleh karena itu, hasil simulasi belum dapat diinterpretasikan sebagai gambaran kondisi populasi pengguna wearable yang sesungguhnya. Meski demikian, model ini menyediakan kerangka awal yang dapat digunakan untuk menguji berbagai intervensi promosi, penguatan jaringan sosial, dan strategi peningkatan persepsi manfaat dalam konteks adopsi teknologi digital.Untuk memperoleh rekomendasi kebijakan yang lebih definitif, penelitian selanjutnya perlu menggunakan data empiris, melakukan kalibrasi parameter secara sistematis, serta menambahkan mekanisme perilaku lain yang relevan. Dengan demikian, model dapat berkembang dari kerangka konseptual menjadi alat analisis kebijakan yang lebih representatif terhadap dinamika adopsi teknologi di lapangan.
References
Chandrasekaran, R., Sadiq, M. T., & Moustakas, E. (2025). Wearable Devices and Technology Adoption: U.S. Adults’ Experiences and Challenges. Journal of Medical Internet Research, 27, e63879. https://doi.org/10.2196/63879
Dey, T. (2024). Wearable Technology Statistics 2024. ElectroIQ. Retrieved from https://www.electroiq.com/wearable-technology-statistics-2024
Hilty, D. M., Chan, S., Torous, J., et al. (2022). Technology Fatigue and Maturity in Digital Healthcare: A Systematic Review. JMIR Mental Health, 9(12), e33057. https://doi.org/10.2196/33057
Marikyan, D., & Papagiannidis, S. (2025). Technology Acceptance Model (TAM) in Digital Innovation: A Review and Updated Framework. In the Theory Hub Book. Retrieved from https://www.theoryhub.com/tam
Moon, J., & Ju, B.-K. (2024). Factors Affecting Use of Wearable Health Devices: Empirical Evidence From Korea. Electronics, 13(19), 3849. https://doi.org/10.3390/electronics13193849
Padmawidjaja, L. (2023). Technology Acceptance in E-Health and Wearable Devices: Evidence From Indonesia. Enrichment: Journal of Management, 13(3), 1759–1771. https://doi.org/10.47406/enrichment.v13i3.1846
Walzer, S., Jungmann, F., Rübsamen, N., et al. (2025). Modeling Wearable Device Adoption Among Nurses: A System Dynamics Approach. JMIR Nursing, 8, e56881. https://doi.org/10.2196/56881
Xiao, J., Hu, L., Liu, W., & Chen, Y. (2024). Diffusion of Digital Health Innovations: A System Dynamics Perspective. Technological Forecasting and Social Change, 201, 123191. https://doi.org/10.1016/j.techfore.2024.123191










