Perkembangan teknologi finansial di Indonesia mendorong masyarakat untuk beralih ke transaksi non-tunai melalui dompet digital. GoPay, sebagai salah satu layanan populer, menghadapi tantangan dalam penerimaan pengguna terkait persepsi manfaat, kemudahan, dan keamanan. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi penerimaan pengguna GoPay di Kota Probolinggo dengan menggunakan pendekatan Technology Acceptance Model (TAM). Metode penelitian bersifat kuantitatif dengan pengumpulan data melalui kuesioner kepada 96 responden, serta analisis menggunakan Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil pengujian menunjukkan bahwa variabel Perceived Usefulness (PU) berpengaruh positif dan signifikan terhadap minat penggunaan, demikian pula Perceived Security (PS) yang terbukti signifikan. Sebaliknya, Perceived Ease of Use (PEOU) tidak berpengaruh signifikan terhadap minat. Selain itu, Behavioral Intention to Use (BI) berpengaruh positif signifikan terhadap Actual System Use (ASU). Hasil evaluasi model menunjukkan bahwa model TAM ini menjelaskan sebagian penerimaan pengguna, yang mengindikasikan bahwa faktor eksternal lain juga turut berperan. Temuan ini menegaskan bahwa aspek kemanfaatan dan keamanan menjadi faktor utama dalam mendorong adopsi GoPay, sementara kemudahan penggunaan relatif kurang menentukan. Penelitian ini memberikan masukan bagi pengembang untuk meningkatkan kualitas layanan dengan menekankan nilai tambah dan keamanan.

Cahyo, W., & Aesyi, U. S. (2023). Perbandingan LSTM dengan Support Vector Machine dan Multinomial Naïve Bayes pada Klasifikasi Kategori Hoax. Jurnal Transform, 20(2), 23. doi:10.26623/transformatika.v20i2.588

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.

Hidayat, S., & Prasetyo, A. (2021). Analisis Penerimaan Penggunaan E-Wallet Menggunakan Technology Acceptance Model (TAM). Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 8(2), 245-254. doi:10.25126/jtiik.202182245

Jayadi, J., Risnawati, R., & Muslimin, M. (2024). Pengaruh Kemudahan dan Keamanan Transaksi Penggunaan Mobile Banking terhadap Keputusan Pembelian Online. Journal of Business Administration (JBA), 4(2).

Kesuma, & Surahmat. (2024). Analisis Penerimaan Learning Management System Jurusan Manajemen Informatika Menggunakan Technology Acceptance Model (TAM). Jurnal Teknomatika, 12(1). http://dx.doi.org/10.23960/jitet.v12i1.3843

Khammas, M. (2020). Ransomware Detection using Random Forest Technique. ICT Express, 6(4), 325-331. doi:10.1016/j.icte.2020.11.001

Pennington, J., Socher, R., & Manning, C. (2014). Glove: Global Vectors for Word Representation. In Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP) (pp. 1532-1543). Doha, Qatar: Association for Computational Linguistics. doi:10.3115/v1/D14-1162

Ramadhan, R., Widianto, I. S., & Komara, M. A. (2024). Analisis Sentimen E-Wallet GoPay, ShopeePay, dan OVO Menggunakan Algoritma Naïve Bayes. Jurnal Informatika Teknik Elektro Terapan, 12(3S1). http://dx.doi.org/10.23960/jitet.v12i3S1.5277

Setyanto, A., et al. (2022). Arabic Language Opinion Mining Based on Long Short-Term Memory (LSTM). Applied Sciences, 12(9), 4140. doi:10.3390/app12094140

Tanaamah, R., et al. (2025). Pengaruh Technology Acceptance Model (TAM) terhadap Minat Investasi FinTech dengan Persepsi Risiko sebagai Faktor Moderasi. Jurnal AITI, 22(1), 61-72.

Xu, V., Chang, V., & Jayne, C. (2022). A systematic review of social media-based sentiment analysis: Emerging trends and challenges. Decision Analytics Journal, 3, 100073. doi:10.1016/j.dajour.2022.100073