Program Studi Manajemen · FEB UNDIP

Metodologi Penelitian Bisnis

Pertemuan 6: Desain Penelitian: Eksploratif, Deskriptif, Kausal

Memilih "peta jalan" riset yang tepat sebelum mengumpulkan data satu pun.

RPS minggu 6 · 2x50 menit

Bagian 1 dari 3

Mengapa Desain Penelitian Penting?

Posisi desain penelitian dalam alur riset bisnis, dan akibat memilih desain yang salah.

Sebelum masuk ke tiga jenis desain, mari kita mundur sejenak dan lihat posisi topik ini dalam keseluruhan proses riset yang sudah kita pelajari sejak pertemuan pertama. Anda sudah belajar merumuskan masalah, meninjau pustaka, dan menyusun kerangka teoritis serta hipotesis pada pertemuan-pertemuan sebelumnya. Desain penelitian adalah jembatan antara "apa yang ingin saya ketahui" dengan "bagaimana cara saya mengetahuinya secara sistematis" — ini seperti memilih moda transportasi sebelum berangkat: naik motor, mobil, atau pesawat, tergantung tujuan dan seberapa jauh jaraknya. Banyak mahasiswa terburu-buru menyebar kuesioner tanpa sadar bahwa pertanyaan risetnya sebenarnya masih bersifat eksploratif, sehingga data yang terkumpul tidak menjawab apa-apa. Hari ini Anda akan belajar mendiagnosis tipe pertanyaan riset Anda sendiri, lalu memilih desain yang sesuai.

Di Mana Posisi Desain Penelitian?

Desain penelitian adalah rencana menyeluruh untuk menjawab rumusan masalah — jembatan antara teori/hipotesis dan pengumpulan data di lapangan.

Salah pilih desain di tahap ini — misalnya memakai kuesioner tertutup padahal fenomena masih belum dipahami — membuat seluruh tahap sesudahnya (metode, instrumen, proposal) ikut keliru arah.

Perhatikan diagram ini baik-baik, karena ini adalah peta jalan seluruh mata kuliah kita. Anda sudah melewati rumusan masalah dan kerangka hipotesis; hari ini kita berhenti di stasiun "desain penelitian" sebelum melanjutkan ke metode dan instrumen pengumpulan data pada pertemuan-pertemuan berikutnya. Bayangkan sebuah tim riset internal BCA yang ingin tahu mengapa nasabah muda jarang memakai aplikasi mobile banking mereka — kalau mereka langsung lompat ke metode kuantitatif tanpa desain yang jelas, bisa jadi mereka mengukur hal yang salah, misalnya hanya menghitung frekuensi login padahal masalah sebenarnya ada di kepercayaan terhadap keamanan aplikasi. Desain penelitian memaksa kita berhenti sejenak dan bertanya, "sebenarnya, jenis pertanyaan apa yang sedang saya jawab?" Ini akan menjadi pertanyaan kunci sepanjang slide-slide berikutnya.

Tiga Pertanyaan, Tiga Desain

Jenis pertanyaan riset Anda menentukan desain yang tepat. Ketiganya bisa berjenjang dalam satu proyek riset.

Eksploratif

"Apa sebenarnya masalahnya?"

Dipakai saat fenomena masih kabur/baru. Tujuan: memahami, bukan mengukur presisi.

Deskriptif

"Seberapa banyak/sering?"

Memotret karakteristik populasi/fenomena secara sistematis dan terukur.

Kausal

"Apakah X menyebabkan Y?"

Menguji hubungan sebab-akibat antar-variabel, biasanya lewat eksperimen.

Contoh berjenjang: eksploratif dulu untuk memahami "mengapa pengguna GoPay churn", lalu deskriptif mengukur "berapa persen yang churn per segmen usia", baru kausal menguji "apakah cashback baru menurunkan churn".

Slide ini adalah inti dari seluruh pertemuan kita hari ini, jadi mari kita perlambat sedikit. Setiap desain penelitian pada dasarnya menjawab satu jenis pertanyaan yang berbeda. Kalau pertanyaan Anda masih berbentuk "saya belum tahu apa masalahnya, saya cuma merasa ada yang aneh", itu tandanya Anda butuh desain eksploratif. Kalau pertanyaan Anda sudah jelas variabelnya dan Anda hanya ingin memotret kondisi saat ini, misalnya "berapa persen mahasiswa FEB Undip yang berbelanja di Shopee minimal sekali sebulan", itu deskriptif. Dan kalau Anda ingin membuktikan bahwa satu hal benar-benar menyebabkan hal lain, misalnya "apakah program diskon ongkos kirim meningkatkan frekuensi transaksi", itu baru masuk kausal. Perhatikan juga bahwa dalam praktiknya, satu proyek riset besar sering memakai ketiganya secara berurutan, seperti contoh GoPay yang saya tunjukkan di layar.

Desain Eksploratif: Memahami yang Belum Jelas

Eksploratif = riset awal untuk merumuskan masalah lebih tajam, bukan untuk menguji atau menggeneralisasi.

Kapan Dipakai

Fenomena bisnis baru/belum banyak diteliti
Variabel penelitian belum jelas terdefinisi
Butuh insight (pemahaman awal) sebelum menyusun hipotesis
Sampel kecil, tidak untuk generalisasi ke populasi

Contoh Kasus

Startup lokal Warung Pintar ingin tahu mengapa sebagian mitra warung menolak memakai aplikasi digitalnya — belum ada teori/data yang menjelaskan, sehingga tim riset melakukan wawancara mendalam ke 12 pemilik warung sebelum menyusun kuesioner besar.

Bayangkan Anda bekerja di tim riset pasar Warung Pintar, startup yang menyediakan aplikasi digital untuk warung kelontong tradisional. Manajemen melihat bahwa sebagian mitra warung menolak memakai aplikasi tersebut, tetapi tidak ada satu pun yang tahu persis alasannya — apakah karena rumit, karena tidak percaya teknologi, atau karena alasan lain yang belum terpikirkan. Di sinilah desain eksploratif berperan: Anda belum bisa membuat kuesioner tertutup dengan pilihan jawaban, sebab Anda sendiri belum tahu kategori jawabannya apa saja. Desain eksploratif membiarkan Anda menggali dulu lewat wawancara mendalam atau diskusi kelompok, dengan sampel kecil, tanpa niat menggeneralisasi hasilnya ke seluruh mitra warung. Hasilnya nanti dipakai untuk merancang riset deskriptif atau kausal yang lebih terstruktur pada tahap berikutnya.

Teknik Riset Eksploratif

Tinjauan Pustaka & Data Sekunder

Membaca riset terdahulu, laporan industri (mis. laporan tahunan OJK, riset APJII) untuk memetakan apa yang sudah diketahui.

Wawancara Pakar (Expert Interview)

Berdiskusi dengan praktisi berpengalaman, misalnya manajer cabang bank atau pemilik UMKM senior.

Focus Group Discussion (FGD)

Diskusi terpandu 6–10 orang untuk menggali persepsi bersama tentang suatu isu.

Studi Kasus (Case Study)

Menelaah satu/beberapa kasus secara mendalam, mis. kegagalan satu cabang Indomaret tertentu.

Hati-hati: hasil eksploratif bersifat tentatif (sementara) dan tidak boleh dijadikan kesimpulan akhir laporan skripsi — ia hanya pijakan untuk merumuskan hipotesis yang akan diuji lebih lanjut.

Empat teknik di layar ini adalah alat utama yang bisa Anda pakai kalau riset Anda bersifat eksploratif, dan Anda tidak harus memilih hanya satu — sering kali dikombinasikan. Tinjauan pustaka membantu Anda melihat apa yang sudah pernah diteliti orang lain, misalnya laporan tahunan Asosiasi Penyelenggara Jasa Internet Indonesia atau APJII tentang perilaku digital masyarakat. Wawancara pakar cocok kalau Anda ingin mendapat perspektif dari orang yang sudah lama berkecimpung di industri tersebut, misalnya seorang manajer cabang BRI yang paham betul pola nasabah UMKM. FGD berguna untuk menangkap dinamika opini kelompok, bukan hanya individu. Studi kasus cocok kalau ada satu fenomena spesifik yang menarik untuk didalami, misalnya mengapa satu gerai Indomaret tertentu selalu merugi padahal lokasinya strategis. Yang perlu Anda ingat baik-baik adalah peringatan di layar: hasil eksploratif jangan pernah dijadikan kesimpulan final skripsi Anda.

Desain Deskriptif: Memotret Fakta Secara Sistematis

Deskriptif = mengukur dan menggambarkan karakteristik variabel/populasi secara akurat — siapa, apa, kapan, di mana, berapa banyak.

Ciri Utama

Variabel sudah jelas dan terdefinisi sebelum riset dimulai
Sampel besar & representatif agar bisa digeneralisasi
Biasanya pakai kuesioner terstruktur/survei
Tidak menguji sebab-akibat, hanya melaporkan "apa adanya"

Contoh Kasus

Riset Bank Indonesia tentang "proporsi UMKM di Jawa Tengah yang sudah menggunakan QRIS" — menghitung persentase, bukan menguji mengapa sebagian belum memakainya.

Deskriptif: Cross-Sectional vs Longitudinal, dan Hitung Ukuran Sampel

Dua jenis waktu pengamatan: cross-sectional (potret satu waktu) vs longitudinal (diamati berkala). Berikut contoh menghitung ukuran sampel minimum riset deskriptif memakai rumus Slovin.

Langkah	Perhitungan	Nilai
1. Populasi (N) — UMKM binaan Dinas Koperasi Kota Semarang	diketahui dari data dinas	N = 400
2. Margin error (e) yang ditoleransi	ditetapkan peneliti	e = 5% = 0,05
3. Kuadratkan margin error	0,05 × 0,05	e² = 0,0025
4. Kalikan dengan populasi	400 × 0,0025	N·e² = 1
5. Tambahkan 1	1 + 1	1 + N·e² = 2
6. Bagi populasi dengan hasil langkah 5	400 ÷ 2	n = 200

Ukuran Sampel Minimum

n = 200 responden

Sebelum masuk ke perhitungan, mari samakan dulu istilahnya: riset cross-sectional mengambil data pada satu titik waktu saja, misalnya survei sekali di bulan Juli ini, sedangkan riset longitudinal mengamati subjek yang sama berulang kali, misalnya setiap enam bulan selama dua tahun, untuk melihat perubahan dari waktu ke waktu. Sekarang mari kita hitung bersama-sama contoh nyata: Dinas Koperasi Kota Semarang punya 400 UMKM binaan, dan Anda ingin men-survei sebagian saja dengan margin error yang bisa diterima sebesar 5 persen. Ikuti tabel di layar langkah demi langkah — kita kuadratkan dulu margin errornya, kalikan dengan populasi, tambahkan satu, lalu bagi populasi dengan angka tersebut. Hasil akhirnya, Anda hanya perlu menyurvei 200 dari 400 UMKM tersebut agar hasilnya tetap bisa digeneralisasi dengan tingkat kepercayaan yang wajar — inilah kekuatan riset deskriptif yang terukur.

Bagian 2 dari 3

Desain Kausal: Membuktikan Sebab-Akibat

Desain paling ketat syaratnya, karena mengklaim satu variabel benar-benar menyebabkan perubahan pada variabel lain.

Sekarang kita masuk ke desain yang paling menantang secara metodologis: desain kausal. Kalau tadi Anda sudah paham eksploratif untuk memahami masalah dan deskriptif untuk memotret kondisi, kausal menuntut Anda membuktikan klaim yang jauh lebih berat, yaitu bahwa perubahan pada satu variabel benar-benar disebabkan oleh variabel lain, bukan sekadar kebetulan atau dipengaruhi faktor ketiga. Misalnya, klaim "pemberian pelatihan literasi keuangan meningkatkan minat menabung mahasiswa" adalah klaim kausal, dan untuk membuktikannya Anda butuh desain yang jauh lebih terkontrol dibanding sekadar menyebar kuesioner. Di bagian ini Anda akan belajar tiga syarat yang harus dipenuhi sebuah klaim sebelum layak disebut hubungan sebab-akibat, serta dua desain kausal yang paling umum dipakai dalam riset bisnis.

Kausal: Tiga Syarat Sebelum Klaim "X Menyebabkan Y"

Menurut logika kausalitas klasik dalam metodologi riset, sebuah hubungan baru layak disebut sebab-akibat jika memenuhi ketiganya:

1. Kovariasi

X dan Y harus berubah bersama secara konsisten — saat X naik, Y ikut berubah secara sistematis.

2. Urutan Waktu

Penyebab (X) harus terjadi lebih dulu daripada akibat (Y), bukan sebaliknya atau bersamaan tanpa jelas urutannya.

3. Eliminasi Sebab Lain

Penjelasan alternatif (variabel pengganggu/confounding) harus disingkirkan lewat kontrol riset.

Korelasi (dua hal terjadi bersamaan) bukan bukti kausalitas. Contoh klasik: penjualan payung dan jumlah kecelakaan motor sama-sama naik saat musim hujan — bukan berarti payung menyebabkan kecelakaan; keduanya disebabkan hujan (variabel pengganggu).

Ini adalah salah satu kesalahan paling sering dilakukan mahasiswa dalam skripsi, jadi mohon perhatikan baik-baik: korelasi tidak sama dengan kausalitas. Tiga syarat di layar ini adalah saringan yang harus dilewati sebelum Anda berani menulis kalimat "X menyebabkan Y" dalam laporan riset Anda. Pertama, kovariasi, artinya kedua variabel harus benar-benar bergerak bersama secara konsisten, bukan cuma sesekali. Kedua, urutan waktu, sebab harus mendahului akibat — kalau Anda mengukur kepuasan kerja dan kinerja karyawan pada waktu yang sama, sulit membuktikan mana yang lebih dulu terjadi. Ketiga, dan ini yang paling sering dilupakan, Anda harus menyingkirkan kemungkinan variabel pengganggu, atau dalam istilah teknis disebut confounding variable. Contoh payung dan kecelakaan motor di layar ini sengaja saya pilih karena lucu tapi sangat mengena — keduanya naik bersamaan saat musim hujan, tapi jelas payung tidak menyebabkan kecelakaan; hujanlah variabel pengganggu yang menyebabkan keduanya naik bersamaan.

Eksperimen Murni vs Kuasi-Eksperimen, dan Hitung Efek Kausal

Eksperimen Murni (True Experiment)

Subjek dibagi acak (random assignment) ke kelompok perlakuan & kontrol — standar emas untuk klaim kausal kuat, tapi sulit dilakukan di konteks bisnis nyata.

Kuasi-Eksperimen

Tanpa random assignment penuh (mis. bandingkan toko yang sudah ada), lebih praktis untuk riset bisnis lapangan meski kontrolnya lebih lemah.

Langkah	Perhitungan	Nilai
1. Penjualan rata-rata sebelum promo (toko batik UMKM Semarang)	data 1 bulan sebelum	Rp10.000.000
2. Penjualan rata-rata sesudah promo diskon 20%	data 1 bulan sesudah	Rp13.000.000
3. Kenaikan penjualan toko yang dipromo	(13jt − 10jt) ÷ 10jt × 100	30%
4. Kenaikan toko kontrol (tanpa promo, faktor musiman)	data toko pembanding	5%
5. Efek bersih promo (net effect)	30% − 5%	25%

Efek Kausal Bersih Promo

~25%

Sekarang mari kita bedakan dua desain kausal utama. Eksperimen murni adalah standar emas: subjek riset ditempatkan secara acak ke kelompok yang menerima perlakuan dan kelompok kontrol, sehingga perbedaan hasil bisa dipercaya murni berasal dari perlakuan tersebut. Tapi bayangkan Anda meneliti dampak promosi terhadap UMKM batik di Semarang — Anda tidak mungkin memaksa toko secara acak menerima atau menolak promo, sehingga Anda memakai kuasi-eksperimen, membandingkan toko yang menerima promo dengan toko sejenis yang tidak. Sekarang perhatikan tabel perhitungan: penjualan naik 30 persen di toko yang dipromo, tapi toko kontrol yang tidak dipromo juga naik 5 persen karena faktor musiman seperti Lebaran. Supaya klaim kausal Anda jujur, Anda harus mengurangi kenaikan 30 persen tersebut dengan kenaikan alami 5 persen tadi, sehingga efek bersih yang benar-benar disebabkan promo adalah sekitar 25 persen, bukan 30 persen seperti kesan pertama.

Coba Sendiri: Hitung Efek Kausal Bersih Promo Anda

Ubah angka penjualan toko yang dipromo dan toko kontrol, lalu amati bagaimana efek bersih terkoreksi dari faktor musiman.

Membandingkan Tiga Desain Secara Berdampingan

Eksploratif

Sampel: kecil
Fleksibilitas: tinggi
Generalisasi: tidak
Tujuan: memahami

Deskriptif

Sampel: besar
Fleksibilitas: rendah
Generalisasi: ya
Tujuan: memotret

Kausal

Sampel: terkontrol
Fleksibilitas: rendah
Generalisasi: terbatas
Tujuan: membuktikan sebab-akibat

Ingat: ketiganya bukan "tingkatan mutu" riset, melainkan alat yang berbeda untuk tujuan berbeda. Riset kausal tidak otomatis "lebih baik" dari deskriptif — tergantung pertanyaan risetnya.

Slide ini merangkum apa yang sudah kita bahas sejauh ini dalam satu pandangan. Perhatikan bahwa ketiga desain berbeda dalam empat dimensi: ukuran sampel, fleksibilitas prosedur, kemampuan digeneralisasi, dan tujuan utamanya. Eksploratif sangat fleksibel dan sampelnya kecil karena tujuannya sekadar memahami. Deskriptif butuh sampel besar dan prosedur baku karena ingin digeneralisasi ke populasi. Kausal butuh kontrol ketat, kadang dengan sampel yang lebih kecil tapi sangat terstruktur, karena tujuannya membuktikan hubungan sebab-akibat. Poin yang ingin saya tekankan di sini, dan sering disalahpahami mahasiswa: kausal bukan berarti "lebih hebat" daripada deskriptif. Kalau pertanyaan riset Anda memang hanya ingin tahu "berapa banyak", memaksakan desain kausal justru salah kaprah dan membuang-buang sumber daya.

Studi Kasus: Toko Online "Sayurbox" Memilih Desain

Sayurbox, platform belanja sayur online, mengalami penurunan repeat order pelanggan baru. Ikuti bagaimana tim riset mereka menaikkan bertahap dari eksploratif ke kausal.

Tahap 1 — Eksploratif

Tim mewawancarai 10 pelanggan yang berhenti order untuk menggali alasan mentah. Ditemukan dugaan awal: harga terasa mahal & jadwal pengiriman tidak fleksibel.

Tahap 2 — Deskriptif

Survei ke 350 pelanggan (representatif) mengukur: 62% menyebut harga, 41% menyebut jadwal pengiriman sebagai alasan utama berhenti order.

Tahap 3 — Kausal

Eksperimen: kelompok A dapat slot pengiriman fleksibel baru, kelompok B tidak (kontrol). Repeat order kelompok A naik signifikan — barulah disimpulkan jadwal pengiriman menyebabkan perbedaan repeat order.

Mari kita lihat bagaimana ketiga desain ini bekerja bersama dalam satu kasus nyata yang saya rangkum dari pola riset perusahaan sejenis Sayurbox, platform belanja sayur dan bahan makanan segar secara online. Masalahnya sederhana: pelanggan baru jarang melakukan pemesanan ulang atau repeat order. Tahap pertama, tim melakukan riset eksploratif dengan mewawancarai sepuluh pelanggan yang berhenti memesan, dan menemukan dua dugaan awal, yaitu harga dan jadwal pengiriman. Tahap kedua, mereka menyebar survei ke 350 pelanggan untuk memastikan seberapa besar proporsi masing-masing alasan tersebut secara deskriptif, dan ternyata jadwal pengiriman cukup besar porsinya. Tahap ketiga, karena mereka ingin membuktikan bahwa jadwal pengiriman benar-benar menyebabkan penurunan repeat order, bukan sekadar berkorelasi, mereka melakukan eksperimen dengan kelompok perlakuan dan kontrol. Inilah alur ideal sebuah riset bisnis yang matang — bergerak dari memahami, ke mengukur, ke membuktikan.

Cara Cepat Memilih Desain yang Tepat

Latihan mental cepat: setiap kali membaca rumusan masalah skripsi (Anda sendiri atau teman), coba jawab dua pertanyaan di diagram ini terlebih dulu sebelum menentukan metode pengumpulan data.

Diagram alur di layar ini adalah alat bantu praktis yang bisa Anda pakai setiap kali menyusun proposal riset. Pertanyaan pertama yang harus Anda jawab adalah: apakah masalah dan variabel penelitian saya sudah jelas terdefinisi? Kalau jawabannya belum, berarti Anda masih di tahap eksploratif, dan sebaiknya jangan buru-buru menyebar kuesioner besar. Kalau sudah jelas, pertanyaan berikutnya adalah: apakah tujuan Anda hanya ingin memotret kondisi, atau ingin membuktikan hubungan sebab-akibat? Kalau hanya memotret, Anda memakai desain deskriptif; kalau ingin membuktikan sebab-akibat, Anda memakai desain kausal, dengan konsekuensi Anda harus merancang kelompok kontrol dan memperhatikan tiga syarat kausalitas yang sudah kita bahas tadi. Cobalah praktikkan alur berpikir ini pada rencana skripsi Anda sendiri sekarang, sebelum kita lanjut ke bagian berikutnya.

Bagian 3 dari 3

Kesalahan Umum & Menerapkan di Proposal Anda

Menutup pertemuan dengan jebakan yang sering terjadi, latihan kelas, dan ringkasan siap pakai.

Kesalahan Umum yang Harus Anda Hindari

Menyebut riset "kausal" padahal desainnya deskriptif — misalnya menulis "pengaruh X terhadap Y" dari data survei satu waktu tanpa kelompok kontrol/urutan waktu yang jelas.

Memakai kuesioner tertutup untuk masalah yang belum jelas — hasilnya bias karena pilihan jawaban sudah ditentukan peneliti, bukan digali dari lapangan.

Sampel eksploratif kecil (10–15 orang) tapi diklaim mewakili populasi dalam kesimpulan — tidak valid secara statistik.

Mengabaikan kelompok kontrol dalam klaim kausal, sehingga tidak bisa menyingkirkan variabel pengganggu (syarat ketiga kausalitas).

Empat kesalahan di layar ini adalah yang paling sering saya coret merah saat memeriksa proposal skripsi. Pertama, banyak mahasiswa menulis judul "pengaruh X terhadap Y" — kata "pengaruh" sebenarnya klaim kausal — padahal desain risetnya hanya survei deskriptif satu waktu tanpa kelompok kontrol, sehingga klaimnya berlebihan dari yang bisa dibuktikan datanya. Kedua, memakai kuesioner tertutup dengan pilihan jawaban yang sudah ditentukan sebelum benar-benar memahami masalahnya membuat hasil riset bias, karena Anda hanya menemukan apa yang sudah Anda duga sebelumnya. Ketiga, wawancara sepuluh orang lalu menyimpulkan "mayoritas konsumen Indonesia" adalah generalisasi berlebihan yang tidak didukung secara statistik. Keempat, mengklaim hubungan sebab-akibat tanpa kelompok pembanding membuat Anda tidak bisa menyingkirkan penjelasan alternatif, seperti contoh payung dan hujan tadi. Ingat baik-baik keempat jebakan ini saat menyusun proposal Anda.

Latihan Kelas: Klasifikasikan Desainnya

Kerjakan berpasangan (5 menit). Untuk tiap skenario, tentukan: Eksploratif, Deskriptif, atau Kausal? Siapkan alasannya.

No	Skenario	Desain Anda?
1	Mengukur persentase karyawan Bank Mandiri yang puas dengan sistem kerja hibrida	…
2	Menguji apakah pelatihan onboarding baru menurunkan turnover karyawan dalam 3 bulan pertama	…
3	Menggali mengapa sebagian mahasiswa enggan memakai aplikasi kampus MyUndip	…
4	Membandingkan penjualan cabang GoFood yang memakai fitur baru vs yang belum	…

Kumpulkan jawaban lewat forum diskusi kelas; kita bahas bersama 5 menit terakhir sesi ini.

Cheat Sheet: Ringkasan Tiga Desain Penelitian

Dimensi	Eksploratif	Deskriptif	Kausal
Tujuan	Memahami masalah	Memotret kondisi	Membuktikan sebab-akibat
Rumusan masalah	Belum jelas	Sudah jelas & spesifik	Sudah jelas + hipotesis kausal
Sampel	Kecil, tidak acak	Besar, representatif	Terkontrol (perlakuan & kontrol)
Teknik umum	Wawancara, FGD, studi kasus	Survei/kuesioner terstruktur	Eksperimen/kuasi-eksperimen
Generalisasi hasil	Tidak	Ya (ke populasi)	Terbatas pada kondisi eksperimen

Rangkuman: Apa yang Sudah Anda Kuasai

Sub-CPMK Minggu 6

Mahasiswa mampu membedakan dan memilih desain penelitian eksploratif, deskriptif, dan kausal sesuai rumusan masalah riset bisnis.

Capaian Konkret Hari Ini

Memahami 3 jenis pertanyaan riset & desainnya
Menghitung ukuran sampel (Slovin) & efek kausal bersih
Mengenali 3 syarat kausalitas & jebakan korelasi

Bab Metodologi proposal Anda (tugas akhir semester) harus secara eksplisit menyatakan desain yang dipilih dan alasannya — bukan sekadar menyebut nama desainnya.

Menuju Pertemuan Berikutnya

Pertemuan 7 — Metode Kualitatif: Wawancara & FGD

Sesuai RPS, pertemuan berikutnya mendalami teknik wawancara, focus group discussion, dan analisis tematik — kelanjutan langsung dari desain eksploratif yang sudah Anda pelajari hari ini.

Tugas Sebelum Pertemuan Berikutnya

Tentukan desain penelitian untuk topik proposal Anda sendiri
Tulis 1 paragraf alasan pemilihan desain tersebut
Bawa ke sesi konsultasi kelompok minggu depan

Sebagai penutup, saya ingatkan kembali bahwa pertemuan berikutnya kita akan melanjutkan ke metode kualitatif secara lebih mendalam — wawancara, focus group discussion, dan analisis tematik — yang merupakan kelanjutan alami dari desain eksploratif yang sudah kita bahas hari ini. Tugas Anda sebelum pertemuan berikutnya adalah menentukan desain penelitian yang paling sesuai untuk topik proposal skripsi Anda sendiri, lalu menuliskan satu paragraf singkat yang menjelaskan alasan pemilihan tersebut, mengacu pada kriteria yang sudah kita pelajari hari ini. Bawa tugas ini ke sesi konsultasi kelompok minggu depan, karena dosen pembimbing dan saya akan mengevaluasi ketepatan desain yang Anda pilih sebelum Anda melangkah ke tahap penyusunan instrumen. Terima Kasih atas perhatian Anda hari ini, sampai jumpa di pertemuan berikutnya.