Program Studi Bisnis Digital • FEB

Metodologi Penelitian Bisnis

Pertemuan 2 — Sifat & Proses Penyelidikan Ilmiah: Membedakan Penelitian Ilmiah vs Non-Ilmiah

Bagaimana membedakan pengetahuan yang lahir dari metode ilmiah dan pengetahuan yang lahir dari tebakan, kebiasaan, atau kata orang — plus tahapan proses penyelidikan ilmiah dari awal sampai akhir.

RPS MINGGU 2 • 2 × 50 MENIT

Selamat datang kembali. Minggu lalu Anda sudah berkenalan dengan tiga fondasi penelitian: ontologis, epistemologis, dan aksiologis. Hari ini kita masuk lebih dalam ke sisi epistemologis itu — bagaimana sebenarnya kita "tahu" sesuatu, dan mengapa tidak semua cara mengetahui itu layak disebut ilmiah. Bayangkan seorang pemilik toko daring di Tokopedia yang yakin produknya laku karena "feeling saya kuat" versus pemilik lain yang menguji dua desain halaman produk secara berdampingan lalu membandingkan data konversi. Keduanya sama-sama mengambil keputusan bisnis, tapi hanya satu yang menempuh jalan ilmiah. Hari ini kita akan membedah ciri-ciri metode ilmiah, membandingkannya dengan cara berpikir non-ilmiah, dan menelusuri tahapan proses penyelidikan ilmiah selangkah demi selangkah — bekal penting sebelum Anda merumuskan masalah penelitian sendiri minggu depan.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu menjelaskan sifat penyelidikan ilmiah dan membedakannya dari cara berpikir non-ilmiah. Secara rinci:

CAPAIAN 1

DEFINISI

Menjelaskan apa itu metode ilmiah dan sumber-sumber pengetahuan manusia lainnya.

CAPAIAN 2

CIRI-CIRI

Mengidentifikasi delapan ciri yang membuat sebuah penyelidikan layak disebut ilmiah.

CAPAIAN 3

MEMBEDAKAN

Mengklasifikasi contoh nyata sebagai ilmiah atau non-ilmiah, termasuk klaim viral di bisnis digital.

CAPAIAN 4

PROSES

Menguraikan tahapan proses penyelidikan ilmiah dari observasi sampai kesimpulan.

Keempat capaian ini adalah penjabaran Sub-CPMK minggu kedua di RPS kita. Pertama, Anda harus paham apa itu metode ilmiah dan sumber pengetahuan lain yang biasa dipakai orang tanpa sadar, seperti kebiasaan atau kata otoritas. Kedua, kita akan menghafal sekaligus memahami delapan ciri yang membedakan penyelidikan ilmiah dari sekadar opini. Ketiga, kemampuan paling praktis: Anda harus bisa melihat sebuah klaim bisnis — misalnya di media sosial atau artikel growth-hacking — dan menilai apakah klaim itu lahir dari proses ilmiah atau bukan. Keempat, Anda akan mengenal tahapan proses penyelidikan ilmiah secara berurutan, yang akan menjadi kerangka besar untuk seluruh proposal penelitian yang Anda susun sampai pertemuan empat belas. Simpan empat capaian ini sebagai daftar periksa pribadi Anda di akhir kelas.

Dua Pemilik Bisnis, Dua Cara Berpikir

Dua pemilik UMKM (usaha mikro, kecil, dan menengah) digital menghadapi masalah sama: penjualan di marketplace stagnan. Lihat cara mereka mengambil keputusan.

TOKO A

MENURUT PERASAAN

"Saya sudah 10 tahun jualan, insting saya bilang harus ganti foto produk jadi lebih 'ramai'." Tidak ada data pembanding, tidak ada uji.

TOKO B

MENURUT DATA

Menguji dua versi foto produk secara acak ke pengunjung berbeda selama 2 minggu, lalu membandingkan rasio konversi sebelum menyimpulkan.

Pertanyaan hari ini: apa yang membuat cara Toko B disebut "ilmiah" sementara cara Toko A tidak — padahal keduanya sama-sama berdasarkan pengalaman nyata di lapangan?

Bagian 1 dari 3

Sumber Pengetahuan & Ciri Penyelidikan Ilmiah

Dari mana manusia biasa mendapat "kebenaran", dan apa yang membuat satu jalur di antaranya disebut ilmiah.

Empat Sumber Pengetahuan Sehari-Hari

Sebelum metode ilmiah populer, manusia sudah lama mengambil keputusan lewat empat jalur ini — dan semuanya masih dipakai dalam bisnis sehari-hari:

1 • KEBIASAAN (TENACITY)

"SUDAH BIASA BEGITU"

Percaya sesuatu karena selalu diulang dan dianggap benar tanpa dipertanyakan lagi. Contoh: "toko kami selalu diskon akhir bulan, jadi terus lakukan itu".

2 • OTORITAS (AUTHORITY)

"KATA PAKAR/BOS"

Percaya karena disampaikan sosok berwibawa — atasan, influencer, atau konsultan — tanpa menguji sendiri kebenarannya.

3 • INTUISI (A PRIORI)

"MASUK AKAL SAJA"

Diterima karena terasa logis dan "wajar" secara akal sehat, walau belum pernah diuji dengan data nyata.

4 • METODE ILMIAH (SCIENCE)

"UJI & VERIFIKASI"

Pengetahuan dibangun lewat pengamatan sistematis, pengujian, dan keterbukaan untuk dikoreksi oleh bukti baru.

Kerangka empat sumber pengetahuan ini klasik dalam filsafat ilmu, dan saya ingin Anda melihatnya bukan sebagai daftar benar-salah, melainkan spektrum keandalan. Kebiasaan atau tenacity membuat kita bertahan pada keyakinan lama karena sudah nyaman, walaupun keadaan sudah berubah — pikirkan toko yang terus pakai strategi lama walau pasar sudah bergeser ke digital. Otoritas membuat kita percaya kata orang penting tanpa verifikasi, misalnya mengikuti saran "guru marketing" di media sosial begitu saja. Intuisi terasa masuk akal tapi bisa keliru total, karena akal sehat manusia penuh bias. Hanya jalur keempat, metode ilmiah, yang mengharuskan klaim diuji secara sistematis dan terbuka dikoreksi. Bukan berarti tiga jalur pertama selalu salah, tapi risikonya jauh lebih tinggi karena tidak ada mekanisme koreksi diri.

Delapan Ciri Penyelidikan Ilmiah

Sekaran & Bougie (kerangka standar riset bisnis) merumuskan delapan ciri yang membedakan penyelidikan ilmiah dari sekadar opini:

EMPAT CIRI PERTAMA

Purposive (bertujuan) — punya sasaran jelas, bukan sekadar rasa ingin tahu acak.
Rigor (cermat/teliti) — landasan teori kuat, desain metodologis hati-hati.
Testability (dapat diuji) — hipotesis bisa diverifikasi dengan data nyata.
Replicability (dapat direplikasi) — hasil bisa diulang orang lain dengan metode sama.

EMPAT CIRI KEDUA

Precision & confidence — hasil dekat kenyataan, ada tingkat keyakinan terukur.
Objectivity (objektivitas) — kesimpulan dari fakta data, bukan preferensi peneliti.
Generalizability — temuan berlaku luas di luar sampel yang diteliti.
Parsimony (kesederhanaan) — penjelasan sesederhana mungkin yang tetap menjawab masalah.

Delapan ciri ini adalah "daftar periksa mutu" yang akan terus Anda pakai sepanjang semester, jadi jangan buru-buru dihafal mati — pahami logikanya. Purposive berarti penelitian punya arah dan tujuan, bukan sekadar iseng bertanya. Rigor menuntut kita membangun argumen di atas teori yang kokoh, bukan asal tebak. Testability adalah jantungnya: kalau sebuah klaim tidak mungkin diuji sama sekali, klaim itu berada di luar wilayah sains. Replicability memastikan orang lain bisa mengulang penelitian Anda dan mendapat hasil serupa — ini pilar kepercayaan ilmu pengetahuan. Precision dan confidence berbicara soal seberapa dekat estimasi kita dengan kenyataan, sementara objectivity menuntut kesimpulan lahir dari data, bukan dari apa yang ingin kita percayai. Generalizability menyoal apakah temuan pada sampel bisa diterapkan ke populasi lebih luas, dan parsimony mengingatkan kita untuk memilih penjelasan paling sederhana yang masih masuk akal — jangan berlebihan berteori.

Menelusuri Klaim — WT-1: "Diet Detox Bikin Bisnis Anda Sukses"

Sebuah akun media sosial mengklaim: "Founder startup unicorn semuanya rutin detox pagi — itu rahasia sukses mereka." Ilmiah atau bukan? Kita telusuri pakai empat ciri kunci.

Langkah Analisis	Cek Terhadap Ciri Ilmiah	Kesimpulan
1. Testability	"Rahasia sukses" tidak didefinisikan terukur — sukses versi apa? gagal jika tidak detox?	Gagal — tak bisa diuji
2. Objectivity	Hanya klaim anekdot beberapa founder, bukan data sistematis dari sampel representatif	Gagal — bukan objektif
3. Rigor	Tidak ada kerangka teori yang menghubungkan detox dengan kinerja bisnis	Gagal — tak cermat
4. Replicability	Tak ada metode jelas untuk diulang peneliti lain dan diverifikasi	Gagal — tak dapat direplikasi

Klaim ini adalah korelasi keliru dikira sebab-akibat (founder sukses mungkin punya banyak kebiasaan lain) — contoh khas informasi non-ilmiah yang viral di bisnis digital.

Mari kita praktikkan langsung delapan ciri tadi pada sebuah klaim viral yang sering Anda temui di media sosial. Klaimnya terdengar meyakinkan karena menyebut nama besar seperti pendiri startup unicorn, tapi coba kita bedah satu per satu. Pertama, klaim ini tidak testable karena "sukses" tidak didefinisikan secara terukur — sukses dari sisi valuasi, laba, atau kepuasan pribadi? Kedua, buktinya hanya cerita segelintir orang, bukan data sistematis, sehingga tidak objektif. Ketiga, tidak ada teori yang menjelaskan mengapa detox pagi bisa memengaruhi kinerja bisnis — ini melanggar prinsip rigor. Keempat, tidak ada metode yang bisa diulang orang lain untuk memverifikasi klaim ini. Kesimpulannya, ini contoh klasik "korelasi disalahartikan sebagai sebab-akibat" — founder sukses mungkin memang punya banyak kebiasaan sehat lain yang sebenarnya tidak relevan dengan kesuksesan bisnisnya.

Menelusuri Klaim — WT-2: "Tombol Merah Naikkan Konversi 300%"

Artikel growth-hacking viral mengklaim mengganti warna tombol "Beli Sekarang" jadi merah menaikkan konversi 300% di semua toko daring. Kita uji dengan ciri ilmiah yang sama.

Langkah Analisis	Cek Terhadap Ciri Ilmiah	Kesimpulan
1. Rigor	Angka 300% berasal dari satu studi kasus lama, tanpa kontrol variabel lain (produk, harga, musim)	Lemah — tak cermat
2. Generalizability	Diklaim berlaku "semua toko" padahal hanya diuji di satu situs dengan audiens spesifik	Gagal — tak general
3. Testability (jika diperbaiki)	Bisa jadi ilmiah kalau diuji ulang lewat A/B test terkontrol di toko Anda sendiri	Berpotensi — perlu uji ulang
4. Replicability	Metodologi studi asli sering tidak dipublikasikan lengkap sehingga tak bisa direplikasi	Gagal — sumber tak transparan

Sikap ilmiah yang benar: jangan langsung percaya — jalankan A/B test (uji terkontrol dua versi) sendiri di data toko Anda sebelum menyimpulkan.

Kasus kedua ini sedikit berbeda — bukan berarti klaimnya pasti salah, tapi caranya disebarkan tidak ilmiah. Angka 300% biasanya berasal dari satu contoh kasus lama yang viral berulang kali tanpa konteks, tanpa mengontrol variabel lain seperti jenis produk, harga, atau musim belanja. Klaim ini juga digeneralisasi ke "semua toko" padahal aslinya hanya diuji di satu situs dengan karakteristik audiens tertentu. Menariknya, klaim semacam ini sebenarnya bisa diubah menjadi ilmiah kalau Anda menjalankan pengujian A/B, yaitu membandingkan dua versi halaman secara acak dan terkontrol di toko Anda sendiri, lalu mengukur hasilnya dengan data. Pelajaran pentingnya: metode ilmiah bukan soal menolak semua klaim viral, tapi soal sikap skeptis yang sehat — uji dulu sebelum percaya, terutama untuk keputusan bisnis yang menyangkut uang nyata.

Bagian 2 dari 3

Proses Penyelidikan Ilmiah & Pola Berpikir

Tahapan sistematis dari mengamati masalah sampai menarik kesimpulan yang bisa diuji ulang.

Tujuh Tahap Proses Penyelidikan Ilmiah

DARI PENGAMATAN KE KESIMPULAN YANG DAPAT DIUJI

Garis putus-putus menandakan proses ilmiah bersifat siklikal — kesimpulan baru sering memicu observasi dan pertanyaan lanjutan.

Perhatikan diagram ini baik-baik karena akan menjadi peta besar semester Anda. Tahap pertama, observasi, adalah momen Anda melihat gejala di dunia nyata — misalnya penjualan marketplace yang stagnan. Tahap kedua, merumuskan masalah penelitian, akan kita bahas tuntas pertemuan tiga. Tahap ketiga, kajian teori, mengaitkan gejala tadi dengan pengetahuan yang sudah ada — ini pertemuan empat. Tahap keempat, hipotesis, adalah dugaan terukur yang bisa diuji, dibahas pertemuan lima. Tahap kelima, desain dan pengumpulan data, mencakup metode kuantitatif dan kualitatif yang akan kita pelajari mulai pertemuan enam sampai sepuluh. Tahap keenam, analisis, menguji apakah data mendukung hipotesis kita, dibahas pertemuan sebelas. Tahap ketujuh, deduksi dan kesimpulan, adalah saat kita menafsirkan hasil dan melaporkannya. Garis putus-putus yang melengkung kembali ke observasi menunjukkan bahwa proses ini tidak pernah benar-benar berhenti — temuan baru sering memunculkan pertanyaan penelitian berikutnya.

Dua Pola Penalaran: Deduktif vs Induktif

Proses ilmiah menggabungkan dua arah berpikir yang saling melengkapi — keduanya penting, bukan salah satu lebih "benar":

DEDUKTIF (TOP-DOWN)

TEORI → DATA

Mulai dari teori umum, turunkan hipotesis spesifik, lalu uji dengan data. Contoh: "teori kepercayaan konsumen" → hipotesis "rating toko tinggi menaikkan konversi" → uji dengan data penjualan Shopee/Tokopedia.

INDUKTIF (BOTTOM-UP)

DATA → TEORI

Mulai dari pengamatan spesifik berulang, lalu tarik pola umum menjadi teori baru. Contoh: mengamati puluhan UMKM digital sukses → menemukan pola umum faktor keberhasilan.

Riset kuantitatif (pertemuan 8–11) cenderung deduktif — uji hipotesis dari teori. Riset kualitatif (pertemuan 7) cenderung induktif — bangun teori dari data lapangan.

Dua pola berpikir ini sering membingungkan mahasiswa baru, jadi mari kita samakan analoginya. Deduktif ibarat seorang detektif yang punya teori umum tentang pelaku kejahatan, lalu mencari bukti spesifik yang mengonfirmasi atau membantah teori itu — kita mulai dari yang umum menuju yang khusus. Induktif kebalikannya, seperti seorang peneliti pasar yang mengamati banyak kasus spesifik satu per satu, lalu perlahan menemukan pola umum yang berulang. Dalam riset bisnis, kedua pola ini sama pentingnya dan sering dipakai bergantian dalam satu penelitian. Yang perlu Anda ingat sekarang: metode kuantitatif yang akan kita pelajari mulai pertemuan delapan umumnya memakai logika deduktif — kita punya hipotesis dari teori lalu mengujinya dengan angka. Sebaliknya, metode kualitatif di pertemuan tujuh umumnya memakai logika induktif — kita menggali data dari wawancara dulu, baru menyusun pola atau teori baru dari situ.

Uji Falsifikasi: Kunci Membedakan Ilmiah dari Pseudosains

Filsuf sains Karl Popper mengajukan kriteria paling tajam: sebuah klaim layak disebut ilmiah hanya jika ada cara untuk membuktikannya salah (falsifiable) — bukan sekadar dibuktikan benar.

CONTOH FALSIFIABLE

ILMIAH

"Menaikkan anggaran iklan digital 20% akan menaikkan traffic situs minimal 10% dalam sebulan." Bisa diukur dan bisa GAGAL terbukti.

CONTOH TAK-FALSIFIABLE

PSEUDOSAINS

Pseudosains (ilmu semu — terlihat ilmiah tapi tidak memenuhi kaidah metode ilmiah): "Brand ini sukses karena punya 'energi positif'." Tak ada cara mengukur atau menyanggahnya.

Jebakan umum di bisnis digital: laporan "growth hack" yang hanya menampilkan kasus sukses (survivorship bias) tanpa menyebut berapa banyak yang gagal dengan cara sama — klaim jadi sulit disanggah, ciri khas non-ilmiah.

Kriteria Popper ini salah satu ide paling berpengaruh dalam filsafat ilmu, dan sangat berguna sebagai alat cepat untuk menyaring klaim bisnis yang Anda temui sehari-hari. Intinya sederhana: kalau sebuah pernyataan dirancang sedemikian rupa sehingga tidak mungkin terbukti salah apa pun yang terjadi, pernyataan itu berada di luar wilayah sains. Contoh yang falsifiable, seperti target kenaikan traffic sepuluh persen dari kenaikan anggaran iklan dua puluh persen, jelas bisa gagal — kalau bulan depan traffic malah turun, hipotesis itu terbukti salah dan kita belajar sesuatu. Sebaliknya, klaim tentang "energi positif brand" tidak bisa diukur maupun disanggah dengan cara apa pun — inilah ciri pseudosains, ilmu semu yang tampil meyakinkan tapi kosong secara metodologis. Waspadai juga jebakan yang disebut survivorship bias, yaitu ketika laporan growth-hacking hanya menampilkan cerita sukses tanpa menyebut berapa banyak yang mencoba cara sama dan gagal — ini membuat klaim terkesan selalu benar padahal datanya bias.

Mengapa Replikasi & Objektivitas Penting di Riset Bisnis

REPLICABILITY DALAM PRAKTIK

Bayangkan riset OJK tentang literasi keuangan digital hanya diklaim tanpa metode jelas — lembaga lain tak bisa mengulang surveinya untuk cek konsistensi hasil.

Metode & instrumen harus didokumentasikan lengkap agar peneliti lain bisa mengulang dan memverifikasi.

OBJECTIVITY DALAM PRAKTIK

Peneliti yang bekerja untuk startup dan mengevaluasi produk startupnya sendiri berisiko bias — kesimpulan bisa condong ke hasil yang "diinginkan".

Kesimpulan harus lahir dari bukti data, bukan dari harapan atau kepentingan peneliti.

Dua ciri ini sering diabaikan mahasiswa karena terasa abstrak, padahal keduanya adalah penjaga kredibilitas riset bisnis. Bayangkan sebuah lembaga seperti OJK merilis klaim tentang tingkat literasi keuangan digital masyarakat tanpa menjelaskan metode survei, jumlah responden, atau cara pengambilan sampelnya — lembaga atau peneliti lain tidak akan bisa mengulang studi itu untuk mengecek apakah hasilnya konsisten, dan ini melemahkan kepercayaan publik pada temuan tersebut. Objektivitas punya jebakan berbeda: bayangkan seorang analis yang diminta mengevaluasi keberhasilan produk digital perusahaannya sendiri — ada tekanan tak sadar untuk menyimpulkan hasil yang positif, walau data sebenarnya beragam. Peneliti yang baik memisahkan harapan pribadi dari fakta data, dan bersedia melaporkan hasil negatif sekalipun. Kedua ciri ini akan sangat relevan saat Anda menyusun proposal penelitian sendiri — dokumentasikan metode Anda selengkap mungkin, dan jaga jarak dari kepentingan pribadi terhadap hasil.

Contoh Riset Ilmiah Nyata: Adopsi E-Commerce UMKM

Sebuah studi akademik tentang adopsi platform digital oleh UMKM Indonesia menunjukkan bagaimana delapan ciri ilmiah diterapkan secara nyata:

Ciri Ilmiah	Penerapan dalam Studi
Purposive	Tujuan jelas: mengukur faktor yang memengaruhi niat UMKM bergabung ke marketplace
Testability	Hipotesis terukur: "persepsi kemudahan penggunaan berhubungan positif dengan niat adopsi"
Objectivity	Data dikumpulkan lewat kuesioner terstruktur ke ratusan responden, dianalisis statistik
Replicability	Instrumen & model dipublikasikan lengkap agar peneliti lain bisa menguji ulang di daerah lain

Bandingkan dengan klaim viral di slide sebelumnya — studi semacam ini bisa diuji, direplikasi, dan disanggah dengan data baru. Itulah kekuatan sesungguhnya dari sains.

Setelah melihat contoh klaim yang gagal uji ilmiah, sekarang mari kita lihat contoh yang berhasil. Studi tentang adopsi e-commerce oleh UMKM ini representatif dari banyak riset akademik di bidang bisnis digital Indonesia — Anda akan menemukan pola serupa saat mencari literatur untuk proposal Anda sendiri mulai pertemuan empat. Perhatikan bagaimana tujuannya jelas sejak awal, hipotesisnya dirumuskan secara terukur sehingga bisa diuji dengan statistik, datanya dikumpulkan secara sistematis dari banyak responden bukan sekadar cerita anekdot, dan metodenya didokumentasikan cukup detail sehingga peneliti lain di kota atau negara berbeda bisa mengulang studi yang sama. Bandingkan langsung dengan dua klaim viral yang kita bedah tadi — perbedaannya bukan pada topiknya yang sama-sama soal bisnis digital, melainkan pada disiplin prosesnya. Inilah yang membedakan pengetahuan ilmiah yang bisa diandalkan dari sekadar opini yang kebetulan terdengar meyakinkan.

Bagian 3 dari 3

Menerapkan Sikap Ilmiah dalam Praktik Bisnis

Membawa pola pikir ilmiah ke keputusan bisnis digital sehari-hari, dan menyiapkan langkah ke pertemuan berikutnya.

Sikap Ilmiah dalam Keputusan Bisnis: Skenario UMKM

Seorang pengelola toko daring ingin menaikkan penjualan. Bandingkan jalur non-ilmiah dan ilmiah untuk masalah yang sama:

JALUR NON-ILMIAH

TEBAK & IKUT TREN

Meniru strategi kompetitor tanpa tahu apakah strategi itu benar-benar berhasil bagi mereka, hanya karena "kelihatannya ramai".

JALUR ILMIAH

AMATI → UJI → PUTUSKAN

Mengamati data penjualan sendiri, merumuskan dugaan spesifik (mis. harga terlalu tinggi), menguji lewat promo terbatas, lalu memutuskan berdasar hasil.

Sikap ilmiah bukan berarti selalu butuh riset formal berbulan-bulan — cukup menerapkan disiplin berpikir: definisikan masalah jelas, kumpulkan bukti, uji sebelum menyimpulkan.

Slide ini penting agar Anda tidak salah paham bahwa metode ilmiah hanya relevan untuk skripsi atau jurnal akademik. Dalam praktik bisnis digital sehari-hari, jalur non-ilmiah sangat menggoda karena cepat dan mudah — cukup lihat kompetitor lalu ikuti tanpa bertanya apakah strategi itu benar-benar terbukti berhasil bagi mereka, atau jangan-jangan mereka sendiri sedang merugi. Jalur ilmiah tidak selalu berarti riset besar berbulan-bulan dengan kuesioner ratusan halaman; bagi seorang pemilik UMKM, jalur ilmiah bisa sesederhana mengamati data penjualan sendiri, merumuskan dugaan spesifik seperti "harga kami terlalu tinggi dibanding kompetitor", lalu menguji dugaan itu lewat promo terbatas ke sebagian pelanggan sebelum mengambil keputusan besar. Inti pesannya: sikap ilmiah adalah soal disiplin berpikir yang bisa diterapkan dalam skala kecil maupun besar, bukan eksklusif milik peneliti dengan gelar akademik.

Sekilas: Objektivitas Ilmiah Berakar dari Etika

Sikap ilmiah yang kita bahas hari ini — kejujuran pada data, keterbukaan untuk dikoreksi — adalah fondasi etika penelitian yang akan kita dalami penuh di pertemuan 12.

JUJUR PADA DATA

NO CHERRY-PICKING

Tidak memilih hanya data yang mendukung kesimpulan yang diinginkan.

TRANSPARAN METODE

DAPAT DIVERIFIKASI

Metode dijelaskan lengkap sehingga bisa diperiksa dan direplikasi orang lain.

TERBUKA DIKOREKSI

BUKAN DEFENSIF

Bersedia mengubah kesimpulan jika bukti baru bertentangan dengan dugaan awal.

Saya ingin menanam benih kecil di kepala Anda hari ini, walau topik etika penelitian secara lengkap baru kita bahas di pertemuan dua belas. Perhatikan bahwa tiga hal yang saya tulis di slide ini — kejujuran pada data, transparansi metode, dan keterbukaan untuk dikoreksi — sebenarnya adalah perwujudan praktis dari ciri-ciri ilmiah yang sudah kita pelajari sepanjang hari ini, terutama objektivitas dan replikabilitas. Cherry-picking, yaitu memilih hanya data yang mendukung kesimpulan yang kita inginkan sejak awal, adalah pelanggaran objektivitas sekaligus pelanggaran etika. Begitu pula menyembunyikan metode agar tidak bisa diperiksa orang lain adalah pelanggaran replikabilitas sekaligus etika akademik. Poin ini penting untuk mengubah cara pandang Anda: sikap ilmiah bukan sekadar teknik, tapi juga karakter — kejujuran intelektual yang akan terus relevan sepanjang karier Anda di dunia bisnis digital.

Rangkuman: Peta Ilmiah vs Non-Ilmiah

Aspek	Ilmiah	Non-Ilmiah
Sumber klaim	Data & pengujian sistematis	Kebiasaan, otoritas, atau intuisi
Dapat diuji?	Ya (falsifiable)	Sering tidak (tak-falsifiable)
Dapat direplikasi?	Ya, metode terdokumentasi	Umumnya tidak jelas
Kesimpulan	Berbasis bukti, terbuka dikoreksi	Sering tetap walau bukti berubah

Delapan ciri kunci untuk diingat: purposive, rigor, testability, replicability, precision & confidence, objectivity, generalizability, parsimony.

Sebelum kita menutup pertemuan hari ini, mari kita rangkum semuanya dalam satu tabel yang bisa Anda jadikan cheat sheet belajar. Perbedaan paling mendasar antara ilmiah dan non-ilmiah terletak pada empat baris ini: sumber klaimnya, apakah bisa diuji, apakah bisa direplikasi orang lain, dan bagaimana sikap terhadap bukti baru. Coba ingat kembali dua klaim viral yang kita bedah tadi, lalu bandingkan dengan studi UMKM yang berhasil lolos uji delapan ciri ilmiah — perbedaannya persis mengikuti pola di tabel ini. Delapan ciri yang saya sebutkan kembali di bawah tabel — purposive, rigor, testability, replicability, precision dan confidence, objectivity, generalizability, dan parsimony — akan menjadi kerangka penilaian yang terus Anda pakai setiap kali membaca literatur atau merancang penelitian sendiri sepanjang semester ini.

Latihan Kelas: Klasifikasikan Skenario Ini

Diskusikan dengan teman sebangku, tentukan ilmiah atau non-ilmiah untuk tiap skenario, dan sebutkan ciri mana yang gagal/terpenuhi.

SKENARIO 1

Sebuah agensi marketing mengklaim "posting jam 7 pagi selalu paling banyak engagement" berdasarkan pengalaman satu klien saja, tanpa data lain.

SKENARIO 2

Tim riset produk menguji dua desain aplikasi ke 500 pengguna secara acak selama sebulan, mencatat data pemakaian, dan mempublikasikan metodenya.

Siapkan jawaban Anda — kita bahas bersama di 5 menit terakhir kelas. Gunakan delapan ciri di slide rangkuman sebagai acuan penilaian.

Sekarang giliran Anda praktik langsung. Bentuk kelompok kecil dengan teman sebangku dan diskusikan dua skenario ini menggunakan delapan ciri yang sudah kita pelajari — jangan hanya menjawab "ilmiah" atau "tidak", tapi sebutkan tepatnya ciri mana yang gagal atau terpenuhi, misalnya apakah klaimnya testable, objektif, atau bisa direplikasi. Skenario pertama tentang jam posting media sosial adalah jebakan klasik generalisasi berlebihan dari satu kasus — mirip dengan klaim tombol merah yang kita bahas tadi. Skenario kedua tentang pengujian desain aplikasi mendekati contoh ilmiah yang baik karena memakai sampel besar, pengujian acak, dan dokumentasi metode. Saya akan berkeliling untuk mendengar diskusi Anda, dan kita akan membahas jawabannya bersama di lima menit terakhir sebelum kelas berakhir — siapkan alasan Anda, bukan hanya kesimpulan.

Penutup: Menuju Perumusan Masalah Penelitian

MINGGU DEPAN — PERTEMUAN 3

Identifikasi masalah penelitian — dari gejala ke rumusan yang jelas
Kriteria SMART untuk tujuan penelitian
Bahan lanjutan langsung dari tahap 1–2 proses ilmiah hari ini

TUGAS SEBELUM PERTEMUAN 3

CARI 1 KLAIM VIRAL

Temukan satu klaim bisnis/marketing viral di media sosial, lalu tuliskan analisis singkat memakai delapan ciri ilmiah hari ini — ilmiah atau non-ilmiah, dan mengapa.

Sampai di sini, hari ini kita sudah menempuh perjalanan lengkap: dari empat sumber pengetahuan manusia, delapan ciri penyelidikan ilmiah, kriteria falsifikasi Popper, tujuh tahap proses ilmiah, sampai membedah beberapa klaim viral bisnis digital secara langsung. Minggu depan kita melangkah ke tahap kedua dan ketiga dari proses ilmiah yang kita gambar tadi, yaitu bagaimana merumuskan masalah penelitian secara tajam memakai kriteria SMART, spesifik, terukur, dapat dicapai, relevan, dan berbatas waktu. Sebagai jembatan, tugas Anda sebelum pertemuan tiga adalah mencari satu klaim viral di media sosial tentang bisnis atau marketing, lalu menuliskan analisis singkat menggunakan delapan ciri ilmiah yang kita pelajari hari ini — jelaskan ilmiah atau tidak, dan sebutkan tepatnya ciri mana yang menjadi dasar penilaian Anda. Sampai jumpa minggu depan, dan selamat berlatih berpikir kritis terhadap informasi bisnis yang Anda temui sehari-hari.