Program Studi Bisnis Digital • FEB

Metodologi Penelitian Bisnis

Pertemuan 6 — Desain Penelitian: Eksploratif, Deskriptif, Kausal

Tiga cetak biru riset bisnis: kapan menjelajah, kapan memotret, dan kapan membuktikan sebab-akibat — dengan contoh nyata bisnis digital Indonesia.

RPS MINGGU 6 • 2 × 50 MENIT

Bagian 1 dari 3

Peta Desain Penelitian

Apa itu desain penelitian, di mana posisinya dalam alur riset, dan dua dari tiga jenis utama: eksploratif dan deskriptif.

Eksploratif Deskriptif

Tujuan Pembelajaran Hari Ini

Sub-CPMK Minggu 6: mahasiswa mampu membedakan dan memilih desain penelitian yang tepat sesuai tujuan riset.

MEMAHAMI

3 Desain

Eksploratif • Deskriptif • Kausal

Menjelaskan definisi, tujuan, dan ciri khas masing-masing jenis desain penelitian bisnis.

MENERAPKAN

Memilih

Desain yang tepat

Mencocokkan pertanyaan riset (apa, seberapa banyak, mengapa) dengan jenis desain yang sesuai.

Fokus hari ini bukan menghafal definisi, melainkan melatih kepekaan memilih — sebab desain yang salah membuat seluruh riset, sebagus apa pun analisisnya, tidak menjawab pertanyaan yang diajukan.

Di Mana Posisi Kita dalam Alur Riset?

Desain penelitian adalah jembatan antara hipotesis yang sudah dirumuskan dan data yang akan dikumpulkan.

Desain penelitian menerjemahkan hipotesis abstrak menjadi rencana kerja konkret: metode apa, data dari siapa, dan bagaimana dianalisis.

Perhatikan alur ini baik-baik karena ini adalah peta jalan satu semester penuh. Di pertemuan lima, Anda sudah merumuskan kerangka teoritis dan hipotesis — misalnya dugaan bahwa kemudahan penggunaan aplikasi memengaruhi niat beli di marketplace. Hipotesis itu masih berupa pernyataan di atas kertas. Hari ini, di pertemuan enam, kita menerjemahkan pernyataan itu menjadi rencana kerja nyata: apakah kita akan menjelajah dulu karena topiknya masih asing, memotret kondisi lewat survei, atau langsung menguji sebab-akibat lewat eksperimen? Setelah desain ditentukan, pertemuan tujuh membahas metode kualitatif secara mendalam, lalu pertemuan delapan sampai sebelas membahas metode kuantitatif, sampling, dan analisis data. Jadi keputusan hari ini akan menentukan jalur mana yang Anda tempuh selanjutnya.

Apa Itu Desain Penelitian?

Desain Penelitian = Cetak biru (blueprint) pengumpulan, pengukuran, dan analisis data

MENJAWAB

Apa, Bagaimana, Mengapa

Jenis pertanyaan riset yang ingin dijawab menentukan jenis desain.

MENENTUKAN

Metode & Sumber Data

Wawancara, survei, atau eksperimen — serta dari siapa data diambil.

MENJAGA

Validitas Hasil

Desain yang tepat mencegah kesimpulan keliru atau bias.

Tiga Jenis Desain: Peta Cepat

Jenis	Pertanyaan Kunci	Kapan Dipakai
Eksploratif	Apa sebenarnya masalahnya?	Topik masih asing, minim teori/data awal
Deskriptif	Bagaimana karakteristiknya? Seberapa banyak?	Ingin memotret kondisi/perilaku secara akurat
Kausal	Apakah X menyebabkan Y?	Ingin membuktikan hubungan sebab-akibat

Ketiganya sering berurutan dalam satu riset besar: eksploratif → deskriptif → kausal — makin ke kanan, makin ketat kontrolnya, tapi makin sempit topiknya.

Desain Eksploratif: Definisi & Kapan Dipakai

Eksploratif (exploratory) = penelitian awal untuk memahami masalah yang masih kabur, belum banyak diteliti, atau belum punya teori mapan.

CIRI KHAS

Fleksibel & Terbuka

Tidak ada hipotesis kaku di awal; peneliti terbuka pada temuan tak terduga. Sampel kecil, tidak perlu representatif.

TUJUAN

Menemukan Arah

Menghasilkan wawasan awal, memperjelas konsep, atau merumuskan hipotesis untuk riset lanjutan.

Contoh: startup logistics-tech baru ingin tahu "mengapa" UMKM enggan pindah dari ojek daring ke layanan kirim instan mereka — belum ada teori baku, jadi harus dijelajahi dulu.

Mari kita bedah desain eksploratif secara mendalam. Kata kuncinya adalah "kabur" — Anda memakai desain ini ketika topik penelitian masih belum jelas batasannya, belum banyak literatur yang membahasnya, atau fenomenanya benar-benar baru. Ciri khasnya adalah fleksibel dan terbuka: peneliti tidak memaksakan hipotesis yang kaku di awal, karena tujuannya justru menemukan hipotesis, bukan mengujinya. Sampelnya biasanya kecil dan tidak harus mewakili populasi secara statistik, karena yang dicari adalah kedalaman wawasan, bukan generalisasi angka. Contohnya, bayangkan sebuah startup logistik baru di Indonesia bingung mengapa banyak UMKM digital enggan beralih dari ojek daring biasa ke layanan kirim instan mereka — belum ada teori yang menjelaskan ini secara spesifik, sehingga mereka harus menjelajah dulu lewat wawancara mendalam sebelum bisa merumuskan hipotesis yang bisa diuji.

Eksploratif: Metode & Studi Kasus

Metode Umum

Wawancara mendalam dengan pakar atau pengguna kunci
FGD (Focus Group Discussion — diskusi kelompok terarah 6–10 orang)
Studi kasus tunggal yang kaya-detail
Kajian literatur & data sekunder yang tersedia

Studi Kasus: Tim riset UMKM digital melakukan 8 wawancara mendalam dengan pemilik toko online di Shopee & Tokopedia untuk menjelajahi hambatan adopsi pembayaran digital sebelum menyusun kuesioner survei nasional.

Metode yang biasa dipakai di desain eksploratif adalah wawancara mendalam dengan pakar atau pengguna kunci, FGD atau diskusi kelompok terarah yang melibatkan enam sampai sepuluh orang untuk menggali persepsi bersama, studi kasus tunggal yang digali sedalam-dalamnya, serta kajian literatur dan data sekunder yang sudah ada. Perhatikan bahwa semua metode ini sifatnya kualitatif dan mendalam, bukan mengukur angka secara luas. Contoh nyatanya, bayangkan sebuah tim riset ingin memahami mengapa banyak pemilik toko online di Shopee dan Tokopedia masih ragu memakai metode pembayaran digital tertentu. Mereka melakukan delapan wawancara mendalam dulu untuk menjelajahi hambatan yang dirasakan, baru setelah itu menyusun kuesioner survei berskala nasional — inilah pola khas eksploratif menjadi pijakan untuk desain deskriptif berikutnya.

Desain Deskriptif: Definisi & Kapan Dipakai

Deskriptif = penelitian untuk memotret karakteristik, frekuensi, atau hubungan antar-variabel secara akurat, tanpa mengklaim sebab-akibat.

CIRI KHAS

Terstruktur & Terukur

Hipotesis/pertanyaan sudah jelas sejak awal; sampel besar & representatif agar bisa digeneralisasi.

TUJUAN

Memotret Kondisi

Menjawab "siapa, apa, kapan, di mana, berapa banyak" — bukan "mengapa" sebab-akibat.

Contoh: "Berapa persentase pengguna GoTo berusia 18–24 tahun yang berbelanja lewat fitur live shopping setiap bulan?" — ini memotret, bukan menguji sebab-akibat.

Sekarang kita masuk ke desain deskriptif. Bedanya jelas dengan eksploratif: kalau eksploratif dipakai saat topik masih kabur, deskriptif dipakai saat Anda sudah tahu persis apa yang ingin diukur, tapi belum tahu gambaran besarnya secara pasti. Ciri khasnya terstruktur dan terukur — pertanyaan riset sudah jelas sejak awal, dan sampelnya harus besar serta representatif supaya hasilnya bisa digeneralisasi ke populasi yang lebih luas, bukan cuma delapan orang seperti contoh eksploratif tadi. Tujuannya memotret kondisi apa adanya: siapa penggunanya, berapa banyak, kapan, di mana — tapi secara sengaja tidak mengklaim hubungan sebab-akibat. Contohnya, pertanyaan "berapa persen pengguna GoTo usia delapan belas sampai dua puluh empat tahun yang memakai fitur live shopping setiap bulan" adalah pertanyaan deskriptif murni — kita memotret angka, bukan menguji mengapa mereka melakukannya.

Deskriptif: Metode & Dua Jenis Waktu Pengamatan

Metode	Ciri	Contoh
Survei	Kuesioner terstruktur, sampel besar	Survei kepuasan pelanggan e-commerce nasional
Observasi	Mengamati perilaku langsung tanpa intervensi	Merekam pola klik di halaman checkout
Analisis data sekunder	Memakai data yang sudah ada	Data transaksi BPS/OJK e-commerce

CROSS-SECTIONAL

Satu Waktu

Data diambil sekali dalam satu titik waktu — "potret" (mis. survei bulan ini saja).

LONGITUDINAL

Berulang

Data diambil berulang dari sampel yang sama/serupa sepanjang waktu — "video" tren perilaku.

Ada tiga metode utama untuk desain deskriptif: survei dengan kuesioner terstruktur pada sampel besar, observasi yaitu mengamati perilaku langsung tanpa ikut campur, misalnya merekam pola klik pengguna di halaman checkout sebuah marketplace, dan analisis data sekunder memakai data yang sudah tersedia seperti data transaksi dari BPS atau OJK. Selain metode, ada dua istilah penting soal waktu pengamatan yang sering tertukar. Cross-sectional artinya data diambil sekali saja pada satu titik waktu — ibarat foto, memotret kondisi saat itu juga. Longitudinal artinya data diambil berulang dari sampel yang sama atau serupa sepanjang waktu — ibarat video, menangkap bagaimana tren berubah. Misalnya, mengukur kepuasan pelanggan Tokopedia sekali di bulan ini adalah cross-sectional; mengukurnya setiap tiga bulan selama dua tahun adalah longitudinal.

Bagian 2 dari 3

Kausalitas & Eksperimen

Desain paling ketat: membuktikan bahwa satu variabel benar-benar menyebabkan perubahan pada variabel lain — bukan sekadar berjalan bersamaan.

X Sebab → Y Akibat

Desain Kausal: Tiga Syarat Sebab-Akibat

"Korelasi bukan kausasi" — ada 3 syarat yang harus dipenuhi sebelum berani mengklaim X menyebabkan Y.

1. KOVARIASI

Bergerak Bersama

X dan Y harus terbukti berubah bersamaan secara konsisten.

2. URUTAN WAKTU

X Dulu, Y Kemudian

Penyebab harus terjadi sebelum akibatnya, bukan sesudah/bersamaan.

3. NON-SPURIOUS

Bukan Palsu

Tidak ada variabel ketiga tersembunyi yang menjelaskan hubungan itu.

Jebakan klasik spurious correlation (korelasi palsu): penjualan payung dan kecelakaan motor sama-sama naik saat musim hujan — bukan karena payung menyebabkan kecelakaan, tapi hujan (variabel ketiga) menyebabkan keduanya.

Ini adalah salah satu prinsip terpenting dalam seluruh mata kuliah ini: korelasi bukan kausasi. Dua variabel bisa bergerak bersamaan tanpa satu menyebabkan yang lain. Ada tiga syarat yang harus dipenuhi sebelum kita berani mengklaim hubungan sebab-akibat. Pertama, kovariasi — X dan Y harus terbukti berubah bersamaan secara konsisten, bukan cuma sekali kebetulan. Kedua, urutan waktu — penyebab harus terjadi lebih dulu daripada akibatnya; kalau Y terjadi lebih dulu, mustahil X yang menyebabkannya. Ketiga, non-spurious, artinya bukan korelasi palsu — tidak ada variabel ketiga tersembunyi yang sebenarnya menjelaskan hubungan itu. Contoh klasik yang saya suka pakai: penjualan payung dan angka kecelakaan motor sama-sama naik saat musim hujan. Apakah payung menyebabkan kecelakaan? Tentu tidak — variabel ketiga, yaitu hujan, yang menyebabkan keduanya naik bersamaan. Ini yang disebut korelasi palsu atau spurious correlation.

Eksperimen Murni vs Kuasi-Eksperimen

Aspek	Eksperimen Murni	Kuasi-Eksperimen
Penugasan grup	Acak (random assignment)	Tidak acak (grup alami/sudah ada)
Kontrol variabel luar	Sangat ketat	Terbatas
Contoh	A/B test fitur checkout ke pengunjung acak	Bandingkan penjualan toko yang pakai vs tidak pakai iklan digital
Kekuatan klaim kausal	Kuat	Sedang (rentan variabel pengganggu)

Variabel independen (yang dimanipulasi/diubah peneliti) vs variabel dependen (yang diukur hasilnya) — dasar dari setiap desain kausal.

Ada dua bentuk utama desain kausal. Eksperimen murni memakai penugasan acak — pengunjung sebuah situs, misalnya, dibagi secara acak murni menjadi grup A dan grup B tanpa mereka sadari, sehingga kontrol terhadap variabel luar sangat ketat dan klaim sebab-akibatnya kuat. Kuasi-eksperimen dipakai ketika penugasan acak tidak memungkinkan secara praktis atau etis — misalnya kita membandingkan penjualan toko yang sudah memakai iklan digital dengan yang belum, tapi kelompok itu bukan hasil pengacakan peneliti, melainkan kondisi alami yang sudah ada. Karena itu, kuasi-eksperimen lebih rentan terhadap variabel pengganggu dan klaim kausalnya lebih lemah dibanding eksperimen murni. Satu istilah penting yang harus Anda kuasai: variabel independen adalah variabel yang sengaja dimanipulasi atau diubah oleh peneliti, sedangkan variabel dependen adalah variabel yang diukur hasilnya sebagai dampak dari perubahan itu.

Hitung dari Nol #1 — A/B Test Checkout Toko Online

Sebuah UMKM digital menguji desain checkout baru (B) vs lama (A), masing-masing ke 1.000 pengunjung acak.

Langkah	Perhitungan	Nilai
1. Conversion rate Grup A (lama), 80 dari 1.000 beli	80 ÷ 1.000 × 100	8%
2. Conversion rate Grup B (baru), 100 dari 1.000 beli	100 ÷ 1.000 × 100	10%
3. Selisih poin persentase (B − A)	10% − 8%	2 poin
4. Uplift relatif terhadap baseline A	(10 − 8) ÷ 8 × 100	25%

HASIL EKSPERIMEN

25%

Uplift conversion rate desain baru

Sekarang kita berlatih menghitung. Ini contoh eksperimen sungguhan yang biasa dilakukan tim produk digital seperti Tokopedia atau Shopee ketika menguji tampilan halaman checkout baru. Seribu pengunjung dibagi acak: lima ratus melihat desain lama sebagai grup A, lima ratus lagi melihat desain baru sebagai grup B — inilah yang membuatnya eksperimen murni karena pembagiannya acak. Langkah pertama, hitung tingkat konversi grup A: delapan puluh dari seribu pengunjung membeli, jadi delapan puluh dibagi seribu dikali seratus sama dengan delapan persen. Langkah kedua, tingkat konversi grup B: seratus dibagi seribu dikali seratus sama dengan sepuluh persen. Langkah ketiga, selisih dalam poin persentase adalah sepuluh dikurangi delapan sama dengan dua poin. Langkah keempat, yang paling sering ditanyakan manajemen: uplift relatif, yaitu seberapa besar peningkatan dibanding kondisi awal — dua dibagi delapan dikali seratus sama dengan dua puluh lima persen. Artinya desain baru meningkatkan pembelian dua puluh lima persen relatif terhadap desain lama — angka inilah yang biasa dipresentasikan ke manajemen, bukan sekadar selisih dua poin.

Coba Sendiri: Simulasikan A/B Test Checkout Anda

Geser jumlah pengunjung dan pembeli tiap grup, lalu amati bagaimana conversion rate dan uplift relatif berubah seketika.

Hitung dari Nol #2 — Ukuran Sampel Survei Deskriptif

Sebelum survei deskriptif ke UMKM digital terdaftar, tentukan dulu ukuran sampel minimum memakai rumus Slovin (dibahas lebih dalam di P8–P9).

n = N ÷ (1 + N×e²)

Langkah	Perhitungan	Nilai
1. Populasi (N) — UMKM digital terdaftar	diketahui	5.000
2. Margin error (e) yang ditoleransi	10% = 0,1	0,1
3. Hitung N × e²	5.000 × (0,1)²	50
4. Hitung penyebut (1 + N×e²)	1 + 50	51
5. Ukuran sampel minimum (n)	5.000 ÷ 51	≈ 98,04

SAMPEL MINIMUM

Responden (dibulatkan ke atas)

Contoh kedua ini masih dalam ranah deskriptif, karena survei membutuhkan kepastian berapa responden minimum agar hasilnya cukup representatif. Kita pakai rumus Slovin — rumus sederhana yang akan Anda dalami lagi teknik samplingnya di pertemuan delapan dan sembilan. Populasinya, sebut saja N, adalah lima ribu UMKM digital yang terdaftar dalam basis data riset kita. Margin error yang kita toleransi, sebut saja e, adalah sepuluh persen atau nol koma satu — ini artinya kita menerima kemungkinan penyimpangan hasil survei sampai sepuluh persen dari kondisi sebenarnya. Langkah ketiga, kalikan N dengan e kuadrat: lima ribu dikali nol koma satu kuadrat sama dengan lima puluh. Langkah keempat, tambahkan satu: lima puluh ditambah satu sama dengan lima puluh satu. Langkah terakhir, bagi populasi dengan angka itu: lima ribu dibagi lima puluh satu sama dengan kurang lebih sembilan puluh delapan koma nol empat, yang kita bulatkan ke atas menjadi sembilan puluh delapan responden sebagai jumlah minimum agar survei kita punya dasar statistik yang layak.

Bagian 3 dari 3

Memilih Desain yang Tepat

Menyatukan tiga desain jadi satu alat bantu praktis: peta keputusan, jebakan umum, dan ringkasan siap pakai.

Peta Keputusan: Desain Mana yang Saya Pakai?

Ini alat bantu paling praktis dari seluruh pertemuan hari ini. Pertanyaan pertama yang harus Anda tanyakan pada diri sendiri adalah: seberapa jelas topik saya? Kalau topiknya masih kabur, minim teori, dan Anda sendiri belum yakin variabel apa yang relevan, pilih desain eksploratif — mulai dari wawancara, FGD, atau studi kasus. Kalau topiknya sudah jelas dan Anda hanya ingin memotret kondisi secara akurat, seperti seberapa besar, seberapa sering, atau siapa saja, pilih desain deskriptif lewat survei, observasi, atau data sekunder. Kalau Anda sudah punya dugaan spesifik tentang hubungan sebab-akibat dan ingin membuktikannya secara ketat, pilih desain kausal lewat eksperimen atau kuasi-eksperimen. Perlu diingat, riset besar sering memakai ketiganya secara berurutan dalam satu program penelitian — eksploratif untuk menemukan arah, deskriptif untuk memetakan skala masalah, lalu kausal untuk membuktikan penyebabnya.

Jebakan Umum yang Harus Anda Hindari

Jebakan 1 — Klaim kausal dari data deskriptif. "Survei menunjukkan pengguna yang sering belanja online juga lebih puas hidupnya" ≠ belanja online menyebabkan kepuasan hidup. Itu baru korelasi.

Jebakan 2 — Sampel eksploratif dianggap representatif. Delapan wawancara mendalam tidak bisa digeneralisasi ke jutaan pengguna e-commerce Indonesia — itu bukan tujuannya.

Jebakan 3 — Lupa urutan waktu. Mengukur X dan Y bersamaan (cross-sectional) lalu mengklaim X menyebabkan Y, padahal urutan mana yang lebih dulu tidak jelas.

Jebakan 4 — Mengabaikan variabel ketiga. Tidak mengecek kemungkinan spurious correlation sebelum menyimpulkan sebab-akibat.

Sebelum kita menutup, saya ingin menekankan empat jebakan yang paling sering saya temukan di proposal mahasiswa. Jebakan pertama, mengklaim sebab-akibat padahal datanya deskriptif — misalnya menyatakan belanja online yang sering menyebabkan kepuasan hidup lebih tinggi, padahal survei semacam itu hanya menemukan dua hal berjalan bersamaan, bukan membuktikan siapa menyebabkan siapa. Jebakan kedua, menganggap delapan wawancara mendalam bisa mewakili jutaan pengguna e-commerce di Indonesia — itu memang bukan tujuan eksploratif, jadi jangan dipaksakan untuk generalisasi. Jebakan ketiga, lupa syarat urutan waktu — kalau Anda mengukur dua variabel bersamaan dalam satu survei cross-sectional, Anda tidak bisa memastikan mana yang terjadi lebih dulu. Jebakan keempat, mengabaikan kemungkinan variabel ketiga tersembunyi seperti contoh payung dan kecelakaan tadi. Ingat baik-baik empat jebakan ini karena akan sangat relevan saat Anda menyusun bab metodologi proposal di pertemuan tiga belas.

Cheat Sheet: Ringkasan Tiga Desain

Aspek	Eksploratif	Deskriptif	Kausal
Pertanyaan	Apa masalahnya?	Berapa banyak/siapa?	Mengapa/apa penyebabnya?
Sampel	Kecil, tak representatif	Besar, representatif	Terkontrol, sering acak
Metode utama	Wawancara, FGD	Survei, observasi	Eksperimen, kuasi-eksperimen
Output	Wawasan & hipotesis awal	Profil/statistik akurat	Bukti sebab-akibat

Simpan tabel ini — akan Anda pakai langsung saat menulis Bab 3 (Metodologi) proposal penelitian di pertemuan 13–14.

Slide ini adalah rangkuman yang saya sarankan Anda foto atau catat, karena akan langsung berguna saat menyusun proposal penelitian di akhir semester. Perhatikan empat baris perbandingan: dari sisi pertanyaan riset, sampel yang dibutuhkan, metode utama yang dipakai, sampai output akhir yang dihasilkan masing-masing desain. Desain eksploratif menjawab "apa masalahnya" dengan sampel kecil dan metode wawancara atau FGD, hasilnya berupa wawasan dan hipotesis awal. Desain deskriptif menjawab "berapa banyak atau siapa" dengan sampel besar dan representatif memakai survei atau observasi, hasilnya berupa profil atau statistik yang akurat. Desain kausal menjawab "mengapa atau apa penyebabnya" dengan sampel terkontrol, sering memakai penugasan acak, hasilnya adalah bukti hubungan sebab-akibat yang kuat. Tabel inilah kerangka yang akan Anda pakai untuk menulis bab metodologi proposal penelitian Anda sendiri.

Latihan, Tugas, & Pertemuan Berikutnya

Latihan Diskusi Kelas (10 menit)

Sebuah aplikasi ride-hailing ingin tahu: "Apakah pemberian diskon 20% meningkatkan frekuensi pemesanan pengguna baru?"

Desain apa yang paling tepat, dan mengapa?
Apa risiko spurious correlation-nya?

TUGAS SEBELUM P7

Draf Desain

Tentukan & tuliskan (1 halaman) desain penelitian untuk topik proposal Anda sendiri — sertakan alasan pemilihannya.

Pertemuan 7 minggu depan: Metode Penelitian Kualitatif — wawancara mendalam, FGD, analisis tematik, dan empat kriteria kepercayaan data (kredibilitas, dependabilitas, konfirmabilitas, transferabilitas).

Sebagai penutup, mari berlatih sebentar dengan kasus nyata: sebuah aplikasi ride-hailing ingin tahu apakah pemberian diskon dua puluh persen meningkatkan frekuensi pemesanan pengguna baru. Diskusikan dengan teman sebangku Anda selama beberapa menit — desain apa yang paling tepat untuk kasus ini, dan apa risiko korelasi palsunya jika tidak hati-hati merancang eksperimennya. Sebagai tugas sebelum pertemuan tujuh, saya minta Anda menuliskan satu halaman desain penelitian untuk topik proposal Anda sendiri, lengkap dengan alasan mengapa Anda memilih desain tersebut — tugas ini akan menjadi cikal bakal bab metodologi proposal Anda nanti. Minggu depan di pertemuan tujuh, kita akan membahas metode penelitian kualitatif secara mendalam: wawancara, FGD, analisis tematik, dan empat kriteria untuk menilai apakah data kualitatif Anda bisa dipercaya. Sampai jumpa minggu depan, dan selamat mengerjakan tugasnya.