‹ Daftar slide
Pertemuan 5: Desain Riset
RPS minggu 5 · 2x50 menit
Desain Riset
Metode Riset Bisnis Lanjutan — Magister Manajemen FEB UNDIP
Peta Pertemuan Hari Ini
Jam ke-1 (50 menit)
- Anatomi desain riset: dari research question ke arsitektur riset
- Memilih strategi riset (survei/eksperimen/studi kasus/arsip) berbasis trade-off
- Validitas internal vs eksternal sebagai kriteria keputusan desain
Jam ke-2 (50 menit)
- Unit analisis, populasi, dan kerangka sampel — kesalahan umum manajerial
- Operasionalisasi variabel & tingkat pengukuran
- Mini-kasus: menilai desain riset kepuasan nasabah bank digital
Posisi dalam alur 14 pertemuan: P5 mengunci arsitektur riset, P6 Anda mempresentasikan topik riset di kelas, P7 mengelaborasi metode & instrumen secara rinci, lalu P8 masuk ke pengumpulan data.
Bagian 1
Anatomi & Strategi Desain Riset
Diskusi kelas: pernahkah Anda menyetujui anggaran riset pasar tanpa benar-benar menilai apakah desainnya mampu menjawab pertanyaan bisnis yang diajukan?
Desain Riset: Jembatan RQ ke Bukti
Desain riset adalah cetak biru yang menghubungkan research question & kerangka teoritis (Pertemuan 3-4) dengan bukti empiris yang bisa dipertanggungjawabkan — bukan sekadar pilihan kuantitatif atau kualitatif.
Empat Keputusan Inti
- Strategi riset: bagaimana bukti dikumpulkan secara menyeluruh
- Unit analisis: siapa/apa yang diukur (individu, perusahaan, transaksi)
- Horizon waktu: cross-sectional vs longitudinal
- Logika kausal vs deskriptif: apa yang bisa diklaim di akhir
Kesalahan Manajerial Umum
- Memilih survei karena murah, bukan karena cocok dengan RQ
- Desain cross-sectional untuk klaim "menyebabkan" perubahan
- Unit analisis campur aduk (data individu untuk simpulan perusahaan)
Empat Strategi Riset Utama
Tidak ada strategi yang "terbaik" secara universal — pilihan bergantung pada RQ, sumber daya, dan trade-off kontrol vs realisme.
Mini-Kasus: Riset Churn Nasabah Bank Digital
Konteks (ilustrasi): Manajemen bank digital ilustratif menghadapi tingkat churn nasabah yang meningkat. Tim riset internal diminta merancang studi untuk mendukung keputusan retensi, dengan anggaran & waktu terbatas sebelum rapat direksi kuartal berikutnya.
Opsi A: Survei Kepuasan Tunggal
- Cross-sectional, satu waktu, 1.000 responden
- Cepat & murah, cocok untuk snapshot deskriptif
- Tidak bisa membuktikan apa yang MENYEBABKAN churn
Opsi B: Kohort Longitudinal + Data Transaksi
- Melacak kohort nasabah 6 bulan, gabung data perilaku transaksi
- Bisa identifikasi urutan waktu penyebab churn
- Butuh waktu & akses data lintas-divisi lebih besar
Keputusan manajerial: rapat direksi butuh jawaban kuartal ini — desain hybrid (survei cepat + analisis data transaksi historis yang sudah tersedia) sering jadi solusi realistis.
Kerangka Rubrik: Menilai Kekuatan Desain Riset
Sebelum menyetujui atau menjalankan riset, gunakan rubrik lima langkah ini untuk menilai apakah desain cukup kokoh menjawab RQ.
| Langkah | Pertanyaan Analisis | Indikasi Kokoh |
|---|---|---|
| 1. Kesesuaian RQ | Apakah strategi riset mampu menjawab tipe RQ (deskriptif/kausal)? | Cocok = layak lanjut |
| 2. Unit analisis konsisten | Apakah unit pengumpulan data sama dengan unit kesimpulan? | Konsisten = valid |
| 3. Validitas internal | Apakah desain mengendalikan penjelasan alternatif (confounding)? | Terkendali = kredibel |
| 4. Validitas eksternal | Apakah sampel & konteks representatif untuk generalisasi yang diklaim? | Representatif = general |
| 5. Kelayakan sumber daya | Apakah waktu, biaya, akses data realistis untuk tenggat keputusan? | Realistis = eksekutabel |
Kesimpulan Rubrik
Desain riset kokoh hanya jika kelima langkah terpenuhi bersamaan — kuat secara metodologis tapi tidak feasible sama tidak bergunanya dengan feasible tapi lemah metodologis
Triangulasi: Memperkuat Kredibilitas Desain
Triangulasi (Denzin, 1978) menggabungkan lebih dari satu sumber data, metode, atau peneliti untuk mengurangi kelemahan validitas satu strategi riset tunggal — relevan langsung untuk mini-kasus churn bank digital tadi.
Jenis Triangulasi
- Data: gabungkan survei + data transaksi + wawancara
- Metode: gabungkan kuantitatif + kualitatif (mixed methods, ditutup di P14)
- Peneliti: lebih dari satu analis menilai temuan sama secara independen
Manfaat Manajerial
- Mengurangi risiko keputusan besar berbasis satu sumber data lemah
- Menambah kredibilitas laporan riset di hadapan direksi/investor
- Biaya tambahan harus ditimbang terhadap nilai keputusan yang didukung
Kaitan ke mini-kasus sebelumnya: opsi hybrid (survei cepat + data transaksi historis) sesungguhnya adalah bentuk triangulasi data sederhana yang meningkatkan validitas internal tanpa mengorbankan tenggat waktu direksi.
Validitas Internal: Mengunci Klaim Kausal
Validitas internal (Cook & Campbell, 1979) menilai apakah perubahan pada variabel dependen benar-benar disebabkan variabel independen, bukan faktor lain yang tidak terkendali.
Ancaman Umum
- Selection bias: kelompok pembanding tidak setara sejak awal
- History: peristiwa eksternal terjadi bersamaan (mis. promo kompetitor)
- Maturation: perubahan alami dari waktu ke waktu, bukan intervensi
Mitigasi dalam Desain
- Randomisasi kelompok (jika eksperimen memungkinkan)
- Kelompok kontrol/pembanding yang setara
- Kontrol statistik terhadap variabel confounding terukur
Validitas Eksternal: Batas Generalisasi
Validitas eksternal menilai sejauh mana temuan bisa digeneralisasi ke populasi, setting, atau waktu lain di luar riset itu sendiri.
Dimensi Generalisasi
- Populasi: sampel Jakarta → klaim nasional? Berisiko
- Setting: eksperimen laboratorium → perilaku pasar riil?
- Waktu: data pra-pandemi → relevan untuk kondisi kini?
Strategi Memperkuat
- Sampling probabilistik yang mewakili populasi sasaran
- Replikasi di konteks/segmen berbeda (multi-kota, multi-sektor)
- Transparansi eksplisit tentang batas generalisasi dalam laporan
Trade-off inti: memperketat kontrol (validitas internal) sering menyempitkan konteks (validitas eksternal) — dan sebaliknya. Keputusan manajerial menentukan mana yang lebih penting untuk RQ Anda.
Coba Sendiri: Trade-off Validitas Internal vs Eksternal
Geser parameter desain riset (kontrol sampel vs cakupan populasi) dan amati bagaimana skor validitas internal & eksternal bergerak berlawanan arah.
Bagian 2
Unit Analisis, Populasi & Operasionalisasi
Diskusi kelas: dalam laporan riset internal terakhir yang Anda baca di kantor, apakah unit analisisnya dinyatakan eksplisit, atau harus Anda tebak sendiri?
Unit Analisis: Fondasi yang Sering Terlewat
Unit analisis adalah entitas utama yang menjadi subjek pengukuran & kesimpulan — individu, kelompok, organisasi, transaksi, atau peristiwa. Kesalahan unit analisis merusak seluruh interpretasi hasil.
| Langkah Analisis | Pertanyaan Kunci | Contoh Kesalahan Umum |
|---|---|---|
| 1. Identifikasi entitas RQ | RQ berbicara tentang siapa/apa yang berubah? | RQ tentang kinerja perusahaan, data dikumpulkan per-karyawan |
| 2. Cocokkan level pengumpulan | Data dikumpulkan di level yang sama dengan RQ? | Agregasi naif dari individu ke unit organisasi |
| 3. Cocokkan level analisis statistik | Uji statistik dijalankan di level unit yang benar? | Fallacy ekologis: pola agregat disimpulkan berlaku individu |
| 4. Cocokkan level kesimpulan | Klaim akhir konsisten dengan level data & analisis? | Data cabang bank, klaim berlaku untuk seluruh industri perbankan |
Kesimpulan Kerangka
Ketidaksesuaian unit analisis di salah satu dari empat langkah membuat seluruh rantai kesimpulan cacat, walau statistiknya secara teknis benar
Populasi, Kerangka Sampel & Generalisasi
Tiga Lapis yang Sering Tertukar
- Populasi target: seluruh entitas yang ingin disimpulkan
- Kerangka sampel: daftar entitas yang benar-benar bisa diakses
- Sampel realisasi: entitas yang akhirnya merespons/terukur
Implikasi Manajerial
- Gap kerangka sampel → populasi = coverage error tersembunyi
- Gap sampel realisasi → kerangka = non-response bias
- Kedua gap ini jarang dilaporkan eksplisit di riset komersial
Contoh (ilustrasi): survei preferensi UMKM digital lewat platform e-commerce hanya menjangkau UMKM yang sudah online (kerangka sampel), sehingga populasi UMKM offline otomatis tereksklusi dari kesimpulan — walau laporan menyebut "UMKM Indonesia" secara umum.
Operasionalisasi: Konsep Abstrak ke Angka Terukur
Operasionalisasi menerjemahkan konstruk teoritis (mis. loyalitas pelanggan, kepuasan kerja) menjadi variabel dengan tingkat pengukuran yang jelas — keputusan ini menentukan analisis statistik apa yang bisa dipakai nanti.
| Tingkat Pengukuran | Sifat | Contoh Bisnis |
|---|---|---|
| 1. Nominal | Kategori tanpa urutan | Jenis kanal pembelian (marketplace/toko fisik/aplikasi) |
| 2. Ordinal | Kategori berurutan, jarak tak sama | Tingkat kepuasan (sangat puas → sangat tidak puas) |
| 3. Interval | Jarak sama, tanpa nol mutlak | Skor indeks kepuasan gabungan 0-100 |
| 4. Rasio | Jarak sama, nol mutlak bermakna | Nilai transaksi (Rp), jumlah kunjungan aplikasi |
Implikasi Praktis
Uji statistik yang salah pilih (mis. rata-rata pada data ordinal murni) menghasilkan angka valid secara komputasi tapi tidak bermakna secara substansi
Hitung dari Nol: Menilai Non-Response Bias
| Langkah | Perhitungan | Nilai |
|---|---|---|
| 1. Kerangka sampel awal | Nasabah terpilih dari basis data bank (ilustrasi) | 2.000 nasabah |
| 2. Responden yang mengisi survei | Jumlah kuesioner kembali & valid | 640 nasabah |
| 3. Tingkat respons | 640 ÷ 2.000 x 100 | 32% |
| 4. Rata-rata skor kepuasan responden | Skor rata-rata dari 640 yang merespons | 78 dari 100 |
| 5. Estimasi skor jika 200 non-responden ditelusuri | Sub-sampel tindak lanjut menunjukkan skor lebih rendah | 61 dari 100 |
Interpretasi
32%
Tingkat respons rendah + skor non-responden jauh lebih rendah → indikasi kuat non-response bias, kesimpulan "kepuasan tinggi" berisiko menyesatkan direksi
Latihan Individu: Audit Desain Riset Anda Sendiri
Instruksi (10 menit, kerjakan sebelum pertemuan 6): Ambil topik riset yang sudah Anda kembangkan sejak Pertemuan 2-4. Terapkan rubrik lima langkah (kesesuaian RQ, unit analisis, validitas internal, validitas eksternal, kelayakan sumber daya) pada rencana desain riset Anda, siap dipresentasikan di Pertemuan 6.
- 1. Tuliskan strategi riset yang Anda pilih (survei/eksperimen/studi kasus/arsip) dan alasan kecocokan dengan RQ Anda.
- 2. Definisikan unit analisis Anda secara eksplisit — pastikan konsisten dari pengumpulan data sampai kesimpulan yang direncanakan.
- 3. Identifikasi satu ancaman validitas internal DAN satu batas validitas eksternal terbesar pada desain Anda, beserta rencana mitigasinya.
Etika dalam Desain Riset Bisnis
Desain riset yang etis bukan sekadar formalitas persetujuan (informed consent) — ini mempengaruhi kualitas data & kredibilitas keputusan yang didukungnya.
Risiko Etis Umum di Riset Korporat
- Data nasabah/karyawan diambil tanpa persetujuan eksplisit
- Insentif responden memicu jawaban bias (social desirability)
- Hasil riset "dipesan" untuk membenarkan keputusan yang sudah diambil
Praktik yang Direkomendasikan
- Anonimitas & kerahasiaan data responden dijaga sejak desain
- Transparansi tujuan riset kepada responden (tanpa membocorkan hipotesis rinci)
- Pemisahan peran peneliti dari pihak yang berkepentingan atas hasil
Riset yang "dipesan" untuk membenarkan keputusan yang sudah diambil manajemen adalah pelanggaran etis yang juga merusak validitas — desain riset yang baik menutup celah ini sejak awal, bukan menambalnya setelah data terkumpul.
Penutup
Dari Desain ke Presentasi Topik Riset
Diskusi kelas: elemen desain riset mana yang menurut Anda paling sulit dijelaskan secara meyakinkan kepada audiens non-akademik seperti direksi perusahaan?
Sintesis: Tiga Pertanyaan Kunci Peneliti Bisnis
Kesesuaian
Apakah strategi riset saya benar-benar mampu menjawab jenis pertanyaan (deskriptif/kausal) yang saya ajukan?
Konsistensi
Apakah unit analisis saya konsisten dari pengumpulan data sampai klaim kesimpulan akhir?
Kejujuran Batas
Apakah saya transparan tentang batas validitas internal & eksternal desain saya, bukan menyembunyikannya?
Desain riset yang kokoh bukan yang sempurna secara metodologis, melainkan yang jujur tentang trade-off yang diambil — dan tetap mampu mendukung keputusan bisnis tepat waktu.