Proposal 2.000 kata & rencana manajemen proyek (P8–P9)
Fokus minggu ini (P10)
Menjalankan instrumen sesuai protokol yang sudah disetujui
Memantau kualitas data saat pengumpulan berlangsung, bukan setelahnya
Mengambil keputusan lapangan yang defensible di ujian nanti
Fase ini adalah titik paling rawan proyek capstone: metode yang bagus di kertas bisa gagal di lapangan bila eksekusi tidak dikawal.
Kesenjangan Umum: Desain vs. Realisasi Lapangan
Yang direncanakan (P6)
Yang sering terjadi di lapangan
Sampel n=397 responden survei
Response rate rendah, kuesioner tidak lengkap
12 informan wawancara purposive
Gatekeeper menolak akses, jadwal berubah mendadak
Instrumen tervalidasi pilot test
Item ambigu di lapangan riil, butuh klarifikasi
Timeline 4 minggu pengumpulan
Molor karena akses data perusahaan/institusi
Prinsip kerja P10: deviasi dari rencana BUKAN kegagalan riset — asal terdokumentasi, dijustifikasi, dan konsisten dengan desain metode yang disetujui pembimbing.
Bagian 1 dari 3
Menjalankan Pengumpulan Data Kuantitatif
Pertanyaan diskusi: seberapa rendah response rate masih dapat diterima sebelum mengancam validitas eksternal riset Anda?
Eksekusi Survei: Mengelola Sampling di Lapangan
Momen kritis distribusi
Verifikasi sampling frame masih representatif saat eksekusi (bukan hanya saat desain)
Terapkan strategi non-respons: reminder terjadwal, insentif etis, kanal alternatif
Pantau distribusi respons per strata — cegah convenience creep (sampel bergeser ke yang paling mudah diakses)
Keputusan tingkat lanjut
Kapan menutup periode pengumpulan vs. memperpanjang?
Kapan mengganti kanal distribusi (mis. dari email ke WhatsApp Business) tanpa mengubah desain metode?
Bagaimana mendokumentasikan setiap penyesuaian untuk bab metodologi laporan akhir?
Coba Sendiri: Tingkat Respons Kuesioner Lapangan Anda
Masukkan jumlah kuesioner terdistribusi dan kembali valid untuk menghitung response rate aktual. Widget ini juga mengestimasi berapa perlu didistribusikan ulang jika respons jatuh di bawah ambang minimum yang Anda tetapkan di desain.
Hitung dari Nol: Verifikasi Kecukupan Sampel Pasca-Lapangan
Kasus ilustrasi: survei kepuasan nasabah bank digital, populasi nasabah aktif ~50.000 (ilustrasi).
Keputusan lapangan: n realisasi 412 > target 397, dan MOE aktual 4,8% < ambang 5% → pengumpulan data dinyatakan tuntas, lanjut ke analisis (P11).
Coba Sendiri: Populasi vs Sampel — Visualisasi Margin of Error Anda
Coba geser ukuran populasi dan sampel Anda untuk melihat bagaimana margin of error berubah. Widget ini memberi intuisi mengapa menambah sampel dari 300 ke 400 memberi pengecilan MOE yang jauh lebih besar ketimbang dari 2.000 ke 2.100.
Menjaga Kualitas Data Saat Pengumpulan Berlangsung
Ancaman kualitas data
Common method bias — satu sumber, satu waktu, satu instrumen (Podsakoff et al., 2003)
Straightlining & careless responding pada survei daring panjang
Social desirability bias pada topik sensitif (kompensasi, kinerja, etika kerja)
Mitigasi tingkat lanjut
Attention check items & waktu pengisian minimum sebagai kriteria eksklusi
Pemisahan waktu/sumber pengukuran prediktor-kriteria bila memungkinkan
Kriteria cleaning didokumentasikan SEBELUM analisis — bukan disesuaikan setelah melihat hasil
Coba Sendiri: Berapa Mahal Data Kotor bagi Kesimpulan Anda?
Setiap respons straightlining atau carelessly-responded yang lolos cleaning masuk ke analisis sebagai noise. Lihat berapa besar dampak data kotor ini pada margin of error dan kekuatan kesimpulan riset Anda — prinsip garbage-in/garbage-out bekerja persis seperti pada dashboard keputusan manajerial.
Mini-Kasus: Riset Kepuasan Nasabah Bank Digital
Keputusan manajerial, bukan sekadar definisi
Minggu ke-2 distribusi: response rate baru 38% dari target, mayoritas dari segmen nasabah urban usia <35 tahun
Peneliti menghadapi trade-off: perpanjang periode (risiko timeline tesis) vs. tambah kanal ke cabang fisik (risiko homogenitas sampel berkurang tapi representasi bertambah)
Keputusan diambil: perpanjang 1 minggu + tambah kanal cabang fisik untuk segmen non-urban, didokumentasikan sebagai deviasi terjustifikasi dari rencana P6
Ini analog dengan keputusan riset pasar di industri: bank digital seperti Jenius, Bank Jago, atau SeaBank (ilustrasi generik) rutin menghadapi bias sampel urban dalam survei aplikasi mobile.
Bagian 2 dari 3
Menjalankan Pengumpulan Data Kualitatif
Pertanyaan diskusi: bagaimana Anda tahu kapan harus berhenti mewawancarai informan tanpa mengorbankan kedalaman data?
Protokol Wawancara & FGD: Dari Rencana ke Lapangan
Persiapan lanjutan
Uji-coba protokol pada 1-2 informan pilot sebelum gelombang penuh
Siapkan probing question cadangan untuk jawaban yang dangkal/normatif
Kelola dinamika kuasa dalam FGD (mis. atasan-bawahan tidak digabung satu sesi)
Saat sesi berlangsung
Catat memo analitik segera setelah sesi (bukan menunda ke akhir minggu)
Pantau kejenuhan data — apakah tema baru masih muncul di sesi ke-N?
Konfirmasi (member checking) ringkasan temuan ke informan bila memungkinkan
Berapa sesi wawancara realistis untuk Anda lakukan paralel dengan pekerjaan kantor, dan berapa lama masing-masing transkrip akan ditranskripsi? Rencanakan kapasitas wawancara Anda sebelum terlanjur menjadwalkan, agar kejenuhan data (saturation) tercapai tanpa memboroskan waktu.
Kerangka Analisis Kasus: Rubrik Evaluasi Pelaksanaan Lapangan Kualitatif
Langkah
Fokus evaluasi
Nilai
1. Kesesuaian informan
Verifikasi kriteria purposive sampling masih terpenuhi
Cek
2. Etika lapangan
Informed consent & izin rekaman lengkap per sesi
Cek
3. Kejenuhan data
Tema baru berhenti muncul sejak sesi tertentu
Sesi 12
4. Audit trail
Field notes & memo analitik konsisten terisi
Cek
5. Triangulasi
Temuan FGD & wawancara individu saling menguatkan
Konsisten
Keputusan: hentikan penambahan informan pada wawancara ke-14 — saturasi data tercapai dan triangulasi konsisten (Guest, Bunce & Johnson, 2006).
Trustworthiness: Menjaga Kredibilitas Data Kualitatif Saat Berjalan
Kriteria (Lincoln & Guba, 1985)
Praktik lapangan
Credibility
Triangulasi sumber & metode, member checking berkala
Transferability
Deskripsi konteks tebal (thick description) sejak field notes pertama
Dependability
Audit trail keputusan metodologis terdokumentasi real-time
Confirmability
Memo refleksivitas peneliti — memisahkan interpretasi dari fakta lapangan
Empat kriteria ini adalah padanan kualitatif dari validitas-reliabilitas kuantitatif — bukan pengganti rigor, melainkan bentuk rigor yang berbeda paradigma.
Mini-Kasus: Studi Kasus Transformasi Digital BUMN
Keputusan manajerial dalam pengumpulan data
Riset studi kasus transformasi digital di sebuah BUMN sektor logistik (ilustrasi, mis. konteks serupa Pos Indonesia/Pelindo)
Gatekeeper internal awalnya hanya mengizinkan akses ke level manajer menengah, membatasi perspektif staf operasional
Peneliti merenegosiasi akses dengan menawarkan ringkasan temuan non-sensitif ke divisi SDM — memperoleh akses tambahan ke 5 staf operasional
Pelajaran: negosiasi akses lapangan adalah keterampilan manajerial, bukan sekadar hambatan administratif — dan hasil negosiasi harus tercatat sebagai bagian metodologi.
Checkpoint Progres: Menilai Kesehatan Pengumpulan Data Pertengahan Jalan
Indikator jalur kuantitatif
Response rate berjalan vs. target minggu berjalan
Distribusi respons per strata sampel — masih representatif?
Tren item hilang (missing) atau careless responding meningkat?
Indikator jalur kualitatif
Jumlah tema baru per sesi — mulai melandai atau masih naik?
Akses informan/gatekeeper — ada hambatan yang belum tertangani?
Kelengkapan memo analitik & rekaman per sesi terakhir
Lakukan checkpoint ini secara terjadwal (mis. tiap akhir minggu lapangan), bukan hanya di akhir periode — supaya koreksi arah masih memungkinkan.
Bagian 3 dari 3
Manajemen Lapangan, Etika Berjalan, dan Dokumentasi
Pertanyaan diskusi: jika kondisi lapangan memaksa Anda menyimpang dari protokol etik yang sudah disetujui, langkah apa yang harus Anda ambil lebih dulu?
Manajemen Risiko Lapangan Tingkat Lanjut
Risiko umum & respons
Akses gatekeeper batal mendadak → siapkan informan/organisasi cadangan sejak proposal