RPS minggu 11 · 2x50 menit

Analisis Data dan Keterkaitan Temuan dengan Literatur Eksisting

Pertemuan 11 — Proyek Riset · Magister Manajemen FEB UNDIP

Selamat datang di pertemuan sebelas — Anda baru saja menyelesaikan pengumpulan data pada pertemuan sebelumnya, dan hari ini kita masuk ke fase yang paling menentukan kualitas tesis Anda: mengubah angka atau transkrip mentah menjadi temuan yang bermakna dan berbicara dengan literatur. Bayangkan Anda sedang duduk sebagai manajer di BCA atau Astra yang baru menerima laporan riset pasar tebal — pertanyaan pertama Anda pasti "so what, apa implikasinya untuk keputusan saya", bukan sekadar tabel angka. Sesi ini akan melatih Anda menjawab pertanyaan itu secara sistematis: dari data bersih menuju hasil, dari hasil menuju diskusi yang mendialogkan temuan Anda dengan riset terdahulu. Siapkan output analisis Anda — SPSS, Stata, NVivo, atau Excel — karena kita akan bekerja dengan contoh konkret sepanjang dua jam ke depan.

Peta Sesi: Dari Output Mentah ke Argumen Berbasis Bukti

Bagian 1

Uji asumsi & kualitas data sebelum interpretasi
Interpretasi output regresi/SEM secara manajerial
Effect size vs signifikansi statistik

Bagian 2

Analisis tematik untuk data kualitatif
Triangulasi & validitas temuan
Dari kode ke tema ke narasi

Bagian 3

Membangun argumen "konfirmasi vs kontradiksi" dengan literatur
Menulis Bab Diskusi yang bukan sekadar rangkuman
Studi kasus: loyalitas nasabah bank digital

Bagian 1 dari 3

Dari Output Statistik ke Interpretasi Manajerial

Diskusi kelas: pernahkah Anda melihat laporan riset internal perusahaan yang penuh angka signifikan tapi tidak menjelaskan apa artinya bagi keputusan bisnis? Apa yang hilang dari laporan itu?

Sebelum Interpretasi: Periksa Dulu Fondasinya

Interpretasi yang meyakinkan dibangun di atas data yang sudah lolos pemeriksaan kualitas. Melompat langsung ke pembahasan makna tanpa tahap ini adalah kesalahan paling sering ditemukan penguji pada Bab 4.

Data kuantitatif

Uji normalitas, multikolinearitas (VIF), heteroskedastisitas
Common method bias (Harman's single factor)
Missing data & outlier — tangani, jangan sembunyikan
Validitas & reliabilitas konstruk (AVE, CR, Cronbach's alpha)

Data kualitatif

Saturasi data — apakah wawancara sudah "jenuh"?
Intercoder reliability bila lebih dari satu pengkode
Audit trail — jejak dari transkrip ke tema
Member checking — validasi balik ke partisipan

Signifikansi Statistik vs Effect Size: Mengapa Manajer Peduli Keduanya

P-value menjawab "apakah efeknya nyata secara probabilistik". Effect size menjawab "seberapa besar efeknya di dunia nyata". Tesis yang matang membutuhkan keduanya, bukan hanya bintang signifikansi.

Cohen's d = (M₁ − M₂) / SD_gabungan

Dengan sampel besar (n > 300, umum pada survei online), hasil bisa signifikan (p < 0,05) padahal effect size-nya kecil (d < 0,2) — nyaris tidak relevan bagi keputusan manajemen.

Hitung dari Nol: Effect Size dari Output Regresi

Kasus ilustrasi: regresi pengaruh kualitas layanan digital terhadap loyalitas nasabah, n = 220. Output SPSS memberi R² = 0,090. Berapa besar efek ini menurut konvensi Cohen (1988), dan apa artinya bagi manajer produk?

Langkah	Perhitungan	Nilai
1. Ambil R² dari output regresi	Dilaporkan langsung oleh SPSS/Stata	0,090
2. Hitung f² (Cohen's f-squared)	R² / (1 − R²) = 0,090 / 0,910	0,099
3. Bandingkan ke ambang Cohen (1988)	Kecil = 0,02 · Sedang = 0,15 · Besar = 0,35	0,099 ≈ kecil-sedang
4. Terjemahkan ke bahasa manajerial	Kualitas layanan digital menjelaskan ~9% variasi loyalitas	Faktor pelengkap, bukan dominan

Kesimpulan Manajerial

f² = 0,099

Efek nyata tapi kecil — variabel lain (harga, kepercayaan merek) kemungkinan lebih dominan; sarankan model multivariat lanjutan.

Coba Sendiri: Visualisasi Effect Size dari Regresi

Ubah nilai R² hasil regresi, lalu amati bagaimana f² dan kategori effect size Cohen berubah beserta maknanya bagi manajer.

Uji Asumsi Utama: Peta Cepat untuk Model Regresi/SEM

Asumsi yang tidak lolos BUKAN alasan menyembunyikan hasil — laporkan keterbatasannya secara eksplisit di Bab 5, itu justru tanda kejujuran metodologis yang dihargai penguji.

Bagian 2 dari 3

Menganalisis Data Kualitatif: Dari Kode ke Tema

Diskusi kelas: jika dua peneliti membaca transkrip wawancara yang sama tapi menghasilkan tema yang berbeda, siapa yang "benar" — dan bagaimana Anda meyakinkan penguji bahwa tema Anda kredibel?

Walkthrough 1: Dari Transkrip Mentah ke Tema Analitis

Kasus ilustrasi: wawancara terhadap 12 manajer menengah UMKM digital tentang hambatan adopsi pembayaran digital (QRIS).

Langkah	Aktivitas	Contoh Hasil
1. Transkripsi & familiarisasi	Baca ulang seluruh transkrip 3× sebelum mengkode	Catatan awal: "keluhan biaya MDR muncul berulang"
2. Open coding	Beri label pada kutipan yang relevan (baris demi baris)	"biaya transaksi", "literasi digital rendah", "sinyal internet"
3. Axial coding	Kelompokkan kode menjadi kategori lebih besar	Kategori: "Hambatan Biaya", "Hambatan Infrastruktur"
4. Tema analitis final	Rumuskan tema yang menjawab RQ, dukung dengan kutipan langsung	Tema: "Adopsi QRIS Tertahan Persepsi Biaya, Bukan Ketiadaan Manfaat"

Tema final harus bisa ditelusuri balik ke kutipan asli partisipan — inilah yang dimaksud "audit trail" dan menjadi bukti kredibilitas di hadapan penguji.

Walkthrough 2: Triangulasi untuk Memperkuat Kredibilitas Temuan

Kasus ilustrasi: temuan tema "kepercayaan pemimpin lebih penting daripada insentif finansial" dalam riset retensi karyawan generasi milenial di sektor perbankan.

Langkah	Aktivitas	Contoh Hasil
1. Triangulasi sumber	Bandingkan jawaban lintas level jabatan (staf, supervisor, manajer)	Pola konsisten di ketiga level → temuan lebih kuat
2. Triangulasi metode	Silangkan hasil wawancara dengan data sekunder (turnover rate internal)	Turnover memang lebih rendah di tim dengan skor kepercayaan tinggi
3. Member checking	Konfirmasi ringkasan tema kembali ke 2-3 partisipan kunci	Partisipan menyetujui, satu koreksi kecil pada nuansa istilah
4. Dokumentasikan sebagai bukti rigor	Tuliskan proses triangulasi secara eksplisit di Bab 3 & 4	Meningkatkan kepercayaan penguji terhadap validitas temuan

Triangulasi bukan sekadar formalitas metodologis — ini alat nyata untuk mendeteksi kapan temuan Anda hanya persepsi satu kelompok kecil, bukan pola yang lebih luas.

Bagian 3 dari 3

Mengaitkan Temuan dengan Literatur: Konfirmasi, Kontradiksi, Perluasan

Diskusi kelas: apa bedanya menulis "hasil penelitian ini sejalan dengan penelitian Suryani (2020)" dengan benar-benar mendiskusikan MENGAPA temuan itu sejalan atau berbeda?

Tiga Pola Keterkaitan Temuan dengan Literatur

Konfirmasi

✓

Temuan Anda sejalan dengan penelitian terdahulu — perkuat dengan menjelaskan MENGAPA mekanisme yang sama berlaku di konteks Anda (mis. Resource-Based View, Barney 1991, tetap relevan di UMKM Indonesia).

Kontradiksi

≠

Temuan Anda berbeda — jangan disembunyikan. Jelaskan kandidat penyebab: perbedaan konteks budaya, sampel, periode waktu, atau operasionalisasi variabel.

Perluasan

Temuan Anda menambah nuansa baru yang belum dibahas literatur — inilah kontribusi orisinal (novelty) yang dicari penguji dan menjadi nilai jual utama tesis Anda.

Kerangka Analisis Kasus: Menyusun Paragraf Diskusi yang Kuat

Topik ini konseptual, bukan numerik — gunakan rubrik lima-langkah berikut sebagai kerangka penulisan tiap paragraf Bab 5, bukan tabel perhitungan.

Langkah	Isi Paragraf	Tujuan
1. Nyatakan temuan	"Penelitian ini menemukan bahwa X berpengaruh signifikan terhadap Y (β = 0,34, p < 0,01)."	Berangkat dari bukti, bukan opini
2. Bandingkan dengan literatur	"Temuan ini konsisten dengan Kotler & Keller (2016) namun berbeda dari studi Wijaya (2019) di sektor ritel."	Posisikan temuan dalam percakapan akademik
3. Jelaskan mekanisme/penyebab	"Perbedaan ini kemungkinan disebabkan konteks digital-native generasi Z pada sampel penelitian ini."	Tunjukkan pemahaman, bukan sekadar pengamatan
4. Kaitkan ke teori	"Hal ini mendukung proposisi Dynamic Capabilities (Teece, 2007) bahwa kapabilitas adaptif lebih menentukan di pasar bergejolak."	Perkuat kontribusi teoretis
5. Nyatakan implikasi manajerial	"Bagi manajer pemasaran, ini berarti investasi pada personalisasi digital lebih prioritas daripada diskon harga."	Jembatani ke Bab 5 bagian rekomendasi

Lima langkah ini adalah "resep" universal — pakai untuk SETIAP temuan utama, baik kuantitatif maupun kualitatif, agar Bab 5 tidak terasa seperti rangkuman ulang Bab 4.

Studi Kasus Mini: Loyalitas Nasabah Bank Digital — Mengapa Hasilnya Berbeda dari Studi Rujukan?

Ilustrasi keputusan manajerial: tim riset internal sebuah bank digital nasional menemukan bahwa kemudahan penggunaan (perceived ease of use) TIDAK signifikan memengaruhi loyalitas nasabah — berbeda dari model TAM klasik (Davis, 1989) yang banyak dikutip di literatur perbankan konvensional.

Data pendukung (ilustrasi)

β kemudahan penggunaan → loyalitas = 0,04 (p = 0,41, tidak signifikan)
β kepercayaan keamanan data → loyalitas = 0,52 (p < 0,01)
Responden: 310 nasabah aktif aplikasi perbankan digital

Pertanyaan untuk kelas

Apakah ini kegagalan model, atau temuan yang bermakna?
Teori mana yang lebih relevan menjelaskan pola ini — TAM atau Trust-based model (Gefen et al., 2003)?
Apa implikasi bagi tim produk bank digital tersebut?

Perangkap Umum Saat Mengaitkan Temuan dengan Literatur

Cherry-picking sitasi: hanya mengutip studi yang mendukung temuan Anda dan mengabaikan yang bertentangan — penguji berpengalaman biasanya sudah tahu literatur relevan dan akan mempertanyakan ini.

Sitasi tempel tanpa analisis: "Hasil ini sesuai dengan Suryani (2020)" tanpa menjelaskan aspek apa yang sesuai dan mengapa — terasa seperti daftar pustaka berjalan, bukan argumen.

Overclaiming generalisasi: menyimpulkan temuan dari 200 responden di satu kota berlaku untuk "seluruh nasabah perbankan Indonesia" — lampirkan keterbatasan sampel di Bab 5.

Mengabaikan hasil tak terduga: membuang atau tidak membahas hipotesis yang ditolak — justru ini sering menjadi bagian paling menarik dan orisinal dari diskusi Anda.

Peta Kesalahan dan Perbaikannya: Alur Berpikir Bab 5

Latihan Kelas: Petakan Temuan Anda Sendiri

Ambil satu temuan awal dari data Anda (kuantitatif atau kualitatif). Tuliskan dalam 3 kalimat: (1) apa temuannya, (2) sejalan/berbeda/memperluas literatur mana, (3) apa implikasi manajerialnya bagi organisasi tempat Anda bekerja.

Waktu

menit kerja mandiri, lanjut diskusi berpasangan 10 menit

Output

kalimat terstruktur — cikal-bakal 1 paragraf Bab 5 Anda

Instruksi Tugas Menjelang Pertemuan 12

Tugas mandiri sebelum pertemuan berikutnya

Selesaikan seluruh uji asumsi/analisis kualitas data dan lampirkan output lengkap
Susun tabel ringkasan temuan utama (minimal 3-5 temuan) dengan kolom: temuan, arah keterkaitan literatur, sumber rujukan, implikasi manajerial
Tulis draf awal 2 paragraf Bab 5 menggunakan rubrik lima-langkah yang dibahas hari ini
Bawa draf ke sesi konsultasi individual dengan supervisor akademik sebelum pertemuan 12

Tugas ini adalah fondasi langsung Pertemuan 12 (Penyusunan Draf Laporan) — keterlambatan di sini akan mempersempit waktu Anda menyelesaikan laporan akhir.

Cheat Sheet: Checklist Analisis Data & Keterkaitan Literatur

Tahap	Yang Wajib Dicek
Kualitas data	Asumsi statistik lolos/dikelola, atau saturasi & audit trail untuk kualitatif
Interpretasi hasil	Effect size dilaporkan berdampingan dengan signifikansi statistik
Keterkaitan literatur	Tiap temuan dipetakan: konfirmasi, kontradiksi, atau perluasan
Argumen diskusi	Ikuti rubrik lima-langkah: temuan → banding literatur → mekanisme → teori → implikasi
Kejujuran ilmiah	Hasil tak terduga dan keterbatasan dilaporkan terbuka, bukan disembunyikan

Penutup: Menuju Penyusunan Draf Laporan

Pertemuan 12: Penyusunan Draf Laporan

Struktur laporan/tesis lengkap Bab 1-5
Menyusun narasi koheren dari temuan yang sudah dipetakan hari ini
Standar penulisan akademik & sitasi

Yang Dibawa

Bab 5

Draf 2 paragraf + tabel ringkasan temuan (lihat instruksi tugas)