Program Studi Bisnis Digital • FEB UNDIP

Pengembangan Produk

Pertemuan 7 — Trade-off Analysis dan Teknik Kualitatif

Mengukur bagaimana konsumen "menukar" satu atribut produk demi atribut lain, dan melengkapi angka itu dengan pemahaman "mengapa" lewat riset kualitatif.

RPS MINGGU 7 • DURASI 2 × 50 MENIT

Selamat datang kembali di mata kuliah Pengembangan Produk. Minggu lalu Anda sudah belajar memetakan posisi produk lewat perceptual mapping — melihat bagaimana konsumen menempatkan Tokopedia, Shopee, atau BCA mobile dalam benak mereka berdasarkan dua atribut sekaligus. Hari ini kita melangkah lebih jauh: bukan cuma memetakan persepsi, tapi mengukur seberapa besar konsumen rela mengorbankan satu atribut demi atribut lain — misalnya, apakah pengguna Gojek rela membayar lebih mahal demi pengiriman lebih cepat, atau justru lebih memilih harga murah walau menunggu lebih lama. Teknik ini disebut trade-off analysis. Di paruh kedua kelas, kita akan bergeser ke teknik kualitatif — FGD, wawancara mendalam, dan observasi — karena angka saja tidak pernah cukup untuk memahami alasan di balik pilihan konsumen. Siapkan kalkulator sederhana dan catatan Anda, karena hari ini kita akan menghitung dari nol dua kali.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu menganalisis atribut produk lewat trade-off analysis dan memahami peran teknik kualitatif dalam riset produk. Secara rinci:

CAPAIAN 1

TRADE-OFF

Menjelaskan konsep trade-off analysis dan menghitung bobot kepentingan atribut dari data pertukaran konsumen.

CAPAIAN 2

EVALUASI

Menerapkan bobot kepentingan untuk membandingkan konsep produk secara kuantitatif.

CAPAIAN 3

KUALITATIF

Membedakan FGD, wawancara mendalam, dan observasi/etnografi serta kapan masing-masing dipakai.

CAPAIAN 4

INTEGRASI

Menjelaskan bagaimana data kuantitatif dan kualitatif saling melengkapi dalam pengembangan produk.

Bagian 1 dari 3

Dasar Trade-off Analysis

Bagaimana mengubah pilihan konsumen yang "berkorban" menjadi angka bobot kepentingan atribut yang bisa dihitung.

Setiap Produk Digital adalah Sebuah Kompromi

Bayangkan Anda tim produk sebuah aplikasi e-commerce sekelas Tokopedia. Anggaran pengembangan terbatas — Anda hanya bisa memperbaiki satu dari tiga hal bulan ini:

OPSI 1

HARGA

Turunkan biaya admin & ongkir agar lebih murah dari kompetitor.

OPSI 2

KECEPATAN

Percepat waktu pengiriman lewat gudang tambahan.

OPSI 3

VARIASI

Tambah jumlah penjual & produk di kategori favorit.

Konsumen tidak pernah mendapat "produk sempurna" — mereka selalu menukar (trade-off) satu atribut demi atribut lain. Tugas Anda: mengukur pertukaran itu secara objektif, bukan menebak.

Apa Itu Trade-off Analysis?

Trade-off analysis adalah teknik riset yang mengukur seberapa besar konsumen rela mengorbankan satu atribut produk demi mendapatkan atribut lain yang lebih diinginkan.

MINGGU LALU

PERCEPTUAL MAP

Memetakan posisi produk di benak konsumen pada 2 sumbu atribut (mis. harga vs kualitas) — hasilnya berupa peta.

HARI INI

TRADE-OFF

Mengukur bobot kepentingan tiap atribut secara kuantitatif — hasilnya berupa angka persentase yang bisa dibandingkan.

Kedua teknik saling melengkapi: perceptual map menunjukkan di mana produk berada, trade-off analysis menunjukkan atribut mana yang paling menentukan posisi itu.

Mengapa Atribut Produk Selalu "Bertukar"?

Sumber daya perusahaan (dana, waktu, tim rekayasa) terbatas. Menaikkan satu atribut hampir selalu berarti mengorbankan atribut lain.

Tanpa data trade-off, tim produk sering menebak titik seimbang ini berdasarkan opini pribadi — risiko salah alokasi anggaran pengembangan.

Tiga Teknik Mengumpulkan Data Trade-off

Ada beberapa cara memaksa konsumen "berkorban" agar preferensinya terlihat. Tiga yang paling umum:

Teknik	Cara Kerja	Kapan Dipakai
Pairwise Trade-off	Konsumen membandingkan 2 atribut sekaligus, memilih mana yang lebih penting.	Atribut sedikit (3–5), riset cepat & murah.
Constant-Sum Scaling	Konsumen membagi 100 poin ke sepasang atribut sesuai kepentingan relatif.	Butuh angka bobot yang presisi (dipakai di deck ini).
Conjoint Analysis	Konsumen menilai full-profile produk (kombinasi banyak atribut sekaligus).	Atribut banyak, riset lebih dalam — dibahas minggu depan.

Hari ini kita fokus pada constant-sum scaling karena paling mudah dihitung manual dan menjadi fondasi memahami conjoint analysis minggu depan.

Ada beberapa cara mengumpulkan data trade-off dari konsumen, dan penting bagi Anda mengenal ketiganya walau kita hanya praktik satu. Pairwise trade-off paling sederhana — konsumen tinggal memilih mana yang lebih penting dari dua atribut. Constant-sum scaling sedikit lebih rumit tapi menghasilkan angka yang lebih presisi, karena konsumen membagi seratus poin sesuai proporsi kepentingan, bukan sekadar memilih salah satu. Conjoint analysis adalah teknik paling canggih dan akan menjadi topik utama pertemuan minggu depan — di sana konsumen menilai kombinasi lengkap atribut sekaligus, seperti menilai satu paket lengkap smartphone dengan harga, kamera, dan baterai tertentu. Hari ini kita pilih constant-sum scaling sebagai latihan karena bisa dihitung manual dengan kalkulator sederhana, dan pemahamannya akan sangat membantu Anda saat masuk ke conjoint analysis.

Hitung dari Nol #1 — Bobot Kepentingan Atribut

Riset ke pengguna sebuah app e-commerce: tiap responden membagi 100 poin antar-pasangan atribut (Harga, Kecepatan Kirim, Variasi Produk). Rata-rata hasil 3 pasangan:

Langkah	Perhitungan	Nilai
Skor Harga (dari 2 pasangan: vs Kecepatan & vs Variasi)	60 + 55	115
Skor Kecepatan (vs Harga & vs Variasi)	40 + 65	105
Skor Variasi (vs Harga & vs Kecepatan)	45 + 35	80
Total skor semua atribut	115 + 105 + 80	300
Bobot Harga (%)	115 ÷ 300 × 100	38%
Bobot Kecepatan (%)	105 ÷ 300 × 100	35%
Bobot Variasi (%)	80 ÷ 300 × 100	27%

ATRIBUT PALING PENTING

HARGA (38%)

Mari kita hitung bersama, langkah demi langkah, jangan hanya membaca hasil akhirnya. Setiap responden membandingkan tiga pasangan atribut dan membagi seratus poin di tiap pasangan sesuai mana yang lebih ia hargai — misalnya, antara harga dan kecepatan kirim, rata-rata responden memberi enam puluh poin ke harga dan empat puluh ke kecepatan. Kita jumlahkan skor tiap atribut dari dua pasangan yang melibatkannya, lalu bagi dengan total keseluruhan untuk mendapat persentase bobot. Hasilnya: harga mendapat tiga puluh delapan persen, kecepatan tiga puluh lima persen, dan variasi produk dua puluh tujuh persen. Artinya, bagi pengguna aplikasi ini, harga murah sedikit lebih penting dibanding kecepatan pengiriman, dan keduanya jauh lebih penting dibanding variasi produk — informasi yang sangat berharga untuk tim produk Tokopedia menentukan prioritas pengembangan bulan depan.

Coba Sendiri: Bagikan 100 Poin Antar-Atribut

Bagikan 100 poin ke tiap pasangan atribut seperti responden riset, lalu lihat bobot kepentingan akhirnya terhitung otomatis.

Hitung dari Nol #2 — Menerapkan Bobot ke Dua Konsep

Tim punya 2 konsep aplikasi. Tiap atribut dinilai 1–10, dikalikan bobot dari slide sebelumnya (Harga 0,38 · Kecepatan 0,35 · Variasi 0,27):

Langkah	Perhitungan	Nilai
Konsep A — Harga (nilai 8)	8 × 0,38	3,04
Konsep A — Kecepatan (nilai 6)	6 × 0,35	2,10
Konsep A — Variasi (nilai 7)	7 × 0,27	1,89
Total skor Konsep A	3,04 + 2,10 + 1,89	7,03
Konsep B — Harga (nilai 5) + Kecepatan (nilai 9) + Variasi (nilai 8)	(5×0,38)+(9×0,35)+(8×0,27)	1,90+3,15+2,16
Total skor Konsep B	1,90 + 3,15 + 2,16	7,21

KONSEP TERPILIH

KONSEP B (7,21)

unggul tipis dari Konsep A (7,03)

Coba Sendiri: Bandingkan Skor Tertimbang Dua Konsep

Ubah nilai atribut Konsep A dan B, lalu amati skor total tertimbang menentukan konsep mana yang unggul.

Membaca Hasil Trade-off dengan Hati-hati

Angka bobot dan skor total sangat berguna, tapi punya batas yang wajib disadari sebelum jadi dasar keputusan bisnis:

KEKUATAN

OBJEKTIF

Bobot berasal dari pilihan nyata konsumen, bukan opini tim internal — mengurangi bias direktur/HiPPO (Highest Paid Person's Opinion).

KETERBATASAN

"MENGAPA"

Angka menunjukkan apa yang penting, tapi tidak menjelaskan mengapa konsumen berpikir begitu — di sinilah riset kualitatif diperlukan.

Selisih skor 7,21 vs 7,03 tergolong tipis — sebelum memutuskan, tim produk sebaiknya menggali alasannya lewat wawancara, bukan langsung eksekusi berdasarkan angka semata.

Bagian 2 dari 3

Teknik Kualitatif

Menggali alasan di balik angka — FGD, wawancara mendalam, dan observasi/etnografi.

Mengapa Data Kualitatif Diperlukan?

Data kuantitatif (trade-off, survei, angka penjualan) menjawab apa dan berapa banyak. Data kualitatif menjawab mengapa dan bagaimana.

Kuantitatif

Sampel besar, bisa digeneralisasi
Hasil berupa angka & persentase
Cocok untuk membandingkan opsi
Contoh: bobot atribut, skor konsep

Kualitatif

Sampel kecil, mendalam
Hasil berupa narasi & tema
Cocok untuk menemukan alasan/ide baru
Contoh: FGD, wawancara, observasi

Tim produk yang matang memakai keduanya secara bergantian — kualitatif untuk eksplorasi awal & interpretasi, kuantitatif untuk validasi & keputusan skala besar.

Focus Group Discussion (FGD)

FGD (diskusi kelompok terarah) mengumpulkan 6–10 konsumen dalam satu ruangan, dipandu moderator, untuk mendiskusikan produk/konsep secara terbuka.

KEKUATAN

DINAMIKA

Ide muncul dari interaksi antar-peserta — satu komentar memicu komentar lain.

RISIKO

GROUPTHINK

Peserta vokal bisa mendominasi & membuat yang lain hanya mengikuti opini mayoritas.

CONTOH PAKAI

KONSEP BARU

Menguji reaksi awal terhadap konsep fitur baru, mis. "checkout satu klik" di app UMKM.

Moderator yang baik menahan diri agar tidak menggiring jawaban — tugasnya menggali, bukan menyetujui atau menyanggah pendapat peserta.

Wawancara Mendalam & Observasi/Etnografi

In-Depth Interview (IDI)

Wawancara satu lawan satu, semi-terstruktur
Cocok untuk topik sensitif (keuangan, kegagalan bisnis)
Contoh: menggali alasan UMKM enggan pakai QRIS
Tidak ada tekanan sosial dari kelompok

Observasi / Etnografi

Peneliti mengamati langsung perilaku nyata, bukan bertanya
Mengungkap kesenjangan antara ucapan vs tindakan
Contoh: mengamati kasir toko kelontong memakai app kasir digital
Disebut juga contextual inquiry — riset di lokasi asli

Konsumen sering salah mengingat atau menjawab sesuai norma sosial saat ditanya — observasi menangkap perilaku aktual yang wawancara bisa lewatkan.

Dua teknik ini melengkapi FGD dengan cara berbeda. Wawancara mendalam, atau in-depth interview, dilakukan satu lawan satu sehingga cocok untuk topik sensitif — misalnya menggali kenapa pedagang pasar tradisional enggan beralih ke pembayaran QRIS, sesuatu yang mungkin malu diungkapkan di depan pedagang lain dalam FGD. Observasi atau etnografi berbeda lagi: alih-alih bertanya, peneliti benar-benar mengamati perilaku nyata konsumen di lokasi aslinya, misalnya duduk di sebuah toko kelontong mengamati bagaimana kasir sebenarnya memakai aplikasi kasir digital sehari-hari. Teknik ini sering mengungkap kesenjangan mengejutkan antara apa yang orang katakan mereka lakukan dan apa yang benar-benar mereka lakukan — konsumen kadang lupa detail, atau menjawab sesuai norma sosial yang dianggap "benar" walau kenyataannya berbeda.

Walkthrough: Dari Transkrip ke Insight Produk

Data kualitatif mentah (rekaman, catatan observasi) perlu diproses lewat analisis tematik agar bisa dipakai tim produk. Dua langkah utamanya:

Langkah A — Koding

1. Baca ulang seluruh transkrip wawancara/FGD.

2. Tandai (code) kalimat yang berulang atau bermakna, mis. "ribet isi ulang saldo".

3. Kumpulkan kode-kode sejenis dari banyak responden.

Langkah B — Tema

4. Kelompokkan kode menjadi tema besar, mis. "friksi proses pembayaran".

5. Urutkan tema berdasar frekuensi & intensitas kekesalan konsumen.

6. Tema teratas → jadi masukan prioritas untuk tim produk.

Data kualitatif mentah — rekaman wawancara berjam-jam atau catatan observasi — tidak langsung berguna sampai diolah lewat proses yang disebut analisis tematik. Mari kita jalankan tahapannya bersama. Pertama, tim peneliti membaca ulang seluruh transkrip, lalu menandai kalimat-kalimat yang bermakna atau berulang, misalnya banyak responden mengeluh "ribet isi ulang saldo dompet digital". Kode-kode serupa dari banyak responden kemudian dikumpulkan jadi satu kelompok. Selanjutnya, kelompok kode ini dinaikkan levelnya jadi tema besar, misalnya "friksi proses pembayaran", lalu diurutkan berdasarkan seberapa sering dan seberapa kesal konsumen menyebutnya. Tema-tema teratas inilah yang kemudian dibawa ke rapat tim produk sebagai masukan prioritas — persis seperti bobot atribut dari trade-off analysis, hanya saja sumbernya cerita, bukan angka.

Bagian 3 dari 3

Integrasi & Aplikasi

Menggabungkan angka trade-off dan cerita kualitatif menjadi satu keputusan produk yang meyakinkan.

Alur Kerja Mixed-Method dalam Pengembangan Produk

Riset produk yang matang bergerak bolak-balik antara kualitatif dan kuantitatif, bukan memilih salah satu:

Siklus ini akan berlanjut ke pertemuan berikutnya: conjoint analysis (kuantitatif lanjutan) → hasilnya dituangkan ke product protocol berbasis voice of customer.

Diagram ini merangkum keseluruhan pertemuan hari ini sekaligus menjadi jembatan ke materi berikutnya. Proses biasanya dimulai dari kualitatif — FGD atau wawancara untuk mengeksplorasi ide-ide awal, seperti apa yang benar-benar dibutuhkan pedagang UMKM dari sebuah aplikasi kasir digital. Ide-ide itu kemudian divalidasi dan diberi bobot lewat teknik kuantitatif seperti trade-off analysis yang baru saja kita hitung, sehingga kita tahu atribut mana yang paling penting secara objektif. Tapi angka saja belum cukup meyakinkan tim manajemen, sehingga kita kembali lagi ke kualitatif untuk menginterpretasikan mengapa hasil itu masuk akal. Siklus bolak-balik inilah yang kelak menghasilkan protokol produk final, dan minggu depan Anda akan belajar teknik kuantitatif yang lebih canggih lagi bernama conjoint analysis.

Studi Kasus: Gratis Ongkir vs Pengiriman Cepat

Sebuah marketplace UMKM digital menemukan dari trade-off analysis bahwa gratis ongkir mendapat bobot 45%, sedangkan pengiriman <24 jam hanya 30%. FGD lanjutan mengungkap alasannya:

TEMUAN FGD

SENSITIF HARGA

Mayoritas peserta adalah pembeli di kota kecil dengan pendapatan menengah — ongkir dirasakan sebagai "pajak tambahan" yang mengganggu.

KEPUTUSAN TIM

SUBSIDI ONGKIR

Anggaran pengembangan dialihkan ke program subsidi ongkir minimum belanja, bukan investasi gudang tambahan untuk kecepatan.

Tanpa FGD, tim mungkin tetap salah paham mengapa gratis ongkir menang — bisa jadi dikira soal kecepatan, padahal soal persepsi keadilan harga.

Studi kasus ini menggabungkan semua yang kita pelajari hari ini. Trade-off analysis menunjukkan gratis ongkir mendapat bobot lebih tinggi dibanding kecepatan pengiriman — mirip dengan latihan hitung kita tadi. Tapi angka itu sendiri tidak menjelaskan alasannya, sehingga tim riset melanjutkan dengan FGD ke sekelompok pembeli. Hasilnya mengejutkan: alasan utamanya bukan soal waktu tunggu, melainkan persepsi keadilan harga — biaya ongkir terasa seperti pungutan tambahan yang tidak adil bagi pembeli berpendapatan menengah di kota kecil. Berdasarkan wawasan gabungan ini, tim memutuskan mengalihkan anggaran ke subsidi ongkir dengan syarat minimum belanja, bukan membangun gudang baru untuk mempercepat pengiriman. Inilah kekuatan menggabungkan data kuantitatif dan kualitatif: keputusan yang diambil jauh lebih tepat sasaran dibanding hanya mengandalkan salah satu.

Latihan Kelompok (15 Menit)

Bentuk kelompok 4–5 orang. Pilih satu aplikasi digital yang sering Anda pakai (Gojek, Shopee, DANA, atau lainnya). Kerjakan bersama:

Instruksi

Langkah 1: Tentukan 3 atribut produk yang menurut Anda paling relevan.
Langkah 2: Simulasikan constant-sum scaling — bagi 100 poin antar 3 pasangan atribut (seperti slide Hitung dari Nol #1), lalu hitung bobotnya.
Langkah 3: Rancang 2 pertanyaan wawancara mendalam untuk menggali mengapa bobot tertinggi itu penting bagi pengguna.

Setiap kelompok mempresentasikan hasilnya dalam 2 menit — siapkan angka bobot dan alasan dugaan Anda.

Rangkuman & Persiapan Minggu Depan

Rangkuman Hari Ini

Trade-off analysis mengubah pilihan "berkorban" konsumen jadi bobot kepentingan atribut.
Constant-sum scaling: bagi 100 poin per pasangan atribut → jumlahkan → hitung persentase.
FGD, IDI, observasi menjawab "mengapa" di balik angka.
Riset produk matang menggabungkan kuantitatif + kualitatif secara bolak-balik.

MINGGU DEPAN

CONJOINT & ATAR

Sistem evaluasi produk lewat model ATAR dan kurva belanja kumulatif, serta pendalaman conjoint analysis.

Tugas: selesaikan latihan kelompok hari ini menjadi laporan singkat 1 halaman (bobot atribut + 2 insight wawancara dugaan), kumpulkan sebelum pertemuan berikutnya.

Mari kita rangkum perjalanan panjang hari ini. Kita mulai dari konsep dasar trade-off analysis dan mengapa setiap produk digital adalah bentuk kompromi antar-atribut. Kemudian kita hitung dari nol dua kali: pertama menghitung bobot kepentingan atribut lewat constant-sum scaling, kedua menerapkan bobot itu untuk membandingkan dua konsep produk secara kuantitatif. Di paruh kedua, kita berkenalan dengan tiga teknik kualitatif — FGD, wawancara mendalam, dan observasi — yang menjawab pertanyaan "mengapa" yang tidak bisa dijawab angka semata. Minggu depan kita akan mendalami model evaluasi produk ATAR dan conjoint analysis, teknik trade-off yang lebih canggih untuk menilai kombinasi atribut sekaligus. Jangan lupa kerjakan tugas laporan singkat dari latihan kelompok hari ini, karena akan menjadi bekal praktik conjoint analysis minggu depan. Sampai jumpa di pertemuan berikutnya!