Bisnis Digital · FEB UNDIP

Pengembangan Produk

Pertemuan 10: Full Screen Analysis dan Scoring Model Kelayakan Produk

Menyaring ide produk menjadi keputusan Go/Kill yang terukur, bukan tebakan.

11 RPS minggu 11 · 2×50 menit

Selamat datang kembali, Anda sudah melewati tahap menghasilkan dan menguji konsep produk pada pertemuan sebelumnya — sekarang saatnya belajar bagaimana perusahaan memutuskan konsep mana yang layak dilanjutkan dan mana yang harus dihentikan. Bayangkan Anda bekerja di tim produk Tokopedia dan setiap minggu ada belasan ide fitur baru yang masuk; jelas tidak mungkin semuanya dikembangkan sekaligus karena sumber daya terbatas. Hari ini kita akan belajar dua alat yang dipakai perusahaan nyata untuk memutuskan itu, yaitu checklist kelayakan dan scoring model (model penilaian berbobot), lengkap dengan cara menghitungnya langkah demi langkah. Di akhir pertemuan, Anda akan mampu menyusun sendiri scoring model untuk menilai ide produk digital, termasuk aplikasi atau fitur yang mungkin sedang Anda pikirkan untuk tugas akhir mata kuliah ini.

Bagian 1 dari 3

Dari Ide ke Keputusan: Posisi Full Screening

Mengapa penyaringan penuh (full screening) menjadi gerbang wajib sebelum perusahaan menanamkan modal besar ke sebuah produk baru.

Posisi Full Screening dalam Corong NPD

NPD (New Product Development, pengembangan produk baru) berjalan seperti corong: banyak ide masuk di awal, sedikit yang lolos sampai peluncuran.

Setelah ide-ide dibangkitkan (concept generation) dan sebagian diuji lewat riset pasar minggu lalu, full screening menjadi gerbang keputusan sebelum tim menyusun protokol produk dan mulai mendesain prototipe.

Tujuan & Prinsip Full Screening

TUJUAN UTAMA

Menghentikan ide lemah sedini & semurah mungkin
Mengalokasikan sumber daya ke ide paling potensial
Memberi dasar keputusan yang objektif, bukan intuisi semata

PRINSIP KUNCI

Biaya kesalahan naik tajam di tiap tahap NPD
Kriteria harus disepakati sebelum penilaian, bukan sesudah
Keputusan: Go (lanjut), Kill (hentikan), atau Hold (tunda)

Prinsip "1-10-100": mengoreksi kesalahan di tahap ide biayanya ~1 satuan; di tahap pengembangan ~10 satuan; setelah diluncurkan ke pasar bisa ~100 satuan. Semakin cepat menyaring, semakin murah risikonya.

Dua Komponen Full Screen

Full screen analysis Crawford & Di Benedetto terdiri dari dua alat yang saling melengkapi.

1. Checklist Kelayakan

Daftar syarat wajib terpenuhi (ya/tidak)
Menyaring cepat ide yang jelas tidak layak
Contoh: legal, sesuai regulasi OJK, tidak melanggar paten

2. Scoring Model

Menilai ide yang lolos checklist secara bertingkat
Tiap kriteria diberi bobot & skor
Menghasilkan skor tertimbang untuk dibandingkan

Urutannya berjenjang: checklist dulu (cepat, murah, eliminasi kasar) → baru scoring model (lebih rinci, untuk ide yang tersisa).

Kriteria Checklist Go/No-Go

Checklist biasanya berisi pertanyaan ya/tidak yang harus semuanya terpenuhi agar ide lanjut ke scoring model.

Kriteria	Contoh Pertanyaan	Status
Legalitas & regulasi	Apakah produk sesuai aturan OJK/Kominfo?	Ya / Tidak
Kesesuaian misi perusahaan	Apakah ide sejalan dengan visi bisnis?	Ya / Tidak
Kelayakan teknis dasar	Apakah teknologi yang dibutuhkan tersedia?	Ya / Tidak
Tidak melanggar HAKI	Apakah bebas dari sengketa paten/merek?	Ya / Tidak

Satu saja jawaban "Tidak" pada kriteria wajib → ide dinyatakan Kill tanpa perlu masuk scoring model. Ini menghemat waktu tim penilai.

Bagian 2 dari 3

Membangun Scoring Model

Mengubah penilaian yang tadinya "menurut saya bagus" menjadi angka yang bisa dipertanggungjawabkan dan dibandingkan.

Anatomi Scoring Model

Empat elemen inti yang harus ada dalam sebuah weighted scoring model (model penilaian berbobot).

Skor Tertimbang = Bobot Kriteria × Skor Kriteria

KRITERIA

Faktor yang dinilai, misalnya potensi pasar, kelayakan teknis, kesesuaian kompetensi, keunggulan kompetitif, potensi profitabilitas.

BOBOT

Persentase kepentingan tiap kriteria; total seluruh bobot harus = 100%. Ditentukan tim manajemen sebelum penilaian.

SKOR

Nilai mentah tiap kriteria pada skala umum 1–5 (1 = sangat buruk, 5 = sangat baik), diberikan oleh tim penilai.

SKOR TERTIMBANG

Hasil kali bobot × skor per kriteria, dijumlahkan menjadi skor total untuk dibandingkan antar-ide.

Menentukan Kriteria & Bobot Penilaian

Kriteria umum dalam full screen produk digital, beserta contoh bobot yang disepakati tim manajemen:

Kriteria	Makna	Bobot Contoh
Potensi pasar	Seberapa besar & berkembang target pasarnya	30%
Kesesuaian kompetensi	Seberapa cocok dengan sumber daya & keahlian tim	20%
Kelayakan teknis	Seberapa siap teknologi untuk direalisasikan	20%
Keunggulan kompetitif	Seberapa sulit ditiru pesaing	15%
Potensi profitabilitas	Seberapa besar peluang menghasilkan laba	15%

Total bobot wajib 100% (30+20+20+15+15 = 100). Bobot bisa berbeda antar-perusahaan sesuai prioritas strategis masing-masing.

Bobot 30% untuk potensi pasar pada tabel ini mencerminkan pilihan strategis bahwa perusahaan sedang mengutamakan pertumbuhan pengguna dibanding faktor lain, sebagaimana sering terlihat pada startup digital tahap awal seperti GoTo pada masa ekspansi. Namun bobot ini tidak baku — sebuah bank digital yang sudah mapan mungkin memberi bobot lebih besar pada kelayakan teknis dan kepatuhan regulasi karena risiko operasionalnya lebih tinggi. Yang terpenting, kelima bobot ini harus dijumlahkan menjadi tepat 100 persen agar skor tertimbang nanti bisa diinterpretasikan pada skala yang sama dengan skala skor mentahnya, yaitu 1 sampai 5. Penentuan bobot ini idealnya dilakukan bersama-sama oleh tim lintas fungsi sebelum ide-ide dinilai, supaya tidak ada pihak yang mengubah bobot di tengah jalan untuk memenangkan ide favoritnya.

Skala Penilaian & Cara Menilai

Skor mentah diberikan pada skala 1–5 oleh tim penilai lintas fungsi, berdasarkan bukti (riset pasar, uji teknis), bukan tebakan.

SKOR 1–2

Lemah

Bukti menunjukkan risiko tinggi atau potensi rendah pada kriteria tersebut.

SKOR 3

Cukup

Rata-rata, tidak menonjol tapi tidak mengkhawatirkan.

SKOR 4–5

Kuat

Bukti kuat mendukung: riset pasar positif, tim punya keahlian relevan, dsb.

Waspadai halo effect (efek lingkaran cahaya): penilai memberi skor tinggi ke semua kriteria hanya karena satu aspek ide terlihat menarik. Gunakan data pendukung tiap kriteria secara terpisah.

Penting bagi Anda untuk memahami bahwa skor bukan angka yang dikarang bebas, melainkan harus didukung bukti — misalnya skor potensi pasar 5 untuk fitur "live shopping" bisa didukung data bahwa TikTok Shop mencatat pertumbuhan transaksi live streaming yang signifikan di Indonesia. Halo effect yang disebut dalam callout adalah bias psikologis di mana penilai yang terkesan dengan satu aspek ide, misalnya idenya terdengar keren, cenderung memberi skor tinggi ke semua kriteria lain tanpa evaluasi objektif. Untuk menghindarinya, tim sebaiknya menilai satu kriteria untuk semua ide terlebih dahulu sebelum pindah ke kriteria berikutnya, bukan menilai satu ide secara utuh dari atas ke bawah. Latihan menilai secara terpisah per kriteria ini akan sangat berguna ketika Anda menyusun scoring model sendiri di akhir pertemuan nanti.

Hitung dari Nol #1: Skor Kelayakan Fitur EdTech

Kasus: startup EdTech menilai ide fitur baru "Kelas Mikro Bersertifikat" memakai lima kriteria & bobot dari slide sebelumnya.

Langkah (Kriteria)	Perhitungan (Bobot × Skor)	Nilai
Potensi pasar	30% × 4	1,20
Kesesuaian kompetensi	20% × 5	1,00
Kelayakan teknis	20% × 4	0,80
Keunggulan kompetitif	15% × 3	0,45
Potensi profitabilitas	15% × 4	0,60

TOTAL SKOR TERTIMBANG

4,05

1,20 + 1,00 + 0,80 + 0,45 + 0,60 = 4,05 (skala 1–5)

Mari kita hitung bersama: setiap kriteria dikalikan bobotnya sesuai rumus yang sudah kita pelajari, misalnya potensi pasar mendapat skor 4 dari skala 1 sampai 5 lalu dikalikan bobot 30 persen menghasilkan 1,20. Lakukan hal yang sama untuk keempat kriteria lainnya, lalu jumlahkan seluruh hasilnya — 1,20 ditambah 1,00 ditambah 0,80 ditambah 0,45 ditambah 0,60 sama dengan 4,05. Angka 4,05 ini berada dekat batas atas skala 1 sampai 5, artinya secara keseluruhan ide "Kelas Mikro Bersertifikat" dinilai sangat kuat oleh tim penilai berdasarkan kelima kriteria tersebut. Perhatikan bagaimana kriteria dengan bobot besar, yaitu potensi pasar di 30 persen, memberi kontribusi paling besar terhadap skor akhir meskipun skornya sendiri bukan yang tertinggi — inilah kekuatan scoring model dibanding sekadar menjumlahkan skor mentah tanpa bobot.

Interpretasi Skor & Ambang Batas Keputusan

Skor total dibandingkan terhadap cutoff (ambang batas) yang disepakati sebelum penilaian dimulai.

SKOR < 3,0

KILL

Hentikan pengembangan ide

3,0 – 3,5

HOLD

Tunda, kumpulkan data tambahan

SKOR > 3,5

Lanjut ke protokol produk

Kasus fitur "Kelas Mikro Bersertifikat": skor 4,05 > cutoff 3,5 → keputusan GO, dilanjutkan ke penyusunan protokol produk (dibahas Pertemuan 13).

Ambang batas atau cutoff ini bukan angka sakral yang sama untuk semua perusahaan — sebuah startup yang agresif mungkin memakai cutoff 3,0 supaya lebih banyak ide bisa dicoba, sementara perusahaan besar seperti Bank Mandiri yang risikonya lebih tinggi mungkin memakai cutoff 4,0 agar hanya ide yang benar-benar solid yang dilanjutkan. Pada contoh kita tadi, skor 4,05 melewati ambang 3,5 sehingga keputusannya adalah Go, artinya tim boleh melangkah ke tahap berikutnya yaitu menyusun protokol produk yang lebih rinci. Kategori Hold penting untuk dipahami karena tidak semua keputusan harus hitam-putih; kadang tim butuh data tambahan, misalnya hasil riset pasar susulan, sebelum berani memutuskan Go atau Kill. Ingat bahwa keputusan akhir tetap melibatkan pertimbangan manajerial — scoring model memberi dasar angka yang objektif, tapi bukan pengganti mutlak untuk penilaian manusia yang berpengalaman.

Bagian 3 dari 3

Studi Kasus & Penerapan pada Produk Digital

Menerapkan scoring model untuk membandingkan dua konsep fitur sekaligus, lalu mengenali keterbatasannya.

Hitung dari Nol #2: Bandingkan Dua Konsep Fitur

E-commerce menilai dua konsep fitur baru dengan tiga kriteria (bobot: Pasar 40%, Teknis 30%, Profit 30%).

Langkah	Perhitungan	Nilai
Fitur A "Live Shopping" – Pasar	40% × 5	2,00
Fitur A – Kelayakan Teknis	30% × 3	0,90
Fitur A – Potensi Profit	30% × 3	0,90
Fitur B "AR Try-On" – Pasar	40% × 3	1,20
Fitur B – Kelayakan Teknis	30% × 2	0,60
Fitur B – Potensi Profit	30% × 3	0,90

TOTAL FITUR A

3,80

2,00 + 0,90 + 0,90 = 3,80

TOTAL FITUR B

2,70

1,20 + 0,60 + 0,90 = 2,70

Perhatikan bahwa Fitur A, yaitu "Live Shopping" atau belanja sambil menonton siaran langsung, mendapat skor pasar tertinggi karena tren ini sedang naik daun di Indonesia mengikuti keberhasilan TikTok Shop, sehingga kontribusinya ke skor total besar meski skor teknis dan profitnya hanya cukup. Sebaliknya Fitur B, "AR Try-On" atau mencoba produk secara virtual pakai augmented reality, unggul di keunggulan kompetitif tapi lemah di kelayakan teknis karena teknologinya lebih kompleks untuk diimplementasikan tim yang belum berpengalaman. Setelah dijumlahkan, Fitur A mencatat skor total 3,80 sementara Fitur B hanya 2,70 — dengan cutoff 3,5 seperti pada kasus sebelumnya, Fitur A dinyatakan Go sedangkan Fitur B masuk kategori Kill atau paling tidak Hold untuk pematangan teknis lebih lanjut. Contoh ini menunjukkan kegunaan scoring model yang sesungguhnya: bukan hanya menilai satu ide, tetapi membantu tim memilih prioritas ketika sumber daya terbatas dan harus memilih salah satu dari beberapa opsi yang sama-sama menarik.

Coba Sendiri: Bandingkan Skor Dua Konsep Fitur

Ubah bobot kriteria dan skor tiap fitur, lalu lihat keputusan Go/Kill bergeser sesuai ambang batas yang Anda tentukan.

Studi Kasus Nyata: Screening Fitur Marketplace

Ilustrasi berbasis pola umum industri: marketplace besar di Indonesia rutin melakukan full screening sebelum merilis fitur baru.

Alur Screening Fitur "Cicilan Tanpa Kartu Kredit"

Checklist: lolos aturan OJK soal paylater, tidak duplikasi fitur eksisting
Scoring: potensi pasar tinggi (kelas menengah tanpa kartu kredit besar), kelayakan teknis sedang (butuh integrasi skor kredit)
Keputusan: skor tertimbang melewati cutoff → dilanjutkan ke uji coba terbatas (pilot) pada sebagian pengguna

Pola ini konsisten dengan praktik industri: fitur finansial baru (misalnya paylater/BNPL) hampir selalu melewati checklist regulasi OJK sebelum dinilai dengan scoring model.

Fitur cicilan tanpa kartu kredit, sering disebut BNPL atau buy-now-pay-later, adalah contoh nyata bagaimana perusahaan digital di Indonesia menerapkan alur full screening sebelum meluncurkan produk finansial baru. Checklist di sini krusial karena produk finansial diatur ketat oleh OJK, sehingga sebelum tim menilai potensi pasarnya sama sekali, mereka harus memastikan dulu produk tidak melanggar aturan pembiayaan yang berlaku. Setelah lolos checklist, scoring model membantu menilai apakah fitur ini sepadan dengan sumber daya yang dibutuhkan, misalnya integrasi dengan sistem skor kredit yang cukup kompleks secara teknis. Uji coba terbatas atau pilot yang disebut di akhir slide adalah praktik umum sebelum peluncuran penuh, karena memungkinkan perusahaan mengumpulkan data nyata sebelum berkomitmen penuh pada investasi pengembangan skala besar.

Kelebihan & Keterbatasan Scoring Model

KELEBIHAN

Membuat keputusan lebih objektif & terdokumentasi
Memudahkan membandingkan banyak ide sekaligus
Bisa disesuaikan bobotnya dengan strategi perusahaan

KETERBATASAN

Bobot & skor tetap mengandung unsur subjektif
Rawan halo effect bila penilai tidak disiplin
Skor akurat hanya jika didukung data riset yang valid

Scoring model bukan alat ramal masa depan — ia hanya secerdas data & kejujuran tim yang mengisinya. "Garbage in, garbage out."

Menghubungkan Scoring dengan Model ATAR

Skor kelayakan yang tinggi belum tentu berarti permintaan pasar yang besar — di sinilah ATAR (Awareness, Trial, Availability, Repeat) yang sudah dipelajari sebelumnya melengkapi scoring model.

Scoring Model Menjawab

Apakah ide ini layak dikembangkan?
Bagaimana prioritasnya dibanding ide lain?

ATAR Menjawab

Berapa estimasi permintaan jika ide dijalankan?
Apakah proyeksi penjualan mendukung investasi?

Alur praktis: ide lolos scoring model (Go) → estimasi permintaan awal dengan ATAR → jika keduanya positif, baru masuk penyusunan protokol produk.

Anda mungkin masih ingat model ATAR dari pertemuan sebelumnya, singkatan dari Awareness (kesadaran), Trial (percobaan), Availability (ketersediaan), dan Repeat (pembelian berulang), yang dipakai untuk mengestimasi jumlah permintaan awal sebuah produk baru. Scoring model dan ATAR sebenarnya menjawab pertanyaan yang berbeda meski saling melengkapi — scoring model menjawab "apakah ide ini layak dan sebaiknya diprioritaskan", sementara ATAR menjawab "kalau layak, seberapa besar permintaannya nanti". Dalam praktik nyata di perusahaan seperti Bukalapak, sebuah fitur bisa saja lolos scoring model dengan skor tinggi karena dianggap strategis, namun estimasi ATAR menunjukkan permintaan awalnya terlalu kecil untuk menutup biaya pengembangan, sehingga keputusan akhir tetap perlu mempertimbangkan keduanya. Memahami hubungan dua alat ini penting supaya Anda tidak menganggap satu alat cukup untuk memutuskan nasib sebuah ide produk secara keseluruhan.

Kesalahan Umum dalam Screening

Kesalahan	Dampak	Cara Menghindari
Kriteria terlalu banyak (>8)	Penilaian jadi lambat & membingungkan	Batasi 4–6 kriteria paling relevan
Bobot ditentukan sepihak	Hasil bias ke kepentingan satu pihak	Sepakati bobot lintas fungsi di awal
Skor tanpa data pendukung	Skor menjadi tebakan, bukan penilaian	Wajibkan bukti/riset untuk tiap skor
Mengubah cutoff setelah dihitung	Screening kehilangan objektivitas	Kunci cutoff sebelum skor dihitung

Kesalahan pertama yang sering terjadi adalah tim terlalu ambisius memasukkan delapan atau bahkan sepuluh kriteria penilaian, padahal semakin banyak kriteria, semakin sulit menentukan bobot yang masuk akal dan semakin lama rapat penilaian berlangsung. Kesalahan kedua, bobot yang ditentukan sepihak oleh satu divisi saja, misalnya tim marketing yang selalu memberi bobot besar pada potensi pasar, akan menghasilkan keputusan yang bias terhadap kepentingan divisi tersebut. Kesalahan ketiga sangat berbahaya karena sering tidak disadari — memberi skor hanya berdasarkan feeling tanpa data riset pendukung membuat seluruh perhitungan matematis yang rapi menjadi tidak berarti, karena inputnya sendiri tidak valid. Kesalahan terakhir, mengubah ambang batas cutoff setelah skor dihitung supaya ide favorit tertentu bisa lolos, adalah bentuk manipulasi yang merusak seluruh tujuan objektivitas dari scoring model itu sendiri, dan harus dihindari dengan disiplin mengunci cutoff di awal proses.

Latihan Kelas: Susun Scoring Model Anda

Instruksi (kerja kelompok, 15 menit)

Pilih satu ide fitur/produk digital (aplikasi, layanan, atau bisnis Anda)
Tentukan 4–5 kriteria penilaian & bobotnya (total = 100%)
Beri skor 1–5 untuk tiap kriteria berdasarkan diskusi kelompok
Hitung skor tertimbang total & tentukan cutoff Anda sendiri
Simpulkan: Go, Hold, atau Kill? Jelaskan alasannya

Siapkan satu juru bicara per kelompok untuk mempresentasikan hasil scoring model dalam 2 menit di akhir sesi.

Sekarang giliran Anda mempraktikkan langsung apa yang sudah kita pelajari — silakan berkumpul dalam kelompok kecil dan pilih satu ide produk atau fitur digital yang ingin Anda kembangkan, boleh yang sudah pernah terpikirkan sebelumnya atau ide baru yang muncul hari ini. Ingat untuk mengikuti langkah yang sama seperti contoh "Kelas Mikro Bersertifikat" tadi: tentukan kriteria dan bobotnya terlebih dahulu sebelum memberi skor, supaya Anda tidak tergoda mengubah bobot demi meloloskan ide favorit kelompok. Setelah menghitung skor tertimbang total, diskusikan bersama kelompok apakah hasilnya masuk kategori Go, Hold, atau Kill, dan yang lebih penting, jelaskan alasan di balik angka tersebut kepada teman sekelas. Latihan ini akan sangat membantu Anda memahami secara mendalam bahwa scoring model bukan sekadar rumus matematika, melainkan alat komunikasi untuk menyepakati prioritas pengembangan produk dalam tim.

Rangkuman & Persiapan Pertemuan Berikutnya

Konsep	Inti
Full screening	Gerbang keputusan Go/Kill/Hold setelah pengujian konsep
Checklist	Eliminasi cepat ide yang gagal syarat wajib (ya/tidak)
Scoring model	Bobot × Skor per kriteria, dijumlah jadi skor total
Cutoff	Ambang batas keputusan, dikunci sebelum penilaian

Minggu Depan (Pertemuan 11)

Biaya Modal (WACC) — menghitung biaya pendanaan untuk mendukung keputusan investasi pengembangan produk.

TUGAS

Kumpulkan scoring model kelompok (kriteria, bobot, skor, kesimpulan Go/Hold/Kill) dalam 1 halaman sebelum pertemuan berikutnya.

Mari kita rangkum perjalanan kita hari ini: kita mulai dari posisi full screening dalam corong pengembangan produk, lalu mempelajari dua komponennya yaitu checklist untuk eliminasi cepat dan scoring model untuk penilaian bertingkat yang lebih rinci menggunakan bobot dan skor. Anda sudah berlatih menghitung skor tertimbang dari nol sebanyak dua kali, termasuk membandingkan dua konsep fitur sekaligus seperti yang biasa dilakukan tim produk di perusahaan digital sungguhan. Perlu diingat bahwa topik minggu depan sedikit berbeda arah karena kita akan membahas biaya modal atau WACC, yang nantinya akan membantu Anda menghitung apakah investasi pengembangan produk yang lolos screening hari ini benar-benar menguntungkan secara finansial. Jangan lupa mengumpulkan tugas scoring model kelompok Anda sebelum pertemuan berikutnya, karena hasil latihan ini akan menjadi bahan diskusi singkat di awal sesi minggu depan.