Program Studi Manajemen • FEB

Start-up Bisnis

Pertemuan 10 — Studi Kasus: Validasi Pasar dan Iterasi Produk

Membedah kasus nyata start-up Indonesia: bagaimana mereka menguji asumsi pasar, membaca sinyal pengguna, dan mengiterasi produk sebelum kehabisan modal.

RPS MINGGU 11 • 2×50 MENIT

Selamat pagi/siang, Anda semua sekarang sudah melewati UTS dan sudah pernah membahas Business Model Canvas serta konsep validasi pasar secara teori di pertemuan-pertemuan awal. Hari ini kita masuk ke pertemuan yang lebih membumi: sebuah studi kasus penuh, dari sebuah start-up fiktif berbasis pola nyata start-up Indonesia, yang harus menguji asumsi pasarnya dan mengubah produknya berdasarkan bukti, bukan tebakan. Bayangkan Anda adalah bagian dari tim founder Tokopedia atau Gojek di hari-hari paling awal — bagaimana mereka tahu produk yang mereka bangun benar-benar dibutuhkan orang, sebelum menghabiskan seluruh modal mereka? Itulah pertanyaan inti hari ini. Kita akan telusuri kasus ini langkah demi langkah, menghitung angka-angka nyata seperti conversion rate dan customer acquisition cost, dan pada akhirnya Anda akan berlatih menganalisis kasus serupa sendiri.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu menganalisis kasus nyata validasi pasar dan iterasi produk start-up. Secara rinci:

KOMPETENSI 1

Baca

Sinyal Pasar

Mengidentifikasi bukti kuantitatif (data pengguna) dan kualitatif (wawancara) yang menunjukkan produk cocok atau tidak cocok dengan kebutuhan pasar.

KOMPETENSI 2

Putuskan

Iterasi vs Pivot

Menggunakan kerangka Build-Measure-Learn untuk memutuskan kapan produk cukup diperbaiki (iterasi) dan kapan arah bisnis harus diubah (pivot).

Bagian 1 dari 4

Mengingat Kembali: Mengapa Validasi Pasar Penting?

Sebelum masuk kasus, kita segarkan kerangka Lean Startup dan alasan mengapa banyak start-up gagal bukan karena produknya jelek, tapi karena tidak pernah divalidasi.

Kerangka Build-Measure-Learn

Siklus inti Lean Startup (Eric Ries): membangun sesuatu yang minimal, mengukur reaksi pasar, lalu belajar sebelum membangun lebih jauh.

MVP (Minimum Viable Product) = versi produk paling sederhana yang cukup untuk menguji asumsi utama, bukan produk "murahan" — cukup untuk memberi bukti nyata, bukan pendapat.

Siklus ini mungkin sudah pernah Anda dengar, tapi mari kita perjelas lagi karena akan menjadi alat analisis utama hari ini. Build artinya kita bangun MVP, yaitu Minimum Viable Product, versi paling sederhana dari produk yang cukup untuk diuji ke pasar nyata — bukan prototipe di atas kertas. Measure artinya kita kumpulkan data nyata dari perilaku pengguna, bukan opini mereka semata: berapa yang mendaftar, berapa yang benar-benar memakai, berapa yang membayar. Learn artinya kita menarik kesimpulan dari data itu untuk memutuskan langkah berikutnya. Contohnya, ketika Traveloka pertama kali meluncur, mereka tidak langsung membangun sistem pemesanan hotel penuh — mereka mulai dengan fitur pembanding harga tiket pesawat dulu, mengukur responsnya, baru memperluas. Itulah esensi Build-Measure-Learn yang akan kita pakai membedah kasus hari ini.

Sinyal Pasar: Kuat vs Lemah

Tidak semua "orang suka produk kita" berarti pasar valid. Bedakan sinyal yang menyakitkan untuk didapat (kuat) dari yang murah dan menyenangkan (lemah).

Sinyal Kuat

Pengguna membayar di muka / pre-order
Pengguna kembali memakai tanpa diingatkan (retention)
Pengguna merekomendasikan ke orang lain
Wawancara mengungkap masalah nyata yang sudah dicoba diatasi sendiri

Sinyal Lemah (Jebakan)

"Ide bagus!" dari teman/keluarga
Like/comment di media sosial
Survei "apakah Anda akan memakai ini?"
Jumlah unduhan aplikasi tanpa data pemakaian lanjutan

Ini bagian yang sering menjebak founder pemula, termasuk mahasiswa yang sedang menyusun rencana bisnis untuk tugas akhir semester. Sinyal kuat adalah sinyal yang mahal untuk diberikan orang lain — kalau seseorang mau membayar di muka sebelum produk jadi, itu bukti nyata, karena uang adalah komitmen sungguhan. Sebaliknya, sinyal lemah adalah yang murah untuk diberikan siapa saja, seperti pujian dari teman dekat atau ribuan like di Instagram, yang tidak membebani orang tersebut sama sekali untuk mengatakannya. Kasus terkenal di Indonesia adalah banyak aplikasi yang punya ribuan unduhan tapi retention day-30 di bawah 5 persen — artinya orang unduh karena penasaran, tapi tidak pernah kembali, dan itu tandanya belum ada validasi pasar sungguhan. Ingat ini baik-baik karena akan kita pakai untuk menilai kasus yang akan kita bahas.

Metrik Kunci untuk Menilai Validasi

Empat metrik yang paling sering dipakai founder dan investor untuk mengukur apakah produk sudah product-market fit (kecocokan produk dengan pasar).

CONVERSION RATE

% pengunjung yang bertindak

Dari total pengunjung/prospek, berapa persen yang melakukan tindakan target (mendaftar, membeli, memberi email).

CUSTOMER ACQUISITION COST

CAC

Biaya per pelanggan baru

Total biaya pemasaran dibagi jumlah pelanggan baru yang didapat — makin rendah makin efisien.

RETENTION RATE

% pengguna yang bertahan

Persentase pengguna yang masih aktif memakai produk setelah periode tertentu (misal 30 hari).

CHURN RATE

1−RR

% pengguna yang pergi

Kebalikan retention: persentase pengguna yang berhenti memakai produk dalam periode tertentu.

Bagian 2 dari 4

Studi Kasus: KedaiKu — Aplikasi Pesan-Antar Kopi UMKM

Sebuah start-up fiktif berbasis pola nyata start-up F&B Indonesia. Mari kita telusuri perjalanan validasi pasar mereka bulan demi bulan.

Latar Belakang: KedaiKu

Ide awal: aplikasi yang menghubungkan 15 warung kopi UMKM di sekitar kampus dengan mahasiswa, janji antar dalam 15 menit.

Hipotesis Awal Founder

Mahasiswa malas antre kopi di jam kuliah padat
Mahasiswa mau bayar biaya antar Rp 3.000
Warung kopi UMKM mau berbagi 15% komisi per transaksi

MVP yang Dibangun (Bulan 1)

Aplikasi sederhana, hanya listing menu 5 warung
Pemesanan via WhatsApp Business, bukan sistem pembayaran otomatis
Pengantaran memakai 2 kurir mahasiswa part-time

Data Bulan 1: Hasil Peluncuran Awal

Setelah 4 minggu berjalan, tim KedaiKu mengumpulkan data berikut dari 500 mahasiswa yang mengetahui aplikasi ini (lewat promosi kampus).

Metrik	Nilai	Catatan
Mahasiswa yang tahu aplikasi	500 orang	Target promosi awal
Mengunduh aplikasi	180 orang	36% dari yang tahu
Melakukan 1x pemesanan	54 orang	30% dari pengunduh
Memesan ulang (repeat order)	9 orang	Dari 54 pemesan pertama
Biaya promosi bulan 1	Rp 2.700.000	Banner, flyer, endorse akun kampus

Hitung dari Nol #1: Conversion Rate & CAC

Mari kita ubah data mentah Bulan 1 menjadi dua metrik kunci: conversion rate pemesanan dan CAC.

Langkah	Perhitungan	Nilai
1. Conversion: unduh → pesan	54 ÷ 180 × 100%	30%
2. Conversion: tahu → unduh	180 ÷ 500 × 100%	36%
3. Conversion keseluruhan: tahu → pesan	54 ÷ 500 × 100%	10,8%
4. CAC (biaya per pemesan baru)	Rp 2.700.000 ÷ 54	Rp 50.000

CAC BULAN 1

Rp 50.000

per pemesan baru, padahal margin per transaksi hanya ~Rp 450 (15% dari Rp 3.000 ongkos antar)

Sekarang mari kita hitung bersama-sama, langkah demi langkah, seperti yang akan sering kita lakukan di dunia kerja nanti. Langkah pertama, conversion rate dari unduh ke pesan adalah 54 dibagi 180 dikali 100 persen, hasilnya 30 persen — artinya dari yang sudah repot mengunduh aplikasi, tiga dari sepuluh orang benar-benar memesan. Langkah kedua, conversion dari tahu ke unduh adalah 180 dibagi 500, hasilnya 36 persen. Langkah ketiga, kita bisa mengalikan seluruh corong ini menjadi conversion keseluruhan, yaitu 54 dibagi 500 sama dengan 10,8 persen. Yang paling penting adalah langkah keempat: customer acquisition cost, yaitu total biaya promosi Rp 2.700.000 dibagi 54 pemesan baru, hasilnya Rp 50.000 per pemesan. Bandingkan dengan margin KedaiKu dari komisi 15 persen atas ongkos antar Rp 3.000, yang hanya sekitar Rp 450 per transaksi — artinya mereka butuh lebih dari 100 kali transaksi berulang dari satu pelanggan hanya untuk balik modal akuisisinya saja. Ini sinyal masalah serius yang harus kita bahas lebih jauh.

Apa Arti Angka-Angka Ini?

CAC yang tinggi bukan berarti otomatis gagal — tapi harus dibandingkan dengan potensi pendapatan jangka panjang dari satu pelanggan (Lifetime Value/LTV).

Retention hanya 9 dari 54 orang (16,7%) memesan ulang — sinyal kuat bahwa masalah bukan cuma di akuisisi, tapi di pengalaman produk itu sendiri.

Jika LTV (nilai seumur hidup pelanggan) hanya sedikit di atas CAC, model bisnis KedaiKu belum berkelanjutan pada skala saat ini — perlu investigasi lebih dalam sebelum menambah anggaran promosi.

Sekarang, angka CAC Rp 50.000 itu sendiri belum tentu berarti bisnis ini gagal — di banyak industri, CAC tinggi itu wajar asal pelanggan itu bernilai tinggi dalam jangka panjang, konsep yang disebut Lifetime Value atau LTV. Tapi yang jauh lebih mengkhawatirkan di kasus KedaiKu adalah retention rate: hanya 9 dari 54 pemesan pertama, atau 16,7 persen, yang kembali memesan lagi. Ini sinyal yang sangat kuat bahwa masalahnya bukan cuma di cara mereka menjangkau calon pelanggan, tapi ada sesuatu yang salah dengan pengalaman memakai produknya sendiri — mungkin makanan datang telat, mungkin harga terasa mahal, mungkin prosesnya ribet karena masih manual lewat WhatsApp. Inilah pentingnya tidak berhenti di angka permukaan; kita harus menggali lebih dalam ke alasan di baliknya, dan itu yang dilakukan tim KedaiKu di bulan berikutnya.

Menggali Lebih Dalam: Wawancara Pengguna

Tim KedaiKu mewawancarai 20 dari 45 pemesan yang tidak kembali (churned users). Tiga alasan utama muncul berulang kali.

ALASAN 1 (65%)

Lambat

13 dari 20 responden

Pesanan sering datang lebih dari 30 menit, jauh dari janji 15 menit di awal.

ALASAN 2 (40%)

Ribet

8 dari 20 responden

Harus chat manual, tidak ada tracking, bayar cash ke kurir — terasa kurang praktis dibanding beli langsung.

ALASAN 3 (25%)

Mahal

5 dari 20 responden

Ongkos antar Rp 3.000 terasa besar untuk kopi seharga Rp 8.000–12.000.

Di sinilah pentingnya tidak hanya melihat data kuantitatif, tapi juga turun langsung berbicara dengan pengguna — persis metode wawancara customer discovery yang kita bahas di pertemuan-pertemuan awal semester. Tim KedaiKu mewawancarai 20 dari 45 pengguna yang tidak kembali memesan, dan tiga alasan muncul berulang. Alasan paling dominan, disebut oleh 13 dari 20 responden atau 65 persen, adalah kecepatan: pesanan sering datang lebih dari 30 menit, padahal janji awal aplikasi adalah 15 menit — ini pelanggaran janji nilai (value proposition) yang fatal. Alasan kedua, 40 persen, adalah kerepotan proses manual lewat WhatsApp tanpa tracking. Alasan ketiga, 25 persen, adalah persepsi harga ongkos antar yang terasa mahal relatif terhadap harga kopi itu sendiri. Perhatikan bahwa angka-angka persentase ini bisa lebih dari 100 persen kalau dijumlah, karena satu orang bisa memberi lebih dari satu alasan — itu wajar dalam wawancara kualitatif.

Bagian 3 dari 4

Momen Keputusan: Iterasi atau Pivot?

Dengan bukti kuantitatif dan kualitatif di tangan, tim KedaiKu harus memilih: perbaiki produk yang ada, atau ubah total arah bisnis?

Kerangka: Kapan Iterasi, Kapan Pivot?

Aturan praktis dari Eric Ries: pivot bukan kegagalan, tapi perubahan arah strategis berdasarkan pembelajaran nyata dari pasar.

Iterasi (Perbaikan Bertahap)

Masalah bersifat teknis/operasional (kecepatan, UX)
Segmen pelanggan sudah tepat, hanya eksekusi lemah
Perbaikan bisa dilakukan cepat & murah

Pivot (Ubah Arah)

Asumsi dasar tentang kebutuhan pasar keliru
Segmen pelanggan salah, atau nilai tambah tidak dirasakan
Perbaikan kecil tidak akan mengubah hasil secara signifikan

Iterasi jika masalah = EKSEKUSI | Pivot jika masalah = ASUMSI

Aturan praktis yang saya pakai untuk mengajarkan ini adalah sesederhana mungkin: kalau masalahnya ada di eksekusi — cara menjalankan idenya — maka jalannya adalah iterasi, perbaikan bertahap. Tapi kalau masalahnya ada di asumsi dasar tentang apa yang sebenarnya dibutuhkan pasar, maka itu tandanya perlu pivot, perubahan arah. Eric Ries menekankan bahwa pivot bukan tanda kegagalan founder, justru sebaliknya — pivot adalah tanda tim itu benar-benar mendengarkan data, bukan keras kepala mempertahankan ide awal. Contoh terkenal, Instagram awalnya adalah aplikasi check-in lokasi bernama Burbn yang penuh fitur, tapi mereka menemukan fitur foto-lah yang paling dipakai orang, jadi mereka pivot total menjadi aplikasi berbagi foto. Sekarang, mari kita terapkan kerangka sederhana ini ke kasus KedaiKu.

Walkthrough: Menganalisis Kasus KedaiKu

Terapkan kerangka iterasi vs pivot pada tiga temuan wawancara KedaiKu, langkah demi langkah.

Langkah 1 — "Lambat" (65%): ini masalah operasional (rute kurir, jumlah kurir) — bisa diperbaiki tanpa mengubah model bisnis inti. → Kandidat iterasi.

Langkah 2 — "Ribet" (40%): proses manual WhatsApp bisa digantikan sistem pemesanan otomatis di aplikasi — perbaikan fitur, bukan perubahan arah. → Kandidat iterasi.

Langkah 3 — "Mahal" (25%): persepsi harga terhadap produk bernilai rendah (kopi Rp 8-12rb) mengindikasikan model komisi+ongkir mungkin tidak cocok untuk kategori harga rendah. → Perlu uji ulang struktur harga, bukan pivot penuh.

Mari kita jalankan analisisnya bersama, satu temuan pada satu waktu. Temuan pertama, soal kecepatan yang disebut 65 persen responden, ini jelas masalah operasional — jumlah kurir kurang, rute tidak efisien — bukan masalah asumsi dasar bahwa mahasiswa butuh kopi diantar. Ini kandidat kuat untuk iterasi: tambah kurir, optimalkan rute. Temuan kedua, soal proses yang ribet lewat WhatsApp manual, ini juga bisa diperbaiki dengan membangun fitur pemesanan otomatis di aplikasi — lagi-lagi perbaikan eksekusi, bukan perubahan arah bisnis. Temuan ketiga sedikit lebih rumit: soal persepsi harga mahal untuk produk kopi yang murah. Ini bukan langsung berarti pivot total, tapi menandakan struktur harga dan model komisi mereka perlu diuji ulang — mungkin ongkos antar perlu disubsidi dari sisi lain, atau minimum order dinaikkan. Perhatikan bagaimana kita tidak langsung melompat ke kesimpulan drastis, tapi menelaah setiap temuan secara terpisah sebelum memutuskan.

Hitung dari Nol #2: Proyeksi Setelah Iterasi

Tim KedaiKu menambah 3 kurir dan membangun fitur pemesanan otomatis di aplikasi. Bulan 2, mereka menguji ulang pada 500 mahasiswa yang sama.

Langkah	Perhitungan	Nilai
1. Pemesan baru (dari 180 pengunduh lama)	90 ÷ 180 × 100%	50%
2. Kenaikan conversion vs Bulan 1 (30%)	50% − 30%	+20 poin
3. Repeat order baru	39 ÷ 90 × 100%	43,3%
4. Kenaikan retention vs Bulan 1 (16,7%)	43,3% − 16,7%	+26,6 poin

KESIMPULAN

Iterasi Berhasil

Conversion & retention naik tajam setelah perbaikan operasional — bukti bahwa masalah memang di eksekusi, bukan asumsi pasar

Sekarang mari kita hitung hasil dari langkah iterasi yang mereka ambil. Setelah menambah tiga kurir dan membangun fitur pemesanan otomatis, dari 180 pengunduh lama yang sama, di bulan kedua ada 90 orang yang memesan, artinya conversion rate naik menjadi 90 dibagi 180 dikali 100 persen sama dengan 50 persen. Bandingkan dengan bulan pertama yang hanya 30 persen — itu kenaikan 20 poin persentase, peningkatan yang sangat signifikan untuk perubahan operasional sederhana. Lebih penting lagi, dari 90 pemesan itu, 39 orang memesan ulang, artinya repeat order rate naik menjadi 39 dibagi 90 sama dengan 43,3 persen, naik 26,6 poin dari 16,7 persen di bulan pertama. Angka-angka ini adalah bukti kuat bahwa hipotesis awal tim benar — mahasiswa memang butuh layanan ini — masalahnya memang murni di eksekusi operasional, dan begitu diperbaiki, hasilnya melonjak drastis. Ini adalah contoh tekstual dari keputusan iterasi yang tepat.

Bagian 4 dari 4

Pelajaran dan Latihan Anda

Menutup dengan pelajaran umum dari kasus KedaiKu, lalu Anda akan berlatih menganalisis kasus lain secara mandiri.

Lima Pelajaran dari Kasus KedaiKu

Pola ini berulang di banyak start-up Indonesia — dari kuliner sampai edutech.

#	Pelajaran
1	Angka permukaan (unduhan) menipu — selalu telusuri sampai ke retention dan repeat behavior.
2	Data kuantitatif memberi tahu apa yang terjadi; wawancara kualitatif memberi tahu mengapa.
3	Bedakan masalah eksekusi (bisa diiterasi cepat) dari masalah asumsi dasar (butuh pivot).
4	MVP yang murah dan sederhana tetap bisa menghasilkan data pembelajaran yang mahal nilainya.
5	Validasi pasar bukan kejadian sekali, tapi siklus berulang — Build-Measure-Learn tidak pernah benar-benar berhenti.

Mari kita rangkum lima pelajaran besar dari perjalanan KedaiKu tadi, yang berlaku umum untuk hampir semua kasus start-up di Indonesia, baik itu di bidang kuliner, edutech seperti Ruangguru, maupun fintech seperti banyak platform pembayaran digital. Pertama, jangan pernah puas dengan angka permukaan seperti jumlah unduhan — selalu telusuri sampai ke retention dan perilaku berulang. Kedua, ingat pembagian peran data: data kuantitatif menjawab "apa" yang terjadi, sementara wawancara kualitatif menjawab "mengapa" itu terjadi — keduanya saling melengkapi, tidak bisa berdiri sendiri. Ketiga, selalu bedakan apakah masalahnya di eksekusi atau di asumsi dasar, karena itu menentukan apakah Anda perlu iterasi atau pivot. Keempat, MVP yang sangat sederhana seperti sistem WhatsApp manual KedaiKu tetap menghasilkan data pembelajaran yang sangat berharga — Anda tidak perlu aplikasi canggih untuk mulai belajar dari pasar. Kelima, dan ini paling penting, validasi pasar bukan kegiatan yang selesai sekali lalu berhenti — siklus Build-Measure-Learn akan terus berputar sepanjang hidup perusahaan.

Latihan Kelas: Kasus "BelajarBareng"

Kerjakan berkelompok (3-4 orang), waktu 15 menit. Siapkan jawaban untuk didiskusikan.

Kasus: BelajarBareng, aplikasi platform les privat online untuk siswa SMA, meluncurkan MVP ke 300 siswa lewat promosi Instagram. Hasil bulan 1: 120 mendaftar akun, 24 mencoba 1 sesi les gratis, hanya 2 yang melanjutkan ke sesi berbayar. Wawancara terhadap 10 siswa yang tidak lanjut: 7 bilang "gurunya tidak sesuai gaya belajar saya", 3 bilang "harganya di luar budget saya".

TUGAS 1

Hitung

Conversion rate: daftar → coba gratis → berlangganan

TUGAS 2

Putuskan

Iterasi atau pivot? Sertakan alasan berdasarkan kerangka hari ini

Sekarang giliran Anda mempraktikkan langsung apa yang baru kita pelajari. Silakan berkelompok tiga sampai empat orang, dan Anda punya waktu 15 menit untuk mengerjakan kasus BelajarBareng ini. Perhatikan datanya baik-baik: dari 300 siswa yang dijangkau lewat Instagram, 120 mendaftar akun, hanya 24 yang mencoba satu sesi gratis, dan yang paling penting, cuma 2 orang yang melanjutkan ke sesi berbayar. Tugas pertama Anda adalah menghitung conversion rate di setiap tahap corong ini, persis seperti yang kita lakukan untuk KedaiKu tadi. Tugas kedua, dan ini yang lebih menantang, gunakan kerangka iterasi versus pivot untuk memutuskan apa yang seharusnya dilakukan tim BelajarBareng, dengan alasan yang jelas berdasarkan data wawancara yang saya berikan. Saya akan berkeliling membantu kalau ada kelompok yang kesulitan, dan setelah 15 menit kita akan bahas bersama di depan kelas.

Rangkuman & Persiapan Minggu Depan

Yang Sudah Kita Pelajari

Membaca sinyal pasar kuat vs lemah dari data kasus nyata
Menghitung conversion rate, CAC, dan retention dari nol
Memakai kerangka iterasi vs pivot untuk mengambil keputusan

MINGGU DEPAN — PERTEMUAN 11

Studi Kasus

Evaluasi & Pivot Model Bisnis

Kita akan bahas kasus start-up yang harus pivot total setelah iterasi tidak cukup — bawa hasil latihan hari ini sebagai bahan diskusi lanjutan.

Mari kita tutup pertemuan hari ini dengan merangkum apa yang sudah kita capai bersama. Anda sekarang sudah bisa membedakan sinyal pasar yang kuat dari yang lemah, menghitung metrik kunci seperti conversion rate, customer acquisition cost, dan retention rate langsung dari data mentah, serta menggunakan kerangka iterasi versus pivot untuk mengambil keputusan berbasis bukti, bukan perasaan. Minggu depan, di pertemuan 11, kita akan melanjutkan dengan studi kasus yang lebih menantang lagi: sebuah start-up yang sudah mencoba iterasi berkali-kali tapi tetap tidak berhasil, sehingga akhirnya harus mengambil keputusan pivot total mengubah model bisnisnya. Simpan hasil analisis kelompok Anda tentang kasus BelajarBareng hari ini, karena kita akan menyambungkannya minggu depan. Terima Kasih atas partisipasi aktif Anda hari ini, sampai jumpa minggu depan.