Catatan Nik: Antara Kuesioner Ngawur Manajemen dan Seni Merancang Desain Penelitian

Kopi gue tumpah tepat di atas catatan kuliah pas dashboard Teams mendadak kedip-kedip merah jam delapan pagi tadi. Bukan, bukan Dylan yang bikin rusuh, anak itu udah tertib baris buat apel pagi di Magelang dari jam tujuh tadi setelah sempat video call lima menit pamer nilai olahraganya. Yang bikin kopi gue tumpah adalah invitation mendadak dari anak magang baru di divisi corporate strategy, judul rapatnya bikin elus dada: “Sync Up: Survey Kepuasan 10.000 Investor Properti se-Indonesia via Google Forms”.

Gue langsung narik napas panjang. Begitu gue masuk room, ruang rapat virtual itu udah penuh sama pejabat kantor yang mukanya kusut. Efek kepergian Bram masih berasa banget sampai detik ini. Sejak Bram cabut bawa dua lead valuer dan gerbong klien korporat kelas kakap, manajemen mulai panik nggak karuan. Mereka ngerasa market sentiment lagi anjlok, klien mulai ragu sama kapabilitas kita, dan solusinya apa coba? Mereka minta anak magang bikin Google Forms sepuluh pertanyaan dengan skala Likert ngasal, terus mau dibom ke seluruh database kontak kantor dari zaman tahun 2010.

Gue cuma bisa diam sambil nahan ketawa miris. Pas sesi kuliah Metpen semalam bareng dosen gue, kita baru aja ngebahas tuntas soal desain penelitian dan teknik sampling. Duduk di rapat tadi berasa kayak lagi nonton orang mau bangun penthouse tiga lantai tapi pondasinya cuma modal kardus mi instan. Semua orang sibuk nanya kuesionernya mau disebar lewat WhatsApp blast atau LinkedIn, padahal nggak ada satu pun yang tahu mereka itu sebenarnya lagi mau jawab masalah apa.

Sar, ini alasan kenapa catatan Pertemuan 2 Metodologi Penelitian semalam wajib banget gue obrolin bareng lo. Karena di dunia kerja nyata, kebodohan metodologis kayak begini bukan cuma bikin tesis ditolak penguji, tapi bisa bikin perusahaan buang duit ratusan juta buat ngambil keputusan berdasarkan data halu.

Cetak Biru Riset: Jangan Beli Keramik Kalau Fondasi Rumah Belum Dihitung

Banyak orang mikir kalau mau neliti sesuatu, langkah pertamanya adalah bikin instrumen: bikin kuesioner, nyiapin daftar pertanyaan wawancara, atau narik data SQL dari database. Padahal desain penelitian itu pada hakikatnya adalah blueprint. Lo nggak bakal beli keramik marmer Italia kalau lo sendiri belum tahu gedung yang mau lo bangun itu rumah tinggal, gudang beras, atau rumah sakit.

Desain penelitian memandu seluruh proses dari rumusan masalah sampai interpretasi hasil akhir. Dosen gue semalam negasin kalau cetak biru ini nggak berdiri di ruang hampa. Dia dibangun di atas tiga pilar yang saling ngunci satu sama lain:

1. Asumsi Filosofis (Philosophical Worldview): Cara lo memandang realitas dan pengetahuan. Apakah lo percaya realitas itu tunggal, objektif, dan bisa diukur secara independen dari si peneliti (positivism), atau lo percaya realitas itu jamak, kontekstual, dan dibentuk oleh persepsi manusia yang mengalaminya (interpretivism)?
2. Strategi Penelitian (Research Strategies): Rencana aksi menyeluruh yang ngejembatani asumsi filosofis lo ke prosedur praktis. Mau pakai eksperimen, survei cross-sectional, studi kasus mendalam, atau grounded theory?
3. Metode Penelitian (Research Methods): Alat teknis pengumpulan dan analisis data. Instrumen surveinya apa, teknik analisis statistiknya pakai apa, atau pedoman wawancara dan observasinya seperti apa.

Kesalahan fatal orang kantor gue tadi pagi adalah mereka langsung lompat ke pilar ketiga tanpa pernah nyentuh pilar pertama dan kedua. Mereka nggak sadar bahwa alat yang lo pilih mencerminkan cara pandang lo terhadap masalah. Kalau lo mau ngerti kenapa klien loyalitasnya goyah pasca ditinggal Bram, lo nggak bisa berasumsi jawabannya sesederhana angka 1 sampai 5 di kuesioner online. Loyalitas klien B2B properti itu sarat relasi personal, trust, persepsi risiko, dan dinamika politik internal klien. Itu ranah yang menuntut kedalaman interpretif, bukan sekadar agregasi angka positivistik yang dipaksain.

Membedah Klasifikasi Riset: Biar Nggak Salah Kamar

Pas dosen gue ngejelasin taksonomi penelitian, gue langsung bikin pemetaan rapi di tablet gue. Penelitian di bidang sistem informasi dan manajemen itu variasinya luas banget, dan kalau kita gagal memetakan posisi riset kita sejak awal, kita bakal tersesat di tengah jalan. Ada tiga sumbu utama klasifikasi yang semalam kita bedah:

1. Berdasarkan Tujuannya: Basic vs Applied Research

Basic research (penelitian dasar) tujuannya buat memperluas batas ilmu pengetahuan, nguji teori murni, dan nggak berorientasi pada penerapan praktis langsung secara komersial. Misalnya lo meneliti struktur matematis algoritma konsensus baru di blockchain.

Sebaliknya, applied research (penelitian terapan) dirancang buat memecahkan masalah praktis yang spesifik di dunia nyata. Buat kita anak MMSI yang rata-rata praktisi, tesis kita hampir pasti condong ke applied research. Kita mau tahu gimana implementasi sistem manajemen pengetahuan bisa nahan knowledge loss pas personel kunci resign, atau gimana adopsi smart property management system bisa ningkatin efisiensi operasional gedung. Tujuannya actionable, solutif, dan punya nilai terapan langsung.

2. Berdasarkan Tingkat Eksplorasi Masalah

Tingkat pemahaman kita terhadap masalah menentukan sedalam apa riset itu melangkah:

• Eksploratif (Exploratory): Dipakai pas masalahnya masih samar-samar atau fenomena baru yang belum banyak diteliti. Pertanyaannya seputar what atau how. Tujuannya buat nyari pola awal, bukan bikin kesimpulan final.
• Deskriptif (Descriptive): Tujuannya memotret situasi, karakteristik populasi, atau fenomena secara akurat dan sistematis. Pertanyaannya who, what, when, where. Kita cuma mendeskripsikan apa yang terjadi tanpa ngulik kenapa itu terjadi secara kausal.
• Eksplanatori / Kausal (Explanatory/Causal): Ini masuk ke level why. Kita mau ngebuktiin hubungan sebab-akibat antar variabel. Apakah penurunan kepuasan klien B2B secara langsung disebabkan oleh migrasi sistem pelaporan baru, atau ada variabel moderator lain?
• Korelasional (Correlational): Mengukur sejauh mana dua variabel bergerak bersamaan tanpa harus mengklaim adanya hubungan sebab-akibat langsung.
• Eksperimental (Experimental): Desain ketat di mana peneliti memanipulasi satu variabel independen dalam kondisi terkontrol buat melihat dampaknya pada variabel dependen.
• Studi Kasus (Case Study): Eksplorasi mendalam dan kontekstual terhadap suatu kasus nyata (bisa berupa organisasi, sistem, proyek implementasi) dengan memakai multi-sumber bukti data.

3. Berdasarkan Sumber Data: Primer vs Sekunder

Data primer lo ambil langsung dari sumber pertama lewat observasi, wawancara, survei, atau log sistem riil. Data sekunder lo ambil dari catatan yang udah dikumpulkan pihak lain sebelumnya, kayak laporan keuangan tahunan, data BPS, arsip histori transaksi lima tahun lalu, atau dokumentasi proyek terdahulu. Dua-duanya sah, asalkan relevan sama rumusan masalah lo.

Tiga Jalan Pendekatan: Kuantitatif, Kualitatif, atau Dua-duanya?

Ini bagian yang paling sering jadi ajang perang dogma di kampus. Ada kubu yang fanatik angka dan nganggap kualitatif itu cuma curhat ilmiah, tapi ada juga kubu kualitatif yang mandang kuantitatif itu kaku, kering makna, dan ngebonsai kompleksitas manusia jadi sekadar deretan desimal.

Padahal intinya bukan mana yang lebih superior, tapi mana yang fit for purpose.

                              PENDEKATAN PENELITIAN
                                        │
        ┌───────────────────────────────┼───────────────────────────────┐
        ▼                               ▼                               ▼
   KUANTITATIF                     KUALITATIF                     MIXED METHODS
┌──────────────────────┐        ┌──────────────────────┐        ┌──────────────────────┐
│ • Positivisme        │        │ • Interpretivisme    │        │ • Pragmatisme        │
│ • Data numerik       │        │ • Data naratif/teks  │        │ • Menggabungkan      │
│ • Uji hipotesis      │        │ • Memahami makna     │        │   keduanya           │
│ • Deduktif           │        │ • Induktif           │        │ • Menutup kelemahan  │
│ • Generalisasi luas  │        │ • Konteks mendalam   │        │   masing-masing      │
└──────────────────────┘        └──────────────────────┘        └──────────────────────┘

Pendekatan kuantitatif berpijak pada positivisme. Dia berangkat dari teori yang udah ada, narik hipotesis secara deduktif, ngukur variabel pakai instrumen baku, lalu nguji hipotesis itu pakai uji statistik. Tujuannya adalah objektivitas, replikasi, dan generalisasi. Kalau lo mau nguji apakah perceived ease of use dan system quality berpengaruh signifikan terhadap minat para agen properti pakai platform CRM baru, jalur kuantitatif dengan model SEM (Structural Equation Modeling) adalah pilihan yang tepat.

Pendekatan kualitatif berpijak pada interpretivisme atau konstruktivisme sosial. Dia nggak mulai dari hipotesis kaku, tapi berangkat secara induktif buat memahami fenomena dari sudut pandang partisipan. Datanya berbentuk transkrip wawancara mendalam, catatan lapangan observasi, rekaman interaksi, atau dokumen internal. Tujuannya bukan generalisasi populasi luas, melainkan kedalaman makna (depth of understanding) dan pemahaman kontekstual yang kaya.

Lalu ada mixed methods yang pakai kacamata pragmatisme. Daripada ribut soal angka vs narasi, pendekatan ini nggabungin keduanya secara terintegrasi buat saling melengkapi. Lo bisa mulai dengan kualitatif buat ngeksplorasi variabel-variabel baru yang belum terpetakan, lalu ngembangin kuesioner buat diuji secara kuantitatif (exploratory sequential). Atau sebaliknya, lo sebar survei kuantitatif dulu, terus pas nemu anomali data statistik yang aneh, lo tindak lanjuti pakai wawancara mendalam kualitatif buat ngebedah alasan di balik anomali tersebut (explanatory sequential).

Ilusi Angka: Populasi Target vs Populasi Terjangkau

Nah, sekarang masuk ke blunder terbesar rapat kantor gue tadi: urusan populasi dan sampel.

Anak magang kantor dengan pedenya ngomong, “Kita blast aja kuesionernya ke semua kontak di sistem kita, Kak. Populasi kita kan seluruh investor properti Indonesia, makin banyak sampel yang ngisi, makin akurat datanya.”

Gue langsung nyela pelan, “Lo yakin kontak di CRM itu investor properti Indonesia? Itu data dari pameran sepuluh tahun lalu, isinya campur aduk dari agen freelance yang nyari komisi, kontraktor semen, sampai mantan klien yang perusahaannya udah bangkrut pas pandemi.”

Dosen gue ngajarin konsep krusial semalam yang ngebuka mata gue: lo harus bisa bedain mana populasi target (target population) dan mana populasi terjangkau (accessible population).

• Populasi Target: Seluruh kumpulan elemen atau unit analisis yang secara teoritis memenuhi kriteria karakteristik yang mau lo teliti. Misalnya: seluruh investor korporat pengembang kawasan terpadu di Indonesia. Batasannya ideal, abstrak, dan luas.
• Populasi Terjangkau: Bagian dari populasi target yang benar-benar bisa lo akses, lo jangkau, dan lo petakan kerangka samplingnya (sampling frame) secara realistis dalam batasan waktu, biaya, dan izin penelitian.

┌────────────────────────────────────────────────────────┐
│ POPULASI TARGET                                        │
│ (Semua investor korporat properti komersial nasional)   │
│   ┌────────────────────────────────────────────────┐   │
│   │ POPULASI TERJANGKAU                            │   │
│   │ (Klien aktif & prospek di database kantor SCBD) │   │
│   │   ┌────────────────────────────────────────┐   │   │
│   │   │ KERANGKA SAMPLING (Sampling Frame)     │   │   │
│   │   │ (Daftar kontak valid & punya PIC jelas)│   │   │
│   │   │   ┌────────────────────────────────┐   │   │   │
│   │   │   │ SAMPEL TERPILIH                │   │   │   │
│   │   │   │ (Unit yang beneran disurvei)   │   │   │   │
│   │   │   └────────────────────────────────┘   │   │   │
│   │   └────────────────────────────────────────┘   │   │
│   └────────────────────────────────────────────────┘   │
└────────────────────────────────────────────────────────┘

Kenapa pembedaan ini vital banget? Karena batas generalisasi lo cuma sebatas populasi terjangkau lo, bukan populasi target.

Kalau lo cuma nyurvei klien yang ada di kontak lo di Jakarta dan Surabaya, temuan lo nggak bisa lo klaim sebagai representasi karakter seluruh investor properti di Indonesia dari Sabang sampai Merauke. Begitu lo memaksakan generalisasi di luar populasi terjangkau tanpa justifikasi metodologis, riset lo langsung cacat secara validitas eksternal.

Representatif dan Ukuran Memadai: Jangan Tertipu Hukum Angka Besar

Di Metpen semalam, ada satu hukum emas yang dicatat tebal-tebal: sampel yang baik itu bukan cuma soal ukuran yang besar, tapi soal representativeness (keterwakilan).

Banyak peneliti pemula terjebak sama anggapan keliru: “Kalau sampel gue 5.000 orang, pasti penelitian gue valid banget!” Belum tentu. Kalau 5.000 responden lo itu diambil lewat teknik convenience sampling ngawur (misal: lempar tautan di Instagram story lo), sampel lo cuma merepresentasikan orang-orang yang kebetulan follow akun lo, punya waktu luang buat ngeklik, dan tertarik ngisi. Itu namanya systematic bias alias sampling bias.

Sampel yang representatif adalah sampel yang secara akurat mencerminkan karakteristik penting dari populasi induknya: proporsi industrinya, ukuran perusahaannya, sebaran wilayahnya, atau tingkat pengalamannya. Kalau populasi lo heterogen tapi lo ngambil sampel secara serampangan tanpa teknik stratifikasi, data ribuan itu cuma tumpukan sampah statistik (garbage in, garbage out).

Ukuran sampel emang harus memadai (adequate size), artinya cukup besar buat ngasih statistical power biar uji hipotesis lo nggak ngalamin Type II error (gagal mendeteksi efek yang sebenarnya ada di populasi). Tapi ukuran memadai ini ada hitungannya (bisa pakai rumus Slovin, formula Krejcie-Morgan, teknik Hair et al. buat SEM, atau GPower analysis*), bukan ditebak pakai intuisi sambil ngopi.

Hukum Abadi Metodologi: Pertanyaan yang Nyetir Desain, Bukan Kebalikannya!

Tadi siang pas istirahat makan di dapur kantor sambil ngeliatin gerimis tipis yang mulai turun ngebikin kaca jendela SCBD buram, gue kepikiran omongan dosen penutup kelas semalam. Ini prinsip yang kelihatannya sepele tapi paling sering dilanggar orang:

Desain penelitian selalu disesuaikan dengan pertanyaan penelitian, bukan pertanyaan penelitian yang dipaksa tunduk sama desain atau alat yang lo kuasai.

Di kantor, tim strategi udah kebelet pengen pakai kuesioner cuma karena bikin Google Forms itu gampang dan cepet. Di kampus, gue sering nemu teman yang ngomong: “Gue pengen tesis gue pakai machine learning sama data crawling ribuan tweet ah, biar keren pas sidang!”

Pertanyaan gue selalu sama: masalah bisnis apa yang mau lo selesaikan? Kalau masalah lo adalah memahami kecemasan psikologis para valuer junior pasca ditinggal figur senior kayak Bram, ngapain lo crawling Twitter atau bikin kuesioner skala 1 sampai 5? Lo butuh duduk bareng mereka, wawancara mendalam, pakai studi kasus kualitatif dengan pendekatan fenomenologi buat nangkep kecemasan yang nggak bakal tertampung di kotak kuesioner.

Sebaliknya, kalau pertanyaan lo adalah seberapa besar pengaruh integrasi sistem ERP berbasis cloud terhadap penurunan durasi siklus valuasi properti di 50 cabang seluruh Indonesia, ya jangan pakai wawancara santai tiga orang. Lo butuh metrik operasional yang jelas, data sekunder time-series, dan analisis kuantitatif yang kokoh.

Desain adalah pelayan bagi research question. Jangan pernah terbalik.

Bahan Renungan Buat Lo

Nah Sar, pas rapat tadi akhirnya gue intervensi. Gue bilang ke tim, sebelum kita buang energi ngeblast kuesioner nggak jelas yang berpotensi bikin reputasi konsultan kita kelihatan amatir di mata klien premium, kita harus bedah ulang rancangan studi ini dari akarnya.

Mumpung lo lagi ngereview materi yang sama di kampus lo, coba lo bedah beberapa pertanyaan ini pakai kacamata analis sistem informasi:

1. Kalau kantor gue tujuannya adalah: “Memahami kenapa klien korporat skala besar mulai menahan proyek valuasi baru setelah kepergian Bram, dan bagaimana kesiapan mereka mengadopsi platform self-service automated valuation yang lagi kita kembangkan”, desain penelitian mana yang paling tepat secara metodologis? Apakah kuantitatif murni, kualitatif murni, atau mixed methods? Coba lo bedah alur strateginya (sequential atau concurrent) dan justifikasi kenapa pilihan itu yang paling valid.
2. Banyak orang di dunia IT nganggap kalau kita udah punya data log transaksi sistem atau big data pengguna dalam jumlah masif, kita nggak butuh lagi teknik sampling teoritis karena “kita udah punya semua data (N = all)”. Menurut analisis lo, apakah ketersediaan data besar (big data) otomatis menghapus relevansi bias populasi target vs populasi terjangkau? Apa bahayanya ilusi big data ini pas dipakai buat ngambil keputusan strategis sistem?
3. Seandainya lo harus ngerancang teknik sampling buat ngukur kepuasan pengguna terhadap implementasi sistem informasi manajemen aset di sebuah perusahaan properti multinasional yang punya 200 valuer, 50 manajer operasional, dan ribuan agen rekanan lepas (freelance), teknik sampling apa yang paling representatif lo pakai? Gimana lo memitigasi risiko non-response bias dari kelompok pengguna yang sibuk di lapangan?

Tolong bedah seobjektif mungkin ya. Gue butuh perspektif lo biar argumen gue di rapat lanjutan besok lusa bisa langsung ngebungkam ide-ide instan anak magang dan manajemen yang suka bikin pusing kepala.

Yang tenang ya, Sar. Rapat besok lusa biar gue yang hadepin. Nik