Ikang Fadhli  ·  ikanx101.com

Metode Riset yang
Jarang Dilakukan

Ikang Fadhli
ikanx101.com
SocialX  ·  7 Juli 2026 → spasi atau panah kanan
Bagian Satu

Langkah-Langkah
Market Research

Workflow riset, tiga titik kritis, dan kenapa fondasi yang kuat menentukan kualitas seluruh proses.

Research Workflow

Market research mengikuti alur kerja terstruktur dengan tiga titik kritis — kesalahan di salah satu titik membuat seluruh proses sia-sia.
Formulasi
Masalah
→
Formulasi
Hipotesis
→
Design
Research
→
Collect
Data
→
Analisa
Data
→
Reporting
01
Formulasi Masalah — titik awal yang menentukan seluruh arah riset
02
Design Research & Collect Data — merancang metode dan mengumpulkan data yang tepat
03
Analisa Data & Reporting — mengolah data menjadi insights yang actionable

Formulasi Masalah

Gagal dalam merencanakan berarti merencanakan kegagalan.

— Orang Bijak
—Formulasi masalah adalah titik awal dari keseluruhan workflow — kesalahan di sini merusak seluruh proses riset.
—Luangkan lebih banyak waktu di tahap ini sebelum melangkah ke tahap berikutnya.
—Banyak bertanya kepada stakeholder dan lakukan preliminary research secara mendalam.

Design Research & Collect Data

Prinsip utama — masalah, tujuan, data, dan analisa harus seiring satu sama lain.
Masalah
→
Tujuan
→
Data
→
Analisa

Design Research

—Penentuan jenis riset yang dilakukan
—Penentuan target responden dan jumlahnya
—Menentukan teknik sampling
—Membuat kuesioner

Collect Data

—Proses survey: memilih area pelaksanaan
—Cara bertanya kepada responden
—Cara mendokumentasikan (entry data)
Bagian Dua

Formulating
Market Research Problem

Membedakan management problem dan research problem, serta cara menurunkan hipotesis riset yang tepat.

Jenis-Jenis Permasalahan

Ada dua jenis permasalahan dalam market research yang harus dibedakan — kesalahan di sini membuat riset tidak tepat sasaran.

Management Problem

—Bersifat umum (general)
—Berasal dari pertanyaan/kendala yang dihadapi decision maker
—Titik awal sebelum market research dirancang

Research Problem

—Bersifat spesifik dan hipotesis
—Diturunkan dari management problem
—Satu management problem menghasilkan banyak research problem
—Minimal satu yang dipilih untuk diteliti

Management Problem

Management problem berisi problem statement yang bersifat umum. Biasanya berasal dari pertanyaan atau kendala yang dihadapi oleh decision maker di perusahaan.
Contoh
Kenapa sales produk X di area Y pada tahun ini menurun?
Dari satu management problem seperti ini, kita bisa menurunkan berbagai research problem yang lebih spesifik untuk dijawab melalui market research.

Research Problem

Dari: "Kenapa sales produk X di area Y menurun?" — diturunkan menjadi lima hipotesis riset:
01Mungkin harga terlalu mahal — riset: pricing analysis & strategy
02Mungkin produk tidak tersedia di toko dekat konsumen — distribution: availability & visibility
03Mungkin iklannya tidak disukai konsumen — media habit research
04Mungkin produk dipersepsikan buruk — consumer usage, habit, perception & attitude
05Mungkin produk tidak relevan bagi konsumen — brand health & competitor analysis
Bagian Tiga

Jenis-Jenis Data
dalam Market Research

Consumer data, sumber data primer & sekunder, dan bagaimana data bermuara menjadi insights.

Consumer's Data

Data konsumen — data yang berhubungan dengan manusia dan interaksinya dengan brand atau aktivitas marketing — dibagi menjadi dua jenis utama.

Data Persepsi

—Berasal dari pemahaman, ide, atau pendapat pribadi konsumen
—Cara terbaik: survey (ditanyakan langsung)
—Contoh: kepuasan, brand image, tingkat kepercayaan

Data Habit

—Sesuatu yang lazim dan biasa dilakukan
—Sebaiknya tidak ditanyakan langsung
—Lebih baik dari jejak digital atau data transaksi
—Contoh: pola pembelian, frekuensi konsumsi

Data Persepsi

Persepsi (dari bahasa Latin perceptio) adalah kemampuan menyusun, mengenali, dan menafsirkan informasi sensoris guna memberikan gambaran dan pemahaman tentang lingkungan sekitar.
—Data persepsi merupakan data yang berasal dari pemahaman, ide, atau pendapat pribadi dari konsumen.
—Cara terbaik mendapatkannya adalah dengan survey — ditanyakan langsung kepada responden.
—Contoh: brand awareness, brand image, kepuasan pelanggan, persepsi terhadap kualitas produk.

Data Habit

When you ask people randomly throughout the day what they are doing (behaviour), 30% of the time there will be mismatch between what they are doing and what they are thinking about.

— Peter Cape, 2013
—Data habit sebaiknya tidak ditanyakan langsung — manusia tidak selalu sadar dengan kebiasaannya sendiri.
—Cara terbaik: manfaatkan jejak digital, data transaksi, atau observasi langsung.
—Jika terpaksa ditanyakan langsung, harus ada metode validasi atas jawabannya.

Data Primer & Data Sekunder

Data Primer

—Data yang kita dapatkan dari sumber langsung
—Contoh: data kuesioner hasil wawancara responden
—Contoh: data absensi dari mesin absen
—Perlu waktu, tenaga, dan biaya lebih besar

Data Sekunder

—Data dari sumber lain yang sudah pernah diolah
—Contoh: laporan demografi sensus BPS
—Contoh: laporan keuangan BUMN tertentu
—Biasanya lebih cepat dan lebih murah
Kapan pakai data sekunder?
Prioritaskan data sekunder jika tersedia, asalkan karakteristik data tidak berubah — baik dari sisi waktu maupun area.

Primer atau Sekunder?

Panduan sederhana dalam memilih:
Butuh
Data
→
Ada Data
Sekunder?
→
Cek
Karakteristik
→
Masih
Relevan?
→
Pakai
Sekunder
—Jika data sekunder ada dan karakteristiknya stabil — prioritaskan data sekunder.
—Jika data bersifat dinamis atau tidak ada data sekunder yang relevan — harus cari data primer.
—Contoh: data demografi sensus BPS berumur 9 tahun masih valid karena demografi cenderung stabil — kecuali ada wabah, bencana, atau migrasi besar.

From Data to Insights

Definisi Insights — Laughlin, 2015
"A non-obvious understanding about your consumers, which if acted upon, has the potential to change their behavior for mutual benefit."
Data
→
Berisi
Informasi
→
Need-to-Know
→
Insights

Need-to-know

—Informasi yang diperlukan untuk menyelesaikan masalah riset
—Wajib ada dalam kuesioner dan analisa
—Bermuara langsung ke insights

Nice-to-know

—Informasi pendukung dari survey
—Menarik tapi tidak krusial untuk menjawab masalah
—Bedakan dari awal saat merancang kuesioner
Bagian Empat

Metode Riset yang
Sering Terlupakan:
Observasi

Bukan sekadar "ngelihatin" — tapi seni membaca realita tanpa menyentuhnya.

Apa Itu Riset Observasi?

Riset Observasi adalah metode pengumpulan data dengan cara mengamati langsung perilaku, kejadian, atau fenomena di lapangan — tanpa intervensi atau tanya jawab dengan subjek.
AspekObservasiInterview / FGD
Sumber dataPerilaku nyataKlaim verbal
InteraksiTidak adaAda tanya jawab
BiasMinimal (researcher effect)Social desirability bias tinggi
Hasil"Apa yang mereka lakukan""Apa yang mereka katakan"
Interview = apa yang dikatakan  ·  Observasi = apa yang dilakukan  ·  Keduanya sering tidak sama.

Kenapa Observasi Itu Spesial?

Masalah klasik: responden sering berkata A, tapi melakukan B.
—Orang bilang "saya suka produk sehat" — tapi di kasir beli cokelat.
—Orang bilang "saya perhatikan harga" — tapi checkout tanpa lihat total.
—Orang bilang "beli froyo karena rasa" — tapi milih topping paling instagramable.

Observasi Menangkap

—Unconscious behaviour — kebiasaan yang bahkan subjek sendiri tidak sadar
—Contextual reality — apa yang terjadi di setting natural
—Non-verbal cues — waktu, durasi, interaksi, ekspresi

Kesimpulan

Observasi adalah jendela ke perilaku aktual, bukan perilaku yang dilaporkan.
Studi Kasus

Observasi
Kedai Frozen Yogurt
Jakarta, 2016

Empat kedai, satu pertanyaan: apa yang sesungguhnya terjadi di lapangan?

Contoh Nyata: Observasi Kedai Frozen Yogurt (2016)

Latar Belakang

—2016 — banyak kedai froyo premium bermunculan bersamaan di mall Jakarta
—Pertanyaan riset: apa yang sesungguhnya terjadi di lapangan?
—Apa yang membedakan satu kedai dengan yang lain?

Kedai yang Diobservasi

01JCo
02Red Mango
03Heavenly Blush
04SourSally
Pertanyaan Utama
Siapa yang datang? Bagaimana mereka berperilaku? Kapan mereka datang? — Semua dijawab tanpa satu pun pertanyaan kepada konsumen.

Desain Observasi

Segmentasi waktu dirancang spesifik — pola konsumsi dan daya beli berbeda di setiap segmen.
ParameterSegmen ASegmen B
Durasi per sesiBuka → TutupFull-day coverage
HariWeekend (Sabtu/Minggu)Weekdays (Senin–Jumat)
Siklus bulanTanggal muda (awal bulan)Tanggal tua (akhir bulan)
—Weekend vs weekday: profil konsumen dan tujuan kunjungan berbeda — keluarga, pasangan, rekan kerja.
—Tanggal muda vs tua: daya beli mempengaruhi ukuran pembelian dan metode pembayaran.

Data yang Dicatat

Setiap konsumen yang datang dicatat berdasarkan tiga kategori:

Identitas & Demografi

—Tanggal & waktu kedatangan
—Gender
—Perkiraan usia
—Bersama siapa (sendiri / pasangan / keluarga / teman / rekan kerja)

Perilaku Pembelian

—Ukuran froyo (S / M / L)
—Jumlah cup / porsi
—Metode bayar (tunai / debit / kredit)
—Dine in atau take away

Perilaku Dine In

—Durasi di kedai
—Aktivitas: ngobrol, main HP, foto-foto, kerja, baca, dll.
Hasilnya
Puluhan hingga ratusan baris data dari setiap sesi — semuanya dikumpulkan tanpa satu pun pertanyaan kepada konsumen.

Cara Kerja & Keterbatasan Observasi

Cara di Lapangan

—Tim duduk dekat kasir — posisi strategis untuk melihat setiap transaksi
—Setiap konsumen dicatat satu per satu sesuai protokol
—Full-day coverage: dari buka sampai tutup

Apa yang TIDAK Bisa Didapat

—Alasan & motivasi di balik setiap perilaku
—Persepsi konsumen terhadap pengalaman mereka
—Researcher effect — orang bisa bertingkah beda kalau tahu diamati
Solusi: Kombinasikan!
Observasi untuk "what" & "how"  ·  Interview / FGD untuk "why"  ·  Data penjualan untuk "how much"

Insight dari Lapangan

Dari puluhan hingga ratusan baris data, pola yang tidak terlihat dari wawancara mulai muncul:
aProfil konsumen tiap kedai berbeda — usia, gender, dan "vibes" pengunjung jelas berbeda antar kedai.
bKedai "basecamp mahasiswa" — satu cup froyo dimakan bareng-bareng sambil ngerjain tugas, hangout lama.
cTempat nyaman, tapi sepi dine in — hampir semua konsumen pilih take away, padahal cozy + free wifi.
dPola pembayaran mencolok — hampir semua konsumen satu kedai pakai credit card dari bank tertentu.
eVolatilitas antar time window — beberapa kedai sangat fluktuatif; lainnya stabil sepanjang hari.
Studi Kasus

"Sehari Bersama"
versi Riset:
Observasi Kualitatif Produk Diet

Bukan wawancara. Bukan FGD. Kami hidup bersama mereka selama seminggu.

Latar Belakang (2012)

Semua riset produk diet saat itu ngomongin apa yang mereka katakan — bukan apa yang mereka lakukan.
—Produk-produk diet menjamur di pasaran.
—Riset yang ada: survei preferensi, FGD motivasi, interview depth.
—Gap besar antara claim dan habit.
Pertanyaan Riset
"Seperti apa sebenarnya keseharian wanita pengguna produk diet? Kapan, bagaimana, dan dalam situasi apa mereka menggunakan produk ini?"

Pendekatan: Observasi Partisipatif

InterviewObservasi
AktivitasResponden mengingat & menceritakanResponden menjalani & kami lihat
BiasBias memori, social desirabilityData langsung dari realita
Contoh"Saya rutin minum produk diet setiap pagi"Ternyata… (jawabannya ada di data)

Metode

—Observasi kualitatif partisipatif
—Durasi: 1 minggu penuh per responden

Responden

—10 orang wanita sesuai kriteria
—Diikuti dari bangun tidur hingga tidur lagi

Analogi: "Sehari Bersama Syahrini"

Bayangkan tim dokumenter merekam setiap momen Syahrini dari bangun tidur hingga pulang. Bedanya: Syahrini 1 hari — kami 1 minggu.
H 1–2Fase JAIM. Super sadar diri. Pemakaian produk sangat rapi dan sesuai aturan kemasan.
H 3–4Mulai lupa. Kebiasaan asli mulai muncul. Topeng mulai copot pelan-pelan.
H 5–7Suasana cair. Nyaman dengan kehadiran peneliti. Yang terlihat adalah perilaku natural.
Poin Kunci
Riset observasi kualitatif yang baik harus cukup panjang agar topeng responden copot sendiri.

Protokol Observasi

Waktu & Tempat

—Timeline aktivitas dari bangun tidur
—Lokasi tiap aktivitas (rumah, kantor, mall, mobil, dll.)

Produk Diet

—Kapan dikonsumsi?
—Cara menyiapkan — sesuai petunjuk atau ada modifikasi?
—Konsisten setiap hari?

Situasi & Emosi

—Suasana hati saat konsumsi
—Ada orang lain atau sendirian?
—Rutinitas atau insidental?

Perilaku Lain

—Aktivitas makan-minum lain
—Olahraga atau tidak
—Interaksi sosial terkait produk diet

Insight 1: Habit Keseluruhan

Pola-pola mengejutkan yang tidak akan muncul di wawancara.
—Rajin olahraga dan gym setiap malam.
—Setelah gym, makan di warung depan gym.
—Sampai rumah, makan lagi bersama keluarga.
—Sebelum tidur, baru minum meal replacement.
Refleksi
Kalau hanya ditanya "apakah Anda rutin menjaga diet?", jawabannya hampir pasti "iya". Data observasi bercerita lain.

Insight 2: Cara Menggunakan Produk Diet

Detail kecil yang jadi big insight untuk campaign dan edukasi.
—Cara pemakaian teh diet yang salah — tidak sesuai anjuran kemasan.
Implikasi
Kesalahan cara pakai yang konsisten di banyak responden bukan salah konsumen — itu sinyal bahwa komunikasi produk perlu diperbaiki. Label, petunjuk, atau format kemasan yang lebih intuitif.

Dari Data ke Aksi

BidangManfaat
CampaignStorytelling realistis — bukan ilustrasi ideal, tapi gambaran yang relate dengan habit asli konsumen
EdukasiTahu persis titik di mana konsumen salah pakai → konten edukasi yang tepat sasaran
ProdukCara pakai yang menyimpang jadi feedback untuk desain kemasan, petunjuk, atau format produk
—Konsumen sering lupa takaran → kemasan dengan measuring cup atau sachet per porsi.
—Momen konsumsi dominan malam → timing iklan geser ke prime time malam.
—Produk dipakai bareng teman → campaign buddy system atau shareable format.

Keterbatasan

—Efek observer — meski sudah cair di hari 3–4, bias kehadiran peneliti tetap ada.
—Tidak bisa menjawab "berapa banyak" — ini riset kualitatif. Jawabannya ada di why dan how, bukan how many.
—Biaya & waktu mahal — 1 minggu per orang × 10 orang = 10 minggu data taking.
Solusi
Kombinasikan dengan survei kuantitatif untuk menjawab "berapa banyak", dan interview untuk menggali "mengapa" yang tidak terobservasi.
Studi Kasus

Observasi Digital:
Membaca Pikiran Masyarakat
dari Data Publik

Apa yang ditanyakan netizen tentang diabetes? — 446 pertanyaan, tanpa satu pun wawancara.

Definisi Observasi Digital

Observasi tidak selalu harus di lapangan fisik. Observasi digital mengamati perilaku dan percakapan masyarakat dari jejak digital yang mereka tinggalkan secara sukarela di ruang publik online.
AspekObservasi DigitalInterview / FGD
KesadaranResponden tidak sadar diamatiResponden sadar, bisa performance bias
DataPertanyaan nyata yang mengganjalApa yang mereka ingat atau mau ceritakan
SkalaRatusan ribu dataTerbatas 20–30 partisipan
InteraksiTidak ada tanya jawabAda interaksi langsung

Latar Belakang

Jujurly, sebelum masuk perusahaan FMCG, saya benar-benar blank sama sekali terkait apa itu penyakit diabetes.

—Beberapa tahun berselang, ibu saya seorang diabetesi.
—Di tempat kerja — edukasi diabetes sudah sangat kencang dan masif.
—Muncul pertanyaan: bagaimana dengan masyarakat awam yang masih jarang terpapar?
Pendekatan
Bukan lewat interview — tapi dengan mengamati pertanyaan yang mereka tulis sendiri di internet.

Sumber Data & Metode

Sumber Data

—Alodokter.com — forum tanya jawab dengan dokter
—6 topik spesifik terkait diabetes
—446 pertanyaan unik terkumpul
—Objek analisis: judul pertanyaan — intisari dari keseluruhan isi

Tools & Alur

—Web scraping via thescraper.id
—Sentence Transformer (LLM) untuk embedding
—Reduksi dimensi: t-SNE
—Hierarchical Clustering → 22 clusters

Alur Analisis

01
446 Judul Pertanyaan dikumpulkan via web scraping dari Alodokter.com
02
Hapus stopwords Bahasa Indonesia → ekstrak Bigrams
03
Embedding via Sentence Transformer (LLM) → matriks jarak 446×446
04
t-SNE (reduksi dimensi non-linear) + Hierarchical Clustering
05
22 clusters terbentuk → diringkas per cluster via LLM

Bigrams: Gambaran Awal

Bigram chart
Pasangan kata dominan
—Gula darah — kadar, cara turunkan
—Diabetes melitus — definisi, tipe
—Suntik insulin — pengobatan
—Kaki bengkak — komplikasi
—Efek samping — obat-obatan
—Makanan / minuman — apa yang aman

22 Clusters: Peta Pertanyaan Netizen

1Makanan & Minuman — buah aman, minuman penurun gula, susu untuk diabetesi, efek kopi/teh
2Definisi & Jenis Diabetes — tipe 1 vs tipe 2, diabetes basah vs kering, prediabetes
3Pengobatan & Insulin — metformin, suntik insulin, obat herbal, efek samping
4Gejala & Diagnosis — sering BAK, haus, lemas, kadar gula normal, HbA1c
5Komplikasi — luka diabetes, kaki bengkak, amputasi, gangguan ginjal
6Kehamilan & Reproduksi — diabetes gestasional, kesuburan
7Perawatan Kaki & Kulit — luka, bengkak, gatal, kulit menghitam

Temuan Menarik

Yang Dominan

—Makanan & Minuman — paling banyak. Fokus ke "apa yang boleh/tidak boleh dimakan"
—Gejala & Diagnosis — banyak yang baru curiga dan mencari konfirmasi

Yang Jarang

—Komplikasi jangka panjang — sedikit yang tanya soal gagal ginjal, neuropati, amputasi
—Manajemen mandiri — monitoring harian, gaya hidup jangka panjang
Interpretasi
Sebagian besar pertanyaan bersifat general. Masih banyak masyarakat yang perlu diedukasi lebih jauh tentang diabetes.

Tiga Cluster yang Paling Spesifik

C5
Insulin & Suntikan
—Cara menyuntikkan insulin yang benar
—Jenis pompa insulin, kapan ganti jarum
—Efek samping & cara mengatasinya
—Alternatif selain suntikan
Sudah masuk tahap pengobatan lanjutan — bukan masyarakat awam.
C6
Metformin
—Efektivitas untuk tipe 1 vs tipe 2
—Dosis, frekuensi, waktu minum
—Efek samping: diare, mual, penurunan nafsu makan
—Interaksi dengan obat lain
Sudah merasakan langsung efek metformin — butuh detail teknis.
C11
Gestasional & Insipidus
—Diabetes gestasional — penyebab, gejala
—Insipidus vs melitus
—Bisakah sembuh total?
—Komplikasi: ISK, preeklamsia
Cukup literate untuk membedakan jenis-jenis diabetes.

Takeaway: Dua Persona, Dua Kebutuhan

19
cluster umum
Mayoritas masyarakat awam
Kebutuhan: edukasi dasar
Makanan aman, gejala awal, cek gula rutin
3
cluster advanced
Segmen kecil, pengetahuan sudah maju
Kebutuhan: diskusi mendalam
Teknik injeksi, interaksi obat, jenis diabetes
Kunci
Data ini tidak akan muncul di interview biasa — hanya observasi digital yang bisa menangkap segmen advanced ini.

Insight Kunci untuk Bisnis & Edukasi

1Kebutuhan dasar — masyarakat masih di tahap pengenalan: apa itu diabetes, apa yang boleh dimakan.
2Gap edukasi — komplikasi dan manajemen jangka panjang hampir tidak tersentuh → peluang besar untuk campaign edukasi.
3Kata kunci dominan — "gula darah", "makanan", "obat" → konten edukasi sebaiknya berbasis kata kunci ini.
4Kekhawatiran — efek samping metformin & insulin banyak ditakutkan → perlu reassurance.
5Peluang produk — susu untuk diabetesi masuk sebagai cluster tersendiri → pain point yang nyata.

Mengapa Observasi Digital Lebih Tepat?

Kalau Pakai Interview / FGD

—Responden mungkin malu mengakui ketidaktahuannya
—Bisa overclaim: "Oh saya tahu diabetes…" padahal tidak
—Terbatas 20–30 orang

Dengan Observasi Digital

—446 pertanyaan autentik dari orang yang benar-benar punya masalah
—Tidak ada social desirability bias — mereka jujur menuliskan kebingungannya
—Cakupan jauh lebih luas, biaya lebih kecil

Kesimpulan

Observasi digital memanfaatkan data publik yang sudah tersedia — menangkap suara masyarakat yang tidak terfilter.
—Bisa dilakukan dalam skala besar dengan biaya relatif kecil
—Sangat cocok untuk riset eksploratori sebelum menentukan arah strategi
Buktinya
Dari 446 pertanyaan netizen, kita bisa memetakan apa yang sebenarnya masyarakat pikirkan dan khawatirkan tentang diabetes — bukan apa yang kita kira mereka pikirkan.

Kesimpulan

Observasi bukan alternatif. Observasi adalah pelengkap yang sering dilompati.

—Interview ngasih tahu apa yang mereka pikirkan.
—Survei ngasih tahu berapa banyak yang berpikir begitu.
—Observasi ngasih tahu apa yang sebenarnya mereka lakukan.
—Observasi kualitatif = jembatan antara say dan do.

Apa yang orang lakukan
jauh lebih jujur dari
apa yang mereka katakan.

— Observasi menangkap realita yang tidak bisa didapat dari wawancara
— Bukan soal metode terbaik — tapi soal menggabungkan perspektif
— Metode yang tidak biasa seringkali yang paling jujur

Pertanyaan atau diskusi? ikanx101.com