Apa yang Sebenarnya Sedang Ditanyakan?

Penjualan sebuah toko turun 20 persen dalam satu bulan. Permintaan untuk “menganalisis penurunan penjualan” tampak cukup jelas. Namun kalimat itu baru menyebut sebuah topik. Ia belum menentukan apa yang sebenarnya perlu dijawab.

Apakah penurunan terjadi pada semua produk atau hanya sebagian? Apa yang menyebabkannya? Apakah penurunan akan berlanjut bulan depan? Apakah harga, persediaan, atau cara promosi perlu diubah? Keempat pertanyaan itu membicarakan peristiwa yang sama, tetapi meminta jenis jawaban yang berbeda.

Sebuah dasbor dapat menggambarkan penurunan dengan sangat akurat tanpa menjelaskan penyebabnya. Penjelasan yang masuk akal belum tentu menghasilkan ramalan yang baik. Ramalan yang baik juga belum menentukan tindakan yang layak. Ketepatan teknis tidak menyelamatkan jawaban yang diarahkan kepada pertanyaan yang salah.[1] [2]

Karena itu, sebelum sebuah analisis diperlakukan sebagai jawaban, tiga hal perlu dibuat eksplisit: apa yang ingin diketahui, untuk apa jawabannya akan digunakan, dan apa yang akan dianggap sebagai jawaban yang memadai.

Topik belum menjadi pertanyaan

“Penjualan menurun” menunjuk suatu keadaan, tetapi tidak menentukan sasaran penyelidikan. Penurunan dapat dihitung berdasarkan pendapatan, jumlah barang, jumlah transaksi, pelanggan aktif, atau laba. Hasilnya juga dapat dibandingkan dengan bulan sebelumnya, bulan yang sama tahun lalu, target internal, atau toko lain. Pilihan tersebut tidak selalu menghasilkan kesimpulan yang sama.

Pertanyaan menjadi lebih jelas ketika menyebutkan apa yang ingin ditentukan dan tentang siapa atau apa. “Berapa perubahan jumlah barang yang terjual melalui toko daring selama empat minggu terakhir dibandingkan empat minggu sebelumnya?” sudah mengarahkan pengukuran. “Apakah perubahan biaya pengiriman menyebabkan pelanggan membatalkan pembelian?” meminta penilaian sebab-akibat. “Berapa penjualan bulan depan jika kebijakan saat ini dipertahankan?” meminta prediksi. “Apakah subsidi pengiriman perlu dikembalikan?” meminta pilihan tindakan.

Perbedaan itu bukan sekadar perbedaan kata. Pemodelan untuk menggambarkan, memprediksi, dan menjelaskan mempunyai tujuan serta ukuran keberhasilan yang berbeda. Hubungan yang berguna untuk memprediksi belum tentu menunjukkan apa yang akan terjadi jika salah satu variabel sengaja diubah.[1] Model yang sesuai juga bergantung pada pertanyaan yang hendak dijawab; sistem yang sama dapat memerlukan representasi dengan tingkat rincian berbeda untuk penggunaan yang berbeda.[3]

Tanpa pembedaan tersebut, data yang tersedia mudah mengambil alih arah penyelidikan. Jika catatan transaksi mudah diakses, penurunan mungkin segera dipecah menurut produk dan wilayah, walaupun keputusan sebenarnya bergantung pada alasan pelanggan berhenti membeli. Jika metode peramalan sudah dikenal, persoalan dapat diubah menjadi prediksi, walaupun yang dibutuhkan adalah perkiraan akibat suatu tindakan. Analisis lalu menjawab pertanyaan yang dapat dijawab oleh data atau metode yang tersedia, bukan pertanyaan yang paling relevan.

Data, pengalaman, dan metode dapat membantu menemukan pertanyaan. Namun pertanyaan yang akhirnya dijawab perlu dibuat eksplisit agar tidak diam-diam ditentukan oleh apa yang mudah diamati atau dikerjakan.

Kejelasan juga belum menjamin bahwa rumusan masalah sudah memadai. Sebuah pertanyaan dapat sangat jelas tetapi hanya mencerminkan kepentingan satu pihak atau mengeluarkan akibat yang penting bagi pihak lain. Karena itu, satu pemeriksaan tambahan perlu diajukan: siapa yang menetapkan pertanyaan, siapa yang terdampak, dan apa yang tidak terlihat karena cara masalah dirumuskan?

Jawaban akan digunakan untuk apa?

Pertanyaan yang sama dapat membutuhkan jawaban berbeda ketika penggunaannya berubah. Perkiraan penjualan bulan depan mungkin digunakan untuk laporan rutin, pemesanan persediaan, penentuan kebutuhan kas, atau keputusan menutup sebuah toko. Sasaran ramalannya dapat serupa, tetapi akibat kesalahan, tenggat, tingkat rincian, dan ketelitian yang diperlukan tidak sama. Penggunaan juga tidak harus berupa keputusan langsung. Menggambarkan keadaan, memantau perubahan, menguji penjelasan, dan menjajaki pertanyaan baru merupakan penggunaan yang sah, selama tidak disamarkan sebagai jawaban untuk pekerjaan lain.

Dalam pemodelan dan simulasi, penggunaan yang dimaksud (intended use) dinyatakan sejak awal karena ruang lingkup, hasil yang diharapkan, keputusan yang akan diinformasikan, dan kriteria penerimaan model bergantung pada penggunaannya.[4] Penilaian terhadap keandalan model juga perlu dikaitkan dengan kuantitas yang menjadi perhatian, ketelitian yang dibutuhkan, serta aplikasi dan keputusan yang akan didukung.[5]

Prinsip tersebut dapat diterapkan secara lebih umum pada analisis. Penggunaan tidak membuat klaim yang salah menjadi benar. Ia menentukan sasaran, bukti, ketelitian, ketepatan waktu, dan ruang lingkup yang diperlukan agar suatu jawaban memadai. Penggunaan juga tidak menghapus batas keselamatan, hukum, atau prosedural yang tetap relevan terhadap suatu keputusan. Ringkasan bulanan yang benar dan memadai untuk pelaporan mungkin datang terlambat untuk mengatasi gangguan pembayaran hari ini. Rata-rata seluruh toko dapat benar tetapi menyembunyikan penurunan pada satu cabang yang sedang dipertimbangkan untuk ditutup.

Penggunaan juga membantu membedakan informasi yang diperlukan dari informasi yang hanya menarik. Jika tujuannya memesan persediaan minggu depan, penyelidikan lengkap mengenai seluruh sejarah merek mungkin tidak diperlukan. Jika keputusannya mengubah harga, pola penjualan saja belum cukup; diperlukan bukti tentang akibat yang mungkin ditimbulkan oleh perubahan harga, beserta tujuan dan konsekuensi yang digunakan untuk menilai pilihan.[2]

Apa yang sebenarnya menjadi sasaran?

Setelah penggunaan dinyatakan, sasaran jawabannya masih perlu diperjelas. Catatan yang tersedia tidak otomatis identik dengan hal yang ingin diketahui. Pendapatan yang tercatat dapat berubah karena harga, jumlah barang, pengembalian, komposisi produk, atau waktu pencatatan. Jika persoalannya adalah apakah pelanggan meninggalkan toko, pendapatan bulanan hanya salah satu bukti, bukan sasaran itu sendiri.

Dalam statistik, pembedaan serupa dibuat antara apa yang hendak diestimasi, prosedur yang digunakan untuk mengestimasinya, dan hasil numerik yang diperoleh. Pedoman estimand untuk uji klinis bahkan mensyaratkan sasaran efek pengobatan dirumuskan lebih lengkap daripada sekadar menyebut hasil yang diukur.[6] Istilah teknisnya berbeda antarbidang, tetapi disiplin dasarnya sama: jangan membiarkan variabel yang kebetulan tersedia diam-diam menggantikan hal yang sebenarnya ingin diketahui.

Satu pemeriksaan sederhana dapat digunakan:

Apakah dua analis yang kompeten akan memahami bahwa mereka sedang berusaha menjawab pertanyaan substantif yang sama?

Jika jawabannya belum tentu, mungkin masih ada bagian penting yang hilang: objek atau populasi yang dimaksud, ukuran yang dicari, rentang waktu, kondisi, pembanding, atau bentuk jawaban yang diperlukan. Tidak semua pertanyaan membutuhkan seluruh unsur itu. Rincian perlu ditambahkan hanya ketika ketiadaannya dapat mengubah arti jawaban.

Memadai bukan berarti selengkap mungkin

Merumuskan pertanyaan bukan upaya menghapus seluruh ambiguitas sebelum pekerjaan dimulai. Persoalan nyata sering datang dalam keadaan belum lengkap, tujuan dapat bertentangan, dan bukti baru dapat menunjukkan bahwa pertanyaan awal keliru. Eksplorasi dapat diperlukan untuk menemukan pertanyaan yang lebih baik. Namun hasil eksplorasi perlu dikenali sebagai bahan perumusan, bukan diam-diam diperlakukan sebagai jawaban atas pertanyaan sebab-akibat, prediksi, atau keputusan yang belum ditetapkan. Yang dibutuhkan adalah rumusan awal yang cukup jelas untuk menentukan pekerjaan apa yang sedang dilakukan dan cukup terbuka untuk diperbaiki.

Kecukupan juga tidak berarti membuat model paling rinci atau mengumpulkan seluruh data yang mungkin tersedia. Sebuah model perlu mempertahankan bagian dari kenyataan yang penting bagi pertanyaannya. Menambahkan rincian yang tidak dapat memengaruhi jawaban hanya meningkatkan beban tanpa menjamin kegunaan. Sebaliknya, menghilangkan satu perbedaan yang menentukan tindakan dapat membuat analisis sederhana maupun rumit sama-sama tidak memadai.[3] [4]

Dalam kasus penjualan, analisis awal mungkin menunjukkan bahwa seluruh penurunan berasal dari kegagalan pembayaran pada perangkat tertentu. Temuan itu tidak sekadar memperbarui angka. Ia dapat mengubah pertanyaannya, dari “mengapa minat pelanggan menurun?” menjadi “mengapa transaksi pada perangkat tersebut gagal, dan tindakan apa yang paling cepat memulihkannya?” Perumusan yang baik bukan rumusan yang tidak pernah berubah. Ia meninggalkan jejak yang menunjukkan mengapa perubahan pertanyaan diperlukan.

Tidak ada satu urutan wajib antara pertanyaan, data, metode, tujuan, dan tindakan. Masing-masing dapat mengubah yang lain sepanjang penyelidikan. Yang perlu dijaga adalah agar pada setiap saat cukup jelas apa yang sedang ingin diketahui, untuk apa jawabannya digunakan, apa yang dianggap memadai, dan mengapa rumusan tersebut berubah ketika bukti atau keadaan baru muncul.

Dalam pekerjaan yang sama, sebagian pertanyaan meminta penilaian tentang apa yang layak dipercaya, sebagian meminta pilihan tentang apa yang layak dilakukan, dan keduanya dapat berubah ketika informasi baru muncul. Ketika sebuah pilihan benar-benar harus dibuat, barulah relevan menilai apakah informasi tambahan masih layak dicari.

Topik memberi wilayah pembicaraan. Pertanyaan menentukan sasaran. Penggunaan membantu menentukan apa yang memadai. Ketiganya tidak menjamin jawaban akan benar atau rumusannya akan adil. Namun tanpa ketiganya dibuat cukup eksplisit, sebuah analisis dapat sangat tepat dan tetap tidak menjawab masalah yang dihadapi.

Referensi

1. Shmueli, G. (2010). “To Explain or to Predict?” Statistical Science, 25(3), 289–310. DOI.

2. Phillips, L. D. (2025). “Decision Analysis for Practitioners.” Decision Analysis, 22(4), 255–272. DOI.

3. Åström, K. J., & Murray, R. M. (2008). Feedback Systems: An Introduction for Scientists and Engineers. Princeton University Press. Sumber.

4. National Aeronautics and Space Administration. (2024). NASA-STD-7009B: Standard for Models and Simulations. Sumber.

5. National Research Council. (2012). Assessing the Reliability of Complex Models: Mathematical and Statistical Foundations of Verification, Validation, and Uncertainty Quantification. The National Academies Press. DOI.

6. U.S. Food and Drug Administration. (2021). E9(R1) Statistical Principles for Clinical Trials: Addendum: Estimands and Sensitivity Analysis in Clinical Trials. Sumber.