Data Sekunder (Review Jurnal)

KESALAHAN DAN ISU DALAM DATA SEKUNDER yang

DIGUNAKAN DALAM PENELITIAN PEMASARAN 
 MA Svetlana Tasic

London School of Commerce, Belgrade

Alfa Univerzitet, Beograd

Fakultas Ekonomi dan Ilmu Politik

Abstrak

Riset pemasaran menggunakan dua sumber data: primer dan sekunder. Ada banyak keuntungan dalam penggunaan sekunder. Data tetapi juga ada banyak keterbatasan seperti berbagai jenis kesalahan dan bias yang dapat timbul dalam data ini. Data sekunder harus akurat, handal, tepat, berisi, valid, dan tepat waktu. Empat kategori potensi kesalahan dapat mengurangi akurasi data sekunder: sampling dan non-sampling error, kesalahan yang membatalkan data, kesalahan yang memerlukan reformulasi data dan kesalahan yang mengurangi keandalan. Semua sumber kesalahan dapat menurunkan reliabilitas dan validitas hasil. Ini berarti bahwa data sekunder harus diperlakukan dengan hati-hati.

Kata Kunci: Data sekunder, kesalahan, bias, akurasi.

1. Pendahuluan

Konsep pemasaran mengharuskan kepuasan pelanggan menjadi tujuan dari sebuah organisasi daripada maksimalisasi keuntungan. Ini berarti bahwa pemasaran harus mendapatkan informasi tentang kebutuhan konsumen dan menerjemahkan bahasa konsumen untuk membantu memenuhi kebutuhan ini secara tepat dan efisien. Riset pemasaran adalah bagian penting dari pemasaran seperti sistem intelijen. Bagian ini membantu meningkatkan pengambilan keputusan manajemen dengan menyediakan informasi yang akurat dan tepat waktu. Setiap keputusan membutuhkan informasi dan strategi yang relevan berdasarkan informasi yang dikumpulkan melalui riset pemasaran. Riset pemasaran menggunakan dua sumber data, yaitu primer dan sekunder. Data primer dikumpulkan melalui survei ad-hoc khusus yang dibangun untuk tujuan penelitian. Data sekunder dilakukan dengan mengakses informasi yang tersedia seperti studi literatur, statistik resmi dll, termasuk karya yang dipublikasikan atau tidak dipublikasikan berdasarkan penelitian yang bergantung pada sumber-sumber primer. Penggunaan data sekunder memiliki keuntungan (salah satu yang termurah dan termudah untuk menapatkan informasi), tetapi juga tetap memiliki  

keterbatasan, masalah dan kekhawatiran sehingga penggunaan data sekunder harus hati-hati dan

benar-benar dipertimbangkan.

2. Sumber dan sifat dari data sekunder dalam riset pemasaran

Data sekunder yang telah dikumpulkan berguna untuk menganalisis berbagai pemasaran dan penelitian konsumen. Satu data primer entitas dapat menjadi data sekunder entitas. Misalnya, ketika data sensus digunakan dalam evaluasi pasar untuk studi pasar, mereka menjadi data sekunder. Setiap data demografi dan ekonomi yang dihasilkan oleh pemerintah lembaga (federal, negara bagian, atau lokal) untuk tujuan apa pun yang mereka butuhkan, akan diperlukan oleh orang lain untuk menjadi data sekunder. Peneliti pemasaran dan analis perlu memahami isu yang terdapat dalam data primer karena data sekunder yang mereka gunakan juga berasal dari data primer. Proses seperti menambah, memodifikasi, merangkum, mensintesis, memgupdate, atau dengan cara apapun memanipulasi data, output dari proses yang merupakan sumber sekunder data sekunder (Rabianski 2006, pp.44).

Setiap kali data melewati suatu proses, menyebabkan kemungkinan kesalahan meningkat. Catatan internal sebuah perusahaan, akuntansi dan sistem kontrol, merupajan dasar dari proses input pemasaran dan hasil yang dihasilkan. Data masukan dapat berkisar dari anggaran dan jadwal pengeluaran, atau laporan panggilan tenaga penjual. Dalam banyak industry, yang dihasilkan laporan penjualan adalah item paling penting dari data yang digunakan oleh manajer pemasaran. Sumber utamanya adalah berbagai

publikasi pemerintah, majalah dan jurnal, dan laporan yang tersedia secara publik dari swasta seperti yayasan, penerbit, asosiasi perdagangan dan perusahaan.

Data sekunder sering tersedia dari dua sumber, yaitu dari sumber aslinya, yang mengumpulkan dan mengatur data, dan dari sumber-sumber yang hanya merangkum data yang dikumpulkan oleh orang lain dan memasarkan informasi. Misalnya, sumber asli dari data sekunder untuk karakteristik populasi adalah Sensus populasi. Ketika data diperoleh langsung dari publikasi sensus, didapatkan semua informasi backup yang tersedia tentang teknik pengumpulan data dan metodologi statistik yang digunakan, kemungkinan ketidakakuratan, dan masukan latar belakang berharga lainnya. Oleh karena itu, data sekunder harus akurat, handal, tepat, padat, valid, sesuai dan tepat waktu. Data yang akurat harus mencerminkan parameter populasi yang sebenarnya. Keandalan mengacu pada variabel yang sama diukur beberapa kali, hasil yang dapat dapat diandalkan sehingga diperkiraan kurang lebih sama. Bias adalah penyimpangan dari perkiraan statistik berdasarkan parameter yang benar. Validasi adalah proses cheking untuk memastikan prosedur yang tepat diikuti dalam mengumpulkan, mengorganisir, dan menganalisis data. Data yang memiliki validasi dianggap lebih akurat karena lebih yang diketahui tentang asal-usul dan karakteristik. Namun di sisi lain, peneliti juga khawatir bahwa data sekunder yang digunakan tidak sesuai.

3. Kesalahan dan bias dalam data sekunder

Data sekunder memperlihatkan analisis yang digunakan untuk berbagai kemungkinan kesalahan dan bias, tetapi tersedia tindakan pencegahan untuk menanganinya. Analis tidak akan dapat menghapus atau mengatasi beberapa kesalahan, tetapi pengetahuan tentang kesalahan tersebut akan membantu dalam menarik kesimpulan informasi dan membangun beberapa tingkat kepercayaan dalam penilaian yang dihasilkan.

Ada 4 kategori potensi kesalahan dalam data sekunder (Rabianski 2006, pp.49):

1. Sampling dan non-sampling error

2. Kesalahan yang membatalkan data

3. Kesalahan yang memerlukan data reformulasi

4. Kesalahan yang mengurangi keandalan

Sampling error terjadi ketika sampel yang dipilih oleh peneliti tidak akuratmencerminkan total populasi yang dipelajari. Dalam arti statistik, sampling error terjadi karena sampel tidak sampel acak dari populasi yang berarti bahwa setiap elemen dari populasi tidak memiliki kesempatan yang sama untuk menjadi terpilih. Kesalahan ini bisa muncul jika populasi adalah stratified tetapi sampel hanya mewakili satu atau beberapa strata. Misalnya, jika populasi yang benar adalah bimodal mengenai usia, akan terjadi kesalahan sampling saat sampel hanya memiliki satu anak. Kesalahan sampling dapat ditangani melalui sampel probabilistik yang memungkinkan pengukuran dan pengendalian komponen kesalahan ini. Namun, dalam banyak situasi kesalahan sampling cukup rendah dibandingkan dengan non-sampling dan kesalahan berpotensi sistematis, terutama ketika proporsi non-responden tinggi. Ini adalah sebuah ancaman serius selama proses penyelesaian pengumpulan data (Assael dan Keon, 1992, pp.119).

Pencegahan jelas lebih baik daripada mengobati. Pencegahan didasarkan pada pemeriksaan yang akurat dari setiap masalah yang muncul selama pengumpulan data.cLima jenis kesalahan non-sampling bisa timbul pada fase ini, yaitu error bingkai, kesalahan pengukuran, urutan Bias, wawancara bias dan non-respon Bias (Mazzocchi 2008, pp.48).  Frame error dapat terjadi karena survei tidak bisa menghubungi orang-orang yang tidak memiliki akses ke komputer. Frame error juga dapat terjadi ketika entitas fisik dianggap. Pengukuran error, yaitu kesalahan respon muncul ketika orang yang menanggapi pertanyaan

memberikan informasi yang tidak benar. Urutan Bias terjadi ketika urutan pertanyaan pada kuesioner atau dalam sebuah wawancara menunjukkan atau menginduksi ide atau pendapat dalam pikiran responden sebagai akibat langsung dari cara pertanyaan yang diurutkan.

Bias pewawancara terjadi karena kehadiran atau pengaruh pewawancara dalam tatap muka atau

wawancara telepon. Non-respon bias terjadi karena individu dalam sampel tidak merespon meskipun analis mencoba untuk menghubungi mereka, atau ketika individu tidak menjawab pertanyaan-pertanyaan tertentu.

Kesalahan yang dapat membatalkan data, bisa terjadi karena adanya kemungkinan data sekunder terkontaminasi dan direpresentasikan sebagai valid karena tindakan atau sikap dari orang atau orientasi organisasi yang mengumpulkan data. Data mungkin mencerminkan manipulasi, kontaminasi yang disebabkan oleh ketidaktepatan, kebingungan atau kecerobohan, atau kesalahan konsep (Iacobucci & Churcill 2009, pp.201).

Data organisasi pengumpulan mungkin memanipulasi atau mereorganisasi data untuk memenuhi tujuan yang tidak diketahui orang lain. Data bisa saja ditata kembali sehingga lembaga pengumpul bisa menunjukkan tujuan organisasi yang sesungguhnya. Kesalahan juga dapat disebabkan oleh ketidaktepatan, kebingungan atau kecerobohan. Organisasi mungkin mengumpulkan, mengatur, dan mendistribusikan data tanpa benar menentukan keterangan dari proses pengumpulan, prosedur perakitan data mereka atau sintesis data yang digunakan. Mereka juga mungkin tidak peduli tentang kualitas dan validitas data.

Kesalahan konsep mewakili kelas yang luas dari kesalahan yang dapat secara signifikan membatalkan data. Data yang mengandung kesalahan konsep masih bisa digunakan, namun, jika analis dapat memperoleh informasi tentang sifat kesalahan. Kesalahan konsep didefinisikan sebagai kesalahan yang timbul karena terdapat perbedaan antara konsep yang akan diukur dengan indikatornya, atau item tertentu yang digunakan untuk mengukur konsep (Berry & Linoff 1997, pp.87).  Ada banyak variabel indikator di pasar yang dapat menggantikan data yang tidak dapat diperoleh pleh analis. Misalnya, analis mungkin akan mencari informasi tentang pendapatan rumah tangga, yang meliputi gaji, pendapatan sewa, bunga pendapatan dan dividen. Indikator yang digunakan untuk mengukur pendapatan rumah tangga mungkin hanya melaporkan gaji data. Dalam hal ini, indikator mengandung komponen besar pendapatan rumah tangga tetapi tidak mencakup semua sumber pendapatan yang rumah tangga diterima. Penggunaan variabel indikator ini mungkin menyebabkan hanya kesalahan kecil di antara rumah tangga yang dikepalai oleh penerima gaji tapi akan menyebabkan kesalahan besar dalam komunitas pensiun. Kesalahan hasil didapat dari variabel indikator yang tidak

menunjukkan kompleksitas variabel konsep (Dehmater & Hanckok 2001, pp.108). Akhirnya, analis pasar kadang-kadang mencoba untuk mengukur daya beli di daerah perdagangan ritel dengan mengalikan jumlah rumah tangga dengan pendapatan rumah tangga rata-rata.

Kesalahan konsep bisa, tapi tidak selalu membatalkan data dan analisis. Analis dapat memutuskan untuk menggunakan data meskipun konsep error hadir dan menanganinya dengan berbagai teknik. Berikut pertimbangannya (Houston, 2004, pp.159):

• Ukuran perbedaan antara konsep dan indikator.

• Tujuan dari analisis.

 • Ketersediaan data yang valid dan akurat.

3. Kesalahan yang memerlukan reformulasi data. Data sekunder kadang-kadang tidak langsung berguna untuk

Analis karena tidak memadai mengukur konsep yang sedang dipelajari. Kesalahan umum hasil

dari empat jenis berikut situasi (Patzer, 1995, pp.78):

• keadaan Mengubah

• transformasi pantas

• ekstrapolasi sementara Pantas

• pengakuan sementara Pantas

Kesalahan yang disebabkan oleh keadaan yang berubah, disebabkan oleh perubahan yang mempengaruhi series data tetapi tidak nampak dalam seri data. Misalnya, perubahan dalam geografis batas-batas wilayah statistik dapat terjadi ketika lembaga statistik resmi menambah county kepada daerah statistik. Perubahan dalam unit yang mendasari pengukuran juga dapat terjadi. Misalnya, data seri yang disajikan statistik bulanan sekarang disajikan secara dua bulan sekali. Demi konsistensi, analis mungkin harus memilih satu atau format presentasi lainnya. Analis harus baik menggabungkan data bulanan sebelumnya ke dalam kelompok dua bulan sekali seperti yang digunakan saat atau membagi data dua bulan sekali saat ini menjadi statistik bulanan. Unit pengukuran juga bisa berubah karena pergeseran dalam periode waktu pengumpulan.

Kesalahan yang timbul dari transformasi yang tidak pantas, didapat dari data asli yang sering disajikan dalam sumber data sekunder dalam kategori yang diciptakan untuk membuat data lebih rapi dalam format tabel, atau kategori asli tidak mencerminkan kebutuhan analis untuk menangani tugas di tangan (Biemer et al., 2004, pp.431). Selain itu, data dapat disajikan sebagai rasio yang masuk akal karena mereka merupakan tujuan asli tapi tidak masuk akal dalam konteks studi analis saat ini.

Kesalahan dari ekstrapolasi duniawi yang tidak pantas, didapat dari data sekunder yang seringkali tidak tersedia untuk periode intervensi (bulan, kuartal atau tahun) antara laporan yang diterbitkan. Data untuk intervensi periode harus diinterpolasi dari dua pelaporan tahun terdekat.

Perubahan dapat diperkirakan dengan menganalisis data seri lain terkait yang bergerak variabel di sekitar arah yang sama dan besarnya sama.

Kesalahan dari pantas pengakuan temporal, memiliki kesalahan paling umum, yaitu dari

kesalahpahaman dari dimensi waktu dari data sekunder. Sebagai contoh, jika data yang digunakan di tahun publikasi mereka bukan tahun yang mereka dikumpulkan. Selalu ada

jeda waktu antara waktu data primer dikumpulkan dan waktu mereka dibuat tersedia. Sebuah data di tahun 2005 publikasi misalnya, lebih dari mungkin berisi data yang dikumpulkan pada tanggal yang lebih awal seperti 2004.

Kesalahan yang mengurangi keandalan seperti satu set data yang dapat diandalkan jika jumlah berturut menghasilkan hasil yang sama. Seperti dijelaskan sebelumnya, kehandalan yaitu kumpulan data yang akurat hanya jika ia bebas dari prosedural dan pengukuran kesalahan. Set data yang tidak akurat dapat diandalkan jika ia mempertahankan sama tingkat ketidaktepatan. Keandalan data adalah fungsi dari organisasi yang mengumpulkan, mengatur,

catatan, dan menerbitkan data sekunder. Beberapa isu harus dipertimbangkan ketika mengevaluasi organisasi yang mengumpulkan dan menyebarkan data. Masalah lainnya adalah apakah individu dan staf yang melakukan pengumpulan data sudah terlatih dan berpengalaman dalam pengumpulan data atau tidak. Analis juga harus menentukan apakah organisasi memiliki sumber daya yang memadai untuk melakukan pekerjaan menyeluruh. keandalan data dapat dibagi menjadi tiga kategori (Baumgartner & Steenkamp, 2006, pp.438):

• Clerical

• Perubahan prosedur pengumpulan

• Kegagalan untuk menggunakan data yang benar

Kesalahan administrasi terjadi bahkan untuk orang-orang yang paling hati-hati. Untuk mendeteksi adanya kesalahan administrasi, data tersebut mungkin ditampilkan dalam mudah

dipahami secara (misalnya, diagram scatter plot atau meja sederhana). Dengan cara ini, outlier dapat terdeteksi lebih mudah. Prosedur ini akan memungkinkan analis untuk melihat desimal salah, yang menambahkan nol, atau digit tambahan. Kesalahan lain dari jenis ini adalah transposisi angka di seri dengan jumlah digit yang sama. Sebuah plot dari nilai-nilai akan memungkinkan analis untuk menangkap kesalahan outlier ini.

Kesalahan karena perubahan dalam prosedur koleksi, terjadi ketika hasil kesalahan dari perubahan dalam koleksi prosedur data yang dihasilkan mungkin sangat berbeda dari data sebelumnya pada set data yang sama. Kesalahan ini dapat muncul karena metode yang berbeda dari koleksi atau keadaan yang berbeda di sekitar koleksi. Misalnya, saat pengumpulan (waktu hari, hari minggu, musim, tahun, dll) mungkin telah berubah. Cara di mana data tersebut diringkas mungkin juga berubah.

            Kesalahan karena data yang dikoreksi, berawal dari data dapat konsisten dari satu laporan ke yang lain dalam seri yang sama diterbitkan karena kesalahan yang telah ditemukan, dikoreksi dan kemudian tercermin dalam versi berikutnya dari kumpulan data. Paling sering terletak pada kesalahan administrasi. Analis perlu menggunakan versi paling baru-baru ini untuk mengurangi kesalahan. Juga, jika mungkin, analis harus tahu kapan data diperiksa dan ketika versi bersih dari data yang dicetak. Bila menggunakan data sekunder yang telah ditata ulang di beberapa titik, selalu memeriksa terhadap versi terbaru dari data set.

4. Kesimpulan

"Dia yang tidak membuat kesalahan yang membuat tidak ada" adalah pepatah yang pasti dapat diterapkan pada masalah kesalahan dalam data sekunder yang digunakan dalam semua bidang termasuk riset pemasaran. Hal ini jelas bahwa kesalahan data sekunder yang tidak dapat dihindari. Namun, analis pemasaran dapat melakukan banyak tindakan untuk meminimalkan kesalahan ini sehingga akan menghasilkan data sekunder yang akurat, handal dan tepat. Kesalahan pengambilan sampel dapat ditangani dengan proses pengambilan sampel yang memadai melalui dan memungkinkan evaluasi serta pengendalian. Karena kesalahan non-sampling tidak bisa diukur sebelum survey, dan karena ia juga agak sulit untuk dideteksi. Sebagai alat terbaik untuk menangani jenis kesalahan adalah pencegahan yang didasarkan pada pemeriksaan yang akurat dari masalah dalam proses pengumpulan

data utama. Analis juga harus memperhatikan sumber-sumber lain dari kesalahan (error yang membatalkan data, kesalahan yang memerlukan reformulasi data dan kesalahan yang mengurangi kehandalan) yang serius bisa melemahkan data dan karena itu mempengaruhi hasil dari seluruh analisis. Meskipun ada banyak berbagai sumber kesalahan dalam data sekunder, seperti yang disajikan dalam makalah ini, ada juga banyak prosedur untuk menghasilkan temuan yang lebih valid dari penelitian yang akan memberikan dasar yang dapat diandalkan untuk proses pengambilan keputusan pemasaran.

Referensi

1. Aaker, DA & Day, GS [1999]. Marketing Research, John Wiley and Sons, New

York

2. Assael, H. & Keon, J. (1998) Non-sampling vs kesalahan pengambilan sampel dalam penelitian survei.

Journal of Marketing. 46 (2), hlm. 114-123.

3. Baumgartner, H. & Steenkamp, JBE (2006) Sebuah paradigma diperpanjang untuk pengukuran

analisis pemasaran konstruksi berlaku untuk data panel. Journal of Marketing

Penelitian. 23 (3), pp. 431-442.

4. Berry, M., & Linoff, G. [1997]. Teknik data mining: Untuk pemasaran, penjualan, dan

dukungan pelanggan, Wiley, New York:

5. Biemer, PB, Groves, RM, Lyberg, LE, Mathiowetz, NA & Sundman, S. [2004].

Pengukuran Kesalahan dalam Survei, John Wiley & Sons, Hobaken

6. Dehmater, R. & Hancock, M. [2001]. Data mining menjelaskan: panduan Seorang manajer untuk

pelanggan intelijen bisnis centric, Digital Press, Burlington, MA

7. Houston, MB (2004) Menilai validitas proxy data sekunder untuk pemasaran

konstruksi. Jurnal Penelitian Bisnis. 57 (2), hlm. 154-161.

8. Iacobucci D. & Churchill A. [2009]. Riset Pemasaran: Yayasan Metodologi

(dengan Kartu Qualtrics), South-Western College Pub, London

Sumber Jurnal :
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwit6tu1l6fRAhUmTY8KHa7yCYwQFggbMAA&url=http%3A%2F%2Fwww.socioeconomica.info%2Fjspui%2Fbitstream%2F11171%2F67%2F1%2FSvetlana%2520Tasic.pdf&usg=AFQjCNF4_G8PCA2Exz0ffslB74gCKTZcUg&sig2=LnV1ItPVwD6Ag8T31EaZUQ