BUFEST 2026 · Mini Course · Day 1Sabtu, 12 Sept 2026 · Zoom
From Problemto Product.
— dengar dulu, baru ukur.
Validating Innovation with Data-Driven Research
Richard Cen
Informatika UB · iOS Developer, Apple Developer Academy Bali
Pemenang 30+ kompetisi IT · Tanoto TELADAN Scholar
Pemenang 30+ kompetisi IT · Tanoto TELADAN Scholar
Business Festival 2026
HMDTIF FILKOM UB
HMDTIF FILKOM UB
Pembuka
Faktanya
42%
startup gagal karena nggak ada yang butuh produknya.
CB Insights · analisis post-mortem startup
alasan gagal nomor 1.
Masalahnya jarang di teknologi. Masalahnya: kita membangun sesuatu yang cuma kita yang yakin dibutuhkan.
Perkenalan
Halo, aku
Richard.
Informatika, Universitas Brawijaya
angkatan 2023 · FILKOM
iOS Developer · Apple Developer Academy Bali
cohort 2026
TELADAN Scholar 24 · Tanoto Foundation
+ Future League Academy IT Awardee
Pernah belajar & berkarya bareng
Bab 1 · Awal mula
Catatan #1 · 2024
Semester 2.
Belum ngerti apa-apa soal bisnis. Kenalan sama kating di organisasi — terus tiba-tiba diajak:
“Ikut lomba business plan bareng yuk. Di UNTAR, Jakarta.”
— kating, organisasi kampus
Bab 1 · Awal mula
Jujur, aku ngerasa jadi beban.
(beneran)
semester 2 · masuk tim kating · belum pernah lomba · belum ngerti bisplan
Bab 1 · Awal mula
Tapi aku coba satu hal
Ambil satu peran yang bisa aku pegang: bikin PPT-nya secantik mungkin.
Kamu nggak harus jago semuanya. Cukup satu kontribusi yang kamu kerjakan sepenuh hati.
ANALISIS PASAR
BUSINESS PLAN · I/O FEST
Masalahnya nyata.
Datanya ada.
Datanya ada.
revisi ke-sekian…
Bab 1 · Awal mula
Jakarta · Juni 2024 · Semester 2
Juara 1.
Business Plan Nasional
+ Juara Favorit I/O Festival 2024 · Universitas Tarumanagara
+ Juara Favorit I/O Festival 2024 · Universitas Tarumanagara
kemenangan pertama. pertama kali ke Jakarta bareng tim.
Bab 1 · Setelah itu
Setelah kemenangan pertama
Terus… ketagihan.
30+
lomba IT yang dimenangkan
Business Plan
UI/UX
Hackathon
tiap lomba ajak teman yang beda — tiap kali belajar hal baru.
Bab 1 · Jejak
Beberapa jejak di jalan.
Nasional · 2025
Samsung Solve for Tomorrow
Juara 2 dari 1000+ peserta
Pantara
Nasional · 2025
PTN × ElevAIte Microsoft
Top 3 Best AI Ideation
Kulkita
…dan lomba-lomba lain. total 30+.
Bab 1 · Setelah itu
Yang paling berharga bukan pialanya.
Tapi orang-orang yang kutemui: kating yang ngajak, teman beda kampus, mentor, juri.
baru kenal beberapa jam → diskusinya kayak tim lama.
Bab 2 · Kerangka
Dari 30+ lomba, satu pola yang selalu ada di tim yang menang:
Scientific thinking yang dimulai dari empati.
Keputusan berdasarkan data — tapi datanya didapat dengan mendengarkan dulu.
Bab 2 · Kerangka
Scientific method, versi bisnis
Dengar dulu, baru ukur.
01
Dengar
empati: pahami masalah dari orangnya langsung
→
02
Hipotesis
tulis dugaan yang bisa dibuktikan salah
→
03
Uji
riset: wawancara, kuesioner, data publik
→
04
Putuskan
lanjut, ubah, atau pivot
ulangi sampai datanya meyakinkan
mulai di sini!
Bab 2 · Kerangka
01
Bagian 01 · ±4 menit
Problem Identification
Peka melihat masalah riil — lalu menuliskannya sebagai hipotesis.
01 · Problem Identification
Sebelum jatuh cinta pada solusi
Masalah yang layak dikejar punya 3 ciri.
Sering
Seberapa sering terjadi dalam seminggu / sebulan?
×
Menyakitkan
Seberapa rugi — waktu, uang, rasa kesal — tiap kali terjadi?
×
Dicari solusinya
Orang sudah pakai cara darurat (workaround) sendiri?
SKOR 1–5 MASING-MASING · MAKS. 125
Skornya dikali, bukan dijumlah: satu nilai 1 → masalahnya lemah.
01 · Problem Identification
Tambang masalah riil
Di mana masalah riil bersembunyi?
01
Ulasan bintang 1–2
Play Store, App Store, Google Maps. Keluhan paling jujur ada di sini.
02
Kolom komentar
TikTok, X, Instagram. Cari “kenapa sih…”, “capek banget…”.
03
Komunitas online
Reddit, forum, grup Facebook / Discord / Telegram.
04
Sekitarmu
Kos, kantin, organisasi, usaha keluarga. Amati dulu, jangan langsung tawarkan solusi.
05
Pengalaman pribadi
Titik awal yang bagus — tapi wajib diuji ke orang lain.
catat kalimat aslinya, jangan diparafrase!
01 · Problem Identification
Teknik 5 Whys
Gali akarnya: tanya “kenapa?” 5 kali.
interaktif · kirim 1 keluhan di chat
KELUHAN“Uang sakuku selalu habis sebelum akhir bulan.”
KENAPA? 1Pengeluaran makan membengkak di minggu ke-3.
KENAPA? 2Sering pesan makanan online tanpa sadar totalnya.
KENAPA? 3Nggak tahu sisa budget harian.
KENAPA? 4Catatan pengeluaran jarang dilihat & diperbarui.
KENAPA? 5Mencatat itu ribet & nggak ada pengingat.
↑ akar masalah = peluang produk
01 · Problem Identification
Template
Tulis sebagai hipotesis, bukan opini.
Kami percaya [siapa] mengalami [masalah apa] saat [konteks] karena [penyebab]. Kami tahu ini benar jika [metrik yang bisa diukur].
contoh
Kami percaya mahasiswa rantau semester 1–4 mengalami uang saku habis sebelum tanggal 20 saat minggu ke-3 tiap bulan karena nggak tahu sisa budget harian. Kami tahu ini benar jika ≥60% responden target mengalaminya dalam 3 bulan terakhir.
Bab 2 · Kerangka
02
Bagian 02 · ±4 menit
Dengar: riset kualitatif
Empati dulu. Wawancara yang jujur — bukan yang menyenangkan.
02 · Dengar
The Mom Test · Rob Fitzpatrick
Ibumu akan bilang idemu bagus.
…karena dia sayang kamu, bukan karena idenya benar. Jadi pakai 3 aturan ini:
1
Tanya hidup mereka, bukan idemu.
Jangan pitching. Gali kebiasaan & masalahnya.
2
Masa lalu yang spesifik.
“Terakhir kali…” lebih jujur daripada “Nanti kalau…”.
3
Bicara sedikit, dengar banyak.
Kalau kamu yang banyak ngomong, kamu nggak belajar apa-apa.
02 · Dengar
Kuis · ketik A atau B di chat
Pertanyaan mana yang lolos Mom Test?
A
“Kamu bakal pakai aplikasi pengatur uang saku nggak?”
B
“Kapan terakhir uang sakumu habis sebelum waktunya? Terus kamu ngapain?”
✗ hipotetis — jawabannya pasti “iya dong”.
✓ kejadian nyata di masa lalu → dapat cerita jujur.
02 · Dengar
Berapa orang? Kapan bisa dipercaya?
Hitung orangnya. Timbang sinyalnya.
5wawancara pertama
→ pola mulai kelihatan
→ pola mulai kelihatan
20–30per segmen
→ sebagian besar kebutuhan tertangkap
→ sebagian besar kebutuhan tertangkap
Griffin & Hauser, 1993 · The Voice of the Customer
sinyal palsu
“Keren banget idenya!”
“Pasti aku pakai.”
“Tambahin fitur X dong.”
“Pasti aku pakai.”
“Tambahin fitur X dong.”
sinyal nyata = komitmen
waktu — mau diwawancara lagi / coba prototipe
reputasi — mau ngenalin ke temannya
uang — mau pre-order / bayar DP
reputasi — mau ngenalin ke temannya
uang — mau pre-order / bayar DP
Bab 2 · Kerangka
03
Bagian 03 · ±4 menit
Data-Driven Market Research
Ukur seberapa luas masalahnya — dengan kuesioner & data publik.
03 · Ukur
Riset kuantitatif
Kuesioner mengukur seberapa luas — bukan mencari ide.
01
Buat setelah wawancara
Pilihan jawaban diambil dari kalimat asli responden.
02
Tanya perilaku, bukan pendapat
“Berapa kali bulan lalu…?” bukan “Setuju nggak kalau…?”
03
Mulai dengan screening
Pastikan responden = segmen target.
04
Sebar ke segmen target, bukan grup angkatan
Margin of error (95%) · makin banyak, makin sempit
n = 30
±18%
n = 100
±10%
n = 400
±5%
n kecil boleh — asal jujur ditulis.
03 · Ukur
Tren digital & data publik
Pinjam data yang sudah ada.
BPSdemografi, pengeluaran, UMKM
Databoks Katadataribuan grafik siap kutip
GoodStatssurvei & perilaku konsumen
Google Trendsnaik-turun minat pencarian
APJIIpenetrasi & perilaku internet
e-Conomy SEAukuran ekonomi digital
Satu Data Indonesiadataset pemerintah
Ulasan & unduhan appsinyal kompetitor
Angka “terjual”bukti permintaan di marketplace
WAWANCARA
KUESIONER
DATA PUBLIK
1 klaim
1 klaim penting = 3 sumber yang saling menguatkan.
03 · Ukur
Ukuran pasar
Hitung pasar dari bawah, bukan dari atas.
“Kalau 1% dari 270 juta orang Indonesia pakai…”
TAM
Semua mahasiswa rantau di Indonesia
pasar total — konteks, bukan target
SAM
120.000 mahasiswa rantau di Malang × Rp60.000/tahun
= Rp7,2 miliar · yang bisa dilayani produkmu
SOM
3% lewat 5 kampus partner di tahun-1
≈ 3.600 pengguna ≈ Rp216 juta · target yang realistis
*ANGKA ILUSTRASI — GANTI DENGAN DATA PDDIKTI / BPS
Bab 2 · Kerangka
04
Bagian 04 · ±4 menit
Competitor & Target Customer Analysis
Bandingkan dengan apa yang sudah dipakai orang — lalu petakan siapa customer-mu.
04 · Bandingkan
Competitor analysis
Kompetitormu = apa pun yang dipakai customer sekarang.
Aplikasi keuangan umumNotes di HPExcel / Google SheetsCatatan kertas…atau dibiarkan saja
ulasan ★1–3 milik kompetitor = daftar peluangmu.
← manual & ribet
otomatis →
khusus mahasiswa ↑
umum ↓
Excel
Catatan kertas
Notes HP
Aplikasi umum
Ide kita?
↗ ruang kosong di peta = peluang — kalau datanya setuju.
04 · Bandingkan
Target customer · user persona
Persona = rangkuman data, bukan tokoh fiksi.
D
Dinda, 20
mahasiswa rantau · semester 4 · Malang
Uang saku Rp1,5–2 juta / bulankuesioner · median
Mencatat pengeluaran di Notes HP9 / 12 wawancara
Paling boros: pesan makanan onlinekuesioner · 58%
Kesal: aplikasi keuangan “terlalu ribet”ulasan ★2 · 38 ulasan
“Tanggal 20 udah mulai makan mi instan.” — wawancara #7
tiap atribut bisa ditunjuk sumbernya.
✓ ada angkanya?
✓ ada kutipan aslinya?
✓ ada sumbernya?
✓ ada kutipan aslinya?
✓ ada sumbernya?
*CONTOH ILUSTRASI
04 · Studi kasus
Studi kasus · Samsung Solve for Tomorrow 2025 · Juara 2 dari 1000+ peserta
Pantara.
Platform manajemen stok segar untuk distributor & retailer.
01 · DENGAR
Kebutuhan
Distributor & retailer: stok segar terbuang sebelum terjual, tanpa terpantau.
02 · HIPOTESIS
Dugaan
Kalau kesegaran & risiko busuk terlihat lebih awal, stok yang terbuang turun.
03 · UJI
Data
Food loss & waste Indonesia 23–48 juta ton/tahun, rugi Rp213–551 T/tahun.
Bappenas, 2021
04 · PUTUSKAN
Fokus MVP
Deteksi kesegaran, prediksi pembusukan, forecasting permintaan.
data publik = jangkar latar belakang · wawancara = bukti di lapangan
Bab 3 · Tips teknis lomba
Latar belakang proposal
Asumsi vs tervalidasi.
asumsi ✗
“Banyak mahasiswa kesulitan mengatur keuangan.”
tervalidasi ✓
72% mahasiswa rantau yang kami survei kehabisan uang saku sebelum tanggal 20 — dan 9 dari 12 yang kami wawancarai mencatat pengeluaran di Notes, bukan aplikasi.
Kuesioner · n=142 · Mar 2026Wawancara · 12 orang
Setiap klaim → angka → sumber.
*CONTOH ILUSTRASI
Bab 3 · Tips teknis lomba
Dari 30+ kompetisi · bagian 1
Sebelum menulis proposal.
1
Baca kriteria penilaian dulu.
Bobotnya menentukan fokusmu. Contoh: di satu panduan lomba bisplan, analisis peluang pasar = 30%. Panduan Lomba Business Plan PMW UNY
2
Satu insight = satu grafik.
Jangan tempel tabel mentah. Tulis kesimpulannya di judul grafik.
3
Siapkan lampiran “datanya dari mana?”
Instrumen kuesioner, ringkasan wawancara, daftar sumber. Juri pasti nanya.
Bab 3 · Tips teknis lomba
Dari 30+ kompetisi · bagian 2
Saat pitching.
1
Ceritakan lewat satu orang.
Buka dengan persona & kutipan aslinya — baru angka.
2
PPT cantik itu senjata — tapi isinya harus bisa dibela.
Desain bikin juri mau mendengar. Data bikin juri percaya.
3
Latih Q&A & bagi peran.
Siapa jawab soal pasar, produk, keuangan. Latih 10 pertanyaan tersulit.
← pelajaran lomba pertamaku
Penutup
Terakhir
Dulu aku merasa jadi beban.
Kamu nggak harus tahu segalanya untuk mulai.
ambil satu peran · dengar dulu · buktikan dengan data.
Tanya jawab · 20 menit
Terima kasih, BUFEST 2026!
Tanya apa aja.
Soal bisplan, riset, lomba, beasiswa, atau Apple Developer Academy.
richard_end
Richard Centemplate & sumber data ada di halaman Toolkit PDF ↓
Business Festival 2026
HMDTIF FILKOM UB
HMDTIF FILKOM UB
Toolkit · From Problem to Product
Toolkit T1 · untuk riset kualitatif
Bank pertanyaan wawancara (Mom Test)
01Buka & kenali
- “Ceritain dong, rutinitasmu soal [topik] seminggu terakhir.”
- “Bagian mana yang paling bikin repot?”
- “Kapan terakhir kali itu terjadi? Ceritain detailnya.”
02Gali perilaku
- “Waktu itu, apa yang kamu lakukan?”
- “Sudah pernah coba cara/aplikasi lain? Kenapa berhenti?”
- “Berapa waktu/uang yang habis karena masalah ini?”
03Gali prioritas
- “Dari semua masalahmu soal [topik], ini nomor berapa?”
- “Kalau masalah ini hilang besok, apa yang berubah?”
- “Siapa lagi yang mengalami hal yang sama?”
04Tutup & minta komitmen
- “Boleh aku hubungi lagi waktu prototipenya jadi?”
- “Ada teman yang menurutmu perlu aku ajak ngobrol?”
- “Ada yang belum aku tanyakan, tapi penting?”
✗Hindari
- “Menurutmu ideku bagus nggak?”
- “Kamu bakal pakai/beli ini nggak?”
- “Berapa harga yang mau kamu bayar?”
- “Fitur apa yang kamu mau?”
✓Kebiasaan baik
- Rekam (dengan izin) & catat kutipan asli.
- Satu pewawancara, satu pencatat.
- Rangkum pola setelah 5 wawancara.
Toolkit · From Problem to Product
Toolkit T2 · untuk riset kuantitatif
Template kuesioner + cek bias
URUTANSusunan kuesioner
- Screening — “Apakah kamu mahasiswa rantau?” (tidak → selesai)
- Perilaku — “Dalam 3 bulan terakhir, berapa kali uang sakumu habis sebelum waktunya?” (0 / 1 / 2 / 3+)
- Cara saat ini — “Bagaimana kamu mencatat pengeluaran?” (pilihan dari jawaban wawancara + lainnya)
- Intensitas — “Seberapa mengganggu?” skala 1–5 dengan label di kedua ujung
- Komitmen — “Mau ikut uji coba prototipe? Tinggalkan kontak (opsional)”
- Demografi — taruh di akhir, secukupnya
nBerapa responden?
Margin of error 95% ≈ 1 / √n → n=100 ≈ ±10%, n=400 ≈ ±5%. Tulis n, waktu, dan cara penyebaran di proposal.
CEKChecklist anti-bias
- Pertanyaan menggiring (“Setuju kan kalau…?”)
- Dua hal dalam satu pertanyaan
- Skala tidak seimbang (3 positif, 1 negatif)
- Hanya disebar ke teman sendiri
- Pertanyaan hipotetis (“Kalau ada aplikasi X…”)
- Uji coba ke 3 orang dulu sebelum disebar
- Laporkan angka apa adanya, termasuk yang tidak mendukung
Toolkit · From Problem to Product
Toolkit T3 · competitor analysis
Competitor matrix & positioning map
| Alternatif saat ini | Dipakai siapa | Kelebihan | Keluhan (ulasan ★1–3) | Harga | Celah untuk kita |
|---|---|---|---|---|---|
| Notes di HP | mayoritas responden | gratis, cepat | tidak ada ringkasan & pengingat | Rp0 | rekap otomatis per minggu |
- Masukkan alternatif non-produk: Excel, grup WhatsApp, kertas, “dibiarkan saja”.
- Ambil keluhan dari ulasan asli; tulis jumlah ulasan yang dibaca.
- Pilih 2 sumbu yang terbukti penting bagi customer (dari wawancara/kuesioner) untuk positioning map.
- Ruang kosong di peta = hipotesis baru, bukan kesimpulan — uji lagi.
Toolkit · From Problem to Product
Toolkit T4 · target customer
Template persona berbasis data
| Bagian | Isi | Sumber |
|---|---|---|
| Siapa (usia, peran, lokasi) | screening kuesioner | |
| Tujuan yang ingin dicapai | wawancara #… | |
| Masalah utama + seberapa sering | kuesioner · % | |
| Cara saat ini (workaround) | wawancara · x/y | |
| Frustrasi terbesar | ulasan · n | |
| Kutipan asli | wawancara #… |
ATURANPersona yang bisa dibela
- Setiap baris punya sumber.
- Minimal satu angka & satu kutipan asli.
- 1 persona utama per segmen — jangan 5 persona tipis.
- Hobi, zodiak, merek favorit tanpa kaitan dengan masalah.
- Atribut yang cuma “kayaknya”.
Toolkit · From Problem to Product
Toolkit T5 · rujukan
Sumber data publik & referensi
DATASumber data publik
- BPS bps.go.id
- Databoks Katadata databoks.katadata.co.id
- GoodStats goodstats.id
- Google Trends trends.google.com
- APJII — survei internet apjii.or.id
- e-Conomy SEA economysea.withgoogle.com
- Satu Data Indonesia data.go.id
- PDDikti — data mahasiswa pddikti.kemdiktisaintek.go.id
REFReferensi di materi ini
- CB Insights — analisis post-mortem startup (42% “no market need”).
- Fitzpatrick, R. — The Mom Test.
- Griffin, A. & Hauser, J. (1993). The Voice of the Customer. Marketing Science.
- Bappenas (2021). Food Loss and Waste di Indonesia — 23–48 juta ton/tahun, Rp213–551 T/tahun.
- Panduan Lomba Business Plan PMW UNY — bobot analisis peluang pasar 30%.
Angka pada contoh “uang saku mahasiswa rantau”, persona Dinda, dan TAM–SAM–SOM adalah ilustrasi untuk latihan.