TL;DR
AI bisa merangkum jawaban kuesioner terbuka dengan cara mengelompokkan tiap jawaban ke kategori tema, bukan sekadar bikin ringkasan naratif. Alurnya: bersihkan data, susun daftar kategori dari 30 jawaban pertama, minta AI melabeli semua jawaban satu per satu dalam format tabel, lalu hitung frekuensi tiap tema pakai COUNTIF. Validasi manual 10 persen sampel sebelum hasilnya dipakai.
AI bisa merangkum jawaban kuesioner terbuka dengan cara melabeli tiap jawaban ke kategori tema, lalu kamu hitung frekuensinya sendiri. Bukan dengan minta ringkasan naratif.
Bedanya penting. Ringkasan naratif kasih kamu paragraf yang enak dibaca tapi gak bisa dimasukkan ke tabel. Pelabelan kasih kamu kolom baru yang bisa dihitung, difilter, dan dibikin grafik.
Aku pernah punya 412 jawaban dari pertanyaan "Apa yang bikin kamu berhenti belanja di toko kami?". Baca manual semuanya butuh sekitar 4 jam. Pakai alur di bawah, selesai dalam 50 menit termasuk pengecekan.
Ini langkah-langkahnya.
Jawaban kuesioner terbuka adalah respons berupa teks bebas, bukan pilihan ganda. Responden nulis apa pun yang ada di kepalanya, dengan panjang, ejaan, dan sudut pandang yang beda-beda. Karena gak ada struktur, jawaban ini gak bisa langsung dihitung kayak jawaban skala 1 sampai 5.
Kesulitannya bertambah gara-gara tiga hal. Satu jawaban bisa memuat dua keluhan sekaligus. Kata yang dipakai beda tapi maksudnya sama, misalnya "mahal" dan "gak sesuai kantong". Dan sebagian jawaban isinya cuma "bagus" atau tanda titik.
Proses ngelompokkan jawaban terbuka ke tema namanya coding. Ini kerjaan manual yang berulang, dan di situ AI paling kepakai.
Export jawaban dari Google Form ke Google Sheets. Sisakan dua kolom: ID responden dan kolom jawaban terbuka.
Buang dulu yang gak perlu diproses:
Pakai rumus ini buat nandain jawaban yang terlalu pendek:
=IF(LEN(TRIM(B2))<4, "SKIP", "PROSES")Dari 412 jawaban di kasusku, 47 kena SKIP. Sisanya 365 yang beneran diproses. Catat angka ini karena nanti dipakai buat ngitung persentase.
Kalau kamu belum familiar sama cara nyiapin data survei, alurnya dibahas lebih pelan di analisis hasil kuesioner Google Form.
Jangan langsung suruh AI bikin kategori dari 365 jawaban sekaligus. Hasilnya biasanya 20 kategori yang saling tumpang tindih.
Ambil 30 jawaban acak dulu, terus pakai prompt ini:
Aku punya 30 jawaban dari pertanyaan survei:
"Apa yang bikin kamu berhenti belanja di toko kami?"
Baca semua jawaban di bawah. Usulkan 5-8 kategori tema
yang saling terpisah dan mencakup mayoritas jawaban.
Untuk tiap kategori, tulis:
- Nama kategori (maksimal 3 kata, huruf kapital, pakai underscore)
- Definisi 1 kalimat
- 2 contoh jawaban yang masuk kategori itu
Jangan bikin kategori yang isinya cuma 1 jawaban.
Sediakan 1 kategori LAINNYA untuk yang gak cocok ke mana pun.
Jawaban:
1. ...
2. ...Hasil buat kasusku: HARGA_MAHAL, STOK_KOSONG, LAYANAN_KASIR, LOKASI_JAUH, KUALITAS_PRODUK, PROMO_KURANG, LAINNYA.
Baca ulang definisinya. Kalau ada dua kategori yang menurutmu bakal ketuker, gabungin sekarang. Lebih gampang benerin di tahap ini daripada setelah 365 jawaban dilabeli.
Kirim per batch 40 sampai 60 jawaban. Prompt-nya begini:
Kamu bertugas melabeli jawaban survei ke kategori tetap.
DAFTAR KATEGORI (jangan bikin kategori baru):
1. HARGA_MAHAL - responden nyebut harga, biaya, atau gak sesuai budget
2. STOK_KOSONG - barang yang dicari habis atau gak tersedia
3. LAYANAN_KASIR - antre lama, pegawai kurang ramah, salah hitung
4. LOKASI_JAUH - jarak, parkir, akses ke toko
5. KUALITAS_PRODUK - barang rusak, kadaluarsa, gak sesuai ekspektasi
6. PROMO_KURANG - diskon kompetitor lebih menarik
7. LAINNYA - gak cocok ke enam kategori di atas
ATURAN:
- Satu jawaban boleh punya maksimal 2 kategori.
- Kalau ragu antara dua kategori, pilih yang paling eksplisit disebut.
- Jangan menyimpulkan hal yang gak ditulis responden.
- Kalau jawaban gak jelas, pakai TIDAK_JELAS.
OUTPUT: tabel dengan kolom id | kategori_1 | kategori_2 | kutipan_kunci
Kutipan_kunci = potongan kalimat asli responden, maksimal 8 kata.
Jangan tambahkan penjelasan apa pun di luar tabel.
JAWABAN:
101 | harganya naik terus, di sebelah lebih murah
102 | ...Kolom kutipan_kunci itu yang bikin hasilnya bisa dicek. Tanpa kutipan, kamu gak punya cara cepat buat verifikasi apakah labelnya masuk akal.
Setelah tiap batch balik, cek dulu jumlah barisnya. Kirim 50, harus balik 50. Kalau balik 47, ada yang kelewat dan harus diulang.
Tempel hasilnya ke Google Sheets, satu kolom per kategori. Sekarang jawaban terbuka kamu udah jadi data yang bisa dihitung.
Hitung pakai COUNTIF:
=COUNTIF($C$2:$D$366, "HARGA_MAHAL")Rentangnya mencakup dua kolom sekaligus karena satu jawaban boleh punya dua label.
Buat persentasenya, bagi sama jumlah jawaban yang diproses, bukan total responden:
=COUNTIF($C$2:$D$366, "HARGA_MAHAL") / 365Kalau kamu mau ngitung berdasarkan dua syarat sekaligus, misalnya tema harga khusus pelanggan perempuan, pakai COUNTIFS.
Ini langkah yang paling sering dilewat dan paling nentuin hasilmu bisa dipercaya atau nggak.
Ambil 37 baris acak (10 persen dari 365), baca jawaban aslinya, terus nilai labelnya sendiri. Hitung berapa yang cocok.
=RANDBETWEEN(2, 366)Di kasusku, dari 37 sampel, 32 label cocok sama penilaianku. Tingkat kesesuaian 86 persen.
Lima yang meleset semuanya di batas HARGA_MAHAL dan PROMO_KURANG. Responden nulis "di tempat lain lagi diskon", AI kasih HARGA_MAHAL, aku nilainya PROMO_KURANG.
Solusinya bukan nyalahin AI, tapi mempertajam definisi. Aku tambahin ke prompt: "kalau responden nyebut toko lain atau kompetitor, prioritaskan PROMO_KURANG." Setelah diulang, kesesuaian naik ke 92 persen.
Patokan yang aku pakai: di bawah 80 persen berarti definisi kategori masih kabur dan harus diperbaiki sebelum angkanya dipakai.
Dataset toko_berkah, survei ke pelanggan yang berhenti belanja dalam 6 bulan terakhir. 412 responden, 365 jawaban diproses.
| Tema | Jumlah | % dari 365 |
|---|---|---|
| HARGA_MAHAL | 141 | 38,6% |
| STOK_KOSONG | 98 | 26,8% |
| PROMO_KURANG | 63 | 17,3% |
| LAYANAN_KASIR | 44 | 12,1% |
| LOKASI_JAUH | 29 | 7,9% |
| KUALITAS_PRODUK | 21 | 5,8% |
| LAINNYA | 17 | 4,7% |
Yang menarik bukan HARGA_MAHAL di posisi pertama. Itu udah ditebak semua orang di rapat sebelum survei jalan.
Yang gak ketebak: 71 dari 98 jawaban STOK_KOSONG nyebut kategori barang yang sama, yaitu popok dan susu bayi. Itu 72 persen dari keluhan stok, terpusat di satu kategori produk.
Temuan ini gak bakal kelihatan dari ringkasan naratif. Munculnya gara-gara ada kolom kutipan_kunci yang bisa difilter dan dibaca cepat.
Tindak lanjutnya konkret: naikkan stok minimum popok dan susu bayi. Bukan program diskon menyeluruh yang biayanya jauh lebih besar.
Simpan tiga hal di satu dokumen: prompt final yang kamu pakai, daftar kategori beserta definisinya, dan hasil validasi sampel.
Survei berikutnya kamu tinggal ganti daftar jawabannya. Waktu setup yang tadinya 30 menit turun jadi 5 menit.
Buat yang nulis skripsi atau laporan riset, tiga dokumen ini juga bahan bab metode. Prosedurnya bisa diulang orang lain, dan itu yang dinilai penguji. Praktik menyusun instrumen surveinya sendiri dibahas di AI untuk menyusun kuesioner.
Soal perlindungan data respondennya, dasar aturannya ada di UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi yang teksnya bisa kamu baca di JDIH BPK.
Aman di 40 sampai 60 jawaban per batch kalau tiap jawaban panjangnya satu sampai dua kalimat. Lebih dari itu, hasilnya sering kepotong atau ada baris yang kelewat. Kalau jawabannya panjang seperti esai satu paragraf, turunin ke 20 per batch. Selalu cek jumlah baris yang balik sama dengan jumlah yang kamu kirim sebelum lanjut ke batch berikutnya.
Bisa dipakai kalau kamu validasi dan tulis prosedurnya di bab metode. Standar yang biasa dipakai: cek manual minimal 10 persen sampel acak, laporkan tingkat kesesuaiannya, dan sebutkan bahwa pelabelan awal dibantu AI dengan verifikasi peneliti. Kalau tingkat kesesuaian di bawah 80 persen, perbaiki definisi kategorinya dan ulangi pelabelan.
Tergantung isinya. Hapus dulu nama, nomor HP, email, dan alamat sebelum data dikirim. Kalau kuesionermu memuat data pribadi atau data sensitif seperti kondisi kesehatan, kamu terikat kewajiban perlindungan data pribadi dan sebaiknya proses datanya secara lokal atau pakai layanan yang punya perjanjian pengolahan data. Kalau ragu, anonimkan dulu.
Sebutin di prompt bahwa jawaban bisa memuat bahasa daerah atau singkatan lokal, dan minta AI tetap melabeli tanpa menerjemahkan. Buat istilah lokal yang sering muncul seperti "mahal pisan" atau "lieur", tambahkan ke definisi kategori supaya konsisten. Kalau ada jawaban yang beneran gak kebaca, kasih label TIDAK_JELAS dan hitung terpisah.
Bikin sendiri dari 30 jawaban pertama, lalu minta AI melengkapi. Kalau kategorinya dibuat AI dari nol untuk seluruh dataset, hasilnya sering kebanyakan kategori dan tumpang tindih. Dengan daftar tetap buatanmu, semua batch dilabeli pakai aturan yang sama, jadi angka frekuensinya bisa dibandingkan.
Tiga hal yang bikin alur ini jalan: kategori tetap yang kamu susun sendiri, output berupa tabel dengan kutipan asli, dan validasi 10 persen sampel sebelum angkanya dipakai.
Buka lagi file survei terakhir yang kolom esainya belum pernah kamu sentuh. Ambil 30 jawaban, susun kategorinya, dan lihat berapa lama sisanya kelar.
Setelah temanya kehitung, langkah berikutnya bikin visualnya. Caranya ada di visualisasi hasil kuesioner.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Tools AI bisa bikin chart dan ringkas data dalam hitungan detik. Jadi Python masih perlu dipelajari analis di 2026? Jawabannya iya, tapi alasannya udah beda dari 3 tahun lalu.
Aku tes forecasting AI di data penjualan 4 cabang toko grosir. Hasilnya lebih akurat dari tebakan manual, tapi meleset parah di satu titik yang mahal.
Cara ngolah ribuan review pelanggan jadi insight pakai AI, dari nyusun prompt yang konsisten, ngasih label, sampai ngubah hasilnya jadi rekomendasi yang bisa dieksekusi.