TAHAPAN MEMULAI PENELITIAN

Pertanyaan yang membuktikan bahwa banyak mahasiswa yang: (1) tidak memahami alur
mengerjakan penelitian, (2) tidak memahami bahwa penelitian itu seharusnya dimulai dengan
studi literatur, (3) tidak berhasil memformulasikan pertanyaan penelitian, (4) dan secara
umum

tidak

memahami

dengan

baik

metode

penelitian.

Saya

mencoba

memberikan gambaran ringkas dan praktis bagaimana tahapan melakukan penelitian lewat
tulisan ini. Tulisan saya buat khusus untuk mahasiswa di jurusan komputer, tapi secara umum
juga bisa digunakan untuk mahasiswa jurusan lain.

1. TENTUKAN BIDANG GARAPAN KITA (RESEARCH FIELD)

Banyak mahasiswa yang sampai detik-detik terakhir mau skripsi/tesis masih belum mengerti
akan menggeluti bidang (field) apa di disiplin ilmu computing. Ini agak mengherankan,
karena ini berarti mahasiswa tidak memahami isi mata kuliah yang 3-4 tahun dia ikuti,
sehingga akhirnya tidak mengerti minat dan ketertarikannya di bidang (filed) apa. Ketika saya
dulu mengikuti program undergraduate (S1) di Saitama University, Jepang, semester 4-5 pun
saya sudah bisa menentukan minat dan ketertarikan saya kira-kira di bidang mana. Pada
semester 5, saya juga sudah harus menentukan akan masuk ke lab penelitian apa (yang
disusun berdasarkan bidang garapan (research field)). Sebenarnya kalau kurikulum di
kampus kita sudah benar, satu mata kuliah itu menunjukkan satu cabang dari disiplin ilmu
komputer, dan otomatis menunjukkan bidang penelitian yang bisa kita garap. Cara lain untuk
melihat bidang garapan adalah dengan melihat journal ilmiah (transaction) yang ada di
asosiasi bidang computing, contohnya adalah list transaction di ACM, dan IEEE Computer
Society. Beberapa bidang garapan di disiplin ilmu computing, misalnya adalah: Software
Engineering, Data Mining (Knowledge Discovery in Database), Image Processing, Information
Retrieval, Networking, Human Computer Interaction, Soft Computing, Computational
Intelligence, dsb. Sekarang yang penting adalah segera tentukan mana bidang garapan
anda.
Sebagai contoh, saya memutuskan bahwa ketertarikan saya adalah pada bidang software
engineering. Saya lanjutkan gerakan saya ke tahap kedua, menentukan topik penelitian saya.
2. TENTUKAN TOPIK/TEMA PENELITIAN KITA (RESEARCH TOPIC)
Setelah bidang garapan ditentukan, sekarang tentukan topik penelitian kita. Cara termudah
menentukan topik atau tema penelitian kita adalah dengan membaca buku, paper, artikel
yang berjudul research trends on dengan diikuti nama bidang yang kita pilih. Contohnya
gunakan keyword: research trends on software engineering, kombinasi keyword pencarian
selain itu adalah research challenge on, research topics on, dsb. Dari beberapa paper
yang kita baca, kita akan ngerti tren penelitian di bidang yang kita garap apa saja. Kita juga
bisa menganalisa tren penelitian yang muncul di bidang garapan kita dengan melihat issue

(paling tidak sekitar 3 tahun terakhir) dari journal/transaction yang berhubungan. Beberapa
contoh paper tentang research trend di suatu bidang ada di bawah:

Liao at al., Data Mining Techniques and Applications: a Decade Review from 2000 to
2011, Expert Systems with Applications 39 (2012)

Shafay Shamail and Malik Jahan Khan, Research Trends in Software Engineering,
2008

Kitchenham

et

al., Systematic

Literature

Reviews

in

Software

Engineering, Information and Software Technology 51 (2009)

Sebagai contoh, dari membaca series IEEE Transaction on Software Engineering, dan saya
perkuat dengan tulisan Shafay Shamail dan Kitchenham di atas, saya memutuskan akan
mengambil topik penelitian tentang Software Defect/Fault Prediction. Saya lanjutkan gerakan
saya ke tahap berikutnya yaitu, menentukan masalah penelitian dari topik penelitian yang
saya pilih.
3. TENTUKAN MASALAH PENELITIAN KITA (RESEARCH PROBLEMS)
Setelah ketemu topik atau tema penelitian, kita maju lagi lebih dalam, kita harus berhasil
menemukan masalah penelitian yang ingin kita angkat dari topik penelitian tersebut. Ini
tahapan yang paling sulit dalam penelitian, dan paling memakan banyak waktu, tapi kalau
masalah penelitian sudah ketemu, jalan penelitian akan mulai terlihat. Bagaimana cara
menentukan masalah penelitian? Cara tercepat adalah membaca paper dari journal ilmiah,
dan mulai dari paper yg sifatnya review baru kemudian paper yg sifatnya technical. Note that,
paper di journal ada dua jenis. Jenis yang pertama adalah review paper, yang membahas
review atau survey suatu topik penelitian. Jenis yang kedua adalah technical paper, yang
membahas aspek teknis dari perbaikan metode/algoritma (method improvement) beserta
hasil eksperimen dan evaluasi yang telah dilakukan. Mulailah dengan membaca paper
berjenis review paper, karena akan sangat membantu kita dalam memahami topik penelitian
kita secara mendalam dan komprehensif.
Metode yang digunakan untuk mereview penelitian dan merangkumkannya dalam review
paper sudah mulai distandardkan oleh para peneliti. Di bidang ilmu software engineering,
banyak peneliti yang merujuk ke metode Kitchenham dalam membuat review paper, dan
judul menggunakan terminologi yang sama yaitu Systematic Literature Review atau
disingkat SLR. Jadi kalau kita ingin menemukan review paper yang bagus, coba searching
dengan

keyword:

systematic

literature

review,

disamping

tentunya

tetap

harus

dicoba dengan menggunakan keyword review on atau survey on, atau lebih dalam ke
masalah penelitian dengan research problem on atau research challenge on. Contoh
review paper yang baik adalah seperti di bawah. Ketika saya mengambil topik penelitian
tentang software defect/fault prediction, maka paper pertama dari Hall et al. 2012 adalah
paper yang wajib saya baca pertama kali.

Hall et al., A Systematic Literature Review on Fault Prediction Performance in

Software Engineering, IEEE Transaction on Software Engineering, Vol. 38 No 6 (2012)

Wen et al., Systematic Literature Review of Machine Learning based Software

Development Effort Estimation Models, Information and Software Technology 54 (2012)

Yang & Wu, 10 Challenging Problems in Data Mining Research, International Journal
of Information Technology & Decision Making, Vol. 5, No. 4 (2006)

Liao et al., Intrusion Detection System: A Comprehensive Review, Journal of Network

and Computer Applications 36 (2013)

Breivold et al., A systematic review of software

research, Information and Software Technology 54 (2012) 16

architecture

evolution

Jangan berhenti, kejar semua technical paper yang ada di daftar referensi review paper di
atas. Usahakan konsentrasi ke paper yang diterbitkan dalam journal yang diindex oleh ISI
(thomson) atau SCOPUS (elsevier), supaya kita tidak pusing dengan paper conference yang
kadang dibuat asal-asalan. Masalah penelitian juga kadang bisa kita temukan di bagian future
work/research yang biasanya diletakkan sebelum conclusion dari suatu paper. Masalah
penelitian

bisa

merupakan

masalah

baru,

yang

orang

belum

pernah

mencoba

memecahkannya (originality di masalah penelitian), bisa juga masalah yang sudah dicoba
dipecahkan orang dengan cara dia, dan kita ingin memecahkan masalah tersebut dengan
cara kita (originality di metode untuk memecahkan masalah) (Dawson, 2009).
Misalnya, bidang garapan saya adalah software engineering, di mana topik penelitian saya
adalah tentang prediksi cacat software (software defect prediction). Dari hasil studi literatur
(baik review paper maupun technical paper), masalah penelitian yang saya angkat ada dua,
yaitu adanya masalah noisy attributes dan class imbalance pada data set, yang akhirnya
menyebabkan akurasi dan konsistensi (kehandalan) yang rendah pada prediksi cacat
software. Saya kemudian susun landasan referensi yang memperkuat masalah penelitian
yang saya angkat. Rangkuman masalah penelitian (Research Problems (RP)) dan literatur
yang mendukung (literature supports) adalah seperti di bawah. Dari rangkuman di bawah,
terlihat bahwa masalah penelitian (research problem) yang saya angkat ada dua, saya
rangkumkan dalam RP1 (Research Problem 1) dan RP2 (Research Problem 2).

4. RANGKUMKAN METODE-METODE YANG ADA (STATE-OF-THE-ART METHODS)

Lakukan studi literatur lagi, pelajari semua penelitian yang tujuannya memecahkan masalah
yang sama dengan yang kita lakukan. Pahami metode/algoritma terkini yang mereka
gunakan untuk memecahkan masalah penelitian mereka (yang juga menjadi masalah
penelitian kita). Ini yang saya sebut dengan existing methods (metode-metode yang ada)
atau state-of-the-art methods, pada artikel sebelumnya tentang kiat menyusun latar belakang
masalah penelitian.
Dalam bidang computing, metode biasanya berupa algoritma yang secara sistematis, logis
dan matematis menyelesaikan masalah. Setiap bidang penelitian (field) di computing memiliki
metode/algoritma yang khas untuk menyelesaikan masalah di bidangnya, meskipun
beberapa kadang bias digunakan secara bersama. Contohnya pada bidang image
processing,

algoritma

neural

network

digunakan

untuk

melakukan

pengenalan

(recognition) wajah, sidik jari. dsb. Note that identification process di image processing
menganut trilogi detection-segmentation-recognition. Pada bidang data mining, algoritma
neural network biasanya dipakai untuk proses estimasi dan juga prediksi rentet waktu. Bidang
data mining biasanya membagi algoritma ke dalam 5 peran: estimasi, prediksi/forecasting,
klasifikasi, klastering dan asosiasi. Contoh lain tentang metode, ada di artikel: kiat menyusun
latar belakang masalah penelitian.
5. TENTUKAN METODE YANG KITA USULKAN (PROPOSED METHOD)
Inilah kekuatan dari penelitian kita. Kita harus bisa menentukan, membangun dan
mengusulkan suatu metode/model (proposed method/model), yg kita harapkan bisa lebih
baik bila dibandingkan dengan metode-metode yang ada saat ini. Dan keunggulan metode

yg kita usulkan tersebut harus dilandasi (reference), dibuktikan secara matematis, dan secara
empiris lewat hasil eksperimen dan perbandingan dengan metode yang adas saat ini. Metode
atau model yang kita usulkan itu tidak harus benar-benar baru, dalam artian, bisa saja
dari state-of-the-art methods yang ada dan terakhir muncul (secara publikasi adalah yang
paling baru), kita kemudian menambahkan sesuatu (algoritma, koefisien, formula, dsb),
yang akhirnya ketika kita bandingkan dengan metode original, metode kita lebih baik (lebih
cepat, lebih akurat, lebih konsisten, dsb). Penambahan yang kita lakukan dan akhirnya
membuat pemecahan masalah menjadi lebih baik itulah yang disebut dengan kontribusi
penelitian (contribution).
Setelah kita yakin dengan metode yang kita usulkan (tentu harus dilandasi secara kokoh oleh
literatur terkini), maka kita susun Research Questions (RQ) dan Research Objective (RO) dari
penelitian kita. Penelitian yang baik dan terencana harus tersusun sejak awal desain korelasi
antara RP RQ RO. Contohnya, dari RP di tahap 3, saya membuat desain penelitian saya
(korelasi RP-RQ-RO) seperti gambar di bawah. Untuk masalah noisy attributes saya
mencoba menjawab dengan mencari metode (algoritma) attribute weighting apa yang paling
baik untuk prediksi cacat software?, ini akan menjadi RQ1 saya . Setelah saya berhasil
membandingkan secara empiris berbagai metode attribute weighting yang ada. Maka saya
akan mengambil satu algoritma (metode) yang terbaik/terkini/state-of-the-art tersebut, dan
kemudian mengusulkan improvement (perbaikan) dari algoritma tersebut. Sehingga untuk
RQ2 saya, saya desain menjadi bagaimana pengaruh metode attribute weighting yang saya
usulkan (perbaiki) pada tingkat akurasi pada prediksi cacat software?. Sedangkan ROnya sendiri akan menyesuaikan dari RQ yang ada. Untuk RP2 juga secara umum mirip,
hanya bukan masalah akurasi yang saya selesaikan, tapi konsisten dan reliability
(kehandalan) dari classifier.
Jadi dapat disimpulkan bahwa desain penelitian saya terdiri dari dua masalah penelitian (RP1
dan RP2), empat pertanyaan penelitian (RQ1-RQ4) dan empat tujuan penelitian (RO1-RO4).
Desain penelitian ini akan menjaga konsistensi dan kesinkronan penelitian kita, sehingga kita
tidak bingung ketika merangkumkan penelitian kita dalam bentuk skripsi/tesis/disertasi.
Dimulai dari dua masalah penelitian di RP1-RP2, ada 4 eksperimen yang kita lakukan untuk
menjawab RQ1-RQ4, dan ada 4 kesimpulan yang akan kita tarik dari hasil penelitian yang
kita lakukan.

Dilihat dari 5 tahapan memulai penelitian di atas, kita harus banyak baca paper. Di mana
sumber literatur yang baik? Pertama coba ke google dan google scholar dulu. Untuk bidang
komputer, berlangganan ACM plus dengan digital library yang berisi jutaan paper hanya
18USD/tahun. Silakanklik di link ini untuk jadi member. Terus, kira-kira berapa paper yang
harus kita baca untuk menghasilkan penelitian yang baik? Patokan umum dan best
practice untuk melakukan penelitian yang benar, lurus dan berkualitas, untuk level s1 kita
paling tidak harus baca 20-70 paper, untuk level s2 kita sebaiknya membaca 70-200 paper,
dan untuk level s3 diperlukan literatur sekitar 200-600 paper. Ini juga sekaligus menjawab
pertanyaan mahasiswa yang sering ngeluh, banyak baca paper kok malah tambah pusing?
Silakan ikuti best practice ini, maka kepala akan nyaman. Kepala jadi pusing ternyata bukan
karena kita banyak membaca, tapi karena yang kita baca memang belum banyak