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