Contoh Hubungan Research Problem (RP) dengan Research Question (RQ)

Dalam melakukan penelitian, peneliti mesti men-state Masalah Penelitian (Research Problem, RP) dan Pertanyaan Penelitian (Research Question, RQ) dengan valid, clear dan kontributif. Keduanya harus ada hubungan yang jelas.

Berikut saya ambil contoh RP-RQ dari salah satu penelitian Pak Romi Satria Wahono, (Wahono, R. S., & Herman, N. S. (2014). Genetic feature selection for software defect prediction. Advanced Science Letters, 20(1), 239-244.) mudah-mudahan bisa menjadi contoh buat kita semua.

---

RP: “Noisy attribute predictors and imbalanced class distribution of software defect datasets have resulted in inaccuracy of classification models”

RQ: “How does the integration between genetic algorithm based feature selection and bagging technique affect the accuracy of software defect prediction?”

---

Note: Hubungan diantara keduanya  diberikan dalam warna font yang bersesuaian.

RP: biru -> masalah/penyebab | ungu -> obyek masalah | hijau -> akibat/dampak dari masalah

RQ: biru -> model/metode yang diajukan | ungu -> obyek penelitian  | hijau -> hasil/evaluasi/pengukuran penelitian

Kesesuaian:

• Model/metode yang diajukan harus sesuai dengan masalah/penyebab dari masalah
• hasil/evaluasi/pengukuran penelitian harus sesuai dengan akibat/dampak dari masalah
• obyek penelitian harus sesuai dengan obyek masalah

Demikian, semoga membantu.

Cara Cek Jurnal Berkualitas

Bagi para peneliti, sumber/referensi tulisan yang baik berasal dari paper-paper yang dipublikasikan pada jurnal yang baik pula. Saat ini terdapat 2 peng-index jurnal di dunia ini yang terkenal dan disegani, yaitu ISI Thomson Reuters dan Scopus. ISI Thomson Reuters mengeluarkan JIF (Journal Impact Factor) sedangkan Scopus mengeluarkan SJR (Scimago Journal Rank). Namun, saat ini praktisnya, kita dapat menggunakan Scopus. Karena Scopus memberikan layanan pengecekan jurnal secara web dan gratis.

Untuk mengecek jurnal berikualitas, ketik: www.scimagojr.com, maka akan masuk ke page berikut:

kemudian ketikkan nama jurnal yang hendak dicari, bisa lengkap atau sebagian saja, misal saya ingin mencari jurnal “Advanced Science Letters”, saya ketikkan “advanced science”, hasilnya:

Hasilnya, ternyata ada, itu artinya jurnal “Advanced Science Letters” ter-index Scopus. Jika tidak ada, berarti tidak ter-index Scopus. Kemudian kita juga bisa melihat detil informasi dari jurnal yang bersangkutan dengan meng-klik tulisan jurnal tersebut (yang berwarna biru). Berikut hasilnya:

Hasilnya: jurnal “Advanced Science Letters (ASL)” memiliki nilai SJR=0.14. Kemudian ASL juga memiliki 7 kategori bidang keilmuan yang paper-papernya dipublikasikan, antara lain: Engineering, Energy, Education, Environmental Science, Mathematics, Health dan Computer Science. Dimana bidang Engineering dan Energy berada di Q3 sementara yang lainnya ada di Q4.

Scopus dalam menilai jurnal membuat klusterisasi kualitas jurnal dengan istilah Quartile, dengan 4 Quartile, yaitu Q1, Q2, Q3 dan Q4. Dimana Q1 adalah kluster paling tinggi atau paling utama dari sisi kulitas jurnal dikuti Q2, Q3 dan Q4 dibawahnya.

Itulah sekulimit cara kita mengecek apakah sebuah paper yang akan kita gunakan itu berkualitas atau kurang berkualitas. Utamakan paper-paper yang dipublikasikan pada jurnal yang ter-index Scopus.

Demikian, semoga membantu.

Riset: Jika skala ukur bisa tinggi tipe-nya, maka tinggi-lah!

Di beberapa (kalau tidak mau disebut banyak) rancangan penelitian mahasiswa, banyak saya jumpai mahasiswa memilih nominal sebagai skala ukur suatu variabel.

Ketika saya tanya, kenapa Anda memilih nominal, ternyata jawabannya karena (sebagian besar) alasan sebagai berikut:

1. di beberapa buku variabel tersebut penyajiannya kategorik
2. mereka melihat banyak di hasil karya ilmiah mahasiswa sebelumnya menggunakan teknik yg sama
3. (hanya) ingin melihat uji hubungan (which is using chi-square as its statistics test).

Nah, dari jawaban tersebut, saya bisa memahami bahwasanya kawan-kawan mahasiswa tersebut lack of understanding (gagal faham, meminjam istilah kawan saya) terkait: tipe data, alat uji statistika, tujuan/kedalaman analisa data statistik.

Kok gitu, bagaimana penjelasannya?

1) Tipe Data

Di statistika, tipe data ada 4, berikut datanya, dari yang terrendah hingga tertinggi derajatnya

1. Nominal, hanya label (ini tipe data paling rendah)
2. Ordinal, label + ada tingkatan, namun tidak jelas jarak antar tingkatan
3. Interval, sudah ada tingkatan dan jelas jarak antar tingkatan, tapi tidak punya nol mutlak
4. Rasio, jarak antar tingkatan jelas dan punya nol mutlak (rajanya tipe data)

Nah, kok ada tipe data lebih tinggi dan lebih rendah, semacem hierarki? Alasannya, terkait dengan kedalaman analisa data yang bisa diberikan oleh data/variabel dengan tipe tsb (see point 3). Kemudian yang kedua adalah, variabel dengan tipe data yang lebih tinggi dapat dengan mudah diubah menjadi variabel dengan tipe data yang lebih rendah. Contoh variabel usia, tipe nya rasio (misal: 10 tahun, 15 tahun, 35 tahun, dst), dapat dengan mudah dibuat menjadi nominal (misal: muda dan tua). Tetapi variabel dengan tipe data yang lebih rendah tidak bisa di”naikkan” menjadi variabel dengan tipe data yang lebih tinggi. (contoh, usia: muda dan tua, bagaimana ubahnya jadi angka tahun usia?). (ini adalah alasan #1 dari judul tulisan ini)

2) Alat uji statistika

Variabel dengan tipe data yang rendah terbatas alat uji statistika yang bisa digunakan.

• Nominal: uji hubungan (chi-square)
• Ordinal: uji hubungan (korelasi rank-spearman atau korelasi kendall)
• Interval/rasio: uji hubungan (korelasi pearson), uji pengaruh (regresi linier), uji beda (uji t, uji f)

dari alat uji statistika yang bisa digunakan, terlihat bahwa variabel dengan tipe data yang lebih tinggi dapat menggunakan alat uji statistika yang lebih banyak pilihannya. (ini alasan #2 dari judul tulisan ini)

3) Tujuan/kedalaman analisa data statistik

Sejalan dengan point 2 diatas, variabel dengan tipe data yang rendah terbatas alat uji statistika yang bisa digunakan, berujung pada analisa data yang terbatas pula. (ini alasan #3 dari judul tulisan ini)

Ambil contoh di uji hubungan:

• Nominal: uji hubungan (chi-square), hanya sebatas ada tidaknya hubungan; tidak dapat memberikan analisa lebih dalam lagi.
• Ordinal: uji hubungan (korelasi rank-spearman atau korelasi kendall), sudah dapat memberikan analisa lebih dalam, yaitu sejauh/seerat apa hubungan yang terjadi dan arah hubungannya (+ atau -)
• Interval/rasio: uji hubungan (korelasi pearson),  sudah dapayt memberikan analisa lebih dalam, yaitu sejauh/seerat apa hubungan yang terjadi dan arah hubungannya (+ atau -).

Dari point 1, 2 dan 3 diatas, maka penting untuk mempertimbangkan tipe data yang akan dipilih. Maka, jika bisa tipe datanya lebih tinggi, maka lebih tinggi lah!

Demikian, semoga bisa membantu.

Riset? Penelitian?…apaan tuh?

Yap, riset sering menjadi barang aneh nan “menyulitkan” terutama untuk mahasiswa tingkat akhir. Sulit karena sebenarnya belum mengerti apa sejatinya riset.

Menurut Dawson (2009), riset adalah “a considered activity which aims to make an orginal contribution to knowledge…”

Jadi kalau di sarikan, maka riset adalah:

• considered activity, aktivitas/kegiatan/pekerjaan yang penuh perhitungan/pertimbangan
• original, asli/orisinil/belum pernah ada sebelumnya
• contribution to knowledge, kontribusi ke ilmu pengetahuan

Jadi yang namanya riset itu adalah kontribusinya ke ilmu pengetahuan, bukan ke masyarakat/negara. Parameter kontribusi bukan negara apalagi kota, tapi dunia karena ilmu pengetahuan itu batasannya ya, dunia ini.

Lalu yang ke negara/masyarakat apa? Nah, ini disebut manfaat riset. Jadi manfaat adalah hal baik yang datang setelah kontribusi tadi terpenuhi.

Demikian, semoga membantu…

—————————

Dawson, C.W., 2009. Project in Computing and Information System a Student Guide 2nd Ed, Harlow, England: Pearson Education Limited.

Riset: “Jangan terjebak di-OBYEK”

Obyek di dalam riset itu adalah sebagai testbed, sarana untuk menguji model atau metode yang kita usulkan di dalam penelitian. Jadi yang utama di dalam penelitian itu adalah model/metode/pendekatan yang kita usulkan untuk memecahkan suatu masalah tertentu.

Nah, masalah yang ingin dipecahkan ini ada di obyek yang kita teliti. Disinilah harus hati-hati jangan sampai terjebak di-obyek. Sebagai contoh, ada seorang mahasiswa S2 Kesehatan Masyarakat (Kesmas)..(ini contoh aja ya…), misalnya ingin meneliti tentang: “Pengaruh kepemimpinan, iklim kerja dan motivasi terhadap kinerja staff dosen di sebuah sekolah tinggi ilmu kesehatan (STIKES)”.

Dari judul penelitiannya, kalo di-urai terkait komponen risetnya, maka:

• pendekatan riset: kuantitatif dengan uji pengaruh
• model: (kepemimpinan, iklim kerja, motivasi) -> (kinerja)
• obyek: staff dosen di STIKES

Pertanyaan kritisnya:

1. Dimana “warna” S2 Kesmas-nya di model tsb? (modelnya sangat dekat ke mahasiswa S2 MM)
2. Betul obyeknya related with S2-Kesmas, tapi coba pikirkan sekali lagi, kalau model yg di propose tersebut saya “cemplungin” ke staff dosen Fakultas Sastra, bisakan; atau saya “cemplungin” ke staff pekerja di pabrik sepatu, bisa juga kan…

Itulah yang saya sebut “terjebak” di obyek penelitian. Seolah-olah risetnya sudah sesuai, nyatanya???

Mari kita tilik contoh penelitian berikut (ini sekedar contoh), masih di S2 Kesmas, dengan judul: “Pengaruh pengetahuan, dukungan tenaga kesehatan dan motivasi terhadap perilaku pencegahan ca-serviks pada wanita di kawasan industri”.

Dari judul penelitiannya, kalo di-urai terkait komponen risetnya, maka:

• pendekatan riset: kuantitatif dengan uji pengaruh
• model: (pengetahuan, dukungan tenaga kesehatan, motivasi) -> (perilaku pencegahan ca-serviks)
• obyek: wanita di kawasan industri

Secara model, oke karena ada relasinya dengan jurusan kuliahnya, kalo kita lihat obyeknya, itu kan ga mesti ada relasinya dengan S2-Kesmas-nya. Tapi, yang menyebabkan judul riset ini lebih accepted dari pada judul yang pertama, karena modelnya, bukan obyeknya.

Jadi, obyek riset itu “hanyalah” testbed, sarana kita menguji model yang kita usulkan untuk diteliti. Obyek penelitian tidak harus relevan dengan jurusan kuliah kita. Saya ambil contoh, misal mahasiswa S2-TI (Teknik Informatika), judul riset: “Integrasi PSO untuk optimisasi parameter SVM untuk prediksi produksi jagung di Indonesia”. Nah, ini kan secara obyek bukan TI lagi tapi ke pertanian (produksi jagung), namun yg membuat riset ini valid adalah di modelnya; dimana model tersebut mem-propose PSO sebagai parameter optimizer-nya algoritma SVM.

Demikan, semoga membantu…