Tahapan Memulai Penelitian  

1. Pilih satu metode atau algoritma yg menarik

Tidak perlu dulu pikirkan bidang atau topik, yang penting kita tertarik di suatu algoritma dan ingin research tentang itu. Nanti bidang dan topik bisa kita tentukan dari obyek penelitian paper-paper journal yang kita jadikan rujukan utama.

2. Cari paper-paper journal yang melakukan perbaikan metode

Pada paper-paper itu pasti menampilkan masalah dari algoritma yg membuat dia memutuskan untuk memperbaikinya. Teknik mencari paper journal bisa dengan fasilitas advanced search dan pilih pencarian hanya untuk title dari paper.

3.Tentukan masalah penelitian kita

Pahami apa yang diangkat menjadi masalah penelitian di paper-paper tersebut. Apabila ada yang kesulitan menentukan apa itu masalah penelitian. Langkah berikutnya adalah, pilih satu atau dua masalah yang kira-kira menarik bagi kita dan banyak dibahas oleh para peneliti, dan jadikan itu sebagai masalah penelitian kita. Jangan lupa rangkumkan paper-paper yang mengangkat masalah yg sama (ini bisa jadi related research).

4. Pelajari dan pahami algoritma yang kita pilih

Usahakan bisa menguasai dengan baik penghitungan manual dari algoritma tersebut. Dan coba dengan mengambil satu atau dua studi kasus, supaya pemahaman kita sempurna. Cek lagi apakah masalah penelitian yang kita pilih di tahapan 3 itu fenomenanya benar-benar terjadi secara nyata ketika kita menjalan algoritma tersebut untuk suatu studi kasus. Bila gagal memahami formula dari algoritma, googling untuk menemukan source code dari algoritma yang kita jadikan topik penelitian.

5. Pikirkan ide dan solusi kita untuk menyelesaikan masalah itu (proposed method)   

Ini dia yang paling sulit dari penelitian kita. Dan inilah yang disebut dengan method improvement itu. Kontribusi keilmuwan kita ditentukan dari metode yang kita usulkan dalam perbaikan metode. Ide perbaikan metode ini bisa saja terinspirasi dari cara yang dilakukan peneliti lain (dari hasil langkah2), tetapi dengan alur yang berbeda, dengan menambahkan suatu proses, dengan menambahkan suatu koefisien, atau bisa saja dengan menggabungkan berapa metode yang diusulkan oleh peneliti lain. 

Mind Map untuk Memahami Topik Penelitian 

Setelah kita berhasil menetapkan bidang dan topik penelitian, dan membaca banyak (puluhan atau ratusan) literatur, baik buku atau paper journal, baik yang berbentuk technical paper atau survey paper, maka waktunya untuk menggambarkan peta pengetahuan tentang topik penelitian yang telah kita pilih. Untuk menyajikan topik penelitian dalam satu gambar, banyak teknik yang bisa kita gunakan, salah satunya yang paling mudah dipahami adalah Mind Map.

Mind Map dibuat oleh Tony Buzan tahun 1974. Mind Map didasarkan pada cara kerja otak kita menyimpan informasi. Hasil penelitian menunjukkan bahwa otak kita menyimpan informasi  dalam sel-sel saraf dalam bentuk cabang-cabang, sehingga bila dilihat sekilas akan tampak seperti bentuk pohon dengan cabang dan rantingnya. Mind Map membantu kita untuk memahami suatu hal yang kompleks, cukup dengan satu gambar. Sifatnya yang divergen, dan membentuk cabang dan ranting dalam bentuk hierarki, membantu kita secara alami dan pelan-pelan membuat peta pemikiran tentang  suatu hal. Banyak software yang bisa digunakan untuk membuat Mind Map, diantaranya yang berlisensi open source adalah FreeMind dan XMind. 

Software defect prediction saya letakkan di tema utama pada Mind Map. Kemudian saya mulai menganalisa dan mengumpulkan sub tema dalam bidang software defect prediction, dan kemudian saya jadikan cabang dari tema utama di Mind Map. Saya putuskan sub tema atau cabang di sekitar tema utama software defect prediction adalah sebagai berikut:

• Journal apa saja yang sering mempublikasi paper di topik software defect prediction. Ini akan jadi gambaran journal apa saja yang sebaiknya kita kejar untuk referensi penelitian kita (Journal Publications)
• Sub topik penelitian apa saja yang dikerjakan di penelitian software defect prediction. Bagian ini memberi gambaran, sub topik apa yang sebaiknya kita pilih untuk penelitian kita (Research Topics)
• Dataset apa yang sering digunakan pada penelitian software defect prediction. Bagian ini memberi gambaran dataset apa yang bisa kita gunakan di bidang yang kita teliti (Software Defect Datasets)
• Metode prediksi apa saja yang sering digunakan pada software defect prediction. Bagian ini sangat penting karena kita bisa memahami state-of-the-art methods pada topik penelitian kita (Defect Prediction Methods)
• Masalah penelitian apa saja yang sering diangkat oleh para peneliti di bidang software defect prediction. Panduan kita untuk menyusun masalah penelitian yang akan kita ambil beserta landasannya (Research Problems)

Kemudian saya mulai mendetailkan masing-masing sub tema, dan bila diperlukan saya lebih detailkan dalam bentuk sub sub tema. Saya lakukan satu persatu dimulai dari membuat listing Journal Publications,

Untuk penelitian yang berkualitas, gunakan paper dari journal yang terindeks ISI atau SCOPUS saja, supaya terhindar dari paper abal-abal dan tidak jelas isinya. Sebaiknya menghindari literatur di level bawah seperti conference proceedings, kecuali memiliki nilai SJR atau JIF yang tinggi. Cek suatu journal terindeks SCOPUS atau tidak melalui situs ScimagoJR.Com

Apabila ada bagian yang memerlukan penjelasan lebih banyak, saya sisipkan catatan atau notes , dan penjelasan saya tulis di notes tersebut. XMind menyediakan fitur benama Notes, dan memberi icon seperti gambar di bawah.

Setiap tema, sub tema dan sub sub tema dari Mind Map, saya landasi dengan paper journal yang berhubungan. File PDF dari paper saya sisipkan dalam bentuk attachment. Kebiasaan untuk memberi nama file dengan aturan LASTNAME – TITLE – YEAR pada paper yang kita download, akan membuat Mind Map kita menjadi lebih rapi dan enak dilihat.

Mind Map untuk topik penelitian software defect prediction berhasil saya selesaikan. 

Dengan menyusun Mind Map tentang topik penelitian kita, pemahaman kita lebih komprehensif, peta pengetahuan tergambar dalam bentuk gambar yang mudah dipahami. Kita bisa menjelaskan apapun pertanyaan tentang topik penelitian kita dengan lugas, beserta landasan literatur yang berhubungan. Kita juga memahami di mana posisi penelitian (research position) kita. Metode Mind Map ini juga bisa kita gunakan ketika kita membuat draft untuk menulis paper, membuat bahan presentasi, dan juga ketika kita ingin membuat outline dari thesis yang akan kita tulis.

Tahap Memulai Penelitian 

1. Tentukan Bidang Garapan (Research Field)

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.

2. Tentukan Topik/Tema Penelitian (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.

3. Tentukan Masalah Penelitian (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.

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”.  

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). 

4. Rangkuman 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

5. Tentukan Metode yang Kita Usulkan (Proposed Method) 

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 RO-nya 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.

Kiat Menyusun Alur Latar Belakang Masalah Penelitian   

Kiat 1: Paham Dua Gaya Research di Bidang Computing

Sebelumnya perlu dipahami bahwa gaya penelitian di bidang komputer (computing) secara umum terbagi dua yaitu gaya Computer Science (CS) dan gaya Information Systems (IS) (Berndtsson et al., 2008). CS memiliki karakteristik penelitian dan isu berhubungan dengan core technology dan perbaikan metode (method improvement). Sedangkan penelitian IS lebih cenderung ke arah isu tentang interaksi teknologi dan sosial, termasuk diantaranya mengukur dan menganalisa kesuksesan penerapan teknologi dan sistem informasi. Tulisan kali ini akan lebih cenderung ke alur latar belakang masalah penelitian bergaya CS, meskipun tetap bisa digunakan untuk penelitian IS. 

Kiat 2: Menjawab Semua Pertanyaan Why di Judul

Latar belakang masalah penelitian akan menjawab semua pertanyaan MENGAPA (WHY) dari judul penelitian kita. Untuk mempermudah penjelasan, saya akan gunakan, terjemahkan dan revisi paper penelitian (Fei et al, 2008) untuk contoh paper yang kita bahas. Karena judul penelitiannya adalah Prediksi Produksi Padi dengan menggunakan Support Vector Machine berbasis Particle Swarm Optimization, maka latar belakang masalah harus bisa menjawab pertanyaan:

1. mengapa padi?
2. mengapa prediksi produksi padi?
3. mengapa support vector machine?
4. mengapa particle swarm optimization?

Bagaimana cara menguraikan jawaban dari pertanyaan 1-4, akan disajikan dalam contoh latar belakang masalah di bawah.

Kiat 3: Pola Alur dan Pokok Pikiran Paragraf

Kunci dari keberhasilan menyusun latar belakang masalah penelitian seberapa komprehensif kita merangkumkan penelitian kita. Tulisan yang baik adalah bahwa dengan hanya membaca latar belakang masalah, orang langsung bisa memahami, apa yang kita lakukan pada penelitian kita. Untuk bisa mencapai itu, pokok pikiran seluruh paragraf pada latar belakang masalah penelitian harus memuat dan mengikuti 6 pola alur berikut. Untuk mempermudah mengingat, saya biasanya menggunakan singkatan OMKKMASASOLTU.

1. obyek penelitian (O)
2. metode-metode yang ada (M)
3. kelebihan dan kelemahan metode yang ada (KK)
4. masalah pada metode yang dipilih (MASA)
5. solusi perbaikan metode (SOL)
6. rangkuman tujuan penelitian (TU)

Contoh penerapan pola OMKKMASASOLTU ini, akan cepat dipahami melalui contoh latar belakang masalah yang saya uraikan di bawah.

Kiat 4: Belajar Menulis dengan ATM

Cara paling cepat dan manjur supaya kita mahir menulis paper ilmiah dan tesis adalah dengan melakukan ATM (Amati-Tiru-Modifikasi). Banyak baca paper, lihat bagaimana para peneliti menuliskan hasil penelitian mereka, tiru alurnya tapi tidak nyontek kalimatnya, dan modifikasi pelan-pelan di tulisan yang kita buat. Jangan lupa memilih paper yang dipublikasikan di journal yang berkualitas, karena sudah menjadi rule-of-thumb dalam dunia penelitian bahwa 80-90% paper ilmiah di dunia ini disajikan dengan buruk. Paling tidak supaya tidak tersesat dalam studi literatur, patokan paper yang berkualitas adalah masuk di journal yang terindeks oleh ISI atau SCOPUS, dan memiliki nilai skor yang tinggi untuk penghitungan Journal Impact Factor, Eigenfactor Score, Scimago Journal Rank, atau Source Normalized Impact per Paper.

Kiat 5: Rumusan Masalah dan Tujuan Penelitian

Ketika kita telah berhasil menyusun latar belakang masalah yang baik seperti di atas, masalah dan tujuan penelitian sudah pasti dapat kita rangkumkan dengan baik. Di Indonesia masalah penelitian, biasanya dirangkumkan dalam format identifikasi masalah (problem statement) dan rumusan masalah (research question). 

sumber: http://romisatriawahono.net