Dari Masalah Menuju Dampak

Penegasan

Apakah jalur ini benar?

Ya—secara prinsip, jalur ini kuat. Ia selaras dengan penelitian terapan dan design science yang dapat dimulai dari identifikasi masalah dan relevansinya.

Pelurusan

Benar, dengan satu disiplin penting

Ide solusi dan kandidat teknologi boleh muncul sejak awal sebagai intuisi atau hipotesis kerja. Namun, teknologi final tidak seharusnya dikunci sebelum kebutuhan, bukti, literatur, gap, SOTA, kelayakan data, serta baseline dipahami.

Dengan demikian penelitian tetap problem-driven, bukan sekadar technology-driven.

Kerangka BR Knowledge

Sembilan tahap yang dapat diuji

Urutan ini adalah peta kerja, bukan rel lurus. Peneliti dapat kembali ke tahap sebelumnya ketika bukti baru mengubah pemahaman.

Masalah nyata

Temukan gejala, kebutuhan, hambatan, atau ketidakadilan yang benar-benar terjadi pada manusia, organisasi, atau sistem.

Output: problem context

Bukti & relevansi

Pastikan masalah bukan sekadar asumsi: gunakan data awal, observasi, wawancara, insiden, atau indikator yang dapat diverifikasi.

Output: evidence of need

Ide solusi awal

Rumuskan dugaan solusi, nilai yang ingin dihasilkan, pengguna sasaran, serta batas masalah. Belum perlu mengunci teknologinya.

Output: solution hypothesis

Pertanyaan riset

Ubah masalah menjadi pertanyaan yang spesifik, terukur, layak diteliti, relevan, dan memiliki ruang kontribusi.

Output: RQ & objectives

Literatur, gap & SOTA

Petakan apa yang sudah diketahui, metode terbaik saat ini, kelemahan bukti, konteks yang belum terlayani, dan gap yang sah.

Output: evidence map

Kontribusi & teknologi

Tetapkan novelty dan pilih metode karena cocok dengan masalah, constraint, data, risiko, biaya, serta target evaluasi.

Output: justified method

Desain eksperimen

Tentukan dataset, baseline, ablation, metrik, protokol, kontrol bias, aspek etika, serta kriteria keberhasilan sebelum menguji.

Output: evaluation protocol

Evaluasi & validasi

Uji akurasi, robustness, efisiensi, generalisasi, keterbatasan, dan—jika relevan—validasi bersama pengguna atau konteks nyata.

Output: defensible evidence

Dampak & publikasi

Tarik kesimpulan sesuai bukti, laporkan hasil secara transparan, lalu terjemahkan temuan menjadi pengetahuan, kebijakan, atau produk.

Output: knowledge & impact

Prinsip iteratif: jika literatur menunjukkan masalah telah selesai, gap tidak kuat, data tidak memadai, atau eksperimen gagal, peneliti kembali memperbaiki definisi masalah, solusi, atau metode. Perbaikan bukan kegagalan; itulah mekanisme ilmiah.

Dua orientasi penelitian

Memahami perbedaan titik keberangkatan

Sebuah penelitian dapat diperkenalkan melalui ide atau dimulai dari identifikasi masalah. Keduanya dapat digunakan, selama memiliki dasar ilmiah dan proses pembuktian yang jelas.

Aspek	“Ide → Literatur → Publikasi”	“Masalah → Solusi → Bukti → Dampak”
Titik awal	Ide atau topik penelitian	Masalah nyata dan kebutuhan yang dibuktikan
Kekuatan	Ringkas, mudah dipahami untuk pengantar umum	Kuat untuk riset terapan, rekayasa, dan design science
Risiko	Ide dapat terlalu luas atau mengikuti tren	Dapat bias solusi jika teknologi dikunci terlalu dini
Pelurusan	Pastikan ide memiliki masalah dan tujuan yang jelas	Biarkan literatur dan bukti mengoreksi ide serta pilihan teknologi
Kesimpulan	Keduanya tidak saling meniadakan. “Ide” yang baik dapat lahir dari masalah, sedangkan pendekatan berbasis masalah memperjelas asal ide, proses pembuktian, dan tujuan dampaknya.

“Penelitian tidak dimulai karena suatu teknologi sedang populer. Penelitian dimulai ketika ada masalah yang penting, bukti yang cukup, pertanyaan yang dapat diuji, dan peluang untuk menghasilkan solusi yang lebih baik.”

Masalah→Data→Pengetahuan→Solusi→Dampak

Prinsip penjaga mutu

Agar pendekatan tidak berubah menjadi pembenaran

Jangan mencari literatur hanya untuk membenarkan ide. Cari juga bukti yang menolak asumsi dan metode alternatif yang mungkin lebih sederhana.

Jangan menyamakan “belum pernah saya lihat” dengan novelty. Kebaruan harus ditunjukkan melalui pencarian yang memadai dan perbandingan yang eksplisit.

Jangan menyamakan hasil bagus dengan dampak. Kinerja teknis perlu dihubungkan dengan kebutuhan pengguna, constraint, manfaat, dan risiko implementasi.

Lima komitmen

Karakter penelitian yang ingin dibangun

Relevan

Masalah memiliki konteks, bukti, penerima manfaat, dan alasan mengapa perlu diselesaikan.

Terukur

Keberhasilan dinilai terhadap baseline, metrik, batas, dan kriteria yang ditetapkan secara jelas.

Transparan

Data, asumsi, proses, keterbatasan, hasil negatif, dan peran AI dilaporkan secara bertanggung jawab.

Dapat direplikasi

Desain, parameter, protokol, serta keputusan metodologis didokumentasikan sedapat mungkin.

Berdampak

Publikasi bukan akhir; pengetahuan diarahkan pada perbaikan sistem, keputusan, layanan, atau produk.

Terbuka untuk koreksi

Kerangka ini bukan dogma. Ia harus diperbaiki ketika bukti, praktik ilmiah, dan konteks berkembang.

Landasan metodologis

Rujukan pilihan

Peffers, K., Tuunanen, T., Rothenberger, M. A., & Chatterjee, S. (2007). A Design Science Research Methodology for Information Systems Research. Kerangka DSR mengakomodasi problem-centered initiation, penetapan tujuan solusi, desain, demonstrasi, evaluasi, dan komunikasi.
Kitchenham, B., & Charters, S. (2007). Guidelines for Performing Systematic Literature Reviews in Software Engineering. Menekankan perencanaan, pelaksanaan, dan pelaporan kajian secara sistematis.
National Institutes of Health. Enhancing Reproducibility through Rigor and Transparency. Menekankan desain, metodologi, analisis, interpretasi, dan pelaporan yang kuat serta tidak bias.
National Academies of Sciences, Engineering, and Medicine (2019). Reproducibility and Replicability in Science. Membahas rigor, transparansi, reproduksibilitas, dan replikasi dalam penelitian.

Catatan akademik: Halaman ini merupakan refleksi metodologis dan kerangka kerja praktis, bukan klaim bahwa hanya ada satu urutan penelitian yang benar. Penelitian fundamental, eksploratif, teoritis, dan serendipitatif dapat memiliki titik awal berbeda.