RomiSatriaWahono.Net

Lecture Notes in Computing Research and Technopreneurship
August 7th, 2012

Kiat Menyusun Kerangka Pemikiran Penelitian

by Romi Satria Wahono

Kerangka pemikiran adalah suatu diagram yang menjelaskan secara garis besar alur logika berjalannya sebuah penelitian. Kerangka pemikiran dibuat berdasarkan pertanyaan penelitian (research question), dan merepresentasikan suatu himpunan dari beberapa konsep serta hubungan diantara konsep-konsep tersebut (Polancik, 2009). Pada tesis, kerangka pemikiran biasanya diletakkan di bab 2, setelah sub bab tentang Tinjauan Studi (Related Research) dan Tinjauan Pustaka. Penamaan kerangka pemikiran bervariasi, kadang disebut juga dengan kerangka konsep, kerangka teoritis atau model teoritis (theoritical model). Seperti namanya yang beraneka ragam, bentuk diagram kerangka pemikiran juga bervariasi. Saya pernah membahas contoh kerangka pemikiran untuk penelitian dengan model pengembangan software di artikel ini. Pada artikel kali ini, saya coba sajikan beberapa model kerangka pemikiran yang bisa digunakan oleh mahasiswa untuk mengerjakan penelitian tesis.

MODEL PENELITIAN KORELASI

Gaya kerangka pemikiran penelitian yang biasa digunakan untuk model penelitian korelasi, di mana ada variabel bebas dan variabel terikat. Gregor Polančič (Polancik, 2009) memberikan contoh yang menarik sebuah kerangka pemikiran penelitian untuk model ini. Pertanyaan penelitian (research question) atau rumusan masalah pada penelitian yang dibahas (Polancik, 2009) adalah “Bagaimana pengaruh metodologi pengembangan software dan jumlah pengembang dalam tim, pada produktifitas pengembang?“. Yang dalam bahasa inggrisnya: “How does software development methodology and team size influences developers productivity?”

Komponen utama pada kerangka pemikiran yang dikembangkan Gregor Polančič (Polancik, 2009) adalah Independent Variables (variabel bebas), Dependent Variables (variabel terikat), Levels (indikator dari variabel bebas yang akan diobservasi), Measures (indikator dari variabel terikat yang akan diobservasi). Kerangka pemikiran di bawah menggambarkan alur logika penelitian dan hubungan antar konsep yang ingin diteliti. Judul yang tepat untuk penelitian ini adalah “Pengaruh metodologi pengembangan software dan jumlah pengembang dalam tim pada produktifitas pengembang.

Dapat kita lihat bahwa kerangka pemikiran menggambarkan dengan jelas semua variabel beserta indikatornya (Levels), hingga alat ukur yang digunakan (Measurements) untuk menunjukkan ada atau tidaknya korelasi antar variabel yang ingin diteliti. Dan yang paling penting, baik dalam posisi sebagai peneliti, pembimbing ataupun penguji, kita bisa memahami gambaran besar penelitian ini dengan hanya sekali pandang. Pada penelitian ini, dua variabel bebas, yaitu metodologi pengembangan software (yang diwakili oleh OSSD, RUP dan XP), dan jumlah pengembang dalam tim (yang ukurannya adalah jumlah orang), akan dilihat apakah memiliki korelasi dengan variable terikat, yaitu tingkat produktifitas pengembang (yang ukurannya adalah jumlah baris code yang dihasilkan tiap developer tiap harinya).

MODEL PENELITIAN PERBAIKAN METODE

Kerangka pemikiran yang berikutnya adalah bila model penelitian kita adalah method improvement (perbaikan metode), yang sering digunakan pada penelitian di bidang sains dan teknik, termasuk bidang computing didalamnya. Kenapa kok harus melakukan method improvement? Ini dijawab dengan baik oleh (Berndtsson et al., 2008) dan (Dawson, 2009) di buku mereka, bahwa memang research itu adalah aktifitas yang dilakukan dalam rangka memberi kontribusi yang orisinil ke pengetahuan. Dalam hal ini ketika kita memperbaiki sebuah metode atau algoritma, perbaikan yang kita lakukan adalah salah satu bentuk dari kontribusi orisinil kita ke pengetahuan.

Saya mencoba menyusun sebuah kerangka pemikiran khusus untuk model penelitian perbaikan metode, berdasarkan model (Polancik, 2007) yang sudah saya jelaskan di atas. Komponen dari model kerangka pemikiran saya adalah Indicators, Proposed Method, Objectives, dan Measurements.

Sebagai contoh, saya akan mencoba menerapkan kerangka pemikiran yang saya desain pada paper penelitian berjudul “Prediksi Produksi Padi dengan menggunakan Support Vector Machine berbasis Particle Swarm Optimization” yang ditulis oleh (Fei et al., 2009). Sebagai catatan, pada artikel sebelumnya saya juga menggunakan paper yang sama untuk memberi contoh tentang Kiat Menyusun Alur Latar Belakang Masalah Penelitian. Kerangka pemikiran untuk penelitian  (Fei et al., 2009) ini adalah seperti pada gambar di bawah.

Pada penelitian ini, data set yang digunakan adalah data set Chinese Grain yang bersifat rentet waktu (time series), yang sifatnya public dataset dan bisa didapat dari UCI repository. Sedangkan metode yang diusulkan (Proposed Method) adalah menggunakan metode support vector machine, di mana pada proses pemilihan (optimisasi) parameternya dibantu oleh algoritma particle swarm optimization. Indikator (Indicators) yang diobservasi (diadjust atau dioprek) adalah nilai population dan generation pada particle swarm optimization, serta kernel type dan iteration pada support vector machine. Tujuan (Objectives) pada penelitian ini adalah adanya peningkatan akurasi pada model, dimana pengukuran peningkatan akurasi (Measurements) akan menggunakan root mean squared error (RMSE).

Sebagai catatan, metode yang diusulkan (proposed method) yang ada di kerangka pemikiran ini adalah gambaran besarnya saja. Nantinya gambaran besar metode yang diusulkan ini, harus dijelaskan secara lebih detail dalam bentuk alur algoritma dengan ditambahi penjelasan matemathical model (formula) dari algoritma atau metode baru yang diusulkan.

Contoh penelitian lain yang bisa disusun dengan menggunakan kerangka pemikiran ini adalah penelitian di bawah ini. Coba direnungkan, kira-kira apa yang bisa kita pahami dari kerangka penelitian di bawah ini? :)

Mudah-mudahan artikel ini bisa memberi pencerahan paling tidak ke mahasiswa bimbingan saya dan juga mahasiswa lain yang sedang menyusun tesis atau skripsi. Dan sekali lagi, silakan bergabung ke grup penelitian saya di facebook Intelligent Systems Research Center, apabila ada yang perlu saya jelaskan lebih jauh. Paper (Fei et al., 2009) juga bisa didownload di halaman grup tersebut. Dan khusus untuk mahasiswa yang tidak bisa ketemu saya di darat tapi ingin mengikuti mata kuliah yang saya ajar, silakan  mendownload dan membaca semua materi kuliah saya yang tersedia di halaman Lectures.

Tetap dalam perdjoeangan!

REFERENSI

  1. Gregor Polančič, Empirical Research Method Poster, 2007
  2. Christian W. Dawson, Project in Computing and Information System a Student Guide 2nd Edition, Addison-Wesley, 2009
  3. Mikael Berndtsson, Jörgen Hansson, Björn Olsson, Björn Lundell, Thesis Projects – A Guide for Students in Computer Science and Information System 2nd Edition, Springer-Verlag London Limited, 2008
  4. Sheng-Wei Fei, Yu-Bin Miao and Cheng-Liang Liu, Chinese Grain Production Forecasting Method Based on Particle Swarm Optimization-based Support Vector Machine, Recent Patents on Engineering 2009, 3, 8-12
Category: Research

Related Articles

  1. Hakekat Penelitian
  2. Penelitian Tugas Akhir Itu Mudah (3): Menetapkan Tema dan Judul
  3. Kiat Menyusun Alur Latar Belakang Masalah Penelitian
  4. Visi dan Misi Asosiasi Pengembang Software
  5. Penelitian Tugas Akhir Itu Mudah (2): Identifikasi Masalah
  6. Teknik Memahami Paper Ilmiah
  7. Penelitian Tugas Akhir Itu Mudah (1)
  8. Tahapan Memulai Penelitian untuk Mahasiswa Galau
  9. Penerapan e-Learning dengan Model Motivasi Komunitas
  10. Forum Diskusi dan Milis APPLI
  11. Pilih Nama Asosiasi Pengembang Software Yuk!
  12. Gap Akademi dan Industri: Masalah dan Pemecahan
  13. Page Baru untuk Download Materi Mata Kuliah
  14. Teknik Pengukuran Kualitas Perangkat Lunak
  15. Menuju Kebebasan yang Membebaskan
  16. Menunggu Bill Gates Made in Indonesia
  17. Konsentrasi Game Technology
  18. Kompleksitas Komputasi Perempuan
  19. Science 2.0 dan Paradigma Baru Research Life Cycle
  20. Teknik Mempengaruhi Orang Lain

This entry was posted on Tuesday, August 7th, 2012 at 20:27 and is filed under Research. You can follow any responses to this entry through the RSS 2.0 feed. You can leave a response, or trackback from your own site.

23 Responses to “Kiat Menyusun Kerangka Pemikiran Penelitian”

  1. Nurfia Oktaviani S Says:
    August 7th, 2012 at 20:51

    Salam perdjoeangan Pak!!
    jadi ingat, masa2 itu…
    yg paling berkesan: di sms saat detik2 maju sidang,, diberikan arahan harus apa dan baiknya bagaimana,,,
    terima kasih banyak pak,,,

  2. Ridzky Says:
    August 7th, 2012 at 21:07

    pke software apa bang desain gambarnya.

  3. Aji Wibowo Says:
    August 7th, 2012 at 21:48

    akhirnya ketemu dg penjelasan kerangka pikir penelitian, saya sedang menyusun tesis dan sedang berkutat di area kerangka pikir penelitian, thanks atas sharingnya pak

  4. ace maxs Says:
    August 9th, 2012 at 10:04

    salam kenal pak.. terima kasih artikel nya sangat inspirasi

  5. ace maxs Says:
    August 9th, 2012 at 10:05

    wow amazing…terima kasih ya pak :)

  6. Romi Satria Wahono Says:
    August 10th, 2012 at 22:20

    @nurfia: selamat atas perdjoeangannya dulu mbak :)

    @ridzky: apapun ga masalah, asal diagramnya mirip seperti itu

    @aji: ok seep …

    @ace: ya salam kenal mas

  7. Anto Satriyo Nugroho Says:
    August 13th, 2012 at 20:56

    Mas Romi,
    Menarik tulisannya. Sedikit saya komentari: PCA itu bukan termasuk Feature Selection, melainkan Feature Extraction. Feature Selection bertujuan memilih subset dari input feature yang terbaik diukur dengan memakai kriteria tertentu. Sedangkan Feature Extraction bukan memilih subset, melainkan mentransformasikan seluruh feature yang dimiliki data ke ruang vektor yang lebih “informatif”. Kelemahan dari skema yang ditulis mas Romi di atas, memakai PCA untuk feature extraction membuat data beresiko kehilangan discriminatory power-nya, karena kriteria terbaik bagi PCA adalah maximizing variance. Padahal itu tidak ada kaitannya dengan discriminatory dari data. PCA dalam hal tsb. lebih ke arah kompresi, dimensionality reduction.

  8. Romi Satria Wahono Says:
    August 14th, 2012 at 5:23

    Thanks mas Anto. Aku tadinya mau ngubah skema terakhir karena faktor itu juga. Nggak pengen mahasiswa kita bingung dengan konsepsi feature extraction dan selection. Hanya aku baca banyak paper yang menggunakan PCA untuk feature selection juga mas. Di rapidminer juga ada operator untuk weighting attribute dengan PCA. Gimana menurut njenengan. Kalau memang bikin confuse, nanti aku ganti dengan feature selection method yang populer saja hehehe

  9. Anto Satriyo Nugroho Says:
    August 14th, 2012 at 12:07

    Kadang ada yang mencampurkannya sih mas Romi. Tapi masalah terminologi memang tergantung mengacunya kemana. Untuk referensi, saya kutipkan dari dua sumber ya mas.

    1) “Feature Selection: Evaluation, Application, and Small Sample Performance”, Anil K. Jain, D. Zongker, IEEE Trans.PAMI, vol. 19 no. 2, pp. 153-158, February 1997.
    “The term feature selection is taken to refer to algorithms that output a subset of the input feature set. More general methods that create new features
    based on transformations or combinations of the original feature set are termed feature extraction algorithms.”

    2) “Feature Selection and Extraction”, J. Kittler, Chap 3 of Handbook of Pattern Recognition & Image Processing, Tzay Y. Young, King-Sun Fu (Eds), Academic Press, 1986

    Dimensionality can be achieved in two different ways. One approach is to identify measurements which do not contribute to class separability, as illustrated … . The problem is then one of selecting a small subset of d features … out of the available D measurements (sensor outputs). This dimensiionality reduction process is referred to as feature selection. The redundant and irrelevant sensor outpus are simply ignored.
    The other approach is to use all the sensor outputs and map the useful information content into a lower dimensional feature space, as shown in Fig. 3. This method is referred to as feature extraction.

    ———
    Dalam hal PCA, disebut “selection” oleh beberapa literatur, mungkin karena dalam representasi data, PCA memilih eigen vector yang memiliki eigen value tinggi untuk merepresentasikan data dengan dimensi yang tinggi. Tetapi kalau kita memakai acuan di atas, PCA lebih tepat disebut feature extraction. Karena tiap eigen vector itu tidak merepresentasikan karakteristik asli dari tiap feature yang asli. Selain itu, eigen vector diperoleh dengan melakukan transformasi dengan memakai seluruh feature pada original space ke new feature space.

    Wallahu a’lam bissawab :)

  10. Romi Satria Wahono Says:
    August 15th, 2012 at 13:32

    Ada taxonomy bagus tentang dimension reduction yang dibuat Barak Chizi dan Oded Maimon di paper Dimension Reduction and Feature Selection, Data Mining and Knowledge Discovery Handbook 2nd Edition, 2010, Springer halaman 85 … Chizi & Maimon memasukkan PCA sebagai salah satu metode Variable Selection

    Di paper sebelum itu (halaman 53) Christopher J.C. Burges membahas khusus tentang feature extraction, khususnya PCA, kernel PCA, probabilistic PCA, dan oriented PCA

    BTW, kalau dirasa membingungkan mahasiswa khususnya yang research di feature selection dan feature extractin, nanti aku ubah contohnya deh, soalnya contoh kan untuk memudahkan pemahaman hehehe …

    Dan thanks banget pencerahannya mas … aku selama ini ga dapat partner diskusi yang lebih detail dan dalam masalah research, kalau diskusi politik banyak aktornya dan selalu rame padahal hahaha

  11. affanul Says:
    August 17th, 2012 at 9:20

    Thaks ms romi materinya keren-keren, :) saya juga rencana mw ambil S2 komputer mudah2an tercapai, amin lanjout…

  12. dodo sena Says:
    August 23rd, 2012 at 14:37

    mas romi, menurut mas romi
    untuk skripsi s1 teknik informatika bab iii dan bab iv sebaiknya dibahas apa?
    apa bila topiknya : perancangan, analisa

  13. dian Says:
    October 1st, 2012 at 2:57

    Pak Romi,

    Mau tanya dong, kalau penelitian kita menyangkut pembuatan suatu sistem informasi (analisa dan perancangan sistem informasi bla…bla…), ini pakai metodologi penelitian gaya apa yah? ada buku yang direkomendasikan untuk dibaca pak? terimakasih ^^

  14. wiwak wakerkwa Says:
    October 5th, 2012 at 16:56

    salamat malam sumber buku pakulatas atau toko buku sya datang untuk meminta bantuan meberikab tugas untuk menyelesaikan tugas klulian di kampus sekian dan terimah kasi

  15. Jefry Says:
    November 21st, 2012 at 11:20

    Selamat Pagi..
    Lengkap sekali apa yang dijelaskan di atas mengenai menyusun sebuah kerangka pemikiran untuk penelitian
    Sangat bermanfaat sekali..

  16. Aditya Says:
    December 3rd, 2012 at 11:40

    Menyusun Kerangka Pemikiran Penelitian sangatlah penting, untuk itu Informasi ini sangat berguna bagi mahasiswa, karena banyak juga dosen yang tidak memahami bagaimana cara penyusunan kerangka pikir, hanya berpaku pada yang penting MHS bimbingan cepat selesai saja,,, Thanks Pak,

  17. Info Berita 2013 Says:
    January 25th, 2013 at 20:14

    saya sebenarnya ingin berkomentar, namun karena saya kurang mengerti istilah istilah komputer maka mohon maaf jika komentar saya ini kurang berkenan, salam kenal saja mas romi

  18. TUGAS 1 « Rochmatul Laili Says:
    February 1st, 2013 at 15:56

    [...] Kiat Menyusun Kerangka Pemikiran Penelitian [...]

  19. Kiat Menyusun Kerangka Pemikiran Penelitian | haryokoblog Says:
    February 27th, 2013 at 18:34

    [...] sumber: http://romisatriawahono.net/2012/08/07/kiat-menyusun-kerangka-pemikiran-penelitian/ [...]

  20. Mebel Jepara Says:
    February 27th, 2013 at 21:37

    Makasih mas atas informasinya,,,
    kendala utama pasti dari diri ketika malas… sudah pasti akan terbengkalai

  21. ace maxs Says:
    February 28th, 2013 at 11:25

    wah kiatnya luar biasa banget nih, mantep masbroo. makasih banyak infonya..

  22. luke Says:
    March 18th, 2013 at 15:19

    wah…banyak metode baru untuk penelitian R&D ya

  23. Andi Saputra Says:
    April 20th, 2013 at 20:16

    terima kasih banyak pak, sangat membantu sekali terutama bagi saya yang sedng mempersiapkan proposal tesis, barakallah

Leave a Reply