Kiat Menyusun Kerangka Pemikiran Penelitian
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 PolanÄiÄ (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 PolanÄiÄ (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
- Gregor PolanÄiÄ, Empirical Research Method Poster, 2007
- Christian W. Dawson, Project in Computing and Information System a Student Guide 2nd Edition, Addison-Wesley, 2009
- Mikael Berndtsson, J̦rgen Hansson, Bj̦rn Olsson, Bj̦rn Lundell, Thesis Projects РA Guide for Students in Computer Science and Information System 2nd Edition, Springer-Verlag London Limited, 2008
- 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
Researcher & Technopreneur. Founder dan CEO
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,,,
pke software apa bang desain gambarnya.
akhirnya ketemu dg penjelasan kerangka pikir penelitian, saya sedang menyusun tesis dan sedang berkutat di area kerangka pikir penelitian, thanks atas sharingnya pak
salam kenal pak.. terima kasih artikel nya sangat inspirasi
wow amazing…terima kasih ya pak 🙂
@nurfia: selamat atas perdjoeangannya dulu mbak 🙂
@ridzky: apapun ga masalah, asal diagramnya mirip seperti itu
@aji: ok seep …
@ace: ya salam kenal mas
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.
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
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 🙂
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
Thaks ms romi materinya keren-keren, 🙂 saya juga rencana mw ambil S2 komputer mudah2an tercapai, amin lanjout…
mas romi, menurut mas romi
untuk skripsi s1 teknik informatika bab iii dan bab iv sebaiknya dibahas apa?
apa bila topiknya : perancangan, analisa
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 ^^
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
Selamat Pagi..
Lengkap sekali apa yang dijelaskan di atas mengenai menyusun sebuah kerangka pemikiran untuk penelitian
Sangat bermanfaat sekali..
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,
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
Makasih mas atas informasinya,,,
kendala utama pasti dari diri ketika malas… sudah pasti akan terbengkalai
wah kiatnya luar biasa banget nih, mantep masbroo. makasih banyak infonya..
wah…banyak metode baru untuk penelitian R&D ya
terima kasih banyak pak, sangat membantu sekali terutama bagi saya yang sedng mempersiapkan proposal tesis, barakallah
Salam kenal pak,, saya ijin menyalin tulisan “kiat menyusun kerangka pemikiran”. smoga bapak selalu di berikan kesehatan.
pak romi, saya juga sedang melakukan penelitian dengan perbaikan metode. jika saya memakai tutorial dr bapak, boleh saya tahu itu bapak ambil dasar dari buku yang mana? biar saya mempunyai dasar bukunya, bukan dari web ini saja. terimakasih
mohon pencerahannya. Saya sedang menyusun tesis ( Formulasi Strategi pengembangan makanan tradisional) ini sedang berkutat pada Kerangka Pikir Teoretis. sedang buntu…..
Thanks
terimakasih banyak penjelasannya, jadi tambah ngerti
ok…mau saya baca baca dulu2 buat persiapan ijin copas buat belajar
Aku baca jd tambahan ilmu pengettahuan jubga bray
langsung print aja dah smw tulisan bpk… butuh pemahaman ekstra 😀
Terima kasih websitenya sangat membantu sekali untuk saya.
Pak romi saya mau menanyakan barangkali punya ide untuk penelitian tentang TIK yang berdampak terhadap lingkungan (Green Computing)
share idenya untuk penelitian tesis saya tentang green computing. terima kasih
TRIMS PAK SANGAT MEMBANTU
http://fearlessyouthspirit.blogspot.com/2014/11/eco-riding-cara-hemat-bbm-tanpa-ribet.html
saya sedang mengajukan proposal tugas ahir yang berjudul studi kasus analisis peningkatan produktifitas dengan metode QCC /GKM.namun oleh dosen direvisi,agar ditambah dengan flow tentang apa yang akan saya lakukan dan hasilnya terkait judul tersebut.setiap tahapan disertai data dan alatnya.apakah ini yang disebutkerangka pikiran oleh dosen saya? terus model yang mana yang cocok dengan judul itu? bisakah dibantu dibuatkan flownya? terima kasih banyak atas waktu dan bantuanya
bingung ttng uml
super sekali jenderal….
Sangat membantu sekali pak, terima kasih.
Sedikit agak rumit nya skemanya..
tapi saya ingin belajar lebih giat lagi
Ini sangat membantu saya untuk membuat design penelitian saya. Terimakasih Pak Romi.
mantap ini artikel, terimakasih untuk yang buat artikel ini
om bisa ajarin buat Kerangka Pemikiran skripsiku. Chat Email
Hahaha jadi inget pas waktu perjuangan nyusun skripsi gan, tapi Alhamdulillah lulus meski terpaksa di luluskan wkwkwk
pak, saya lagi menyusun tesis. dan sedikit revisi di kerangka pikir, bagaimana membuat pengantar dari kerangka pikir sebelum masuk kedalam kerangka konseptual yah??
kerangka pikir howard itu bagaimana ya ?
saya sedang menyusun proposal berjudul Analisis Preferensi Pengunjung terhadap sebuah objek wisata, saya bingung dengan kerangka berpikirnya bagaimana modelnya dan metode seperti apa yang akan saya pakai, vatiabelnya yang mana saya bingung, yang saya tahu dalam penelitian ini saya ingin mengetahui bagaimana karakteristik pengunjung di objek wisata tersebut, atribut manakah yang menjadi preferensi wisatawan di objek wisata tersebut serta atribut manakah yang menjadi pertimbangan wisatawan berkunjung, atribut-atribut yang saya gunakan dalam penelitian ini yaitu daya tarik wisata, aktivitas dan atraksi wisata, aksesibilitas serta fasilitas wisata.
Terimakasih Pak Romi, sangat membantu saya untuk lebih memahami materi.
Terimakasih banyak
Sangat bermanfaat sekali pak Romi.
Semoga diberi kesehatan selalu. 🙂