Research Question, Objective SMART & Hipotesis

Gambaran Umum

Pertemuan ini mengajarkan cara mengubah celah penelitian (research gap) yang sudah ditemukan dari pertemuan-pertemuan sebelumnya menjadi rancangan yang siap dikerjakan: pertanyaan penelitian (Research Question), tujuan penelitian (Research Objective) yang memenuhi kriteria SMART, hipotesis yang dapat diuji, serta pernyataan kontribusi dan batasan penelitian. Semua unsur itu dirangkai dalam satu benang merah RP → RQ → RO → Hipotesis → Kontribusi & Batasan yang nantinya menjadi isi Bab 1 proposal. Sepanjang pertemuan digunakan satu studi kasus berjalan tentang deteksi hama pada citra UAV, ditambah contoh lintas domain di akhir.

Poin Kunci untuk Diingat

• Rantai logika penelitian tidak boleh putus: RP (mengapa) → RQ (apa) → RO (bagaimana) → Hipotesis → Kontribusi & Batasan — ketidak­selarasan RQ–RO akan langsung terlihat oleh penguji di seminar proposal.
• Kualitas RQ diuji dengan FOKUS: Fokus & spesifik, Orisinal, Konkret & terukur, Urgensi jelas, dan Sesuai kemampuan; rumusan yang ideal adalah 1 RQ utama + 2–3 sub-RQ.
• RO harus SMART (Specific, Measurable, Achievable, Relevant, Time-bound — Doran, 1981), diawali kata kerja operasional, memiliki angka/kriteria, dan setiap sub-RQ minimal memiliki satu RO.
• Jenis RQ menentukan desain penelitian sekaligus kebutuhan hipotesis: deskriptif, relasional, komparatif/kausal, dan desain/rekayasa masing-masing menuntut bentuk pertanyaan dan pengujian yang berbeda.
• Hipotesis adalah jawaban sementara yang dapat disanggah: wajib untuk penelitian eksperimen komparatif dan korelasional, berbentuk klaim kinerja untuk riset rekayasa, dan umumnya tidak dipakai untuk deskriptif/eksploratif dan kualitatif.
• Secara statistik yang dilakukan adalah menolak atau gagal menolak H0 — bukan membuktikan H1 benar; pengujian komputasi yang adil menuntut beberapa run/seed, data uji yang sama, uji statistik yang sesuai, dan baseline yang tidak dilemahkan.
• Kontribusi menjawab "so what?" dan berbeda dari novelty: targetkan kebaruan yang bermanfaat, dengan 1 kontribusi utama + 1–2 pendukung untuk TA sarjana (teoretis, metodologis, empiris, atau artefak).
• Bedakan delimitasi (pilihan sadar membatasi lingkup, di Bab 1) dari limitasi (kelemahan desain yang membatasi generalisasi, di Bab 1 atau Bab 5), dan tulis batasan dengan pola nyatakan → dampak → saran penelitian lanjutan, karena batasan yang jujur justru meningkatkan kredibilitas.

Isi per Bagian

1. Pendahuluan

Capaian Pembelajaran (Sub-CPMK Pertemuan 5) Setelah pertemuan ini, mahasiswa mampu: 1. Menyelaraskan Research Problem, Question, dan Objective berbasis kriteria SMART. 2. Merumuskan hipotesis ilmiah, menjustifikasi kontribusi, dan menetapkan batasan penelitian secara presisi.

Capaian ini terkait dengan: - CPMK1001 — Sikap ilmiah dalam merancang solusi: RQ dan RO menentukan desain penelitian. - CPMK1004 — Sikap ilmiah dalam mendokumentasikan: rumusan yang dibuat hari ini menjadi isi Bab 1 proposal.

Kilas Balik & Jembatan — Dari Matriks ke Pertanyaan Modal yang sudah dimiliki dari pertemuan sebelumnya: - P2: pernyataan masalah dan jenis research gap. - P3: koleksi literatur terkurasi di Zotero. - P4: matriks State of the Art (SotA), paragraf sintesis, dan pernyataan posisi riset.

Yang dilakukan hari ini: - Gap → pertanyaan yang dapat dijawab. - Pertanyaan → tujuan yang dapat dikerjakan. - Tujuan → hipotesis yang dapat diuji. - Ditutup dengan kontribusi dan batasan.

Pesan kuncinya: celah yang terlihat di matriks SotA belum menjadi penelitian sampai ia dirumuskan sebagai pertanyaan yang dapat dijawab dengan bukti.

Rantai Logika Penelitian — Satu Benang Merah

Urutan rantainya adalah:

Research Problem (RP) → Research Question (RQ) → Research Objective (RO) → Hipotesis → Kontribusi & Batasan

• RP menjawab "mengapa?" — masalah dan celah yang membuat penelitian perlu dilakukan.
• RQ menjawab "apa?" — pertanyaan spesifik yang akan dijawab dengan bukti.
• RO menjawab "bagaimana?" — langkah kerja terukur untuk menjawab RQ.

Jika satu mata rantai putus — misalnya RO tidak menjawab RQ — penguji akan langsung melihatnya di seminar proposal.

Studi Kasus Berjalan — Melanjutkan Matriks P4 Studi kasus yang dipakai sepanjang pertemuan berasal dari matriks SotA: - Studi A dan D: akurat pada objek kecil, tetapi modelnya berat. - Studi B dan E: ringan dan sudah diuji di perangkat edge, tetapi lemah pada objek kecil. - Belum ada studi yang memenuhi sekaligus: ringan + objek kecil + citra UAV + uji edge.

Pernyataan masalahnya (dari P2) pada intinya menyatakan: meskipun detektor satu tahap yang ringan sudah mampu berjalan di perangkat edge, akurasinya turun tajam pada hama berukuran kecil di citra UAV lahan lokal, sehingga serangan hama terlambat terdeteksi. Ilustrasi ini dipakai untuk menurunkan RQ, RO, hipotesis, kontribusi, dan batasan.

2. Research Question

Apa Itu RQ? — Kompas Seluruh Penelitian Definisi kerja: RQ adalah kalimat tanya yang jelas, fokus, dan dapat dijawab dengan bukti, yang merangkum inti dari apa yang ingin diketahui oleh penelitian.

Fungsi RQ dalam empat aspek: - Fokus — mencegah penelitian melebar ke mana-mana. - Lingkup — menetapkan apa yang diteliti dan apa yang tidak. - Metode — jenis pertanyaan menentukan desain penelitian. - Tolok ukur — penelitian dianggap berhasil jika RQ terjawab secara meyakinkan.

Jenis Pertanyaan Penelitian — Menentukan Desain Studi

Jenis	Pola Pertanyaan	Contoh Informatika (dari slide)
Deskriptif	Apa / bagaimana karakteristik …?	Apa pola serangan yang paling sering muncul pada log server kampus?
Relasional	Apakah ada hubungan antara X dan Y?	Apakah frekuensi akses LMS berkorelasi dengan nilai akhir?
Komparatif / kausal	Apakah X lebih baik dari Y pada …?	Apakah model A lebih akurat dari model B pada dataset yang sama?
Desain / rekayasa	Bagaimana merancang X agar memenuhi Y?	Bagaimana merancang detektor ringan yang tetap akurat pada objek kecil?

Menurut Shaw (2003), riset rekayasa perangkat lunak umumnya bertanya tentang metode pengembangan, metode analisis, desain sistem tertentu, generalisasi, atau kelayakan.

Kriteria RQ: FOKUS — Uji Sebelum Dipakai Lima kriteria yang disingkat FOKUS: - F — Fokus & spesifik: variabel, objek, dan konteks jelas. - O — Orisinal: menambah sesuatu terhadap pustaka (dicek lewat matriks SotA). - K — Konkret & terukur: jawabannya dapat diamati atau diukur. - U — Urgensi jelas: penting secara teoretis atau praktis. - S — Sesuai kemampuan: realistis dengan waktu, data, dan perangkat yang tersedia.

Tanda RQ bermasalah: - Dapat dijawab "ya" atau "tidak" tanpa penelitian. - Jawabannya sudah ada di buku teks. - Memuat kata kabur seperti "efektif", "bagus", atau "optimal" tanpa ukuran. - Membutuhkan data yang tidak mungkin diakses.

RQ Utama & Sub-RQ — Memecah Pertanyaan Besar RQ utama pada studi kasus menanyakan sejauh mana penambahan modul deteksi objek kecil pada detektor YOLO berukuran nano meningkatkan akurasi deteksi hama pada citra UAV lahan lokal, tanpa melampaui batas latensi untuk inferensi di perangkat edge. RQ utama itu dipecah menjadi: - Sub-RQ 1: Berapa selisih mAP objek kecil antara model usulan dan baseline YOLO-n? - Sub-RQ 2: Berapa latensi per citra model usulan pada Jetson Orin Nano? - Sub-RQ 3: Komponen modul mana yang paling berpengaruh (melalui ablation)?

Aturan praktis: 1 RQ utama + 2–3 sub-RQ. Lebih dari itu biasanya terlalu luas untuk satu Tugas Akhir.

RQ Buruk vs Baik — Dari Kabur ke Fokus

Bidang	Kabur	Fokus & Terukur
Visi komputer	Bagaimana AI mendeteksi penyakit?	Seberapa akurat CNN mengklasifikasikan citra rontgen paru menjadi normal, pneumonia bakterial, dan viral?
NLP	Bisakah ML membaca sentimen?	Model mana (SVM, IndoBERT) yang memberi F1-macro tertinggi untuk sentimen tiga kelas ulasan berbahasa Indonesia?
Algoritma	Bagaimana mempercepat pencarian?	Apakah A* dengan heuristik Manhattan lebih cepat dari Dijkstra pada peta grid 1000 × 1000?
IoT	Bagaimana IoT membuat kota pintar?	Seberapa cepat sistem MQ-135 + MQTT memberi peringatan dini polusi di area industri?

Diskusi: Draf RQ — Lima Menit Mandiri Tantangannya: 1. Ambil pernyataan masalah dari P2 dan baris "Penelitian Ini" dari matriks SotA P4. 2. Tulis satu RQ utama. 3. Pecah menjadi 2–3 sub-RQ yang terukur. 4. Periksa dengan kriteria FOKUS.

Pertanyaan uji yang menyertainya: data apa yang akan menjawab RQ ini; bisakah teman menebak metode hanya dari RQ; dan apa yang terjadi jika jawabannya "tidak".

3. Research Objective & SMART

Dari RQ ke RO — Pertanyaan Menjadi Aksi Analogi perjalanan: - RP adalah alasan bepergian. - RQ adalah alamat tujuan yang diketik di GPS. - RO adalah petunjuk belok demi belok untuk sampai ke sana.

Definisi kerja: RO adalah pernyataan deklaratif tentang apa yang akan dilakukan secara konkret untuk menjawab RQ, diawali kata kerja operasional. Perbedaan pokoknya: RQ berakhir dengan tanda tanya, sedangkan RO berakhir dengan luaran yang dapat diperiksa. Setiap sub-RQ minimal punya satu RO.

Kriteria SMART — Doran (1981)

Kriteria	Pertanyaan Uji	Lemah → Kuat (contoh dari slide)
Specific	Apa tepatnya yang dihasilkan?	"Meningkatkan sistem" → "Menambahkan modul objek kecil pada YOLO-n"
Measurable	Dengan ukuran apa?	"Membuat lebih akurat" → "Menaikkan mAP@0,5 objek kecil ≥ 5 poin"
Achievable	Realistis dengan sumber daya?	Data tersedia, GPU kampus cukup, keahlian ada
Relevant	Menjawab RQ yang mana?	Setiap RO dipetakan ke satu sub-RQ
Time-bound	Kapan selesai?	Sesuai jadwal TA: 2 semester, dirinci per tahap

Kata Kerja Operasional — Hindari Kata Kabur Kata kerja yang digunakan: - Mengidentifikasi, menganalisis kebutuhan. - Merancang, mengembangkan, membangun. - Mengimplementasikan, mengintegrasikan. - Mengukur, membandingkan, mengevaluasi. - Memvalidasi dengan pengguna atau pakar.

Yang dihindari: - "Memahami", "mengetahui", "mempelajari" — tidak dapat diperiksa. - "Melakukan studi literatur" — itu aktivitas, bukan hasil. - "Membuat sistem yang bagus" — tanpa ukuran. - Kalimat pasif, misalnya pemahaman yang "akan didapatkan".

Contoh RO SMART — Studi Kasus Berjalan Tujuan penelitian pada studi kasus: 1. Membangun dataset citra UAV hama dari lahan lokal (≥ 1.500 citra beranotasi) dengan protokol pelabelan yang terdokumentasi — terkait Sub-RQ 1. 2. Merancang modul deteksi objek kecil pada YOLO-n dan mengukur mAP@0,5 objek kecil terhadap baseline — terkait Sub-RQ 1. 3. Mengukur latensi inferensi model pada Jetson Orin Nano dengan target ≤ 100 ms per citra — terkait Sub-RQ 2. 4. Menganalisis kontribusi tiap komponen modul melalui studi ablation — terkait Sub-RQ 3.

Setiap RO memiliki kata kerja operasional, angka atau kriteria, dan peta ke sub-RQ.

Matriks Keselarasan RQ–RO — Cek Benang Merah

Sub-RQ	Research Objective	Bukti / Metrik	Muncul di Bab
RQ1	Merancang modul objek kecil, membandingkan dengan baseline	mAP@0,5 objek kecil, presisi, recall	Bab 3 (desain), Bab 4
RQ2	Mengukur latensi di perangkat edge	ms per citra, FPS, memori	Bab 3 (setup), Bab 4
RQ3	Menganalisis kontribusi komponen	Tabel ablation	Bab 4 (pembahasan)

Konsekuensi ketidak­selarasan: - RO yang tidak terhubung ke RQ mana pun → hapus, atau ubah menjadi aktivitas di Bab 3. - RQ yang tidak punya RO → penelitian tidak akan menjawabnya.

Kesalahan Umum RO — Sering Ditemui Penguji - Terlalu ambisius — contohnya membangun AI yang menyelesaikan masalah logistik Indonesia. - Mengulang RQ — RQ hanya diubah dari kalimat tanya menjadi kalimat berita, tanpa dipecah menjadi langkah. - Aktivitas, bukan hasil — contohnya "melakukan studi literatur"; seharusnya diganti menjadi perbandingan beberapa arsitektur untuk menentukan baseline. - Tanpa ukuran — contohnya "meningkatkan performa sistem"; seharusnya disebutkan performa apa, diukur dengan apa, dan berapa targetnya.

Diskusi: Checklist SMART — Validasi Berpasangan Langkahnya: 1. Tulis 3–4 RO dari RQ masing-masing. 2. Tukar dengan teman sebelah. 3. Teman mengisi checklist (kata kerja operasional? ada ukuran/angka? data & alat tersedia? terpetakan ke sub-RQ? masuk jadwal TA?) dengan tanda ✓ / –. 4. Perbaiki setiap sel yang belum ✓.

4. Hipotesis Penelitian

Apa Itu Hipotesis? — Jawaban Sementara Teruji Definisi kerja: hipotesis adalah pernyataan formal, spesifik, dan dapat diuji tentang hubungan atau perbedaan yang diharapkan antara variabel — "jawaban sementara" terhadap RQ yang diturunkan dari teori dan pustaka.

Peran hipotesis: - Memberi arah — mempersempit fokus pada variabel yang diukur. - Jembatan — diturunkan dari pustaka, diuji dengan data empiris. - Dasar kesimpulan — hasil uji menjadi landasan objektif untuk menarik kesimpulan.

Kapan Perlu Hipotesis? — Bergantung Jenis RQ

Jenis Penelitian	Hipotesis	Catatan
Eksperimen komparatif	Wajib	Membandingkan metode, model, atau perlakuan
Korelasional	Wajib	Hubungan antarvariabel diuji secara statistik
Rekayasa / desain sistem	Dalam bentuk klaim kinerja	Klaim kinerja terukur terhadap baseline atau kebutuhan
Deskriptif / eksploratif	Umumnya tidak	Cukup RQ dan RO
Kualitatif	Tidak	Hipotesis justru dihasilkan dari data, bukan diuji

Peringatannya: jangan memaksakan hipotesis statistik pada RQ deskriptif, karena hipotesis yang dipaksakan sering tidak dapat diuji.

Hipotesis Nol & Alternatif — Dua Sisi Koin - Hipotesis Nol (H0): menyatakan tidak ada perbedaan, pengaruh, atau hubungan yang signifikan. Contoh dari slide: tidak terdapat perbedaan signifikan rata-rata waktu proses pesanan antara metode manual dan sistem baru. - Hipotesis Alternatif (H1): menyatakan ada perbedaan, pengaruh, atau hubungan — boleh berarah. Contoh dari slide: rata-rata waktu proses pesanan dengan sistem baru lebih rendah secara signifikan dibanding metode manual.

Secara statistik, kita hanya dapat menolak H0 atau gagal menolak H0 — bukan "membuktikan H1 benar".

Ciri Hipotesis Baik — Dapat Diuji dan Disanggah Empat ciri: 1. Variabel jelas: independen (perlakuan) dan dependen (ukuran). 2. Definisi operasional: setiap istilah punya cara ukur. 3. Dapat disanggah: ada hasil data yang akan membuktikannya salah (Popper, 1959). 4. Berbasis pustaka: alasan dugaan dapat ditunjuk di matriks SotA.

Contoh hipotesis lemah dari slide: "sistem baru akan lebih baik" (lebih baik dalam hal apa?), "model usulan akan optimal" (tidak dapat disanggah), dan "pengguna akan puas" (tanpa instrumen dan ambang).

Dari RQ ke Hipotesis — Studi Kasus Berjalan Untuk Sub-RQ 1 (selisih mAP objek kecil antara model usulan dan baseline YOLO-n): - H0: tidak terdapat perbedaan signifikan mAP@0,5 objek kecil antara model usulan dan YOLO-n pada data uji citra UAV lahan lokal. - H1 (berarah): mAP@0,5 objek kecil model usulan lebih tinggi secara signifikan dibanding YOLO-n pada data uji yang sama.

Untuk Sub-RQ 2, hipotesisnya berbentuk klaim kinerja: latensi model usulan ≤ 100 ms per citra pada Jetson Orin Nano — diuji dengan pengukuran berulang.

Menguji Hipotesis Komputasi — Bukan Satu Angka Praktik yang dianjurkan: - Ulangi pelatihan dengan beberapa seed (misalnya 5 run), laporkan rerata ± simpangan baku. - Pakai data uji yang sama untuk semua model. - Pilih uji statistik yang sesuai: McNemar atau 5×2 cv t-test untuk dua classifier (Dietterich, 1998); Wilcoxon / Friedman untuk banyak dataset (Demšar, 2006).

Jebakan umum: - Satu run, lalu selisih +0,3% diklaim "signifikan". - Data uji ikut dipakai saat tuning (leakage). - Baseline dilatih dengan setelan yang lebih lemah.

Detail uji statistik dibahas lagi di Pertemuan 10 (VV&T). Untuk pertemuan ini cukup dipahami bahwa hipotesis harus bisa diuji dengan desain yang adil.

5. Kontribusi Penelitian

Kontribusi: Menjawab "So What?" — Nilai Tambah Penelitian Definisi kerja: kontribusi adalah nilai tambah orisinal yang diberikan penelitian kepada ilmu pengetahuan, praktik, atau masyarakat — hal yang tetap bermanfaat setelah Tugas Akhir selesai.

Perbedaan tingkatnya, dengan contoh dari slide: - Aktivitas: "Membangun website e-commerce untuk UMKM." - Hasil: "Website memproses 100 transaksi per jam." - Kontribusi: "Alur checkout baru yang menurunkan cart abandonment rate 15% pada UMKM."

Empat Jenis Kontribusi di Bidang Komputasi - Teoretis: kerangka kerja, model konseptual, atau taksonomi baru. - Metodologis: algoritma, metode, arsitektur, atau adaptasi cerdas metode yang ada. - Empiris: bukti dan wawasan baru dari eksperimen, studi kasus, atau survei. - Artefak: perangkat lunak, prototipe, dataset, atau benchmark yang dapat dipakai ulang.

Satu TA sarjana umumnya punya 1 kontribusi utama + 1–2 pendukung. Kontribusi tidak harus revolusioner, tetapi harus jelas dan dapat diperiksa.

Templat Pernyataan Kontribusi — Isi Lima Slot Templatnya pada intinya berbunyi: kontribusi utama penelitian ini adalah [jenis kontribusi] yang mengatasi [celah spesifik]; penelitian ini mengusulkan [solusi/temuan], yang menunjukkan [keunggulan terukur] dibanding [pembanding]; hasil ini bermanfaat bagi [pengguna/komunitas].

Contoh pada studi kasus: - Metodologis: modul deteksi objek kecil untuk detektor ringan yang menaikkan mAP objek kecil tanpa melampaui 100 ms di perangkat edge. - Artefak: dataset citra UAV hama lahan lokal beranotasi yang dirilis terbuka. - Empiris: analisis ablation tentang komponen yang paling berpengaruh pada objek kecil.

Kontribusi vs Novelty — Dua Hal Berbeda - Novelty (kebaruan) berfokus pada keaslian: "Apakah ini pernah dilakukan?" Contohnya klaim pertama kali membuat antrean puskesmas dengan blockchain. - Kontribusi berfokus pada nilai dan dampak: "Apa yang menjadi lebih baik?" Contohnya antrean berbasis blockchain yang menghilangkan manipulasi nomor antrean dan menyediakan jejak audit yang tidak dapat diubah.

Targetkan kontribusi yang memiliki kebaruan — bukan kebaruan tanpa manfaat. Klaim "belum pernah ada" wajib didukung matriks SotA.

6. Batasan Penelitian

Delimitasi vs Limitasi — Pilihan vs Keterbatasan - Delimitasi (Batasan Masalah): pilihan sadar peneliti untuk memfokuskan lingkup; ditulis di Bab 1. Contoh dari slide: penelitian ini hanya mendeteksi tiga jenis hama padi pada citra UAV dengan ketinggian terbang 10–20 m. - Limitasi (Keterbatasan): kelemahan desain yang membatasi generalisasi hasil, sering di luar kendali peneliti; ditulis di Bab 1 atau Bab 5. Contoh dari slide: data hanya diambil dari dua kabupaten pada musim kemarau.

Mengapa Jujur Membatasi? — Integritas dan Kredibilitas - Integritas: menunjukkan peneliti memahami konteks dan kelemahan desainnya. - Mencegah generalisasi berlebih: pembaca tahu di mana hasil berlaku dan di mana tidak. - Membuka future work: setiap limitasi adalah calon penelitian lanjutan. - Kredibilitas: penguji lebih percaya pada klaim yang dibatasi dengan jujur.

Kaitannya dengan P4: kolom Keterbatasan di matriks SotA berasal dari limitasi yang ditulis peneliti lain — kini giliran mahasiswa menulisnya sendiri.

Jenis Batasan Umum dalam Riset Informatika - Data: sampel kecil atau tidak representatif; label tidak akurat atau bias; satu lokasi atau satu sumber. - Desain: durasi studi singkat; pembanding terbatas; metode pengumpulan data tertentu (misalnya survei daring). - Sumber daya: GPU atau sensor terbatas; API atau perangkat lunak berbayar; akses ke pengguna atau pakar terbatas.

Menulis Batasan Efektif — Nyatakan, Dampak, Saran Tiga langkah: 1. Nyatakan batasannya secara lugas. 2. Jelaskan dampaknya pada validitas atau generalisasi. 3. Sarankan arah penelitian lanjutan.

Contoh dari slide mengikuti pola itu: seluruh citra diambil dari dua kabupaten di Lampung pada musim kemarau (pernyataan); hal ini membatasi generalisasi model ke kondisi pencahayaan dan jenis lahan lain (dampak); penelitian lanjutan disarankan menguji model pada data lintas musim dan lintas provinsi (saran).

Hal yang bukan batasan penelitian: pernyataan seperti aplikasi dibuat dengan Python atau menggunakan laptop pribadi — itu detail implementasi yang tidak memengaruhi validitas hasil.

7. Contoh Lintas Domain

Bagian ini menunjukkan rantai RP–RQ–RO–Hipotesis–Kontribusi–Batasan yang lengkap pada tiga domain berbeda: Analisis Sentimen (Machine Learning/NLP), QoS Jaringan (Rekayasa Jaringan), dan Aplikasi AR (Multimedia & Interaksi). Rincian ketiganya dicantumkan pada bagian "Contoh / Studi Kasus dari Slide" di bawah.

8. Aktivitas & Penutup

Aktivitas Kelas Singkat — Rantai Logika Anda (Misi 20 Menit) 1. Tulis RP (satu kalimat formula P2) dan RQ utama + sub-RQ. 2. Turunkan RO SMART untuk setiap sub-RQ. 3. Jika RQ komparatif atau korelasional, tulis H0 dan H1. 4. Tulis satu kalimat kontribusi dan dua batasan. 5. Tukar dengan teman: apakah benang merah RP → RQ → RO tetap utuh?

Alat periksanya adalah checklist SMART dan matriks keselarasan dari slide sebelumnya. Ketentuan Worksheet 5 dicantumkan pada bagian "Tugas / Worksheet / Latihan" di bawah.

Ringkasan & Jembatan — Menuju Presentasi Proposal Intisari Pertemuan 5: 1. RQ mengubah celah menjadi pertanyaan fokus yang dapat dijawab dengan bukti; RO SMART mengubahnya menjadi langkah kerja terukur. 2. Hipotesis adalah dugaan yang dapat disanggah — wajib untuk RQ komparatif/korelasional, dan berbentuk klaim kinerja untuk riset rekayasa. 3. Kontribusi menjawab "so what?"; batasan yang jujur membuat klaim dapat dipercaya.

Preview Pertemuan 6: RP → RQ → RO adalah jantung pitching proposal, yang dilanjutkan dengan teknik presentasi ilmiah & menghadapi tanya jawab kritis.

Referensi Perkuliahan Referensi yang dicantumkan di slide: Creswell & Creswell (2018) tentang desain penelitian kualitatif, kuantitatif, dan mixed methods; Dawson (2009) tentang proyek komputasi dan sistem informasi; Demšar (2006) tentang perbandingan statistik classifier pada banyak dataset; Dietterich (1998) tentang uji statistik untuk membandingkan algoritma pembelajaran klasifikasi; Doran (1981) tentang SMART; Popper (1959) The Logic of Scientific Discovery; Shaw (2003) tentang penulisan makalah riset rekayasa perangkat lunak; dan Wahono (2020) tentang metodologi riset bidang komputer.

Istilah & Konsep Kunci

Istilah	Definisi Singkat
Research Problem (RP)	Masalah dan celah yang membuat penelitian perlu dilakukan; menjawab "mengapa?"
Research Question (RQ)	Kalimat tanya yang jelas, fokus, dan dapat dijawab dengan bukti, merangkum inti yang ingin diketahui penelitian; menjawab "apa?"
RQ Utama & Sub-RQ	RQ utama adalah pertanyaan besar penelitian, yang dipecah menjadi 2–3 sub-RQ yang lebih terukur
Kriteria FOKUS	Uji kualitas RQ: Fokus & spesifik, Orisinal, Konkret & terukur, Urgensi jelas, Sesuai kemampuan
Research Objective (RO)	Pernyataan deklaratif tentang langkah konkret untuk menjawab RQ, diawali kata kerja operasional dan berakhir dengan luaran yang dapat diperiksa; menjawab "bagaimana?"
SMART	Kriteria RO menurut Doran (1981): Specific, Measurable, Achievable, Relevant, Time-bound
Kata Kerja Operasional	Kata kerja yang hasilnya dapat diperiksa, misalnya merancang, mengukur, membandingkan, mengevaluasi, memvalidasi
Matriks Keselarasan RQ–RO	Tabel pemetaan sub-RQ ke RO, bukti/metrik, dan bab tempatnya muncul, untuk memeriksa benang merah penelitian
Hipotesis	Pernyataan formal, spesifik, dan dapat diuji tentang hubungan atau perbedaan yang diharapkan antarvariabel; jawaban sementara terhadap RQ dari teori dan pustaka
H0 (Hipotesis Nol)	Pernyataan tidak ada perbedaan, pengaruh, atau hubungan yang signifikan
H1 (Hipotesis Alternatif)	Pernyataan ada perbedaan, pengaruh, atau hubungan; boleh berarah
Klaim Kinerja	Bentuk hipotesis pada riset rekayasa/desain sistem: klaim terukur terhadap baseline atau kebutuhan
Kontribusi Penelitian	Nilai tambah orisinal penelitian bagi ilmu pengetahuan, praktik, atau masyarakat; jawaban atas pertanyaan "so what?"
Novelty (Kebaruan)	Keaslian suatu penelitian (apakah pernah dilakukan), berbeda dari kontribusi yang menekankan nilai dan dampak
Delimitasi	Pilihan sadar peneliti untuk memfokuskan lingkup penelitian; ditulis di Bab 1
Limitasi	Kelemahan desain yang membatasi generalisasi hasil, sering di luar kendali peneliti; ditulis di Bab 1 atau Bab 5
Studi Ablation	Analisis kontribusi tiap komponen dengan menguji pengaruh masing-masing komponen modul/sistem
Leakage	Kebocoran data, misalnya data uji ikut dipakai saat tuning, yang membuat pengujian tidak adil
mAP@0,5	Metrik akurasi deteksi objek (mean Average Precision pada ambang IoU 0,5) yang dipakai pada studi kasus untuk objek kecil

Contoh / Studi Kasus dari Slide

Studi Kasus Berjalan: Deteksi Hama pada Citra UAV

Studi kasus ini diturunkan dari matriks SotA P4 (studi A–E) dan dipakai di semua bagian pertemuan:

• Gap: studi yang ada terbelah antara akurat pada objek kecil tetapi berat (A, D) dan ringan serta teruji di edge tetapi lemah pada objek kecil (B, E); belum ada yang memenuhi ringan + objek kecil + citra UAV + uji edge sekaligus.
• RQ utama: sejauh mana penambahan modul deteksi objek kecil pada detektor YOLO berukuran nano meningkatkan akurasi deteksi hama pada citra UAV lahan lokal, tanpa melampaui batas latensi inferensi di perangkat edge.
• Sub-RQ: (1) selisih mAP objek kecil model usulan vs baseline YOLO-n; (2) latensi per citra pada Jetson Orin Nano; (3) komponen modul yang paling berpengaruh (ablation).
• RO SMART: membangun dataset citra UAV hama lahan lokal ≥ 1.500 citra beranotasi dengan protokol pelabelan terdokumentasi; merancang modul deteksi objek kecil pada YOLO-n dan mengukur mAP@0,5 objek kecil terhadap baseline; mengukur latensi pada Jetson Orin Nano dengan target ≤ 100 ms per citra; menganalisis kontribusi tiap komponen melalui studi ablation.
• Hipotesis Sub-RQ 1: H0 menyatakan tidak ada perbedaan signifikan mAP@0,5 objek kecil antara model usulan dan YOLO-n pada data uji yang sama; H1 (berarah) menyatakan mAP@0,5 model usulan lebih tinggi secara signifikan. Untuk Sub-RQ 2, hipotesisnya berupa klaim kinerja latensi ≤ 100 ms per citra pada Jetson Orin Nano.
• Kontribusi: metodologis (modul deteksi objek kecil untuk detektor ringan yang menaikkan mAP objek kecil tanpa melampaui 100 ms di edge), artefak (dataset citra UAV hama lahan lokal beranotasi yang dirilis terbuka), dan empiris (analisis ablation komponen yang paling berpengaruh pada objek kecil).
• Batasan (contoh penulisan efektif): seluruh citra diambil dari dua kabupaten di Lampung pada musim kemarau, sehingga generalisasi ke kondisi pencahayaan dan jenis lahan lain terbatas; penelitian lanjutan disarankan menguji model pada data lintas musim dan lintas provinsi.

Contoh Lintas Domain 1: Analisis Sentimen — Machine Learning (NLP)

• RP: ribuan ulasan produk per hari tidak dapat dianalisis manual; model leksikon gagal menangkap bahasa informal.
• RQ: model mana (Naive Bayes, SVM, IndoBERT) yang memberi F1-macro tertinggi untuk sentimen tiga kelas ulasan berbahasa Indonesia?
• RO: (1) menyusun dan membersihkan dataset ulasan; (2) melatih tiga model; (3) mengevaluasi F1-macro dengan 5-fold CV; (4) membandingkan hasil dengan uji statistik.
• H1: F1-macro IndoBERT lebih tinggi secara signifikan dibanding SVM dan Naive Bayes.
• Kontribusi: empiris — perbandingan terkontrol model klasik vs Transformer untuk ulasan informal berbahasa Indonesia.
• Batasan: ulasan dari satu platform e-commerce dan satu kategori produk.

Contoh Lintas Domain 2: QoS Jaringan — Rekayasa Jaringan

• RP: lalu lintas video streaming di jaringan kampus menurunkan kualitas layanan aplikasi akademik.
• RQ: seberapa efektif kebijakan QoS berbasis Hierarchical Token Bucket (HTB) meningkatkan throughput e-learning saat beban video tinggi?
• RO: (1) merancang klasifikasi lalu lintas; (2) mengonfigurasi HTB di router laboratorium; (3) menyimulasikan beban dengan dan tanpa QoS; (4) membandingkan throughput, latensi, dan packet loss.
• H1: throughput e-learning dengan HTB lebih tinggi secara signifikan dibanding tanpa QoS pada beban yang sama.
• Kontribusi: artefak + empiris — konfigurasi QoS teruji untuk profil lalu lintas kampus.
• Batasan: diuji di testbed laboratorium, bukan jaringan produksi.

Contoh Lintas Domain 3: Aplikasi AR — Multimedia & Interaksi

• RP: manual perakitan furnitur 2D sulit dipahami sehingga pengguna sering salah merakit.
• RQ: apakah panduan perakitan berbasis AR mengurangi waktu perakitan dan jumlah kesalahan dibanding manual cetak?
• RO: (1) memodelkan komponen 3D dan animasi langkah; (2) membangun aplikasi AR marker-based; (3) melakukan studi pengguna dua kelompok; (4) membandingkan waktu dan jumlah kesalahan.
• H1: rata-rata waktu perakitan kelompok AR lebih rendah secara signifikan dibanding kelompok manual cetak.
• Kontribusi: empiris — bukti efek panduan AR pada tugas perakitan nyata.
• Batasan: satu model furnitur; partisipan mahasiswa.

Contoh Perbandingan Lain dari Slide

• RQ buruk vs baik pada empat bidang (visi komputer, NLP, algoritma, IoT) — lihat tabel pada bagian Research Question.
• H0/H1 waktu proses pesanan — contoh pasangan hipotesis nol dan alternatif tentang rata-rata waktu proses pesanan metode manual vs sistem baru, pada bagian Hipotesis Penelitian.
• Aktivitas vs hasil vs kontribusi — contoh website e-commerce UMKM yang membedakan aktivitas membangun website, hasil 100 transaksi per jam, dan kontribusi alur checkout baru yang menurunkan cart abandonment rate 15%.

Tugas / Worksheet / Latihan

Worksheet 5 — Rumusan Rantai Logika

Luaran yang dikumpulkan: - RP, RQ utama, dan sub-RQ rencana TA. - RO SMART yang terpetakan ke sub-RQ. - Hipotesis (H0 / H1) bila jenis RQ menuntut. - Pernyataan kontribusi, delimitasi, dan limitasi.

Ketentuan: - Topik sesuai rencana Tugas Akhir dan matriks SotA Worksheet 4. - Dikerjakan melalui kuis Moodle. - Tenggat: Rabu, 21 Oktober 2026, 23.59 WIB.

Latihan / Diskusi di Kelas

• Diskusi Draf RQ (5 menit mandiri): mengambil pernyataan masalah dari P2 dan baris "Penelitian Ini" dari matriks SotA P4, menulis satu RQ utama, memecahnya menjadi 2–3 sub-RQ terukur, lalu memeriksanya dengan kriteria FOKUS.
• Diskusi Checklist SMART (validasi berpasangan): menulis 3–4 RO dari RQ sendiri, menukarnya dengan teman sebelah untuk dicek dengan checklist SMART, lalu memperbaiki setiap sel yang belum terpenuhi.
• Aktivitas Kelas Singkat (Misi 20 Menit): menulis RP dan RQ utama + sub-RQ, menurunkan RO SMART untuk setiap sub-RQ, menulis H0 dan H1 jika RQ komparatif/korelasional, menulis satu kalimat kontribusi dan dua batasan, lalu menukarnya dengan teman untuk memeriksa keutuhan benang merah RP → RQ → RO, dengan alat periksa checklist SMART dan matriks keselarasan.