Hakikat Penelitian Ilmiah & Tugas Akhir Pendidikan Vokasi
Belajar meneliti bukan sekadar membuat aplikasi atau merakit alat. Kita belajar menemukan masalah, memilih solusi, mengumpulkan bukti, dan menyusun rencana Tugas Akhir yang dapat dipertanggungjawabkan.
Apa yang akan kamu kuasai?
Di akhir BAB 1, kamu diharapkan mampu menghubungkan masalah di bidang komputer dengan cara kerja penelitian ilmiah dan menjelaskan bentuk proposal Tugas Akhir (TA) D3.
Memahami
Ilmu pengetahuan, penelitian, metode ilmiah, dan berpikir berbasis bukti.
Membedakan
Penelitian dasar, terapan, pengembangan, dan proyek teknologi.
Merencanakan
Etika, dokumen akademik, serta kerangka BAB I, II, dan III proposal TA.
Lihat peta konsep BAB 1
Ilmu pengetahuan, penelitian, dan metode ilmiah
Mengetahui sesuatu dari pengalaman tidak sama dengan membuktikannya melalui prosedur ilmiah. Misalnya, pemilik toko berkata, “Stok sering tidak cocok.” Itu pengamatan awal, bukan kesimpulan penyebab.
Apa yang diketahui?
Informasi dari pengalaman, pengamatan, belajar, atau sumber lain.
Apa yang perlu diperiksa?
Penyelidikan terencana dengan pertanyaan, data, metode, analisis, dan simpulan.
Bagaimana memeriksanya?
Cara berpikir dan bekerja yang menghubungkan pertanyaan dengan bukti secara dapat ditelusuri.
Bagan alur metode ilmiah
Gambar 1.1 — Alur sederhana; proses nyata dapat berulang saat temuan menunjukkan perlunya perbaikan metode.
✗ Klaim belum cukup
“Aplikasi ini lebih baik karena tampilannya modern.”
✓ Klaim dapat diuji
“Aplikasi dinilai melalui pengujian ketepatan transaksi dan waktu penyusunan laporan, sesuai kriteria yang ditetapkan.”
Empat kebiasaan berpikir ilmiah
Kritis
Tanyakan: adakah penjelasan lain?
Logis
Hubungkan masalah, tujuan, metode, dan indikator.
Sistematis
Susun langkah dan dokumentasi yang jelas.
Berbasis bukti
Pisahkan data, informasi, dan kesimpulan.
Contoh: klaim aplikasi lambat
Seorang mahasiswa mendengar bahwa sistem reservasi laboratorium “selalu lambat”. Ia perlu menanyakan siapa pengguna yang terdampak, kapan kelambatan terjadi, kondisi jaringan, dan cara mengukur waktu respons. Tidak cukup langsung menyalahkan perangkat server.
Uji cara berpikirmu: 100 akun, apakah aplikasi pasti bermanfaat?
Belum tentu. Jumlah akun terdaftar tidak sama dengan penggunaan efektif atau manfaat. Kita perlu indikator tambahan seperti pengguna aktif, keberhasilan tugas, waktu penyelesaian proses, atau umpan balik pengguna dengan metode yang jelas.
Tujuh ciri penelitian ilmiah yang baik
Penelitian tidak harus memakai alat mahal atau analisis statistik rumit. Yang terpenting ialah prosesnya masuk akal dan dapat diperiksa.
Masalah jelas
Pertanyaan spesifik, bukan sekadar “membuat aplikasi”.
Bukti relevan
Data cocok dengan masalah dan tujuan.
Prosedur terbuka
Langkah kerja, alat, dan kondisi dijelaskan.
Jujur dan objektif
Hasil yang tidak sesuai harapan tetap dilaporkan.
Dapat ditelusuri
Proses dan pengujian dapat diperiksa atau diulang dalam kondisi sepadan.
Memiliki batasan
Temuan satu lokasi tidak otomatis berlaku pada semua tempat.
Dikomunikasikan
Metode, temuan, dan sumber dilaporkan dengan jelas.
Penelitian dasar, terapan, dan pengembangan
Perbedaan utamanya bukan pada nama perangkat, melainkan pada tujuan kegiatan dan cara memperoleh pengetahuan (OECD, 2015).
Penelitian dasar
Memperluas pengetahuan tentang prinsip atau mekanisme fenomena tanpa sasaran penerapan khusus secara langsung.
Contoh: mengkaji sifat atau perilaku algoritma.
Penelitian terapan
Menjawab kebutuhan atau persoalan spesifik melalui penyelidikan dan evaluasi.
Contoh: menilai cara mengurangi selisih stok UMKM.
Pengembangan eksperimental
Melakukan pekerjaan sistematis untuk mencipta atau menyempurnakan produk/proses, disertai unsur ketidakpastian teknis dan pengetahuan baru.
Contoh: menyempurnakan metode kalibrasi sensor.
Apakah setiap pembuatan aplikasi termasuk R&D?
Tidak. Membuat aplikasi standar dengan prosedur rutin belum tentu memenuhi kriteria penelitian dan pengembangan menurut OECD. Namun, proyek pengembangan sistem dapat menjadi TA yang layak jika sesuai pedoman kampus dan melibatkan analisis masalah, desain, serta evaluasi yang sistematis. Jangan memaksakan label R&D pada seluruh proyek teknologi.
Apa yang khas dari Tugas Akhir D3?
Pendidikan vokasi menekankan penguasaan keterampilan dan penerapannya pada kebutuhan nyata. Karena itu, TA D3 sebaiknya relevan, realistis, operasional, terukur, terdokumentasi, dan etis.
Komputerisasi Akuntansi
Transaksi, laporan, persediaan, penggajian, kontrol, dan otomasi akuntansi.
Manajemen Informatika
Aplikasi web/mobile, basis data, pelayanan informasi, antarmuka, dan fungsi sistem.
Teknik Komputer
Perangkat keras, sensor, IoT, jaringan, sistem tertanam, dan pengujian kinerja.
Skala TA tidak perlu terlalu luas. Contohnya, aplikasi stok bisa dibatasi pada satu gudang; sistem reservasi pada satu laboratorium; prototipe IoT pada satu ruang server. Batasan yang jelas membantu penelitian lebih layak dilaksanakan.
Dari masalah dunia kerja ke pertanyaan penelitian
Masalah nyata dapat ditemukan di UMKM, kantor, sekolah, laboratorium, layanan publik, atau ruang server. Tetapi, keluhan belum sama dengan bukti penyebab masalah.
Gambar 1.2 — Identifikasi masalah berbasis kesenjangan antara kondisi saat ini dan kondisi yang diharapkan.
✗ Terlalu cepat
“Semua pencatatan manual pasti buruk, jadi harus dibuat aplikasi.”
✓ Lebih ilmiah
“Proses pencatatan perlu diamati untuk mengetahui frekuensi kesalahan, dampak, dan kebutuhan perbaikan.”
Apa saja bukti awal yang boleh dikumpulkan?
Misalnya alur proses kerja, dokumen yang telah mendapat izin, hasil pengamatan, daftar kebutuhan, wawancara, dan hasil pengukuran teknis. Jangan mengambil data pelanggan, gaji, identitas pribadi, kredensial, atau konfigurasi jaringan rahasia tanpa dasar dan persetujuan yang sah.
Penelitian ≠ proyek teknologi ≠ pengembangan produk
Ketiganya sering saling terhubung, tetapi menekankan pertanyaan berbeda.
| Kegiatan | Pertanyaan utama | Bukti atau luaran |
|---|---|---|
| Penelitian | Apa persoalannya, metode apa yang tepat, dan apa simpulannya? | Pertanyaan, data, analisis, evaluasi, keterbatasan |
| Proyek teknologi | Bagaimana pekerjaan selesai sesuai spesifikasi? | Produk, pelaksanaan, dan penerimaan |
| Pengembangan produk | Bagaimana solusi dirancang, diuji, lalu diperbaiki? | Rancangan, versi produk, dan hasil pengujian |
Contoh penerapan kerangka design science
Dalam pendekatan Design Science Research Methodology atau DSRM, Peffers dkk. (2007) menjelaskan enam aktivitas yang dapat dipakai untuk penelitian berbasis artefak teknologi.
Bedakan empat dokumen akademik
| Dokumen | Fungsi | Status kegiatan |
|---|---|---|
| Laporan praktikum | Mencatat latihan prosedur dan hasilnya | Praktik telah dilakukan |
| Laporan proyek | Menjelaskan pengerjaan dan produk | Proyek dilaksanakan |
| Proposal TA | Meyakinkan pembaca bahwa rencana TA layak | Rencana yang akan dikerjakan |
| Laporan TA | Mempertanggungjawabkan proses dan hasil TA | Pelaksanaan dan hasil sesungguhnya |
Contoh kalimat proposal dan laporan yang benar
Proposal: “Pengujian akan dilakukan pada skenario transaksi masuk dan keluar untuk menilai ketepatan perhitungan saldo stok.”
Laporan TA: “Pengujian dilakukan pada skenario transaksi masuk dan keluar, kemudian hasilnya dibandingkan dengan perhitungan acuan.”
Jangan memasukkan angka keberhasilan yang belum diperoleh ke dalam proposal.
Etika akademik dan penggunaan AI generatif
Integritas ilmiah menuntut kejujuran data, pengakuan karya orang lain, kepatuhan lisensi, perlindungan privasi, serta tanggung jawab atas setiap klaim. AI generatif dapat membantu belajar, tetapi bisa keliru dan tidak boleh menggantikan verifikasi sumber.
✅ Praktik yang dianjurkan
Mencatat data asli; memberikan sitasi; meminta izin akses; menyamarkan informasi sensitif; menguji kode dan referensi yang dihasilkan AI.
⛔ Praktik yang dilarang
Merekayasa wawancara; menghapus hasil uji gagal demi “hasil bagus”; menyalin tanpa sitasi; mengunggah data rahasia; mengutip referensi AI yang tidak ditemukan.
Gambar 1.3 — Empat pemeriksaan sebelum memanfaatkan AI generatif.
Contoh pernyataan penggunaan AI untuk proposal
“Penulis menggunakan AI generatif untuk membantu memeriksa kejelasan bahasa dan mengembangkan alternatif pertanyaan awal. Seluruh sumber pustaka, data, dan keputusan metodologis diperiksa dan dipertanggungjawabkan oleh penulis.”
Catatan: sesuaikan pernyataan dengan penggunaan sebenarnya dan ketentuan institusi.
Anatomi proposal Tugas Akhir D3
Proposal menjawab empat pertanyaan: apa masalahnya, mengapa penting, teori apa yang mendukung, dan bagaimana pekerjaan akan dilaksanakan serta dievaluasi?
Pendahuluan
Latar belakang, rumusan masalah, tujuan, manfaat, ruang lingkup, dan batasan.
Tinjauan pustaka
Konsep, penelitian terdahulu, landasan teknologi, dan kerangka pemecahan masalah.
Metode penelitian
Desain, objek, data, tahapan pengembangan, instrumen, rencana pengujian, dan analisis.
Contoh keterkaitan masalah–tujuan–pengujian
| Masalah | Tujuan | Rencana pengujian |
|---|---|---|
| Selisih stok | Mencatat mutasi dengan tepat | Periksa saldo dari transaksi uji |
| Jadwal ganda | Mencegah konflik reservasi | Uji dua pesanan dengan waktu yang sama |
| Pantauan suhu tidak rutin | Memantau suhu berkala | Bandingkan pembacaan dan uji transmisi |
Tiga program studi, satu cara berpikir ilmiah
Pilih studi kasus sesuai program studimu. Semua contoh berikut adalah ilustrasi pembelajaran, bukan data hasil penelitian di organisasi tertentu.
🧾 Kasus A — D3 Komputerisasi Akuntansi: Persediaan UMKM
Judul ilustratif: Perancangan Sistem Informasi Persediaan Barang dan Laporan Penjualan pada UMKM Berbasis Web.
Gejala: pemilik mengeluh tentang selisih stok dan keterlambatan laporan.
Bukti awal yang dibutuhkan: alur transaksi yang diizinkan, contoh dokumen yang disamarkan, observasi, dan wawancara.
Rencana pengujian: uji transaksi masuk/keluar dan cocokkan saldo dengan perhitungan acuan.
Pertanyaan kritis: apakah selisih disebabkan proses pencatatan, retur, kerusakan barang, atau faktor lain?
💻 Kasus B — D3 Manajemen Informatika: Reservasi laboratorium
Judul ilustratif: Pengembangan Sistem Informasi Penjadwalan dan Peminjaman Laboratorium Berbasis Web Menggunakan Prototyping.
Gejala: pengelola kesulitan memeriksa ketersediaan ruang dan menghadapi dugaan benturan jadwal.
Bukti awal yang dibutuhkan: alur peminjaman, jadwal yang diizinkan, kebutuhan dosen, mahasiswa, dan teknisi.
Rencana pengujian: uji pemesanan bersamaan, hak pengguna, persetujuan, dan penolakan jadwal konflik.
Pertanyaan kritis: apa aturan yang harus dipenuhi agar dua pengguna tidak memperoleh ruang yang sama pada waktu bertabrakan?
🔌 Kasus C — D3 Teknik Komputer: Sensor ruang server
Judul ilustratif: Rancang Bangun Sistem Monitoring Suhu dan Kelembapan Ruang Server Berbasis ESP32 dan Internet of Things.
Gejala: kondisi ruang belum dicatat secara berkala.
Bukti awal yang dibutuhkan: observasi ruang, kebutuhan teknisi, spesifikasi sensor, dan ketentuan pemasangan perangkat.
Rencana pengujian: bandingkan sensor dengan alat rujukan dan catat kontinuitas pengiriman data.
Pertanyaan kritis: jika angka muncul pada layar, apakah alat otomatis akurat? Bagaimana jika koneksi terputus?
Laboratorium mini: susun pernyataan masalah awal
Tidak perlu langsung menentukan judul TA. Mulailah dari gejala, pihak terdampak, dan data yang perlu dicari.
Semua masukan diolah langsung di browser untuk menyusun kalimat; jangan masukkan data pribadi atau rahasia. Draf masih perlu diuji melalui observasi yang sah.
Jika tombol tidak berfungsi di Blogger, gunakan templat manual
Tugas diskusi kelompok
- Analisis salah satu dari tiga kasus di atas.
- Tentukan mana yang baru merupakan dugaan dan mana yang sudah memiliki bukti.
- Usulkan dua data awal dan dua indikator keberhasilan yang mungkin.
- Temukan satu risiko etika dan cara mencegahnya.
- Tuliskan refleksi 200–300 kata untuk persiapan BAB 2.
Periksa pemahamanmu: 10 soal
Kuis BAB 1 · Belajar mandiri
Pilih satu jawaban untuk setiap soal, lalu tekan Periksa jawaban. Nilai maksimal 100. Isi identitas mahasiswa terlebih dahulu. Hasil kuis menampilkan nama, prodi, nomor presensi, dan nilai. Data tidak otomatis dikirim kepada dosen.
Jika JavaScript dibatasi oleh Blogger, gunakan menu “Lihat kunci dan pembahasan” pada tiap soal untuk memeriksa jawaban secara manual. Identitas dan nilai dalam kartu hasil hanya muncul jika JavaScript berfungsi; hasil tidak terkirim otomatis kepada dosen.
Lima hal yang perlu kamu ingat
- Penelitian ilmiah dimulai dengan pertanyaan yang jelas dan bukti yang dapat diperiksa.
- Penelitian terapan berangkat dari masalah spesifik; membuat produk saja belum otomatis menjadi R&D.
- TA D3 menekankan solusi yang relevan, realistis, terdokumentasi, dan teruji.
- Kejujuran data, sitasi, privasi, dan verifikasi penggunaan AI adalah syarat penting.
- Proposal TA memuat rencana BAB I, II, III, daftar pustaka, dan lampiran sesuai ketentuan kampus.
Daftar periksa belajar mandiri
Referensi terpilih
American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
Association for Computing Machinery. (2018). ACM code of ethics and professional conduct. https://doi.org/10.1145/3274591
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in information systems research. MIS Quarterly, 28(1), 75–105. https://doi.org/10.2307/25148625
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
Organisation for Economic Co-operation and Development. (2015). Frascati manual 2015: Guidelines for collecting and reporting data on research and experimental development. OECD Publishing. https://doi.org/10.1787/9789264239012-en
Peffers, K., Tuunanen, T., Rothenberger, M. A., & Chatterjee, S. (2007). A design science research methodology for information systems research. Journal of Management Information Systems, 24(3), 45–77. https://doi.org/10.2753/MIS0742-1222240302
No comments:
Post a Comment