← Daftar Buku
Sampul Riset Teknologi Informasi Berbasis OBE & Experimental Thinking

Riset Teknologi Informasi Berbasis OBE & Experimental Thinking

Panduan Praktis Penelitian Eksperimental di Bidang Sistem Informasi

Buku ajar metodologi penelitian TI yang memadukan OBE (Outcome-Based Education) dengan experimental thinking — panduan lengkap dari perumusan masalah hingga sidang akhir untuk mahasiswa S1 Teknologi Informasi.

Edisi
Edisi 1, 2026
Penerbit
Self-published
Lisensi
CC BY-SA 4.0
Bahasa
Bahasa Indonesia
Volume
16 bab · 51.275 kata · ±265 menit baca
Penulis
Helmi Bahara
Mulai Baca →

Tentang Buku Ini

Buku ini adalah panduan praktis penelitian eksperimental di bidang Teknologi Informasi, dirancang khusus untuk mahasiswa yang mengerjakan skripsi atau proyek riset berbasis eksperimen. Berbeda dari buku metodologi riset konvensional, buku ini menekankan experimental thinking — kemampuan merancang eksperimen yang valid, mengukur dengan presisi, dan menginterpretasikan hasil dengan jujur.

Disusun dalam empat bagian dengan 16 bab, buku ini membawa mahasiswa melewati seluruh pipeline penelitian: dari membangun mindset peneliti (Bagian I), merancang pengukuran dan eksperimen (Bagian II), mengeksekusi dan memvalidasi data (Bagian III), hingga menganalisis temuan dan mempertahankannya di hadapan penguji (Bagian IV).

Setiap bab dilengkapi Signature Model — satu kerangka visual utama yang membantu mahasiswa memahami konsep secara sistematis sebelum masuk ke detail teknis.

Daftar Isi

  1. Bab 1 Bab 1 Research Mindset in IT Bab ini membahas fondasi berpikir yang membedakan peneliti dari engineer. Riset bukan semata soal membuat sesuatu bekerja, melainkan soal memastikan apa yang ditemukan benar, valid, dan dapat dipercaya. Tiga pilar utama -- etika sebagai penjaga integritas ilmiah, validitas sebagai standar kebenaran, dan paradigma sebagai lensa epistemologis -- membentuk kerangka berpikir *Curious -> Critical -> Systematic* yang mendasari seluruh proses riset. ⏱ 20 mnt · 3.997 kata · 🧩 diagram
  2. Bab 2 Bab 2 Problem Formulation & System Context Bab ini mengajarkan keterampilan paling mendasar namun paling sering diabaikan dalam riset: **merumuskan masalah**. Banyak penelitian gagal bukan karena metodenya lemah atau datanya kurang, melainkan karena masalah yang diteliti tidak pernah dirumuskan dengan jelas sejak awal. Kita akan belajar membedakan topik dari masalah, gejala dari akar masalah, dan -- yang paling penting -- mengubah masalah dunia nyata menjadi *researchable problem* yang bisa diukur, diuji, dan dibuktikan melalui eksper... ⏱ 21 mnt · 4.038 kata · 🧩 diagram
  3. Bab 3 Bab 3 Literature Review, Research Gap & Baseline Bab ini mengajarkan cara membaca literatur bukan untuk merangkum, melainkan untuk **memposisikan** riset Anda. Kita akan belajar membedakan empat jenis gap (performance, method, data, context), merancang strategi pencarian literatur yang sistematis, memilih baseline yang tepat, dan -- yang paling penting -- mengubah gap menjadi posisi kontribusi yang jelas. Di akhir bab ini, Anda akan mampu menyusun tabel literatur yang bukan sekadar daftar bacaan, melainkan **peta medan perang** yang menunju... ⏱ 22 mnt · 4.274 kata · 🧩 diagram
  4. Bab 4 Bab 4 Research Question, Contribution & Hypothesis Bab ini mengajarkan cara mentransformasi research gap menjadi research question yang tajam, mengartikulasikan kontribusi secara eksplisit, dan merumuskan hipotesis yang testable. Tiga komponen ini -- RQ, contribution statement, dan hypothesis -- membentuk kerangka yang menentukan seluruh desain eksperimen. Di akhir bab, pembaca mampu menyusun RQ yang spesifik, contribution statement yang jelas, serta pasangan H0/H1 yang siap diuji. ⏱ 19 mnt · 3.778 kata · 🧩 diagram
  1. Bab 5 Bab 5 Metric, Measurement & Data Bab ini membahas bagaimana menerjemahkan konsep abstrak menjadi angka yang bisa diukur, dibandingkan, dan diuji. Proses ini -- yang dalam literatur disebut *operationalization* -- adalah jembatan antara teori dan eksperimen. Tanpa metrik yang valid, research question sebagus apa pun tidak akan menghasilkan jawaban yang bermakna. Kita akan belajar memilih metrik yang tepat, memahami jenis data, menilai kualitas data, dan menghindari jebakan pengukuran yang sering tidak disadari hingga tahap an... ⏱ 20 mnt · 3.871 kata · 🧩 diagram
  2. Bab 6 Bab 6 System Design sebagai Experimental Artifact Bab ini membahas prinsip yang sering diabaikan oleh peneliti di bidang TI: bahwa sistem yang dibangun dalam riset bukan produk -- ia adalah **alat uji hipotesis**. Arsitektur sistem, pemilihan komponen, dan cara modul berinteraksi seharusnya ditentukan oleh research question dan variabel eksperimen, bukan oleh preferensi teknis atau tren industri. Kita akan belajar memetakan RQ ke komponen sistem, menerapkan empat prinsip desain eksperimental (traceability, modularity, controllability, measur... ⏱ 19 mnt · 3.618 kata · 🧩 diagram
  3. Bab 7 Bab 7 Experimental Design & Validity Bab ini membahas inti dari riset eksperimental: bagaimana merancang eksperimen yang mampu membuktikan hubungan sebab-akibat, bukan sekadar korelasi. Kita akan belajar membedakan *causality* dari *correlation*, merancang eksperimen terkontrol, memahami empat jenis validitas (internal, external, construct, conclusion), dan mengenal tiga tipe eksperimen yang paling relevan di bidang TI -- comparison study, ablation study, dan parameter study. Bab ini menutup Bagian 2 (Measurement & Design) dan m... ⏱ 21 mnt · 4.105 kata · 🧩 diagram
  1. Bab 8 Bab 8 Proposal & Checkpoint Bab ini bukan bab konseptual baru. Ia adalah **checkpoint**: titik di mana seluruh fondasi (Bab 1-4) dan desain (Bab 5-7) dirakit menjadi satu dokumen yang koheren -- proposal riset. Proposal adalah bukti bahwa peneliti memahami masalah, memiliki posisi di literatur, merumuskan pertanyaan yang tajam, memilih metrik yang valid, merancang sistem sebagai alat uji, dan mendesain eksperimen yang terkontrol. Bab ini menyediakan template, rubrik evaluasi, dan panduan untuk memastikan setiap komponen... ⏱ 9 mnt · 1.776 kata · 🧩 diagram
  2. Bab 9 Bab 9 Implementation & Environment Bab ini membahas langkah transisi dari desain ke eksekusi: mengimplementasikan sistem eksperimen dan menyiapkan environment yang reproducible. Implementasi dalam riset berbeda secara fundamental dari coding biasa -- tujuannya bukan menghasilkan software yang berfungsi, melainkan menciptakan instrumen pengukuran yang konsisten dan bisa direproduksi. Kita akan belajar mengelola environment (hardware, software, dependency), membedakan repeatability dari reproducibility, dan mendokumentasikan set... ⏱ 16 mnt · 3.011 kata · 🧩 diagram
  3. Bab 10 Bab 10 Experiment Execution & Data Collection Bab ini membahas bagaimana menjalankan eksperimen yang sudah dirancang: menyusun execution plan, memastikan konsistensi setiap run, mengumpulkan data secara sistematis, dan menyimpan log yang lengkap. Menjalankan eksperimen bukan sekadar menekan tombol "run" -- ia proses terkontrol yang memerlukan perencanaan jumlah run, urutan eksekusi, mekanisme logging, dan verifikasi bahwa setiap skenario dijalankan sesuai rencana. ⏱ 15 mnt · 2.874 kata · 🧩 diagram
  4. Bab 11 Bab 11 Data Validation & Integrity Bab ini membahas proses memastikan bahwa data yang dikumpulkan dari eksperimen layak dianalisis. Data mentah tidak serta-merta bisa langsung dimasukkan ke analisis -- ia perlu divalidasi: apakah formatnya konsisten? Apakah ada data yang hilang? Apakah nilainya masuk akal? Apakah data sesuai dengan desain eksperimen? Validasi data adalah garis pertahanan terakhir sebelum analisis -- jika data yang masuk ke analisis cacat, semua kesimpulan yang dihasilkan turut cacat. ⏱ 15 mnt · 2.948 kata · 🧩 diagram
  1. Bab 12 Bab 12 Result Presentation & Visualization Bab ini membahas bagaimana menyajikan data hasil eksperimen dalam bentuk yang bisa dipahami, dianalisis, dan dikomunikasikan. Penyajian bukan sekadar membuat tabel dan grafik -- ia proses menerjemahkan angka mentah menjadi representasi visual yang membantu mengenali pola, mendukung argumen, dan memfasilitasi interpretasi. Bab ini juga membahas bias visualisasi: cara grafik bisa menyesatkan jika tidak dirancang dengan jujur. ⏱ 14 mnt · 2.631 kata · 🧩 diagram
  2. Bab 13 Bab 13 Data Preprocessing Bab ini membahas bagaimana mempersiapkan data eksperimen untuk analisis: membersihkan (cleaning), mentransformasi (transformation), dan menormalisasi (normalization). Preprocessing bukan proses teknis yang "otomatis" -- setiap keputusan preprocessing mengubah data dan berpotensi mengubah kesimpulan. Bab ini menekankan empat prinsip: consistency, transparency, reproducibility, dan minimal distortion. ⏱ 13 mnt · 2.449 kata · 🧩 diagram
  3. Bab 14 Bab 14 Data Analysis, Interpretation & Failure Analysis Bab ini membahas inti dari riset eksperimental: menganalisis data secara statistik, menginterpretasi hasilnya dalam konteks research question, dan menganalisis kegagalan sebagai sumber insight. Analisis menjawab "apa yang terjadi." Interpretasi menjawab "mengapa terjadi" dan "apa artinya." Failure analysis menjawab "mengapa tidak bekerja" -- yang sering kali lebih informatif dari keberhasilan. ⏱ 14 mnt · 2.671 kata · 🧩 diagram
  4. Bab 15 Bab 15 Scientific Writing Bab ini membahas penulisan ilmiah sebagai proses menyusun argumen riset -- bukan sekadar mendokumentasikan apa yang dilakukan. Penulisan ilmiah menerjemahkan seluruh proses riset (Bab 1-14) menjadi satu dokumen koheren yang menyampaikan: apa masalahnya, mengapa penting, apa yang sudah diketahui, apa yang belum, bagaimana diuji, apa hasilnya, dan apa artinya. Bab ini membahas struktur IMRAD, logical flow, konsistensi antar-bagian, dan kualitas penulisan. ⏱ 13 mnt · 2.511 kata · 🧩 diagram
  5. Bab 16 Bab 16 Presentation & Defense Bab ini membahas tahap akhir proses riset: mempresentasikan temuan di depan audiens dan mempertahankan argumen melalui tanya-jawab. Presentasi bukan ringkasan paper -- ia simulasi peer-review langsung di mana peneliti harus menyampaikan argumen secara jelas dan menjawab pertanyaan secara meyakinkan. Defense bukan pertarungan -- ia dialog ilmiah yang menguji validitas, kejelasan, dan kedalaman pemahaman peneliti terhadap risetnya sendiri. ⏱ 14 mnt · 2.723 kata · 🧩 diagram

Tentang Penulis

  • Helmi Bahara

    Universitas Putra Bangsa

    Praktisi & dosen Sistem Informasi. Menulis tentang penerapan SIM, AI, dan tata kelola data di organisasi modern Indonesia.