Cara Saya Berpikir
Esai panjang tentang cara saya melihat sistem, engineering, dan pengambilan keputusan.
- Problem Formulation — Mengubah Keluhan Menjadi Masalah Riset yang Bisa Diuji
Cara membedakan gejala dari akar masalah, dan mentransformasi fenomena sehari-hari menjadi research problem yang terukur dan testable.
- Literature Review, Research Gap, dan Baseline — Memposisikan Riset di Lanskap Ilmiah
Cara membaca literatur bukan untuk merangkum tetapi untuk memposisikan riset, menemukan gap yang bermakna, dan memilih baseline yang tepat.
- Research Question, Contribution Statement, dan Hypothesis — Cetak Biru Eksperimen
Cara mentransformasi research gap menjadi RQ yang tajam, mengartikan kontribusi secara eksplisit, dan merumuskan hipotesis yang benar-benar testable.
- Metrik dan Pengukuran — Jembatan antara Teori dan Eksperimen TI
Cara menerjemahkan konsep abstrak menjadi angka yang valid melalui operationalization, dan bagaimana memastikan rantai dari masalah ke metrik tidak terputus.
- Sistem sebagai Instrumen Eksperimen, Bukan Produk
Mengapa sistem dalam riset TI harus dirancang untuk membuktikan hipotesis, bukan sekadar berfungsi, dan bagaimana memetakan RQ ke arsitektur komponen.
- Desain Eksperimen dan Empat Jenis Validitas dalam Riset TI
Cara merancang eksperimen yang membuktikan kausalitas, bukan sekadar korelasi, dan bagaimana empat jenis validitas menentukan kepercayaan hasil.
- Proposal Riset sebagai Argumen Tunggal — Integration Map antar Bab
Cara memastikan semua komponen proposal terhubung secara logis, bukan hanya dijejal berurutan, menggunakan integration map sebagai alat verifikasi koherensi.
- Implementasi Reproducible — Mengapa Reproducibility adalah Fondasi Kepercayaan Hasil
Cara mengimplementasikan sistem eksperimen dan menyiapkan environment yang memungkinkan siapa pun mereplikasi hasil, bukan hanya "berhasil di mesin saya."
- Eksekusi Eksperimen dan Pengumpulan Data yang Sistematis
Mengapa single run tidak cukup untuk klaim ilmiah, dan bagaimana menyusun execution plan yang menghasilkan dataset yang valid, lengkap, dan siap dianalisis.
- Validasi Data dan Integritas Dataset — Garis Pertahanan Terakhir Sebelum Analisis
Mengapa data mentah tidak langsung bisa dianalisis, bagaimana empat pilar kualitas data memandu proses validasi, dan bagaimana anomali ditangani dengan jujur.
- Penyajian Hasil dan Visualisasi Data — Mengubah Angka Menjadi Insight
Mengapa visualisasi mendahului analisis statistik, bagaimana memilih grafik yang tepat, dan jebakan bias visualisasi yang membuat grafik menyesatkan.
- Data Preprocessing yang Reproducible — Keputusan yang Mengubah Data dan Cara Mempertanggungjawabkannya
Cara melakukan preprocessing data eksperimen dengan empat prinsip yang menjaga kualitas tanpa mendistorsi informasi, dan mengapa setiap keputusan harus didokumentasikan.
- Analisis Data, Interpretasi, dan Failure Analysis — Melampaui Sekadar Melaporkan p-value
Cara menerjemahkan hasil analisis statistik menjadi narasi bermakna, mengapa kegagalan lebih informatif dari keberhasilan, dan bagaimana menjaga kejujuran ilmiah dalam interpretasi.
- Penulisan Ilmiah — Menyusun Argumen, Bukan Mendokumentasikan Kronologi
Prinsip penulisan ilmiah yang efektif: mengapa paper adalah argumen bukan laporan, struktur IMRAD, dan cara menjaga benang merah yang tidak terputus antarbagian.
- Presentasi dan Defense — Mempertahankan Argumen Riset secara Lisan
Perbedaan fundamental antara paper dan presentasi, strategi menyampaikan argumen riset yang meyakinkan, dan cara menjawab pertanyaan penguji dengan berbasis data dan jujur.
- Research Mindset dalam Teknologi Informasi — Curious, Critical, Systematic
Apa yang membedakan peneliti dari engineer TI, mengapa mindset berpikir kritis dan sistematis menentukan kualitas seluruh proses riset.