Keluhan vs masalah riset
"Website kampus lambat" adalah keluhan. "Waktu respons server meningkat 340% saat concurrent user melebihi 500, dan belum ada studi yang mengevaluasi efektivitas caching strategy X pada arsitektur monolitik di lingkungan akademik" adalah masalah riset.
Perbedaannya bukan soal kedalaman teknis semata. Perbedaannya ada pada tiga dimensi: presisi (bisa diukur), konteks (terikat pada sistem spesifik), dan testability (bisa dieksperimenkan untuk menghasilkan jawaban). Tanpa ketiga dimensi ini, masalah hanya menjadi pernyataan abstrak yang tidak bisa dibuktikan.
Problem Formation Model
Masalah riset tidak langsung lahir dari pengamatan. Ia melewati lima tahap transformasi:
- Reality — dunia nyata tempat fenomena terjadi: bisa lingkungan industri, kampus, atau interaksi pengguna dengan sistem
- Observed Issue (Symptom) — pengamatan awal terhadap sesuatu yang "tidak beres." Ini belum tentu masalah, bisa jadi hanya gejala. Contoh: "pengguna mengeluh aplikasi lambat"
- Diagnosed Problem (Root Cause) — setelah investigasi, gejala ditelusuri ke akar masalah. Contoh: "query database tidak terindeks, menyebabkan full table scan pada tabel dengan 2 juta record"
- Researchable Problem — masalah yang sudah di-scope, dibatasi, dan dihubungkan dengan gap di literatur. Tidak semua masalah bisa diteliti — hanya yang memiliki kontribusi ilmiah
- Measurable Variable — masalah yang telah ditransformasi menjadi variabel yang bisa diukur, dibandingkan, dan diuji secara statistik
Sebagian besar kegagalan riset pemula terjadi karena melompat langsung dari Reality ke Measurable Variable tanpa melewati tiga tahap di tengah. Hasilnya: variabel yang diukur tidak menjawab masalah yang sebenarnya.
Sistem sebagai konteks
Dalam bidang Teknologi Informasi, masalah riset selalu terikat pada sistem. Sistem memiliki input, proses, output, outcome, constraints, dan stakeholders. Tanpa memahami konteks sistem, masalah hanya menjadi pernyataan abstrak yang tidak bisa dieksperimenkan.
Ini berarti merumuskan masalah TI selalu mencakup dua keterampilan sekaligus: merumuskan masalah (problem formulation) dan memahami konteks sistem (system context). Keduanya tidak bisa dipisahkan.
Kriteria masalah riset yang layak
Ada lima kriteria yang harus dipenuhi agar masalah layak diteliti (Problem Quality Model):
- Spesific: masalah cukup sempit untuk diselidiki dalam batasan sumber daya yang tersedia
- Measurable: ada variabel yang bisa dikuantifikasi
- Researchable: bisa dijawab melalui penelitian sistematis
- Relevant: memiliki signifikansi ilmiah atau praktis yang jelas
- Bounded: memiliki batasan yang jelas tentang apa yang termasuk dan tidak termasuk
Jika masalah tidak memenuhi satu atau lebih kriteria ini, ia perlu direvisi sebelum melangkah ke tahap berikutnya.
Jebakan umum saat merumuskan masalah
Terlalu luas: "Bagaimana meningkatkan keamanan sistem?" tidak bisa dijawab dengan satu eksperimen.
Hanya gejala: Meneliti "pengguna tidak puas" tanpa mendiagnosis apa yang menyebabkan ketidakpuasan.
Tidak ada gap: Masalah yang sudah terjawab sepenuhnya oleh studi sebelumnya tidak menghasilkan kontribusi baru.
Tidak testable: "Apakah sistem ini berguna?" terlalu subjektif dan bergantung pada interpretasi.
Merumuskan masalah dengan baik membutuhkan waktu. Banyak peneliti yang menghabiskan beberapa minggu hanya untuk mempersempit dan mempertajam pernyataan masalah mereka — dan itu bukan pemborosan waktu, melainkan investasi yang mencegah kebingungan di tahap eksperimen.
