Membangun sistem vs menghasilkan pengetahuan
Bayangkan seorang developer yang telah menyelesaikan sistem deteksi plagiarisme berbasis NLP. Demo berhasil, output terlihat menjanjikan. Kemudian reviewer bertanya: "Bagaimana Anda membuktikan bahwa angka 87% itu benar-benar menunjukkan plagiarisme, bukan sekadar kesamaan topik? Apa baseline-nya? Apakah hasilnya konsisten di 1.000 dokumen dari domain berbeda?"
Pertanyaan-pertanyaan inilah yang menandai batas antara dua peran: engineer yang membangun sistem berfungsi, dan peneliti yang membuktikan bahwa apa yang dibangun benar, valid, dan layak dipercaya oleh komunitas ilmiah.
Riset Teknologi Informasi tidak mengajarkan cara membuat sistem — itu sudah dipelajari di mata kuliah lain. Yang dilatih di sini adalah cara berpikir sebagai peneliti: bertanya dengan tajam, mengukur dengan presisi, menyimpulkan dengan jujur.
Research Trust Model: dari realitas ke pengetahuan
Pengetahuan ilmiah tidak muncul langsung dari realitas. Ia melewati enam tahap transformasi, masing-masing dengan potensi distorsi:
- Reality — fenomena nyata yang menjadi objek penelitian
- Data — representasi realitas melalui observasi dan pengukuran; distorsi pertama muncul di sini: sampling bias, measurement error
- Processing — pembersihan dan transformasi data mentah; keputusan tentang missing values bisa mengubah makna data secara signifikan
- Analysis — penerapan metode statistik; pemilihan metode yang salah menghasilkan kesimpulan menyesatkan
- Inference — penarikan kesimpulan; lompatan logis yang paling rentan distorsi
- Knowledge — kontribusi yang diterima komunitas ilmiah setelah peer review dan replikasi
Setiap transisi adalah titik rawan distorsi. Etika memastikan tidak ada distorsi yang disengaja. Validitas memastikan distorsi yang tidak disengaja bisa dideteksi dan diminimalkan.
Tiga pilar mindset peneliti
Etika penelitian menjaga integritas ilmiah: tidak memanipulasi data, melaporkan temuan secara lengkap (termasuk yang tidak mendukung hipotesis), dan memberikan kredit yang tepat pada karya sebelumnya.
Validitas adalah standar kebenaran: apakah yang diukur benar-benar merepresentasikan apa yang ingin diketahui? Validitas bukan soal benar atau salah, melainkan soal seberapa kuat bukti yang mendukung klaim.
Paradigma adalah lensa epistemologis: asumsi fundamental tentang apa yang bisa diketahui dan bagaimana cara mengetahuinya. Paradigma yang tidak eksplisit seringkali menjadi sumber inkonsistensi metodologis yang tidak disadari.
Pola pikir Curious → Critical → Systematic
Research mindset tidak muncul dalam satu lompatan. Ia berkembang melalui tiga tahap:
- Curious: kemampuan mengidentifikasi anomali yang layak diselidiki, bukan sekadar menerima penjelasan yang sudah ada
- Critical: kemampuan mengevaluasi klaim berdasarkan bukti, bukan otoritas atau popularitas — termasuk klaim dalam paper yang sudah dipublikasi
- Systematic: kemampuan merancang proses yang mereproduksi hasil secara konsisten, bukan bergantung pada keberuntungan kondisi eksperimen
Ketiga pola pikir ini bukan sekuensial — mereka saling memperkuat. Peneliti yang curious tanpa critical akan mudah terjebak pada hipotesis yang tidak tervalidasi. Peneliti yang critical tanpa systematic akan menghasilkan analisis yang tidak bisa diverifikasi.
Implikasi praktis
Research mindset mengubah cara melihat sistem TI. Bukan lagi sekadar "apakah ini bekerja?" melainkan "seberapa yakin kita bahwa ini bekerja, untuk siapa, dalam kondisi apa, dibandingkan dengan apa?" Pertanyaan-pertanyaan inilah yang akan mendorong pengembangan Teknologi Informasi menjadi disiplin yang tidak hanya produktif secara teknis, tetapi juga bisa dipercaya secara ilmiah.
