Tahapan Penelitian di Domain Penelitian Model Penunjang Keputusan
Penulis
Ditdit Nugeraha Utama
Computer Science Department, BINUS Graduate Program – Master of Computer Science Bina Nusantara University, Jakarta, Indonesia 11480
Artike ini menjelaskan tahapan penelitian di domain penelitian model penunjang keputusan MPK. Diambil dari Utama (2021). Pertanyaan sederhana, mengapa tahapan penelitiannya berbentuk roda atau looping? Sebenarnya ada alasan filosofis mengapa tahapan penelitian untuk membuat MPK atau pada domain penelitian MPK berbentuk roda (berulang). Karena, pada hakikatnya model adalah salah. Ketika kita membangun model, tentu berbagai jenis batasan (constraint) selalu kita gunakan. Batasan itu sendiri sudah menjadikan model yang kita kembangkan tidak sama dengan dunia nyata. Makanya model pun disebut dengan replika dari realita; artinya, selama dia adalah replika, dia tidak akan pernah sama dengan si nyata. Di sinilah model dapat disimpulkan – pasti – salah. Oleh karena itu, perbaikan atas model yang sudah kita kembangkan harus terus dilakukan. Sampai kapan? Entah sampai kapan, yang pasti harus terus dilakukan. Sehingga, kami mengambil kesimpulan bahwa tahapan penelitian mencerminkan seperti roda yang berputar dan memiliki sifat looping (berulang).
Tahapan pertama adalah case analyzing. Para peneliti pada domain penelitian MPK, di dalam mengembangkan MPK itu sendiri, haruslah mengerti benar issue yang menjadi ranah pembicaraan. Pemahaman case yang dijadikan objek penelitian haruslah berada pada level tinggi. Case di sini maknanya bukan masalah, namun bermakna “contoh” objek penelitian. Jadi case study sebenarnya bukan study of problem, namun study of sample (research object sample).
Untuk memahami case yang kita pilih sebagai topik penelitian kita pun tentu sudah menjadi bagian dari riset itu sendiri. Kadang ada sebagian dari kita menganggap bahwa memahami objek penelitian bukanlah sesuatu yang penting. Sekali-kali tidak. Di dalam domain penelitian MPK, pemahaman objek penelitian menjadi satu hal yang sangat penting. Bahkan tahapan ini dapat dikatakan sebagai the prominent starting point keberhasilan kita di dalam melakukan kajian dan penelitian di bidang penelitian MPK yang spesifik.
Tahapan kedua dari rangkaian tahapan penelitian pada domain penelitian MPK adalah decision analyzing. Fokus utama kajian di bidang penelitian MPK ini adalah keputusan, tentu keputusan pada case terpilih harus dianalisis dengan sangat benar. Tujuan MPK dibangun, sebenarnya, untuk memberikan saran atas keputusan apa? Pertanyaan itu harus mampu kita jawab sebagai seorang DSM modeler.
Setelah dua langkah utama tersebut, langkah berikutnya adalah parameterizing. Parameterizing maksudnya adalah analisis parameter. Bukan hanya jenis parameter saja, namun analisis parameter yang lebih mendalam termasuk di dalamnya makna/definisi dari parameter, anda menemukan parameter itu dari mana (observasi, wawancara, kajian pustaka), dan juga keterhubungan antar parameter.
Tantangan yang tidak kalah menantang, di dalam penelitian pada domain penelitian MPK, adalah pada tahapan data collecting/generating. Mengapa menantang? Ketika kita ingin membangun sebuah MPK, hapus ilustrasi mengenai data di kepala kita. Para peneliti di bidang penelitian MPK, datang dan memulai penelitian tanpa memiliki data, bahkan sama sekali tidak memiliki gambaran mengenai data yang akan digunakan. Dan itu harus. Berbeda dengan peneliti di bidang penelitian data science atau machine learning misalnya. Mereka kadang terkesima dengan keberadaan data yang lengkap, ketika mereka memulai penelitian.
Di domain penelitian MPK hal tersebut tidak boleh terjadi. Bahkan, kita, para peneliti di domain penelitian MPK, kadang menyarankan kepada pihak ketiga atas data yang seharusnya dimiliki; bukan bahkan menggunakan data yang ada, apalagi data yang bersifat publik. Maka dari itu, tahapan keempat ini disebut dengan data collecting/generating. Ketika parameter sudah firmed kita miliki, dan jika memang data yang dibutuhkan sudah dimiliki oleh perusahaan / insitusi / entitas yang ada pada ranah pembicaraan penelitian kita, maka lakukanlah pengumpulan data (data collecting). Atau, jika data itu berserakan, terdapat dari berbagai jenis sumber data (perusahaan, web, literature) dan bahkan di dalam berbagai jenis format, lakukanlah data generating. Proses seperti pengumpulan data, pembersihan data, penggabungan data, normalisasi data, dan lain sebagainya; tetap harus dilakukan. Sehingga kita akan mendapatkan data yang benar-benar baik dan sesuai dengan kebutuhan pengembangan MPK yang sedang kita lakukan.
Tahapan kelima adalah DSM constructing. Tentu pada tahapan ini, salah satu tools yang dapat dan paling cocok digunakan adalah bahasa pemrograman, apa pun bahasa pemrogramannya. Kami pernah sampaikan di berbagai kesempatan, bahwa para peneliti di domain penelitian MPK harus menguasai tiga jenis skill, yaitu kemampuan di dalam analisis, penerapan logika matematika, dan penguasaan salah satu bahasa pemrograman. Pada tahapan inilah MPK dibangun. ALur aktivitas input-process-output harus jelas terlihat, dan dapat ditunjukkan dengan gamblang di dalam sebuah aplikasi model.
Tahapan keenam adalah decision proposing. MPK secara eksplisit, akhirnya, menyarankan sebuah atau berbagai alternatif keputusan terbaik. Hasil tes dari alternatif keputusan yang telah dianalisis pada tahapan kedua dipilih dan disarankan oleh model pada tahapan ini; walaupun keputusan yang akan diambil, secara praktis, tentu pada akhirnya tergantung kepada si pembuat keputusan (decision maker). Tahapan berikutnya, yaitu tahapan model verifying and validating. Tahapan model verifying and validating ini dilakukan untuk menilai seberapa benar model secara akademis dan seberapa benar data yang digunakan secara praktis.
Referensi
Utama, D. N. 2021. Logika fuzzy untuk model penunjang keputusan. Dilengkapi dengan penerapan contoh kasus. Garudhawaca, Jogjakarta.