Mid Map pemahaman topik penelitan beserta kiat-kiat menyusun latar belakang masalah

Metode Penelitian Tahap Mind Map beserta Kiat-kiat menyusun latar belakang masalah

I. Mind Map untuk Memahami Topik Penelitian

Memahami secara komprehensif topik penelitian, itu adalah hal penting yang biasanya di lupakan mahasiswa ketika melakukan penelitan. Hal itu akan menyebabkan peneliti mengalami kesulitan dalam mencari masalah dalam penelitannya, dan akhirnya mengalami kegagalan dalam menyusun proposal penelitian yang baik, serta mahasiswa akan belepotan dan gagal dalam menjawab pertanyaan sederhana tentang topik penelitiannya.

Mid Map di buat oleh Tony Buzan pada tahun 1974, Mid Map didasarkan pada cara kerja otak kita menyimpan informasi. Pada hasil penelitian menunjukan bahwa, otak kita menyimpan informasi kedalam sel-sel dalam bentuk cabang-cabang, dan bentuknya akan terlihat seperti bentuk pohon dengan cabang dan rantingnya. Mid Map akan sangat membantu kita dalam memahami suatu hal kompleks degna satu gambar yang divergen, dan membentuk cabang dan ranting dalam bentuk hirarki, membantu secara alami dan perlahan membuat peta pemikiran tentang suatu hal.

Contoh software yang dapat di gunakan untuk membuat Mid Map antaralain freeMid dan Xmid yang berlisensi open source.

Jika kalian menggunakan software Xmind, kalian dapat menjelaskan penelitian kalian dalam bentuk gambar dan icon contoh

Dari gambar di atas, kalian dapat mendetailkan masing-masing sub tema yang kalian sajikan.

Dan apabila ada bagian yang memerlukan penjelasan lebih banyak, kalian dapat menambahkan catatan atau notes. Dalam software XMind menyediakan fitur notes, dan memberi icon sepetri gambar di bawah ini

Dengan menyusun Mind Map tentang topik penelitian yang kita minati, pemahaman kita akan lebih komprehensif, peta pengeahuan juga tergambar dalam bentuk gambar yang mudah dipahami. Kita juga memahami di mana posisi penelitian kita, serta kita dapat menjelaskan bila ada pertanyaan tentang topik masalah kita dengan lugas, serta dengan literatur yang berhubungan. Metode Mind Map juga dapat kita gunakan ketika kita membuat draft untuk menulis paper, membuat bahan presentasi, dan juga ketika kita ingin membuat outline dati thesis yang akan kita tulis.

KIAT MENYUSUN ALUR LATAR BELAKANG MASALAH PENELITIAN

Kiat 1 : Pahami Dua Gaya REASEARCH di Bidang Computing

Secara umum gaya penelitin terbagi dua yaitu gaya Computer Science (CS) dan gaya Information Systems (IS). CS yang memiliki karakteristik penelitin dan isu yang berhubungan dengan core technology dan perbikan metode (method improvement). Sedangkan gaya penelitian IS cenderung lebih ke arah isu teknologi dan sosial, diantaranya dapat mengukur dan menganalisa kesuksesan penerapan teknologi dan informasi.

Kiat 2 : Menjawab Semu Pertanyaan WHY di Judul

untuk menjawab pertanyaan MENGAPA (WHY) kita dapat menggunakan latar belakang untuk menjawabnya, itu akan mempermudah penjelasan. Contohnya kita akan mengambulil judul Prediksi Produksi Padi dengan menggunakan Support Vector Machine berbasis Particle

Swarm Optimization, maka latar belakang masalah harus bisa menjawab pertanyaan :

1. mengapa padi?

2. mengapa prediksi produksi padi?

3. mengapa support vector machine?

4. mengapa particle swarm optimization?

Cara menguraikan jawaban dari pertanyaan di atas, akan di sajikan dalam contoh latar belakang masalah di bawah.

KIAT 3: POLA ALUR DAN POKOK PIKIRAN PARAGRAF

Merangkum penelitian dengan komprehensif adalah kunci dari keberhasilan menyusun latar belakng kita. Degan hanya membaca latar belakang masalah, orang awam akan langsung dapat memahaminya bila tulisan yang kita sajikan tersaji dengan baik. Untuk bisa mencapai itu kita di haruskan untuk mengikuti 6 pola alur :

1.obyek penelitian (O)

2. metode-metode yang ada (M)

3. kelebihan dan kelemahan metode yang ada (KK)

4. masalah pada metode yang dipilih (MASA)

5. solusi perbaikan metode (SOL)

6. rangkuman tujuan penelitian (TU)

Dapat kita singkat (OMKKMASASOLTU) agar kita lebih mudah untuk mengingatnya.

KIAT 4: BELAJAR MENULIS DENGAN ATM

Dengan cara ATM (Amati-Tiru-Modifikasi) itu adalah cara cepat kita mahir menulis paper ilmiah dan tesis. Dengan banyak membaca paper, kita dapat melihat bagaimana peneliti menukiskan hasil penelitan mereka, kita dapat meniru alurnya, dan memodifikasi di tulisan kita.

Berikut adalah contoh latar belakang masalah :

Prediksi Produksi Padi dengan menggunakan Support Vector Machine berbasis

Particle Swarm Optimization

Latar belakang masalah

Padi adalah komoditas yang penting di china, karena tingkat produksinya tinggi (FAO

Report, 2009) (1. mengapa padi?). Produksi padi perlu diprediksi dengan akurat, karena

hasil prediksi yang akurat sangat penting untuk membuat kebijakan nasional (Traill,

2008) (2. mengapa prediksi produksi padi?). [1. obyek penelitian]

Metode prediksi rentet waktu seperti Support Vector Machine (SVM) (Yongsheng,

2008), Neural Network (NN) (Tseng, 2007) dan Grey Model (GM) (Wu, 2007)

diusulkan oleh banyak peneliti (Huifei, 2009) untuk prediksi produksi padi. [2.

metode-metode yang ada]

NN memiliki kelebihan pada prediksi nonlinear, kuat di parallel processing dan

kemampuan untuk mentoleransi kesalahan, tapi memiliki kelemahan pada perlunya datatraining yang besar, over-fitting, lambatnya konvergensi, dan sifatnya yang local

optimum (Rosario, 2007). GM punya kelebihan di tingginya akurasi prediksi meskipun

menggunakan data yang sedikit, akan tetapi GM memiliki kelemahan pada prediksi data

yang sifatnya naik turun secara fluktuatif seperti pada data produksi padi (Wu, 2007).

[3. kelebihan dan kelemahan metode yang ada]

SVM dapat memecahkan masalah NN dan GM, yaitu over-fitting, lambatnya

konvergensi, dan sedikitnya data training (Vapnik, 2005), yang mana ini tepat untuk

karakteristik data produksi padi pada penelitian ini (3. mengapa support vector

machine?). Tetapi SVM memiliki kelemahan pada sulitnya pemilihan parameter SVM

yang optimal (Coussement, 2008). [4. masalah pada metode yang dipilih]

Particle Swarm Optimization (PSO) adalah metode optimisasi yang terbukti efektif

digunakan untuk memecahkan masalah optimisasi multidimensi dan multiparameter

pada pembelajaran pada machine learning seperti di NN, SVM, dan classifier lain

(Brits, 2009) (4. mengapa particle swarm optimization?). [5. solusi perbaikan metode]

Pada penelitian ini PSO akan diterapkan untuk pemilihan parameter SVM yang sesuai

dan optimal, sehingga hasil prediksi lebih akurat. [6. rangkuman tujuan penelitian]

KIAT 5: RUMUSAN MASALAH DAN TUJUAN PENELITIAN

Contoh di atas adalah contoh latar belakang yang baik, masalahdan tujuan sudah pasti dapat kita rangkum dengan baik. Di negara kita (Indonesia) masalah penelitian biasanya di rangkumkan dengan format identifikasi masalah (problem statement) dan rumusan masalah (research question).

Kita bisa rangkumkan masalah dan tujuan penelitian sebagai berikut :

Masalah Penelitian (Problem Statement atau Research Problem):

Algoritma yang di gunakan adalah algoritma SVM, algoritma SVM sangat baik untuk prediksi rentet waktu, dapat memecahkan masalah over-fitting, lambatnya konvergensi, dan sedikitnya data training. Algoritma SVM tentunya memiliki kelamahan yaitu pada sulitnya pemilihan parameter yang optimal karena dilakukan dengan trial and error, sehingga tingkat keakurasian prediksinya menjadi rendah.

Pertanyaan Penelitian (Research Question):

Alternatif research question lain yang bisa digunakan adalah seperti di bawah:

• Bagaimana peningkatan akurasi SVM apabila PSO diterapkan pada proses

pemilihan parameter yang optimal?

• Bagaimana pengaruh penerapan PSO pada pemilihan parameter yang optimal

pada akurasi metode SVM?

Tujuan Penelitian (Research Objective):

Menerapkan PSO untuk pemilihan parameter yang optimal dari SVM, sehingga dapat meningkatkan tingkat keakurasuan hasil prediksi.

(PSO) adalah metode optimisasi yang terbukti efektif

digunakan untuk memecahkan masalah optimisasi multidimensi dan multiparameter

pada pembelajaran pada machine learning seperti di NN, SVM, dan classifier lain