Tips Mengembangkan Latar Belakang Masalah Penelitian

Tips Mengembangkan Latar Belakang Masalah Penelitian

Latar belakang penelitian merupakan bagian pertama dan terpenting dalam penyusunan karya ilmiah, baik dalam bentuk makalah maupun skripsi. Latar belakang masalah penelitian menjelaskan secara lengkap topik penelitian (area subjek), masalah penelitian yang kita pilih dan mengapa dilakukan penelitian terhadap topik dan masalah tersebut (Berndtsson et al., 2008).

Sayangnya tidak banyak mahasiswa yang berhasil membuat latar belakang masalah penelitian dengan baik, antara lain karena masalah penelitian yang tidak jelas dan mengada-ada, sebagian lagi karena copy paste disana-sini sehingga alur paragraf menjadi semrawut, dan sebagian karena gagal memberikan alasan untuk melakukan penelitian. itu (malas membaca literatur). Penulisan skripsi ini saya coba, terutama untuk memudahkan mahasiswa saya dalam membimbing di bidang komputer (komputasi) yang sering bingung membuat latar belakang masalah dalam skripsi.

MEMAHAMI DUA GAYA PENELITIAN DALAM KOMPUTASI

Sebelumnya perlu dipahami bahwa gaya penelitian di bidang komputer (komputasi) secara umum terbagi menjadi dua, yaitu gaya Ilmu Komputer (CS) dan gaya Sistem Informasi (IS) (Berndtsson et al., 2008). Ilmu Komputer memiliki karakteristik penelitian dan masalah yang berkaitan dengan teknologi inti dan peningkatan metode. Sedangkan penelitian SI cenderung berfokus pada masalah interaksi sosial dan teknologi, termasuk mengukur dan menganalisis keberhasilan penerapan teknologi dan sistem informasi. Makalah ini akan cenderung lebih mengalir ke dalam alur latar belakang masalah penelitian CS-style, meskipun masih dapat digunakan untuk penelitian IS.

MENJAWAB SEMUA KENAPA PERTANYAAN DI JUDUL

Latar belakang masalah penelitian akan menjawab semua pertanyaan MENGAPA (MENGAPA) judul penelitian kita. Untuk mempermudah penjelasan, penulis akan menggunakan, menerjemahkan dan merevisi makalah penelitian (Fei et al, 2008) sebagai contoh makalah yang akan kita bahas. Karena judul penelitian ini adalah Prediksi Produksi Padi Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization, maka permasalahan yang dilatarbelakangi harus mampu menjawab pertanyaan:

kenapa nasi?

kenapa prediksi produksi padi?

mengapa mendukung mesin vektor?

mengapa pengoptimalan gerombolan partikel?

Cara mendeskripsikan jawaban pertanyaan 1-4, akan disajikan dalam contoh latar belakang masalah di bawah ini.

POLA DAN PRINSIP PARAGRAF

Kunci sukses dalam menetapkan latar belakang masalah penelitian adalah seberapa komprehensif kita merangkum penelitian kita. Yang bagus menulis adalah dengan hanya membaca latar belakang masalah, orang bisa langsung mengerti, apa yang kita lakukan dalam penelitian kita. Untuk mencapai hal tersebut, pokok bahasan semua paragraf yang melatarbelakangi masalah penelitian harus memuat dan mengikuti 6 pola alur berikut. Agar lebih mudah diingat, biasanya saya menggunakan singkatan OMKKMASASOLTU.

objek penelitian (O)

metode yang ada (M)

kekuatan dan kelemahan metode yang ada (KK)

masalah pada metode yang dipilih (MASA)

metode perbaikan solusi (SOL)

ringkasan tujuan penelitian (TU)

Contoh penerapan pola OMKKMASASOLTU ini akan cepat dipahami melalui contoh latar belakang masalah yang saya uraikan di bawah ini.

Menulis dengan Metode ATM

Cara tercepat dan terefektif agar kita mahir dalam menulis karya ilmiah dan skripsi adalah dengan melakukan ATM (Amati-Tiru-Modifikasi). Membaca banyak makalah, melihat bagaimana peneliti menuliskan hasil penelitian mereka, menyalin plot tetapi tidak menyalin kalimat, dan perlahan-lahan memodifikasi tulisan yang kita buat. Jangan lupa untuk memilih makalah yang diterbitkan dalam jurnal yang berkualitas, karena telah menjadi patokan dalam dunia penelitian bahwa 80-90% karya tulis ilmiah di dunia disajikan dengan buruk. Setidaknya agar tidak tersesat dalam studi literatur, tolok ukur suatu makalah yang berkualitas adalah dimasukkan ke dalam jurnal terindeks ISI atau SCOPUS, dan memiliki skor yang tinggi untuk menghitung Journal Impact Factor, Eigenfactor Score, Scimago Journal Rank, atau Sumber Dampak yang Dinormalisasi per Kertas. Jurnal ilmiah di Indonesia untuk komputasi yang masuk dalam kriteria ini, hanya Telkomnika yang diasuh oleh Mas Tole Sutikno cs dari Universitas Ahmad Dahlan, Yogyakarta, karena sudah mulai terindeks oleh SCOPUS.

Misalnya, perhatikan latar belakang masalah di artikel berikut ini. Agar lebih mudah memahami penjelasannya, (dengan warna biru) saya berikan untuk memberi petunjuk bahwa makalah menjawab pertanyaan mengapa pada judul sesuai TIP 2, dan [warna merah] saya berikan untuk menjelaskan bagaimana paragraf mengikuti Alur dan Pikiran Utama Paragraf pada KIAT 3 Perlu diketahui juga bahwa setiap kalimat yang berisi jawaban atas pertanyaan mengapa atau berupa klaim dan definisi, harus mengacu atau mengutip literatur sebagai dasar klaim yang dibuat. Saya tidak menyajikan daftar referensi dari makalah (Fei et al., 2009), karena poin penting yang ingin saya sampaikan adalah masalah bagaimana kalimat dan paragraf mengalir.

Prediksi Produksi Beras menggunakan Support Vector Machine berdasarkan Particle Swarm Optimization

Latar Belakang

Beras merupakan komoditas penting di Cina, karena tingkat produksinya yang tinggi (Laporan FAO, 2009) (1. mengapa beras?). Produksi beras perlu diprediksi secara akurat, karena hasil prediksi yang akurat sangat penting dalam pembuatan kebijakan nasional (Traill, 2008) (2. mengapa memprediksi produksi beras?). [1. objek penelitian]

Metode prediksi deret waktu seperti Support Vector Machine (SVM) (Yongsheng, 2008), Neural Network (NN) (Tseng, 2007) dan Grey Model (GM) (Wu, 2007) dikemukakan oleh banyak peneliti (Huifei, 2009) untuk prediksi produksi. Nasi. [2. metode yang ada]

NN memiliki keunggulan dalam prediksi nonlinier, kuat dalam pemrosesan paralel dan kemampuan untuk mentolerir kesalahan, tetapi memiliki kelemahan pada kebutuhan data latih yang besar, over-fitting, konvergensi lambat, dan local optimumnya (Rosario, 2007). GM memiliki keunggulan akurasi prediksi yang tinggi meskipun menggunakan sedikit data, namun GM memiliki kelemahan dalam memprediksi data yang sifatnya fluktuatif seperti data produksi beras (Wu, 2007). [3. keuntungan dan kerugian dari metode yang ada]

SVM dapat mengatasi permasalahan NN dan GM yaitu over-fitting, slow convergence, dan kurangnya data latih (Vapnik, 2005) yang sesuai dengan karakteristik data produksi padi pada penelitian ini (3. mengapa support vector machine?) . Namun, SVM memiliki kelemahan dalam kesulitan memilih parameter SVM yang optimal (Coussement, 2008). [4. masalah dengan metode yang dipilih]

Particle Swarm Optimization (PSO) merupakan salah satu metode optimasi yang telah terbukti efektif dalam menyelesaikan permasalahan optimasi multidimensi dan multiparameter pada pembelajaran mesin seperti pada NN, SVM, dan pengklasifikasi lainnya (Brits, 2009) (4. mengapa particle swarm optimization? ). [5. metode perbaikan solusi]

Dalam penelitian ini, PSO akan diterapkan untuk memilih parameter SVM yang sesuai dan optimal, sehingga hasil prediksi lebih akurat. [6. ringkasan tujuan penelitian]

PERUMUSAN MASALAH DAN TUJUAN PENELITIAN

Ketika kita telah berhasil menyusun latar belakang yang baik untuk masalah seperti diatas, masalah dan tujuan penelitian pasti dapat kita rangkum dengan baik. Di Indonesia, masalah penelitian biasanya dirangkum dalam bentuk identifikasi masalah (problem statement) dan rumusan masalah (research question). Maka sebagai kelanjutan dari latar belakang permasalahan diatas maka dapat diringkas permasalahan dan tujuan penelitian sebagai berikut:

Masalah Penelitian (Problem Statement atau Research Problem):

SVM merupakan algoritma yang memiliki performa sangat baik untuk memprediksi deret waktu, karena dapat mengatasi masalah over-fitting, konvergensi yang lambat, dan kurangnya data latih. Namun SVM memiliki kelemahan yaitu sulitnya pemilihan parameter yang optimal karena harus dilakukan trial and error sehingga menyebabkan tingkat akurasi prediksi menjadi rendah.

Pertanyaan Riset:

Seberapa tinggi akurasi metode SVM jika PSO diterapkan pada proses pemilihan parameter yang optimal?

Pertanyaan penelitian alternatif lain yang dapat digunakan adalah sebagai berikut:

Bagaimana akurasi SVM dapat meningkat jika PSO diterapkan pada proses pemilihan parameter yang optimal?

Bagaimana penerapan PSO mempengaruhi pemilihan parameter yang optimal pada akurasi metode SVM?

Tujuan Penelitian:

Menerapkan PSO untuk pemilihan parameter yang optimal dalam SVM, sehingga dapat meningkatkan akurasi hasil prediksi

You May Also Like

About the Author: William Hartjono

Leave a Reply