Lompat ke konten Lompat ke sidebar Lompat ke footer

Tahapan Menyusun Kegiatan Penelitian

Tim yang sudah dibentuk dan bersepakat dalam FGD selanjutnya menyusun kegiatan penelitian sebagai berikut:
  1. Menijau ulang Mata Kuliah yang diminati untuk membuat kegiatan penelitian
  2. Menentukan Topik Kegiatan Penelitian
  3. Melakukan pengumpulan Jurnal dan atau Studi Pustaka sebanyak mungkin yang mendekati Topik Kegiatan Penelitian (status pustaka 5-10 tahun terakhir), minimal 50 pustaka (gunakan PoP, dan Mendeley atau Zotero)
  4. Melakukan Pemilihan minimal 3-5 pustaka yang lebih focus dengan Topik Kegiatan Penelitian
  5. Membuat rangkuman dari pustaka yang dipilih
  6. Membuat Draft Proposal Kegiatan Penelitian


Tahapan Menyusun Kegiatan Penelitian


1. Identifikasi Masalah
  • Tentukan permasalahan atau kebutuhan yang ingin dipecahkan melalui penelitian.
  • Masalah yang diidentifikasi harus relevan, memiliki nilai ilmiah, serta berdampak nyata.
Contoh: "Pendeteksian cyberbullying pada media sosial dengan menggunakan machine learning."


2. Peninjauan Literatur (Literature Review)
  • Pelajari penelitian-penelitian terdahulu untuk memahami metode, algoritma, dan teknologi yang telah ada.
  • Temukan celah (gap) yang bisa menjadi dasar dalam pengembangan penelitian lebih lanjut.
Contoh: Mempelajari metode NLP (Natural Language Processing) untuk analisis teks pada media sosial.


3. Penentuan Tujuan Penelitian
  • Buat pernyataan yang jelas tentang tujuan utama dan spesifik dari penelitian.
  • Tentukan sasaran yang ingin dicapai sebagai kontribusi penelitian.
Contoh: "Mengembangkan model machine learning untuk mengidentifikasi cyberbullying pada media sosial dengan tingkat akurasi tinggi."


4. Desain Metode Penelitian
  • Tentukan metode yang akan digunakan, termasuk jenis algoritma, data yang diperlukan, dan teknik analisis.
  • Rancang eksperimen atau tahapan implementasi yang akan dijalankan.
Contoh: Menggunakan algoritma deep learning seperti LSTM atau BERT untuk klasifikasi teks.


5. Pengumpulan dan Pengolahan Data
  • Dapatkan data yang relevan, baik dari sumber publik, dataset yang tersedia, atau survei.
  • Lakukan proses pengolahan data seperti pembersihan, normalisasi, dan persiapan data untuk model.
Contoh: Mengumpulkan data dari Twitter atau media sosial lain yang berisi teks dengan indikasi cyberbullying.


6. Implementasi dan Pengujian
  • Implementasikan algoritma atau model sesuai dengan rencana.
  • Lakukan pengujian dan validasi untuk memastikan performa model dengan metode evaluasi yang tepat.
Contoh: Melakukan eksperimen menggunakan data pelatihan dan pengujian untuk mengukur akurasi, precision, recall, dan F1 score dari model.


7. Analisis Hasil dan Pembahasan
  • Analisis hasil pengujian untuk mengevaluasi efektivitas model atau metode yang digunakan.
  • Bandingkan dengan metode lain atau penelitian terdahulu untuk menilai keunggulan atau kelemahan.
Contoh: Menilai apakah penggunaan BERT memberikan akurasi lebih baik dibandingkan metode sebelumnya.


8. Kesimpulan dan Saran
  • Sajikan kesimpulan berdasarkan hasil penelitian.
  • Berikan saran untuk penelitian selanjutnya atau aplikasi di dunia nyata.
Contoh: "Model BERT memberikan akurasi tinggi dalam mendeteksi cyberbullying. Penelitian selanjutnya dapat mencakup deteksi dalam berbagai bahasa."


9. Publikasi dan Presentasi
  • Publikasikan hasil penelitian dalam bentuk laporan, jurnal, atau presentasi di konferensi.
  • Sertakan dokumentasi yang menjelaskan proses penelitian secara lengkap.
Contoh: Menulis artikel jurnal atau prosiding untuk konferensi mengenai deteksi cyberbullying menggunakan BERT.


Contoh Topik Penelitian Bidang Komputer

  1. Pengembangan Sistem Deteksi Cyberbullying di Media Sosial menggunakan Natural Language Processing (NLP).
  2. Implementasi Algoritma Deep Learning untuk Pengklasifikasian Penyakit dari Citra Medis.
  3. Analisis Kinerja Algoritma Kriptografi untuk Keamanan Data pada Internet of Things (IoT).
  4. Penerapan Blockchain untuk Pengelolaan Aset Digital dalam Lingkungan Pendidikan.
  5. Pengembangan Model Prediksi Kebutuhan Energi Listrik menggunakan Algoritma Machine Learning.