riset-teknologi-informasi/worksheets/ws-04-rq-hypothesis.md

WS-04: Research Question & Hypothesis

Bab 4 — Research Question, Contribution & Hypothesis

---

Ringkasan Materi

RQ Bukan Pertanyaan Biasa

Research Question yang baik secara implisit mengandung cetak biru eksperimen: subjek, baseline, metrik, domain, dataset.

Kualitas	Contoh
Buruk	"Bagaimana pengaruh deep learning terhadap deteksi malware?"
Baik	"Apakah CNN menghasilkan F1-Score lebih tinggi dari RF pada CIC-MalMem-2022?"

Perbedaan: RQ yang baik menyebutkan metode spesifik, metrik terukur, baseline, dan dataset.

Tiga Jenis RQ

Jenis	Pola	Kebutuhan
Comparison	A vs B → mana lebih baik?	≥ 2 metode, metrik sama
Improvement	A' vs A → modifikasi lebih baik?	Pre/post, bukti perbaikan
Exploratory	Faktor X₁...Xₙ → pengaruh terhadap Y?	Multi-variabel, korelasi/regresi

Contribution Statement

Tiga jenis kontribusi: Improvement (metode terbukti lebih baik), Comparison (perbandingan sistematis yang belum ada), Novel Approach (pendekatan baru). Kontribusi harus terhubung langsung dengan gap — kontribusi tanpa gap = klaim tanpa justifikasi.

Hypothesis H₀ / H₁

• H₀ (Null) = Tidak ada perbedaan signifikan — asumsi default, harus dibuktikan salah
• H₁ (Alternative) = Ada perbedaan signifikan — diterima hanya jika H₀ ditolak
• Harus falsifiable, mengandung metrik terukur, dirumuskan SEBELUM eksperimen

Rantai Operasionalisasi

RQ → Variable → Metric → Data → Analysis

Jika rantai ini tidak lengkap, RQ belum mature. Bi-directional: RQ yang tidak bisa jadi hipotesis testable harus direvisi mundur.

Research vs Engineering

Aspek	Engineering	Research
Tujuan pertanyaan	Apa yang harus dibangun?	Apa yang harus dibuktikan?
Bentuk jawaban	Sistem yang berfungsi	Bukti empiris terukur
Sukses diukur oleh	User satisfaction, uptime	Signifikansi statistik, effect size
Jika gagal	Debug dan perbaiki	Laporkan, analisis mengapa

Istilah Penting

• Research Question (RQ) — Pertanyaan spesifik: variabel terukur + metrik + konteks
• Contribution Statement — Apa yang diketahui setelah riset selesai yang sebelumnya belum ada
• H₀ / H₁ — Null vs Alternative Hypothesis
• Falsifiability — Kondisi hipotesis ditolak harus bisa didefinisikan sebelum eksperimen
• Operationalization — Proses mewujudkan konsep abstrak menjadi variabel terukur

---

Template A.4 — RQ-Contribution-Hypothesis

RQ-CONTRIBUTION-HYPOTHESIS

Gap Statement  : ____________________

Research Question:
  Tipe         : [ ] Comparison  [ ] Improvement  [ ] Exploratory
  Formulasi    : ____________________
  Variabel IV  : ____________________
  Variabel DV  : ____________________
  Metrik       : ____________________
  Dataset      : ____________________
  Baseline     : ____________________

Quality Check RQ:
  [ ] Variabel spesifik
  [ ] Metrik jelas
  [ ] Baseline ada
  [ ] Konteks disebutkan
  [ ] Memerlukan eksperimen (bukan hanya survei literatur)

Contribution Statement:
  Apa yang baru diketahui : ____________________
  Jenis kontribusi        : [ ] Improvement  [ ] Comparison  [ ] Novel approach
  Gap yang diisi          : ____________________

Hypothesis Pair:
  H₀ : ____________________
  H₁ : ____________________
  Threshold              : ____________________
  Justifikasi threshold  : ____________________

---

Latihan 1 — Dari Gap ke RQ

Gunakan gap yang ditemukan di WS-03. Transformasikan menjadi Research Question.

Gap dari WS-03: ____________________________________

RQ versi pertama (tulis bebas):

---

Evaluasi RQ:

Komponen	Ada?	Isi
Metode spesifik	Contoh: Ya — CNN vs RF
Metrik terukur
Baseline
Dataset/konteks

Tipe RQ: [ ] Comparison / [ ] Improvement / [ ] Exploratory

RQ versi revisi (setelah evaluasi):

---

---

Latihan 2 — Hypothesis Pair

Rumuskan pasangan hipotesis dari RQ di Latihan 1.

Komponen	Isi
H₀	Contoh: Tidak ada perbedaan signifikan F1-Score antara CNN dan RF pada dataset CIC-MalMem-2022
H₁
Metrik
Threshold
Justifikasi threshold

Apakah hipotesis ini falsifiable? [ ] Ya / [ ] Tidak

Bagaimana cara membuktikannya salah? ___________________

---

Latihan 3 — Rantai Operasionalisasi

Lengkapi rantai dari RQ hingga metode analisis.

Tahap	Isi
RQ	Contoh: Apakah CNN menghasilkan F1-Score lebih tinggi dari RF...
Variable (IV)	Contoh: Jenis algoritma (CNN vs RF)
Variable (DV)
Metric
Data source
Analysis method

Apakah rantai lengkap? [ ] Ya / [ ] Tidak

Jika tidak, tahap mana yang perlu direvisi? ______________

---

Refleksi

Ambil satu judul skripsi/paper yang pernah dibaca. Coba ekstrak RQ-nya. Apakah RQ tersebut memenuhi semua komponen (metode, metrik, baseline, konteks)? Jika tidak, apa yang hilang?

Judul: _____________________________________________ RQ yang diekstrak: __________________________________ Komponen yang hilang: _______________________________