Selama bertahun-tahun, etika penelitian biologi dibayangkan sebagai urusan lapangan dan laboratorium, misalnya tentang bagaimana memperlakukan hewan coba atau bagaimana meminta persetujuan responden. Bayangan itu tidak salah, hanya saja sudah jauh tertinggal dari kenyataan. Hari ini, sebagian besar jejak penelitian Anda berbentuk digital, mulai dari foto spesimen di ponsel, tabel pengamatan di lembar sebar, berkas sekuens hasil pengiriman ke laboratorium, sampai catatan wawancara yang tersimpan di penyimpanan awan. Setiap jejak itu bisa disalin dalam hitungan detik, dikirim ke seberang benua tanpa biaya, dan bertahan jauh lebih lama daripada ingatan Anda sendiri. Karena itulah etika data bukan lapisan tambahan di akhir penelitian, melainkan sesuatu yang menempel pada setiap keputusan kecil sejak hari pertama.

Empat Pelanggaran Klasik yang Tidak Pernah Punah

Komunitas ilmiah internasional sudah lama menyepakati tiga bentuk pelanggaran terberat yang sering disingkat FFP, yaitu fabrication, falsification, dan plagiarism. Fabrikasi berarti mengarang data yang sebenarnya tidak pernah ada, misalnya menuliskan hasil pengukuran untuk ulangan ketiga yang tidak sempat dikerjakan. Falsifikasi berarti memanipulasi data yang nyata agar hasilnya terlihat lebih rapi, misalnya membuang titik pengamatan yang mengganggu garis tren tanpa alasan metodologis. Plagiarisme berarti mengambil gagasan, kalimat, atau data orang lain tanpa menyatakan sumbernya secara memadai. Pada era digital, kita perlu menambahkan satu kategori keempat yang semakin sering muncul, yaitu penyalahgunaan data, yang mencakup pemakaian dataset tanpa izin, pembukaan data sensitif, dan penyerahan data mentah orang lain kepada layanan pihak ketiga.

Etika Tidak Berhenti pada Data, Ia Sampai pada Makhluk Hidup

Ada satu hal yang membuat etika penelitian biologi berbeda dari bidang lain, yaitu bahwa data Anda sering berasal dari sesuatu yang bernyawa. Labibah dan rekan menegaskan bahwa penelitian biologi berdiri di atas prinsip bioetika yang klasik, yaitu penghormatan terhadap otonomi, upaya berbuat baik, penghindaran bahaya, dan keadilan. Untuk penelitian yang melibatkan hewan coba, prinsip tersebut diterjemahkan menjadi kaidah 3R, yaitu replacement atau mengganti hewan dengan metode lain bila memungkinkan, reduction atau menekan jumlah hewan seminimal mungkin, dan refinement atau memperbaiki perlakuan agar penderitaan berkurang. Untuk penelitian yang melibatkan manusia, prinsip itu diterjemahkan menjadi persetujuan yang diberikan secara sadar dan bebas, tanpa paksaan dan tanpa informasi yang disembunyikan. Angka-angka di lembar sebar Anda adalah ujung dari rantai yang pangkalnya adalah makhluk hidup, dan perlakuan yang buruk di pangkal tidak bisa diperbaiki oleh analisis statistik yang canggih di ujung.

Banyak mahasiswa mengira plagiarisme adalah tindakan menyalin satu paragraf utuh lalu menempelkannya tanpa tanda kutip. Kenyataannya, definisi resmi di Indonesia jauh lebih luas daripada itu. Peraturan Menteri Pendidikan Nasional Nomor 17 Tahun 2010 menyebut plagiat sebagai perbuatan, baik disengaja maupun tidak disengaja, dalam memperoleh atau mencoba memperoleh kredit atas suatu karya ilmiah dengan mengutip sebagian atau seluruh karya pihak lain tanpa menyatakan sumber secara tepat dan memadai. Perhatikan dua frasa yang sering terlewat, yaitu “tidak disengaja” dan “tepat dan memadai”. Artinya, kelalaian mencantumkan sumber tetap dihitung sebagai plagiat, dan mencantumkan sumber dengan cara yang serampangan belum tentu dianggap cukup. Pasal 2 peraturan tersebut bahkan secara tegas memasukkan perumusan ulang dengan kalimat sendiri tanpa menyatakan sumber sebagai bentuk plagiat.

Spektrum Abu-Abu, Bukan Hitam Putih

Cara paling jernih memahami plagiarisme adalah membayangkannya sebagai spektrum, bukan sebagai saklar yang hanya punya dua posisi. Di ujung paling terang ada praktik yang sepenuhnya aman, yaitu gagasan asli Anda sendiri dan kutipan yang diberi tanda kutip beserta rujukan lengkap. Bergeser sedikit ke tengah, ada parafrase yang baik, yaitu ketika Anda benar-benar memahami sumber lalu menuliskannya kembali dengan struktur berpikir Anda sendiri sambil tetap mencantumkan rujukan. Lebih ke tengah lagi ada zona berbahaya yang paling sering menjerat mahasiswa, yaitu parafrase gagal, yang terjadi ketika Anda hanya menukar beberapa kata dengan sinonim tanpa mengubah struktur kalimat aslinya. Di ujung paling gelap ada penyalinan utuh tanpa rujukan dan penyerahan karya orang lain sebagai karya sendiri. Kebanyakan kasus di perguruan tinggi tidak terjadi di ujung gelap, melainkan di zona tengah yang tampak aman padahal tidak.

Membaca Angka Kesamaan Naskah dengan Kepala Dingin

Perangkat pemeriksa kesamaan naskah seperti Turnitin sering disalahpahami sebagai mesin pendeteksi plagiarisme. Sebenarnya perangkat itu hanya melakukan satu hal, yaitu mencocokkan untaian kata pada naskah Anda dengan basis data yang dimilikinya, lalu melaporkan berapa persen teks yang cocok. Angka yang keluar adalah indeks kesamaan, bukan vonis kecurangan, karena daftar pustaka, istilah baku, nama takson, dan kutipan yang sudah diberi rujukan lengkap pun ikut terhitung. Sebaliknya, naskah dengan angka kecil bisa saja bermasalah berat jika kecilnya angka justru dihasilkan oleh parafrase gagal yang mengaburkan jejak tanpa menghapus utangnya. Yang harus Anda baca bukan angka besar di halaman depan, melainkan peta sumber di halaman berikutnya, khususnya apakah ada satu sumber tunggal yang menyumbang porsi besar dan apakah bagian yang cocok berada di metode, hasil, atau pembahasan.

Pertanyaan yang tampak sederhana, yaitu siapa pemilik sebuah data penelitian, ternyata jarang punya jawaban tunggal. Secara umum ada empat pihak yang bisa mengklaim kepentingan atas satu dataset yang sama, yaitu peneliti yang mengumpulkannya, institusi yang mendanai dan memfasilitasinya, komunitas atau wilayah tempat data itu diambil, serta publik yang membiayai penelitian melalui pajak. Undang-Undang Nomor 28 Tahun 2014 tentang Hak Cipta memberi kerangka hukum untuk sebagian pertanyaan itu, meskipun tidak semuanya. Yang perlu Anda pahami sejak awal adalah bahwa hak cipta melindungi ekspresi dari sebuah gagasan, bukan fakta mentahnya. Artinya, angka panjang tubuh seekor ikan bukan objek hak cipta, tetapi foto ikan tersebut, peta sebaran yang Anda gambar, dan tulisan Anda tentangnya adalah objek yang dilindungi.

Apa yang Sebenarnya Diizinkan oleh Hukum Kita

Kabar baiknya, undang-undang kita cukup ramah terhadap kegiatan akademik. Pasal 44 ayat (1) Undang-Undang Nomor 28 Tahun 2014 menyatakan bahwa penggunaan, pengambilan, penggandaan, atau pengubahan suatu ciptaan tidak dianggap sebagai pelanggaran hak cipta jika sumbernya disebutkan atau dicantumkan secara lengkap untuk keperluan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, atau penulisan kritik, sepanjang tidak merugikan kepentingan yang wajar dari pencipta. Namun perhatikan tiga syarat yang menempel di dalamnya, yaitu sumber harus disebut lengkap, tujuan harus benar-benar akademik, dan kepentingan wajar pencipta tidak boleh dirugikan. Kelonggaran ini juga tidak berlaku selamanya, karena Pasal 58 menetapkan perlindungan atas buku dan karya tulis berlaku selama hidup pencipta ditambah tujuh puluh tahun, sedangkan Pasal 59 menetapkan perlindungan atas karya fotografi, basis data, dan program komputer berlaku lima puluh tahun sejak pertama kali diumumkan. Foto spesimen dari tahun 1920 kemungkinan besar sudah bebas, sedangkan foto dari blog tahun lalu jelas belum.

Enam Lisensi Creative Commons dalam Satu Tarikan Napas

Creative Commons adalah cara pencipta memberi izin di muka, sehingga Anda tidak perlu mengirim surel dan menunggu balasan. Lisensinya dibangun dari empat komponen yang dirangkai menjadi enam kombinasi, yaitu BY yang mewajibkan pencantuman nama pencipta, SA yang mewajibkan karya turunan memakai lisensi serupa, NC yang melarang pemakaian komersial, dan ND yang melarang pembuatan karya turunan. Untuk keperluan penelitian dan publikasi ilmiah, dua lisensi yang paling aman adalah CC BY dan CC0, sedangkan lisensi ND perlu diwaspadai karena memotong gambar atau menerjemahkan keterangannya sudah terhitung sebagai karya turunan. Lisensi NC juga sering menjebak, sebab batas antara akademik dan komersial menjadi kabur begitu karya Anda terbit di jurnal berbayar atau dipakai dalam pelatihan berbayar. Satu aturan praktis yang jarang meleset, yaitu bila Anda ragu apakah sebuah lisensi mengizinkan penggunaan Anda, maka anggap saja tidak mengizinkan sampai ada bukti sebaliknya.

Data Terbuka Bukan Data Tanpa Aturan

Repositori seperti GBIF, NCBI, dan berbagai portal data pemerintah membuka pintu yang luar biasa lebar bagi mahasiswa yang tidak punya biaya survei besar. Namun Duke dan Porter mengingatkan bahwa penggunaan ulang data menimbulkan kewajiban etis yang berbeda dari penggunaan data sendiri. Kewajiban pertama adalah sitasi yang layak, yaitu memperlakukan dataset sebagaimana Anda memperlakukan artikel, lengkap dengan nama penyedia, tahun, judul dataset, dan pengenal permanen seperti DOI. Kewajiban kedua adalah kejujuran tentang batas data, karena data yang dikumpulkan untuk satu tujuan belum tentu sahih dipakai untuk tujuan lain tanpa penyesuaian metodologis. Kewajiban ketiga adalah kehati-hatian dalam soal kepengarangan, sebab menyumbang data dalam jumlah besar tidak otomatis memberi hak kepengarangan, dan sebaliknya memakai data orang lain secara besar-besaran tanpa pengakuan apa pun juga tidak pantas.

Ketika Data Berasal dari Komunitas

Sebagian penelitian biologi di Sumatera Utara bersinggungan dengan pengetahuan masyarakat lokal, misalnya penelitian etnobotani tentang tumbuhan obat atau penelitian tentang praktik pengelolaan hutan adat. Di sinilah prinsip CARE yang dirumuskan Carroll dan rekan menjadi penting sebagai pelengkap prinsip keterbukaan data. CARE merupakan singkatan dari Collective Benefit, yaitu data harus memberi manfaat kolektif bagi komunitas asalnya, Authority to Control, yaitu komunitas berhak mengendalikan data tentang dirinya, Responsibility, yaitu peneliti bertanggung jawab memelihara hubungan yang hormat, dan Ethics, yaitu hak dan kesejahteraan komunitas harus menjadi pertimbangan utama di seluruh daur hidup data. Pesan intinya sederhana tetapi menuntut, yaitu bahwa keterbukaan data tidak boleh berubah menjadi pengambilan yang sepihak. Jika komunitas memberi Anda pengetahuan, maka komunitas itu berhak ikut menentukan ke mana pengetahuannya pergi.

Begitu penelitian Anda menyentuh manusia, Anda masuk ke wilayah yang diatur oleh Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. Undang-undang ini membagi data pribadi menjadi dua lapis. Data pribadi yang bersifat umum, menurut Pasal 4 ayat (3), mencakup nama lengkap, jenis kelamin, kewarganegaraan, agama, status perkawinan, serta data yang dikombinasikan untuk mengidentifikasi seseorang. Data pribadi yang bersifat spesifik, menurut Pasal 4 ayat (2), mencakup data dan informasi kesehatan, data biometrik, data genetika, catatan kejahatan, data anak, serta data keuangan pribadi. Perhatikan bahwa data genetika masuk kategori spesifik, sehingga sampel dan sekuens yang berasal dari manusia menuntut kehati-hatian yang jauh lebih tinggi daripada sekuens yang berasal dari tumbuhan atau mikroba lingkungan.

Hak Responden yang Sering Dilupakan Peneliti

Undang-undang tersebut memberi responden Anda sederet hak yang berlaku bahkan setelah mereka mengisi kuesioner. Pasal 5 sampai Pasal 13 antara lain menjamin hak untuk mengetahui identitas dan tujuan pengumpulan data, hak memperbaiki data yang keliru, hak memperoleh salinan datanya sendiri, hak mengakhiri pemrosesan dan menghapus datanya, serta hak menarik kembali persetujuan yang sudah diberikan. Ada satu pengecualian yang penting Anda ketahui, yaitu Pasal 15 ayat (1) huruf e yang mengecualikan sebagian hak tersebut untuk kepentingan statistik dan penelitian ilmiah. Namun pengecualian itu bukan pintu bebas, sebab ayat (2) menegaskan bahwa pengecualian hanya berlaku dalam rangka pelaksanaan ketentuan undang-undang. Sikap paling aman bagi mahasiswa adalah tetap memenuhi semua hak responden, lalu memandang pengecualian tersebut sebagai jaring pengaman hukum, bukan sebagai jalan pintas etis.

Anonimisasi dan Pseudonimisasi, Dua Hal yang Berbeda

Banyak mahasiswa mengganti nama responden dengan kode seperti R01 dan R02, lalu menganggap datanya sudah anonim. Sayangnya itu bukan anonimisasi, melainkan pseudonimisasi, yaitu penggantian pengenal langsung dengan kode yang masih bisa dikembalikan ke identitas asli melalui tabel kunci. Anonimisasi yang sesungguhnya terjadi ketika tabel kunci dimusnahkan dan tidak ada kombinasi variabel tersisa yang memungkinkan seseorang dikenali kembali. Bayangkan perbedaannya seperti ini, yaitu pseudonimisasi adalah menutup wajah dengan topeng yang tali pengikatnya masih Anda pegang, sedangkan anonimisasi adalah membakar tali itu sekalian. Keduanya sah dipakai, tetapi risikonya berbeda jauh, sehingga Anda wajib menyatakan dengan jujur di laporan mana yang benar-benar Anda lakukan. Perlu diingat pula bahwa kombinasi beberapa variabel yang tampak tidak berbahaya, misalnya desa, usia, dan pekerjaan, sering kali cukup untuk menunjuk satu orang tertentu di komunitas kecil.

Ketika Justru Lokasi Spesies yang Harus Dilindungi

Tidak semua data sensitif berkaitan dengan manusia. Dalam penelitian biodiversitas, koordinat tempat ditemukannya spesies langka bisa berubah menjadi peta harta karun bagi pemburu dan pedagang satwa. Tulloch dan rekan mencatat kasus nyata tokek gua Tiongkok Goniurosaurus luii, yang tidak lama setelah publikasi penemuannya justru diburu untuk perdagangan hewan peliharaan sampai punah secara lokal di Vietnam. Namun mereka juga memperingatkan bahaya di arah sebaliknya, yaitu bahwa menutup semua data lokasi secara membabi buta dapat menghambat upaya konservasi, membuat status kepunahan sulit dinilai, dan menyebabkan survei yang sama diulang-ulang secara sia-sia. Karena itu mereka mengusulkan pohon keputusan yang menimbang risiko eksploitasi dan manfaat konservasi secara bersamaan, bukan sekadar bertanya aman atau tidak aman. Untuk Mini Riset Anda, prinsip praktisnya adalah menurunkan ketelitian koordinat, misalnya menyajikan data pada tingkat kecamatan alih-alih titik pasti, kecuali ada alasan konservasi yang kuat untuk membukanya.

Musuh yang Paling Sering Menang, yaitu Kelalaian Sehari-hari

Kebocoran data penelitian mahasiswa hampir tidak pernah disebabkan oleh peretas canggih. Penyebabnya biasanya jauh lebih membosankan, yaitu laptop yang jatuh, flashdisk yang rusak di tengah semester, akun surel yang dibajak karena kata sandi dipakai ulang di banyak layanan, berkas yang tertimpa karena diberi nama sama, dan tautan berbagi yang disetel “siapa saja yang memiliki tautan” lalu dilupakan. Obatnya juga sederhana, yaitu aturan pencadangan 3-2-1 yang sudah lama dipakai para pengelola data. Aturan itu berbunyi simpan tiga salinan data Anda, pada dua jenis media yang berbeda, dengan satu salinan berada di lokasi terpisah secara fisik. Bagi mahasiswa, penerjemahan praktisnya bisa berupa satu salinan di laptop, satu salinan di hard disk eksternal, dan satu salinan di penyimpanan awan kampus atau akun pribadi yang diaktifkan verifikasi dua langkah.

Pada tahun 2016, sekelompok ilmuwan yang dipimpin Mark Wilkinson menerbitkan sebuah kerangka yang kemudian mengubah cara dunia memperlakukan data penelitian, yaitu FAIR Guiding Principles. Gagasannya berangkat dari kenyataan pahit bahwa sebagian besar data penelitian hilang atau menjadi tidak berguna beberapa tahun setelah penelitiannya selesai. FAIR menawarkan empat sifat yang sebaiknya dimiliki setiap dataset, yaitu Findable atau dapat ditemukan, Accessible atau dapat diakses, Interoperable atau dapat saling dioperasikan, dan Reusable atau dapat digunakan kembali. Satu hal yang sering disalahpahami adalah anggapan bahwa FAIR sama dengan terbuka untuk semua orang. Padahal FAIR justru menekankan kejelasan syarat akses, sehingga sebuah dataset yang tertutup namun memiliki metadata publik dan prosedur permintaan akses yang jelas tetap bisa disebut FAIR.

FAIR memusatkan perhatian pada mesin dan pada kemudahan temu kembali, sehingga ia tidak banyak berbicara tentang manusia di balik data. Di sinilah prinsip CARE yang sudah Anda kenal di Bab 3 berfungsi sebagai pasangannya. Carroll dan rekan menegaskan bahwa FAIR dan CARE sebaiknya diterapkan bersama, karena keterbukaan tanpa tanggung jawab dapat merugikan pihak yang paling lemah posisinya. Cara mengingatnya cukup mudah, yaitu FAIR mengurus bagaimana data bergerak, sedangkan CARE mengurus kepada siapa data itu berpihak. Sebuah dataset etnobotani yang sempurna secara FAIR tetapi mengabaikan hak komunitas asalnya adalah dataset yang setengah jadi.

Data Management Plan, Surat untuk Diri Anda di Masa Depan

Data Management Plan atau DMP adalah dokumen singkat yang menjelaskan apa yang akan terjadi pada data Anda sejak sebelum data itu ada sampai lama setelah penelitian selesai. Michener menyusun sepuluh aturan sederhana untuk membuat DMP yang baik, mulai dari mengenali syarat pemberi dana, mengidentifikasi data yang akan dikumpulkan, menetapkan cara pengorganisasian dan pendokumentasian, menjamin mutu data, menyusun strategi penyimpanan dan pelestarian, menetapkan kebijakan data, merencanakan penyebarluasan, membagi peran dan tanggung jawab, sampai menyiapkan anggaran yang realistis. Untuk skala Mini Riset, sepuluh aturan itu bisa diringkas menjadi enam komponen yang muat dalam satu halaman. Kuncinya bukan panjangnya dokumen, melainkan kejujuran menjawab pertanyaan yang tidak nyaman, misalnya apa yang terjadi pada data ini jika anggota kelompok yang memegangnya pindah kuliah.

Kecerdasan buatan generatif kini hadir di hampir setiap tahap kerja akademik, mulai dari mencari ide, merapikan kalimat, menerjemahkan artikel, sampai membantu menulis kode analisis. Menolaknya secara total adalah sikap yang tidak realistis, sedangkan memakainya tanpa aturan adalah sikap yang berbahaya. UNESCO dalam panduannya tahun 2023 menegaskan bahwa kecerdasan buatan harus diposisikan sebagai alat bantu yang berada di bawah kendali manusia, dengan tanggung jawab akhir tetap berada pada penggunanya. Sharma dan Panja mencatat bahwa kemunculan teknologi ini memperluas medan ketidakjujuran akademik sekaligus mengaburkan batas antara bantuan yang sah dan pengambilalihan pekerjaan. Garis pemisahnya sebenarnya cukup tegas, yaitu kecerdasan buatan boleh menjadi asisten Anda, tetapi tidak boleh menjadi penulis Anda.

Tiga Risiko yang Paling Sering Menjerat Mahasiswa

Risiko pertama adalah halusinasi rujukan, yaitu kecenderungan model bahasa mengarang judul artikel, nama penulis, dan bahkan nomor DOI yang tampak sangat meyakinkan padahal tidak pernah ada. Risiko kedua adalah kebocoran data, yang terjadi ketika Anda menempelkan data mentah responden atau naskah yang belum terbit ke layanan publik, sehingga bahan itu berpotensi tersimpan di server pihak ketiga di luar kendali Anda. Risiko ketiga bersifat lebih halus tetapi paling merugikan dalam jangka panjang, yaitu hilangnya jejak berpikir, yang terjadi ketika Anda menerima keluaran mesin tanpa memahami jalan menuju kesimpulannya. Mahasiswa yang terkena risiko ketiga biasanya baru sadar saat sidang, ketika penguji menanyakan mengapa sebuah uji statistik dipilih dan ia tidak punya jawaban. Ketiga risiko ini bisa ditekan dengan satu kebiasaan sederhana, yaitu memperlakukan setiap keluaran kecerdasan buatan sebagai draf yang harus diverifikasi, bukan sebagai jawaban yang sudah jadi.

Tagihan Pertemuan Ini, yaitu Mini Riset Tahap 2

Tugas ini dikerjakan secara berkelompok dan berbobot empat persen dari nilai akhir mata kuliah. Kelompok Anda melanjutkan tema Mini Riset yang sudah disepakati pada paruh pertama semester, lalu menyusun satu laporan ringkas yang memuat lima bagian. Bagian pertama adalah deskripsi sumber data, yaitu dari mana data berasal, bagaimana cara memperolehnya, dan siapa pemiliknya. Bagian kedua adalah identifikasi isu etika, yaitu minimal tiga isu etika yang mungkin muncul pada penelitian kelompok Anda beserta rencana penanganannya. Bagian ketiga adalah analisis keamanan data, bagian keempat adalah DMP sederhana menggunakan enam komponen pada Tabel 4, dan bagian kelima adalah daftar lisensi seluruh sumber, gambar, serta dataset yang kelompok Anda gunakan.

Daftar Pustaka

Modul Pertemuan 9 · Teknologi Informasi dan Literasi Data
Program Studi Biologi, FMIPA, Universitas Negeri Medan · Semester Ganjil 2026/2027