1Penelitian Berawal dari Pertanyaan

Penelitian kerap dibayangkan sebagai kegiatan yang identik dengan laboratorium dan instrumen berbiaya tinggi. Pada kenyataannya, sebagian besar penelitian bermula dari hal yang jauh lebih sederhana, yaitu pengamatan atas suatu gejala yang kemudian disusul pertanyaan mengenai sebabnya. Seorang ahli ornitologi yang menyadari berkurangnya perjumpaan dengan jenis burung tertentu di wilayahnya dapat mengembangkan pengamatan tersebut menjadi program penelitian bertahun-tahun. Perbedaan antara peneliti dan pengamat awam karena itu tidak terletak pada rasa ingin tahunya, melainkan pada kesediaan menindaklanjuti rasa ingin tahu tersebut dengan bukti yang dapat diperiksa.

Bukti yang dimaksud dalam konteks ini adalah data. Data merupakan catatan sistematis mengenai suatu keadaan, baik berupa hasil penghitungan, pengukuran, maupun pengamatan yang terdokumentasi. Ketika pertanyaan penelitian dipertemukan dengan data yang relevan, yang dihasilkan bukan lagi pendapat, melainkan temuan yang dapat ditelusuri kembali oleh pihak lain. Inilah yang membedakan pernyataan “tutupan hutan kita semakin berkurang” dari pernyataan “berdasarkan data tutupan hutan periode 2015 sampai 2024, luasnya berkurang sebesar sekian persen”.

Penelitian berbasis data tidak selalu mensyaratkan pengumpulan data primer di lapangan. Saat ini tersedia sejumlah besar data biologi yang telah dikumpulkan, didokumentasikan, dan sengaja dibuka untuk penggunaan umum oleh berbagai lembaga. Pemanfaatan data sekunder semacam ini merupakan praktik yang lazim dan diakui dalam penelitian biodiversitas kontemporer. Pada pertemuan ini, mahasiswa akan berlatih memanfaatkan sumber daya tersebut sebagaimana yang dilakukan peneliti profesional.

Terdapat satu prinsip penting yang perlu dipegang sejak awal berkaitan dengan pemanfaatan data sekunder. Data yang tersedia tidak selalu sesuai dengan rancangan ideal yang dibayangkan peneliti pada tahap awal. Peneliti yang cermat tidak memaksakan rancangannya, melainkan menyesuaikan pertanyaan dengan bukti yang benar-benar tersedia. Prinsip penyesuaian ini akan muncul berulang kali sepanjang modul dan menjadi salah satu pembelajaran utama pertemuan ini.

2Merumuskan Pertanyaan Penelitian

Tidak seluruh pertanyaan dapat dijawab menggunakan data, dan pemahaman atas batasan ini akan menghemat banyak waktu. Pertanyaan seperti “apakah alih fungsi hutan dapat dibenarkan?” merupakan pertanyaan normatif yang jawabannya bergantung pada nilai yang dianut. Sebaliknya, pertanyaan seperti “berapa luas tutupan hutan yang berkurang di Sumatera Utara selama sepuluh tahun terakhir?” merupakan pertanyaan empiris yang dapat dijawab dengan data. Pertanyaan bertipe kedua inilah yang menjadi sasaran latihan pada pertemuan ini.

Terdapat empat bentuk pertanyaan empiris yang paling sesuai bagi peneliti pemula. Pertanyaan mengenai jumlah menanyakan berapa banyak suatu objek tercatat, sedangkan pertanyaan mengenai sebaran menanyakan di mana objek tersebut ditemukan. Pertanyaan mengenai kecenderungan waktu menanyakan bagaimana suatu keadaan berubah dari tahun ke tahun, dan pertanyaan mengenai perbandingan menanyakan perbedaan antara dua kelompok atau dua wilayah. Keempat bentuk tersebut dapat dijawab melalui penghitungan dan penyajian grafik tanpa memerlukan uji statistik inferensial.

Perlu ditekankan bahwa pertanyaan deskriptif semacam itu bukan pertanyaan berkategori rendah. Kajian terhadap 501 artikel yang memanfaatkan basis data biodiversitas terbuka menunjukkan bahwa penggunaan paling umum adalah memperkirakan sebaran dan kekayaan spesies, menyusun kompilasi dan publikasi data, serta mengembangkan daftar spesies atau mendeskripsikan spesies baru (Ball-Damerow dkk., 2019). Dengan demikian, pertanyaan mengenai sebaran dan jumlah justru merupakan tulang punggung penelitian biodiversitas yang terbit pada jurnal internasional. Mahasiswa karena itu tidak perlu merasa bahwa pertanyaan sederhana merupakan pilihan yang kurang bernilai.

Untuk menilai mutu suatu pertanyaan penelitian, literatur metodologi menyediakan sejumlah kriteria. Salah satu yang banyak dirujuk adalah akronim FINERMAPS yang merangkum sifat-sifat yang sebaiknya dimiliki sebuah pertanyaan penelitian (Ratan dkk., 2019). Daftar lengkapnya memuat sepuluh sifat dan sebagian di antaranya ditujukan bagi peneliti profesional yang berorientasi publikasi. Untuk keperluan pertemuan ini, empat sifat pertama telah memadai sebagai alat penilaian.

3Penelusuran Data Terbuka

Sejumlah lembaga nasional maupun internasional mengumpulkan data biologi dan membukanya bagi penggunaan umum. Akses terhadap data tersebut umumnya tidak memerlukan izin khusus, tidak dipungut biaya, dan tidak mensyaratkan afiliasi kelembagaan tertentu. Yang diperlukan hanyalah akses internet, ketelitian dalam menelusuri, serta pemahaman mengenai portal mana yang sesuai dengan kebutuhan. Bagian ini memperkenalkan tiga portal yang paling sesuai untuk tahap awal.

Pembatasan pada tiga portal dilakukan secara sengaja agar penelusuran tetap terarah. Ketiganya telah memadai untuk menjawab seluruh klaster tema yang dibagikan kepada delapan kelompok. Portal lain dapat dijelajahi kemudian, dan hal tersebut akan terasa mudah karena pola penelusurannya serupa. Penguasaan mendalam atas satu portal lebih bermanfaat daripada pengenalan sepintas atas banyak portal.

Volume data yang tersedia pada portal tersebut tergolong sangat besar. GBIF tercatat berkembang dari sedikit di atas 200 juta rekaman pada tahun 2010 menjadi lebih dari 1,08 miliar rekaman, yaitu peningkatan lebih dari lima kali lipat dalam kurun kurang dari satu dasawarsa (Ball-Damerow dkk., 2019). Kajian lain mencatat bahwa data yang tersedia melalui GBIF meningkat dua belas kali lipat sejak tahun 2007, dan pada tahun 2019 terbit rata-rata sekitar dua publikasi ilmiah per hari yang memanfaatkan data tersebut (Heberling dkk., 2021). Sumber daya yang akan digunakan mahasiswa pada pertemuan ini dengan demikian merupakan sumber daya yang sama dengan yang dimanfaatkan komunitas ilmiah internasional.

Strategi penelusuran

Penelusuran tanpa perencanaan akan menghasilkan keluaran yang sangat besar dan sulit dikelola. Langkah awal yang disarankan adalah menetapkan tiga kata kunci terlebih dahulu, yaitu objek yang dicari, wilayah, dan periode. Setelah itu barulah portal dibuka dan fasilitas penyaringan digunakan, yang pada umumnya tersedia di sisi kiri halaman. Fasilitas penyaringan merupakan instrumen terpenting dalam penelusuran, karena tanpanya pengguna akan berhadapan dengan jutaan baris yang sebagian besar tidak relevan.

Setelah kandidat ditemukan, penetapan sebaiknya tidak dilakukan secara tergesa-gesa. Kelompok dianjurkan mengumpulkan dua sampai tiga kandidat dataset sebagai bahan pembanding. Tidak jarang kandidat kedua ternyata lebih lengkap, lebih mutakhir, atau lebih mudah diolah dibandingkan kandidat pertama. Kebiasaan membandingkan beberapa alternatif merupakan praktik baku dalam penelitian yang sebaiknya dibiasakan sejak awal.

4Penilaian Kelayakan Dataset

Terdapat satu anggapan keliru yang perlu diluruskan sejak awal. Banyak pengguna pemula beranggapan bahwa data yang telah dipublikasikan pada portal resmi pasti bersih, lengkap, dan siap dianalisis. Kenyataannya, data empiris selalu mengandung ketidaksempurnaan, dan justru ketidaksempurnaan itulah yang menandai keasliannya. Literatur pendidikan sains menyebut sifat tersebut sebagai karakteristik data autentik, yang terwujud dalam bentuk keragaman, nilai pencilan, nilai yang hilang, serta kecenderungan yang tidak terduga (Kjelvik & Schultheis, 2019).

Ketidaksempurnaan tersebut bukan alasan untuk menghindari data empiris. Sebaliknya, pengalaman belajar literasi data yang paling kuat justru muncul ketika mahasiswa bekerja dengan data autentik dari penelitian sungguhan, bukan dengan data buatan yang telah dirapikan pengajar (Kjelvik & Schultheis, 2019). Data yang terlalu ideal tidak menyiapkan mahasiswa untuk menghadapi kondisi penelitian yang sebenarnya. Pertemuan ini karena itu langsung menggunakan data empiris, dengan daftar periksa sebagai instrumen pengaman.

Tiga sumber ketidaksempurnaan yang utama

Sumber ketidaksempurnaan yang pertama adalah kesalahan identifikasi takson. Perkiraan tingkat kesalahan identifikasi pada koleksi spesimen berkisar antara 5 sampai 60 persen bergantung pada kelompok taksonomi yang ditinjau (Ball-Damerow dkk., 2019). Rentang yang sangat lebar tersebut merupakan pesan tersendiri, yaitu ketepatan nama takson pada suatu dataset tidak dapat diasumsikan begitu saja. Untuk keperluan pertemuan ini, mahasiswa cukup menyadari keberadaannya dan mencantumkannya sebagai keterbatasan dalam laporan.

Sumber kedua adalah informasi lokasi yang tidak lengkap atau tidak akurat. Penelitian yang menghimpun sekitar 170.000 rekaman burung Galliformes menemukan bahwa 86 persen di antaranya memiliki sekurang-kurangnya perkiraan tanggal dan lokasi (Boakes dkk., 2010). Angka tersebut tergolong tinggi, tetapi sekaligus berarti bahwa terdapat sebagian rekaman yang asal-usulnya tidak dapat dipastikan. Penelitian yang sama mencatat bahwa sekitar 10 persen dari keseluruhan upaya pengumpulan data dicurahkan hanya untuk menelusuri dan membakukan informasi lokasi.

Sumber ketiga merupakan yang paling sulit dikenali, yaitu bias pengumpulan. Seluruh basis data sebaran spesies mengandung bias spasial karena upaya pengambilan sampel tidak pernah merata, dan bias tersebut sangat menonjol pada GBIF akibat perbedaan pendanaan serta kebijakan berbagi data antarnegara (Beck dkk., 2014). Konsekuensinya, peta titik yang tersaji sesungguhnya merupakan peta intensitas pengamatan, bukan peta sebaran spesies yang sebenarnya. Wilayah yang tampak kosong pada peta belum tentu tidak dihuni, melainkan dapat berarti belum pernah ada pengamat yang melakukan pencatatan di sana.

Temuan yang paling relevan dari kajian bias tersebut justru bersifat menenangkan bagi peneliti pemula. Ketika data dengan bias spasial yang lebih rendah digunakan untuk membangun model sebaran, hasilnya lebih baik meskipun jumlah datanya lebih sedikit (Beck dkk., 2014). Dengan kata lain, data yang lebih terbatas namun representatif dapat mengungguli data yang berlimpah namun timpang. Implikasinya bagi kelompok cukup jelas, yaitu tidak perlu mengejar dataset dengan jumlah rekaman terbesar.

Terdapat satu kategori sumber data yang perlu dikenali secara khusus, yaitu sains warga. Sebagian besar rekaman pada GBIF berasal dari pengamat sukarela yang mendokumentasikan dan melaporkan temuannya melalui aplikasi daring. Sains warga menghasilkan himpunan data yang besar dan berjangka panjang, namun potensi galat dan biasnya belum sepenuhnya dipahami, sehingga paling tepat diposisikan sebagai pelengkap bagi penelitian yang lebih terarah dan berbasis hipotesis (Dickinson dkk., 2010). Data semacam ini tetap bernilai tinggi sepanjang asal-usulnya dinyatakan secara transparan.

Perhatikan arah aliran cabang “Tidak” pada diagram tersebut. Cabang itu tidak bermuara pada kegagalan, melainkan kembali pada perumusan pertanyaan penelitian. Inilah prinsip pokok pertemuan ini, yaitu dalam penelitian berbasis data sekunder, rumusan pertanyaan menyesuaikan diri terhadap ketersediaan bukti. Memaksakan pertanyaan yang tidak didukung data hanya akan menghambat kelompok hingga tahap pengembangan produk.

5Pemanfaatan Kecerdasan Buatan secara Etis

Kedudukan kecerdasan buatan generatif dalam mata kuliah ini perlu dinyatakan secara tegas. Pemanfaatannya diperkenankan, dan kebijakan tersebut memiliki dasar argumentatif yang jelas. Kajian etika penelitian mengemukakan bahwa pelarangan menyeluruh terhadap penggunaan model bahasa besar bukan respons yang memadai, karena larangan semacam itu sulit ditegakkan dan justru mendorong penggunaan yang tidak diungkapkan (Hosseini dkk., 2023). Yang dituntut karena itu bukan penghindaran, melainkan transparansi.

Kajian yang sama mengemukakan pertimbangan lain yang relevan. Model bahasa besar dapat berperan penting bagi peneliti yang penguasaan bahasa Inggrisnya belum memadai, sehingga pemanfaatannya berpotensi mendorong pemerataan kesempatan dalam dunia ilmu (Hosseini dkk., 2023). Bagi mahasiswa tahun pertama, alat bantu semacam ini juga berfungsi sebagai sarana pembelajaran mandiri yang tersedia setiap saat. Permasalahan pokoknya karena itu tidak terletak pada penggunaannya, melainkan pada cara penggunaannya.

Terdapat satu risiko yang wajib dipahami sebelum memanfaatkan kecerdasan buatan untuk keperluan kepustakaan. Model bahasa besar dapat menghasilkan daftar pustaka yang tersusun rapi namun sebagian entrinya tidak pernah ada, lengkap dengan nama penulis, judul, nama jurnal, dan nomor DOI yang seluruhnya tampak meyakinkan. Gejala tersebut telah terdokumentasi dalam kajian mengenai sitasi yang dihasilkan ChatGPT. Oleh karena itu berlaku satu ketentuan mutlak dalam mata kuliah ini, yaitu setiap rujukan wajib ditelusuri dan dibuka sendiri sebelum dicantumkan.

Tiga ketentuan pemanfaatan

Ketentuan pertama menyatakan bahwa kecerdasan buatan boleh membantu proses berpikir, tetapi tidak menggantikannya. Kelompok diperkenankan meminta alternatif rumusan pertanyaan penelitian sebagai bahan curah gagasan, karena hal tersebut mempercepat tahap awal. Namun keputusan penetapan harus lahir dari diskusi kelompok dan disertai alasan yang dapat dipertanggungjawabkan. Ketidakmampuan menjelaskan dasar pemilihan menunjukkan bahwa ketentuan ini belum dipenuhi.

Ketentuan kedua menyatakan bahwa setiap keluaran kecerdasan buatan wajib diverifikasi. Angka harus diperiksa terhadap sumber aslinya, rujukan harus dibuka satu per satu, dan pernyataan ilmiah harus dibandingkan dengan artikel atau buku. Verifikasi tersebut bukan formalitas administratif, melainkan bagian dari pekerjaan yang dinilai. Kecerdasan buatan sebaiknya diposisikan sebagai sumber yang perlu dikonfirmasi, bukan sebagai otoritas yang dapat langsung dikutip.

Ketentuan ketiga menyatakan bahwa pemanfaatan kecerdasan buatan wajib dilaporkan. Rekomendasi dalam literatur etika penelitian menyebutkan tiga hal, yaitu mengungkapkan penggunaan beserta prompt dan bagian teks yang terpengaruh, mencantumkan sitasi dalam teks beserta daftar pustakanya, serta menyertakan rekaman interaksi sebagai lampiran (Hosseini dkk., 2023). Dalam mata kuliah ini, ketiganya diwujudkan dalam bentuk Log AI yang dilampirkan bersama Kartu Rancangan Proyek. Pelaporan tidak mengurangi penilaian sama sekali, sedangkan penyembunyian merupakan pelanggaran integritas akademik.

6Penyusunan Kartu Rancangan Proyek

Seluruh kegiatan pada pertemuan ini bermuara pada satu dokumen bernama Kartu Rancangan Proyek. Dokumen tersebut bukan proposal penelitian lengkap, dan memang tidak dirancang untuk itu. Panjangnya cukup satu sampai dua halaman, karena tujuannya adalah memastikan arah kerja kelompok telah jelas sebelum tahap berikutnya dimulai. Dokumen ini berfungsi sebagai kerangka acuan awal, bukan sebagai laporan hasil.

Kartu Rancangan Proyek menjadi bahan dasar bagi tiga pertemuan berikutnya. Pada pertemuan 12 kelompok menyusun alur kerja pengelolaan data berdasarkan dataset yang telah ditetapkan hari ini. Pada pertemuan 13 kelompok mulai mengembangkan produk digitalnya, dan pada pertemuan 14 produk tersebut dipresentasikan. Keputusan yang diambil pada pertemuan ini karena itu memiliki konsekuensi yang berlanjut hingga akhir semester.

Delapan komponen wajib

1. Judul sementara. Masih dapat direvisi pada tahap berikutnya, tetapi harus sudah dirumuskan.
2. Latar belakang. Satu paragraf yang menjelaskan dasar pemilihan permasalahan.
3. Pertanyaan penelitian. Satu kalimat, spesifik, dan telah memenuhi empat kriteria pada Tabel 1.
4. Manfaat. Pihak yang memperoleh nilai guna dari jawaban tersebut, sekurang-kurangnya satu pihak nyata.
5. Kartu dataset. Nama dataset, tautan, penyedia, lisensi, format, jumlah rekaman, dan tanggal unduh.
6. Hasil penilaian kelayakan. Termasuk kandidat yang digugurkan beserta alasan penggugurannya.
7. Rencana luaran. Bentuk produk digital yang direncanakan, misalnya infografis atau himpunan grafik.
8. Daftar rujukan dan Log AI. Sekurang-kurangnya tiga rujukan dalam format APA edisi ketujuh yang telah diverifikasi.

Klaster tema dan pembagian kelompok

Untuk menghindari tumpang tindih tema di antara delapan kelompok, setiap kelompok memperoleh satu klaster. Di dalam klaster tersebut kelompok tetap bebas menentukan rumusan pertanyaannya sendiri, sehingga ruang kreativitas tetap terbuka lebar. Pembagian klaster dilakukan pada awal sesi melalui undian yang dikoordinasi komisaris kelas. Pertukaran klaster antarkelompok diperkenankan sepanjang kedua kelompok menyepakatinya.

Pembagian peran dalam kelompok

Kegagalan kerja kelompok pada umumnya tidak disebabkan oleh rendahnya motivasi anggota, melainkan oleh tidak adanya penanggung jawab yang jelas untuk setiap bagian pekerjaan. Setiap kelompok karena itu diwajibkan membagi lima peran sejak pertemuan ini. Pembagian peran tersebut berlaku hingga pertemuan 14 dan akan diminta sebagai bukti kontribusi. Seluruh anggota tetap terlibat dalam diskusi, namun terdapat satu penanggung jawab untuk setiap bagian.

Penilaian sejawat antarkelompok

Sebelum dokumen dikumpulkan, setiap kelompok diperiksa oleh satu kelompok pasangan. Pasangan yang ditetapkan adalah kelompok 1 dengan 2, kelompok 3 dengan 4, kelompok 5 dengan 6, serta kelompok 7 dengan 8. Tugas pemeriksa adalah menerapkan lima kriteria kelayakan terhadap dataset pasangannya dan menyampaikan sekurang-kurangnya satu catatan perbaikan. Penilaian dari pihak di luar kelompok pada umumnya lebih objektif daripada penilaian atas pekerjaan sendiri.

+Glosarium

Data terbuka

Data yang sengaja dipublikasikan untuk penggunaan umum sehingga dapat diunduh dan dimanfaatkan siapa saja, umumnya dengan syarat pencantuman sumber.

Dataset

Satu himpunan data yang tersimpan dalam satu berkas atau satu paket, pada umumnya berbentuk tabel yang terdiri atas baris dan kolom.

CSV

Format berkas tabel sederhana yang dapat dibuka oleh hampir seluruh perangkat lunak pengolah angka, termasuk Excel dan Google Sheets.

Lisensi data

Ketentuan yang mengatur hal yang diperkenankan dan tidak diperkenankan atas suatu data, termasuk tata cara pencantuman sumbernya.

Bias pengumpulan

Kecenderungan terhimpunnya data secara tidak merata akibat perbedaan intensitas pengamatan antarwilayah atau antarwaktu.

Sains warga

Kegiatan pengumpulan data ilmiah yang melibatkan masyarakat umum sebagai pengamat sukarela, misalnya melalui aplikasi pencatatan perjumpaan satwa.

Rekaman perjumpaan

Satu catatan yang menyatakan bahwa suatu takson pernah ditemukan pada tanggal dan lokasi tertentu.

Metadata

Keterangan yang menjelaskan suatu dataset, mencakup asal-usul, cara pengumpulan, satuan, dan makna setiap variabelnya.

Log AI

Dokumentasi yang memuat permintaan kepada kecerdasan buatan, keluaran yang diperoleh, hasil verifikasi, serta keputusan akhir pengguna.

•Daftar Pustaka