Penelitian merupakan suatu proses yang tidak hanya bergantung pada pengumpulan dan analisis data, tetapi juga pada bagaimana setiap tahapan penelitian dilakukan, didokumentasikan, dan dapat dipertanggungjawabkan. Dalam penelitian geologi, data yang diperoleh melalui observasi, sampling, pengukuran, analisis, dan interpretasi menjadi dasar untuk membangun pemahaman tentang kondisi atau proses geologi. Oleh karena itu, kualitas hasil penelitian tidak hanya ditentukan oleh banyaknya data yang tersedia, tetapi juga oleh sejauh mana proses penelitian dilakukan secara sistematis dan mampu memberikan gambaran yang dapat dipercaya mengenai objek yang diteliti.
Dalam pelaksanaannya, penelitian dapat dipengaruhi oleh berbagai bentuk bias penelitian yang muncul pada tahap pengamatan, pengambilan sampel, pengukuran, analisis, interpretasi, maupun pelaporan. Bias tersebut dapat menyebabkan hasil penelitian menyimpang dari kondisi yang seharusnya direpresentasikan. Selain itu, data penelitian perlu dikelola secara bertanggung jawab agar tetap dapat dipahami, digunakan, diperiksa, dan ditelusuri kembali selama siklus penelitian. Pengelolaan tersebut berkaitan dengan konsep data stewardship, sedangkan kemampuan untuk menelusuri hubungan antara hasil penelitian dan data, sumber, metode, serta proses yang mendasarinya merupakan bagian dari traceability.
Aspek lain yang penting adalah reproducibility, yaitu kemampuan untuk menghasilkan kembali hasil yang sama atau serupa ketika penelitian atau analisis dilakukan ulang menggunakan data, kode, dan metode yang sama. Reproducibility membutuhkan dokumentasi yang memadai mengenai data input, preprocessing, parameter, metode, perangkat lunak beserta versinya, skrip jika digunakan, kriteria seleksi, output, serta proses interpretasi. Dengan demikian, research bias, data stewardship, traceability, dan reproducibility merupakan aspek yang saling berkaitan dalam menjaga agar proses penelitian berlangsung secara sistematis, transparan, dan dapat ditelusuri.
1. Bias dalam Penelitian
Bias dalam penelitian merupakan kecenderungan sistematis yang dapat memengaruhi berbagai tahapan penelitian, mulai dari proses pengumpulan data, analisis, interpretasi, hingga pelaporan hasil. Bias dapat menyebabkan hasil penelitian menyimpang dari kondisi atau representasi yang seharusnya. Dengan demikian, bias tidak hanya dapat muncul ketika data dianalisis, tetapi juga dapat terbentuk sejak peneliti menentukan apa yang akan diamati, bagaimana data dikumpulkan dan diukur, hingga bagaimana hasil penelitian dipilih dan dilaporkan.
Dalam penelitian geologi, sumber bias dapat berasal dari beberapa aspek yang saling berkaitan. Bias dapat muncul dari peneliti (researcher), proses pengambilan sampel (sampling), proses pengukuran (measurement), analisis (analysis), interpretasi (interpretation), maupun pelaporan hasil (reporting). Setiap tahapan tersebut berpotensi memengaruhi hasil akhir penelitian apabila tidak dilakukan secara objektif dan sistematis. Oleh karena itu, pemahaman terhadap berbagai sumber bias menjadi bagian penting dalam menjaga kualitas dan keandalan penelitian geologi.
1.1 Researcher: Confirmation Bias
Salah satu bentuk bias yang dapat berasal dari peneliti adalah bias konfirmasi. Bias ini terjadi ketika peneliti memiliki kecenderungan untuk mencari, memilih, atau menafsirkan bukti secara selektif agar mendukung keyakinan atau hipotesis yang telah dimiliki sebelumnya. Dalam kondisi tersebut, peneliti berpotensi lebih memperhatikan bukti yang sesuai dengan dugaan awal dan kurang memperhatikan bukti yang bertentangan dengannya.
Sebagai contoh, seorang peneliti memiliki hipotesis bahwa daerah X mengalami proses subduksi. Dalam penelitian tersebut ditemukan sebelas bukti, dengan delapan bukti mendukung hipotesis dan tiga bukti lainnya tidak mendukung hipotesis. Apabila peneliti hanya berfokus pada delapan bukti yang sesuai dengan hipotesis dan mengabaikan tiga bukti yang bertentangan, maka proses penelitian akan dipengaruhi oleh bias konfirmasi.
Dalam situasi seperti ini, peneliti secara selektif menentukan informasi yang dianggap penting. Bukti yang mendukung hipotesis cenderung diamati dan diperhatikan lebih lanjut, sedangkan ketika ditemukan bukti yang tidak sesuai dengan hipotesis, bukti tersebut dapat dianggap kurang penting sehingga peneliti tidak melakukan observasi lebih lanjut terhadapnya. Akibatnya, proses penelitian tidak lagi sepenuhnya memberikan gambaran tentang keseluruhan bukti yang tersedia, melainkan lebih banyak mencerminkan keyakinan awal peneliti. Hal tersebut dapat memengaruhi interpretasi akhir penelitian karena evidence yang bertentangan tidak memperoleh perhatian yang sebanding dengan evidence yang mendukung hipotesis.
1.2 Sampling Bias
Sampling bias terjadi ketika sampel yang dikumpulkan tidak dapat merepresentasikan populasi atau kondisi yang sebenarnya ingin dipelajari. Bias ini berkaitan dengan proses pemilihan sampel, sehingga hasil penelitian dapat menggambarkan kondisi yang terbatas pada sampel yang dipilih, bukan pada keseluruhan wilayah atau populasi yang menjadi tujuan penelitian.
Sebagai contoh, penelitian dilakukan dengan tujuan mengkarakterisasi variasi litologi di seluruh wilayah X. Di wilayah tersebut terdapat sekitar 100 singkapan potensial yang terdiri atas batuan andesit dan basalt. Namun, karena keterbatasan waktu, peneliti hanya mengambil sampel dari singkapan yang berada di sepanjang jalan, dekat kampus, atau yang mudah dijangkau dengan kendaraan. Sampel yang diperoleh dengan cara tersebut belum tentu mewakili keseluruhan variasi litologi di wilayah X karena lokasi yang sulit dijangkau tidak teramati.
Apabila berdasarkan sampel yang terbatas tersebut peneliti kemudian menyimpulkan bahwa wilayah X tersusun atas andesit, maka kesimpulan tersebut berpotensi dipengaruhi oleh bias pengambilan sampel. Permasalahan utamanya bukan semata-mata pada jumlah sampel, melainkan pada cara lokasi sampel dipilih. Ketika lokasi yang mudah diakses lebih banyak terwakili dibandingkan dengan lokasi lainnya, hasil penelitian dapat memberikan gambaran yang tidak sesuai dengan kondisi keseluruhan wilayah yang ingin dikarakterisasi.
1.3 Measurement Bias
Measurement bias merupakan kecenderungan sistematis dalam hasil pengukuran yang menyebabkan nilai yang diperoleh menyimpang dari nilai sebenarnya. Bias ini terjadi pada tahap pengukuran, sehingga data yang dihasilkan telah mengalami penyimpangan sebelum digunakan dalam proses analisis atau interpretasi lebih lanjut.
Sebagai contoh, dilakukan pengukuran temperatur pada mata air panas menggunakan sensor tertentu. Sensor tersebut menunjukkan temperatur sebesar 78°C. Namun, setelah hasil pengukuran dibandingkan dengan standar atau alat yang telah terkalibrasi, temperatur yang sebenarnya diketahui sebesar 75°C. Apabila sensor tersebut secara konsisten memberikan hasil pengukuran yang lebih tinggi sekitar 3°C, maka terdapat bias pengukuran pada proses pengukuran tersebut.
Contoh tersebut menunjukkan bahwa penyimpangan yang terjadi bukan merupakan variasi acak semata, melainkan memiliki kecenderungan yang sistematis. Jika kondisi tersebut tidak diketahui atau tidak diperhitungkan, data hasil pengukuran dapat memengaruhi tahapan analisis dan interpretasi penelitian berikutnya.
1.4 Analytical Bias
Berbeda dengan measurement bias, analytical bias terjadi ketika data telah diperoleh dengan benar, tetapi metode atau proses yang digunakan untuk mengolah dan menganalisis data menghasilkan kecenderungan sistematis tertentu. Dengan demikian, sumber permasalahannya terletak pada tahap analisis, bukan pada proses memperoleh nilai awal.
Perbedaan antara kedua jenis bias tersebut dapat dipahami dari tahap terjadinya penyimpangan. Measurement bias berkaitan dengan masalah pada proses memperoleh atau mengukur suatu nilai, sedangkan analytical bias berkaitan dengan masalah pada proses mengolah atau menganalisis nilai yang telah diperoleh. Oleh sebab itu, data yang secara pengukuran sudah benar tetap dapat menghasilkan kesimpulan yang bias apabila metode analisis yang digunakan tidak sesuai.
Sebagai contoh, seorang peneliti memiliki data geokimia dari 30 sampel batuan vulkanik dan ingin menentukan apakah magma yang menghasilkan batuan tersebut bersifat calc-alkaline atau alkaline. Dalam melakukan analisis, peneliti memilih diagram yang tidak sesuai dengan karakteristik dataset yang dimiliki atau tidak sesuai dengan tujuan penelitian. Penggunaan metode analisis yang tidak tepat tersebut dapat menyebabkan hasil klasifikasi memiliki kecenderungan tertentu dan mengarahkan data ke salah satu kategori.
Dalam contoh tersebut, persoalannya bukan terletak pada proses pengumpulan atau pengukuran data geokimia, melainkan pada pemilihan metode untuk mengolah dan menginterpretasikan data tersebut. Hal ini menunjukkan bahwa ketepatan data awal saja belum cukup untuk menjamin hasil penelitian yang memuaskan. Metode analisis juga perlu disesuaikan dengan karakteristik data dan tujuan penelitian agar hasil yang diperoleh tidak mengalami kecenderungan sistematis akibat bias.
1.5 Interpretation: Confirmation Bias
Confirmation bias juga dapat muncul pada tahap interpretasi ketika data penelitian telah tersedia, tetapi peneliti memberikan penafsiran yang terlalu dipengaruhi oleh hipotesis awal. Dalam kondisi ini, data yang diperoleh tidak selalu menjadi dasar utama dalam membentuk interpretasi. Sebaliknya, interpretasi dapat lebih diarahkan agar sesuai dengan dugaan atau model yang telah ditetapkan sebelumnya.
Sebagai contoh, seorang peneliti memiliki data geokimia dari 25 sampel. Dari keseluruhan sampel tersebut, 20 sampel mendukung model volcanic arc, sedangkan lima sampel lainnya tidak mendukung model tersebut. Peneliti kemudian menyatakan bahwa data geokimia menunjukkan karakteristik volcanic arc. Pernyataan tersebut menjadi bermasalah apabila lima data yang tidak mendukung tidak dibahas sama sekali atau hanya dianggap sebagai anomali tanpa disertai alasan yang memadai.
Dalam penelitian, keberadaan data yang tidak sesuai dengan hipotesis tetap merupakan bagian dari informasi yang relevan. Mengabaikan atau memberikan label tertentu pada data tersebut tanpa dasar yang memadai dapat membuat interpretasi terlalu dipengaruhi oleh hipotesis awal. Oleh karena itu, interpretasi perlu mempertimbangkan keseluruhan data yang tersedia, termasuk hasil yang mendukung maupun yang tidak mendukung model penelitian.
1.6 Selective Reporting
Selective reporting merupakan kondisi ketika peneliti tidak menyampaikan seluruh informasi yang relevan dari hasil penelitian, sehingga pembaca memperoleh gambaran yang tidak lengkap mengenai penelitian tersebut. Dalam hal ini, data atau hasil penelitian sebenarnya tersedia, tetapi peneliti memilih informasi tertentu untuk ditampilkan dan tidak menjelaskan hasil relevan lainnya kepada pembaca.
Selective reporting perlu dibedakan dari bias interpretasi. Pada bias interpretasi, data tersedia dan digunakan, tetapi peneliti memberikan penafsiran yang dipengaruhi oleh bias. Sementara itu, pada selective reporting, persoalannya terletak pada keputusan mengenai data atau hasil mana yang disampaikan kepada pembaca. Dengan demikian, data yang tidak ditampilkan dapat membuat pembaca tidak mengetahui keseluruhan hasil yang sebenarnya diperoleh dalam penelitian.
Sebagai contoh, seorang peneliti memiliki data geokimia dari 40 sampel. Dari keseluruhan data tersebut, sebanyak 25 sampel mendukung hipotesis, sedangkan lima sampel bertentangan dengan hipotesis. Apabila artikel penelitian hanya menampilkan 25 sampel yang mendukung hipotesis dan tidak menjelaskan keberadaan lima sampel lainnya, pembaca akan memperoleh gambaran yang tidak lengkap mengenai hasil penelitian. Kondisi tersebut merupakan contoh selective reporting karena informasi yang tersedia tidak disampaikan secara keseluruhan kepada pembaca.
1.7 Confirmation Bias dan Cherry-Picking Data
Confirmation bias dan cherry-picking data merupakan konsep yang berkaitan, tetapi keduanya menggambarkan aspek yang berbeda. Confirmation bias merujuk pada kecenderungan peneliti untuk lebih memperhatikan atau melihat hal-hal yang mendukung hipotesis yang telah dimiliki. Kecenderungan tersebut kemudian dapat menyebabkan peneliti melakukan tindakan tertentu terhadap data, salah satunya cherry-picking.
Cherry-picking data adalah praktik memilih evidence tertentu yang mendukung suatu kesimpulan, sementara evidence relevan lainnya diabaikan tanpa alasan metodologis yang memadai. Dengan demikian, istilah cherry-picking lebih secara langsung menjelaskan tindakan peneliti terhadap data yang tersedia. Data yang tidak sesuai dengan hipotesis dapat sengaja dikeluarkan atau tidak digunakan, bukan karena terdapat alasan metodologis yang dapat dipertanggungjawabkan, melainkan semata-mata karena data tersebut tidak mendukung kesimpulan yang diinginkan.
Sebagai contoh, seorang peneliti memiliki 30 sampel, dengan 20 sampel mendukung hipotesis dan 10 sampel lainnya tidak mendukung hipotesis. Dalam grafik dan pembahasan, peneliti hanya menggunakan 20 sampel yang mendukung hipotesis. Apabila 10 sampel lainnya dikeluarkan semata-mata karena hasilnya tidak sesuai dengan hipotesis, tanpa alasan metodologis yang memadai, maka tindakan tersebut merupakan cherry-picking data.
Dalam konteks ini, confirmation bias dapat dipahami sebagai kecenderungan yang memengaruhi cara peneliti memandang dan memperlakukan bukti, sedangkan cherry-picking data menggambarkan tindakan memilih sebagian data dan mengabaikan data relevan lainnya. Praktik tersebut selanjutnya dapat berhubungan dengan selective reporting, ketika hasil yang terutama ditampilkan kepada pembaca adalah hasil yang mendukung hipotesis, sementara hasil lainnya tidak dilaporkan secara memadai.
2. Apakah Data yang Buruk Boleh Dihapus?
Data yang dianggap buruk atau bermasalah dalam suatu penelitian pada dasarnya dapat dikeluarkan dari analisis, tetapi keputusan tersebut harus didasarkan pada kriteria metodologis yang jelas, telah ditetapkan, dan didokumentasikan. Penghapusan data tidak boleh dilakukan hanya berdasarkan pertimbangan bahwa hasilnya tidak sesuai dengan harapan peneliti. Kriteria yang digunakan untuk mengecualikan data seharusnya berkaitan dengan kualitas atau validitas proses penelitian, sehingga keputusan tersebut dapat dijelaskan dan dipertanggungjawabkan secara metodologis.
Prinsip yang perlu diperhatikan adalah tidak mengecualikan data karena alasan metodologis, bukan karena hasil yang tidak sesuai dengan yang diharapkan. Artinya, data dikeluarkan karena terdapat alasan metodologis yang menyebabkan data tersebut tidak layak digunakan, bukan karena hasilnya dianggap tidak menguntungkan atau tidak sesuai dengan hipotesis penelitian. Prinsip ini penting untuk mencegah penghapusan data dan menjadi sarana untuk mengarahkan hasil penelitian agar sesuai dengan dugaan awal.
Sebagai contoh, data dapat dikeluarkan apabila instrumen yang digunakan dalam pengukuran terbukti mengalami malfungsi, sehingga hasil yang diperoleh tidak dapat dianggap valid. Data juga dapat dikecualikan apabila sampel diketahui mengalami kontaminasi yang dapat memengaruhi hasil analisis. Selain itu, sampel atau data dapat dikeluarkan apabila proses sampling yang dilakukan ternyata tidak memenuhi protokol yang telah ditetapkan. Dalam ketiga kondisi tersebut, terdapat alasan metodologis yang dapat menjelaskan mengapa data tidak layak digunakan.
Sebaliknya, tindakan yang bermasalah adalah menghapus data hanya karena hasilnya tidak mendukung hipotesis. Ketidaksesuaian suatu data dengan hipotesis bukan merupakan alasan metodologis untuk mengeluarkan data tersebut. Jika data yang tidak mendukung hipotesis tetap memenuhi prosedur dan kriteria kualitas penelitian, data tersebut tetap merupakan bagian dari hasil penelitian yang relevan dan perlu dipertimbangkan dalam analisis maupun interpretasi.
3. Bagaimana Mencegah Bias?
Pencegahan bias perlu dilakukan sejak tahap awal penelitian dan tidak hanya ketika peneliti sudah memperoleh hasil. Setiap sumber bias memerlukan perhatian pada tahapan yang berbeda, mulai dari perencanaan observasi dan pengambilan sampel, pengukuran, analisis, interpretasi, hingga pelaporan. Dengan menetapkan prosedur dan kriteria secara jelas sejak awal serta mendokumentasikan setiap keputusan penelitian, peneliti dapat mengurangi kemungkinan hasil penelitian dipengaruhi oleh preferensi atau harapan pribadi.
3.1 Researcher: Confirmation Bias
Salah satu cara untuk mencegah bias konfirmasi pada peneliti adalah menetapkan kriteria penelitian sebelum analisis dilakukan. Kriteria tersebut sebaiknya telah direncanakan sebelum peneliti melakukan kegiatan di lapangan. Dengan perencanaan yang jelas, peneliti memiliki pedoman yang dapat digunakan secara konsisten sehingga proses observasi tidak hanya diarahkan pada hal-hal yang ingin ditemukan.
Sebelum turun ke lapangan, peneliti perlu menetapkan tujuan observasi secara jelas, menentukan parameter yang akan diamati, menetapkan kriteria pemilihan sampel, serta menyusun strategi sampling. Tujuan observasi memberikan arah mengenai informasi yang perlu dikumpulkan, sedangkan daftar parameter membantu menentukan aspek-aspek yang harus diperhatikan selama pengamatan. Kriteria sampling dan sampling strategy kemudian memberikan pedoman mengenai sampel yang akan dipilih serta bagaimana proses pengambilan sampel dilakukan. Dengan perencanaan tersebut, peneliti tidak hanya mencari bukti yang sesuai dengan dugaan atau hipotesis awal, tetapi juga mengamati objek penelitian berdasarkan kriteria yang telah ditentukan sebelumnya.
3.2 Sampling Bias
Pencegahan sampling bias dilakukan melalui desain sampling yang jelas dan sesuai dengan tujuan penelitian. Perancangan pengambilan sampel perlu mempertimbangkan berbagai karakteristik wilayah yang diteliti agar sampel yang diperoleh dapat merepresentasikan kebutuhan penelitian.
Dalam penelitian geologi, sampling design dapat mempertimbangkan distribusi spasial, variasi litologi, kondisi geomorfologi, aksesibilitas, serta tujuan penelitian. Distribusi spasial diperlukan agar pengambilan sampel tidak terkonsentrasi hanya pada lokasi tertentu. Variasi litologi dan kondisi geomorfologi juga perlu diperhatikan karena keduanya dapat berkaitan dengan perbedaan karakteristik material atau kondisi geologi yang akan dipelajari. Sementara itu, accessibility merupakan kondisi keterjangkauan lokasi yang dapat memengaruhi kemungkinan suatu lokasi dipilih sebagai tempat pengambilan sampel. Seluruh pertimbangan tersebut perlu disesuaikan dengan tujuan penelitian.
Selain merancang strategi pengambilan sampel, peneliti juga perlu mendokumentasikan lokasi tempat pengambilan sampel dilakukan serta alasan pemilihan lokasi tersebut. Dokumentasi ini penting untuk menunjukkan bagaimana sampel diperoleh dan memungkinkan proses sampling dapat ditelusuri kembali. Dengan demikian, keputusan dalam memilih lokasi tidak hanya didasarkan pada kemudahan akses, tetapi juga dapat dijelaskan berdasarkan pertimbangan penelitian yang telah ditetapkan.
3.3 Measurement/Instrument Bias
Bias pada proses pengukuran atau instrumen dapat dicegah dengan memastikan bahwa instrumen yang digunakan mampu menghasilkan data yang sesuai dengan kebutuhan penelitian. Salah satu langkah utamanya adalah melakukan kalibrasi instrumen sebelum digunakan. Kalibrasi membantu memastikan bahwa hasil pengukuran dapat dibandingkan dengan standar atau nilai acuan yang relevan.
Selain kalibrasi, peneliti perlu menggunakan instrumen yang sesuai dengan tujuan dan karakteristik pengukuran. Proses quality control juga perlu dilakukan untuk memantau kualitas hasil pengukuran selama penelitian berlangsung. Penggunaan standar atau referensi dapat membantu mengevaluasi hasil yang diperoleh, sedangkan kondisi saat pengukuran dilakukan perlu didokumentasikan secara memadai. Dokumentasi tersebut dapat mencakup kondisi yang relevan terhadap proses pengukuran sehingga data dapat dipahami dalam konteks saat data tersebut diperoleh.
Pengukuran berulang juga dapat digunakan sebagai bagian dari upaya menjaga kualitas data. Dengan melakukan pengukuran ulang, peneliti memiliki dasar untuk memeriksa konsistensi hasil yang diperoleh. Langkah-langkah tersebut membantu mengidentifikasi kemungkinan penyimpangan dalam proses pengukuran sebelum data digunakan dalam tahap analisis.
3.4 Analytical Bias
Pencegahan analytical bias terutama dilakukan dengan memastikan bahwa metode analisis yang digunakan sesuai dengan pertanyaan penelitian. Pemilihan metode tidak seharusnya didasarkan pada keinginan untuk memperoleh kesimpulan tertentu, melainkan pada kesesuaiannya dengan tujuan penelitian dan karakteristik data yang tersedia.
Peneliti perlu menjelaskan alasan pemilihan metode analisis agar keputusan metodologis tersebut dapat dipahami dan dievaluasi. Tahapan preprocessing juga perlu didokumentasikan, termasuk proses yang dilakukan pada data sebelum analisis utama. Selain itu, kriteria analisis perlu ditetapkan dengan jelas agar proses pengolahan data dapat dilakukan secara konsisten.
Apabila diperlukan, peneliti juga dapat melakukan analisis sensitivitas untuk melihat bagaimana perubahan tertentu dalam proses atau parameter analisis dapat memengaruhi hasil. Hal yang penting adalah menghindari pemilihan metode hanya karena metode tersebut menghasilkan kesimpulan yang diinginkan. Metode analisis harus dipilih berdasarkan kesesuaiannya dengan pertanyaan penelitian dan data, bukan berdasarkan hasil akhir yang diharapkan peneliti.
3.5 Interpretation: Confirmation Bias
Pencegahan confirmation bias pada tahap interpretasi dilakukan dengan memberikan perhatian pada seluruh bukti yang relevan. Peneliti perlu membahas bukti yang mendukung interpretasi maupun bukti yang tidak mendukung interpretasi tersebut. Dengan demikian, interpretasi tidak hanya dibangun berdasarkan data yang sesuai dengan hipotesis awal.
Selain itu, peneliti perlu mempertimbangkan kemungkinan adanya penjelasan alternatif. Suatu kumpulan data dapat memiliki lebih dari satu kemungkinan penjelasan, sehingga interpretasi sebaiknya tidak langsung diarahkan hanya pada satu penjelasan yang sesuai dengan dugaan awal. Peneliti juga perlu menyatakan tingkat ketidakpastian yang terdapat dalam interpretasi. Dengan mengakui bukti yang bertentangan, mempertimbangkan penjelasan alternatif, dan menyampaikan ketidakpastian, proses interpretasi dapat dilakukan secara lebih seimbang berdasarkan data yang tersedia.
3.6 Selective Reporting
Pencegahan selective reporting dilakukan dengan memastikan bahwa informasi yang relevan dari hasil penelitian tidak dipilih hanya berdasarkan kesesuaiannya dengan hipotesis. Peneliti tidak seharusnya hanya melaporkan hasil yang sesuai dengan harapan, tetapi juga perlu menyampaikan hasil yang tidak sesuai dengan hipotesis atau dugaan awal. Pelaporan yang mencakup kedua jenis hasil tersebut memberikan gambaran yang lebih lengkap tentang penelitian.
Apabila terdapat data yang dikeluarkan dari hasil analisis, alasan pengeluarannya perlu dijelaskan secara terbuka. Alasan tersebut harus didasarkan pada pertimbangan ilmiah atau metodologis yang dapat dipertanggungjawabkan, bukan karena data tersebut menghasilkan temuan yang dianggap kurang baik atau tidak mendukung hipotesis. Dengan cara ini, keputusan untuk mengecualikan data dapat dibedakan dari tindakan memilih hasil berdasarkan preferensi terhadap kesimpulan tertentu.
Data asli juga perlu disimpan agar hasil penelitian dapat diperiksa kembali. Penyimpanan data memungkinkan proses penelitian ditelusuri apabila diperlukan pemeriksaan terhadap hasil atau keputusan analisis. Pada akhirnya, keterlacakan perlu dijaga mulai dari data, proses analisis, hingga kesimpulan. Hubungan antara ketiga bagian tersebut harus dapat ditelusuri agar pembaca atau pihak lain dapat memahami bagaimana kesimpulan penelitian diperoleh dari data dan proses analisis yang dilakukan.
4. Data Stewardship
Data stewardship berkaitan dengan tata kelola data penelitian secara bertanggung jawab sepanjang siklus penelitian. Data penelitian tidak seharusnya dipandang hanya sebagai file, misalnya lembar kerja Excel, yang disimpan setelah penelitian selesai. Data perlu dikelola sedemikian rupa sehingga informasi di dalamnya tetap dapat dipahami, digunakan, diperiksa, dan ditelusuri kembali apabila diperlukan. Dengan demikian, pengelolaan data merupakan bagian dari proses penelitian itu sendiri, bukan sekadar kegiatan administratif setelah penelitian berakhir.
Data penelitian perlu diperoleh secara bertanggung jawab, kemudian diberi nama serta struktur yang jelas. Penamaan dan struktur yang baik membantu peneliti mengenali isi data serta mengurangi kemungkinan terjadinya kesalahan dalam pengelolaan maupun penggunaannya. Data juga perlu dilengkapi dengan metadata dan dokumentasi yang memadai. Metadata memberikan informasi mengenai data yang tersedia, sedangkan dokumentasi membantu menjelaskan konteks, proses, dan informasi lain yang diperlukan untuk memahami data tersebut.
Selain itu, data penelitian perlu memiliki cadangan agar tidak bergantung pada satu salinan saja. Data juga harus dapat ditelusuri asal-usulnya, disimpan dengan aman, dan mendapatkan perlindungan yang sesuai apabila mengandung informasi sensitif. Dengan tata kelola seperti ini, data tidak hanya tersedia sebagai kumpulan file, tetapi juga disertai informasi pendukung yang memungkinkan data dipahami dan digunakan secara tepat serta dapat dipertanggungjawabkan.
5. Traceability
Traceability merupakan kemampuan untuk menelusuri suatu hasil atau klaim penelitian kembali ke data, sumber, metode, dan proses yang mendasarinya. Konsep ini memastikan bahwa hasil penelitian tidak berdiri sebagai pernyataan yang terpisah dari proses yang menghasilkan pernyataan tersebut. Peneliti harus mampu menunjukkan hubungan antara kesimpulan penelitian dengan data yang menjadi dasarnya serta menjelaskan proses yang dilakukan hingga data tersebut menghasilkan kesimpulan.
Dengan adanya traceability, ketika suatu hasil atau klaim dipertanyakan, peneliti dapat menelusuri kembali data dan tahapan yang terkait dengannya. Peneliti perlu dapat menjawab data mana yang digunakan untuk menghasilkan suatu kesimpulan dan bagaimana data tersebut diproses hingga menjadi hasil yang kemudian diinterpretasikan. Kemampuan untuk menelusuri rangkaian tersebut merupakan bagian penting dari pengelolaan dan dokumentasi penelitian.
Sebagai contoh, sebuah sampel dengan kode GV-025 seharusnya dapat ditelusuri melalui berbagai informasi dan tahapan yang terkait dengannya. Informasi tersebut mencakup koordinat lokasi, tanggal sampling, litologi, serta pihak yang melakukan pengambilan sampel (collector). Dokumentasi juga dapat mencakup foto sampel, proses sample preparation, analisis laboratorium, raw data, proses data processing, hingga figure dan interpretasi yang dihasilkan dari data tersebut. Rangkaian informasi ini membentuk hubungan yang memungkinkan hasil akhir ditelusuri kembali hingga ke sumber datanya.
Pertanyaan penting dalam traceability adalah apa yang dapat dilakukan apabila hasil laboratorium dari sampel tersebut dipertanyakan dua tahun kemudian. Peneliti seharusnya masih dapat menemukan kembali asal data tersebut dan menelusuri proses yang menghasilkan hasil laboratorium maupun interpretasinya. Apabila peneliti tidak dapat menemukan kembali asal-usul data atau hubungan antara data, metode, proses, dan hasilnya, maka traceability penelitian tersebut dapat dikatakan lemah.
6. Reproducibility
Reproducibility merupakan kemampuan untuk menghasilkan kembali hasil yang sama atau serupa ketika suatu eksperimen, pengukuran, atau analisis data dilakukan ulang dengan menggunakan data, kode, dan metode yang sama secara konsisten. Dalam penelitian, reproducibility menunjukkan bahwa suatu hasil tidak hanya dapat diperoleh sekali oleh peneliti yang mengerjakannya, tetapi juga dapat ditelusuri dan dihasilkan kembali ketika proses yang sama diulang.
Pernyataan bahwa data dianalisis menggunakan software X saja belum cukup untuk menunjukkan bahwa sebuah penelitian bersifat reproduktif. Informasi tersebut hanya menjelaskan perangkat lunak yang digunakan, tetapi belum memberikan rincian mengenai bagaimana data diproses dan dianalisis hingga menghasilkan keluaran atau kesimpulan. Agar penelitian dapat direproduksi oleh peneliti lain, seluruh tahapan yang memengaruhi hasil penelitian perlu didokumentasikan secara jelas.
Penelitian yang dapat direproduksi harus memungkinkan peneliti lain mengetahui data input yang digunakan sebagai dasar analisis, termasuk data yang benar-benar masuk ke dalam proses pengolahan. Tahapan preprocessing juga perlu dijelaskan karena proses seperti pembersihan, transformasi, atau pengolahan awal data dapat memengaruhi hasil akhir. Selain itu, parameter yang digunakan dalam analisis harus dicantumkan agar kondisi analisis dapat direplikasi secara konsisten.
Metode analisis yang digunakan juga harus dijelaskan secara memadai, termasuk perangkat lunak dan versi yang digunakan. Informasi mengenai versi perangkat lunak penting karena perubahan versi dapat memengaruhi cara suatu analisis dijalankan atau menghasilkan keluaran tertentu. Apabila analisis dilakukan dengan menggunakan skrip atau kode pemrograman, kode tersebut juga perlu disediakan atau didokumentasikan agar tahapan pengolahan data dapat ditelusuri dan dapat dijalankan kembali.
Kriteria seleksi data juga merupakan bagian penting dari reproducibility. Peneliti perlu menjelaskan bagaimana data dipilih, termasuk alasan data dimasukkan atau tidak dimasukkan dalam analisis. Dengan demikian, peneliti lain dapat memahami dasar pengambilan keputusan dan menerapkan kriteria yang sama. Selanjutnya, output atau hasil dari proses analisis perlu dapat diidentifikasi dan ditelusuri kembali ke data serta tahapan pengolahannya.
Pada akhirnya, penelitian yang reproducible tidak hanya memungkinkan peneliti lain memperoleh output yang sama atau serupa, tetapi juga memungkinkan mereka memahami bagaimana hasil tersebut diinterpretasikan. Oleh karena itu, hubungan antara data input, preprocessing, parameter, metode, perangkat lunak, skrip, kriteria seleksi, output, hingga proses interpretasi harus terdokumentasi dengan jelas. Dengan dokumentasi tersebut, alur dari data menuju hasil, dan kemudian menuju interpretasi, dapat diperiksa serta diulang secara sistematis.
Research bias, data stewardship, traceability, dan reproducibility merupakan bagian yang saling berkaitan dalam pelaksanaan penelitian yang dapat dipertanggungjawabkan. Bias dapat muncul pada berbagai tahapan penelitian, mulai dari cara peneliti menentukan apa yang diamati hingga bagaimana hasil dianalisis, diinterpretasikan, dan dilaporkan. Karena itu, pencegahan bias perlu dilakukan sejak tahap perencanaan dengan menetapkan kriteria, metode, dan prosedur yang jelas serta mempertimbangkan seluruh evidence yang relevan, termasuk data yang tidak mendukung hipotesis.
Pengelolaan data melalui data stewardship memastikan bahwa data tidak hanya disimpan, tetapi juga memiliki struktur, metadata, dokumentasi, backup, keamanan, dan informasi mengenai asal-usulnya yang memadai. Selanjutnya, traceability memungkinkan hubungan antara data, metode, proses, hasil, dan kesimpulan untuk ditelusuri kembali. Hal ini penting agar setiap klaim atau hasil penelitian memiliki dasar yang jelas dan proses yang menghasilkannya dapat diperiksa ketika diperlukan.
Sementara itu, reproducibility menekankan bahwa hasil penelitian perlu dapat dihasilkan kembali melalui dokumentasi proses yang cukup rinci. Data input, preprocessing, parameter, metode, perangkat lunak dan versinya, skrip, kriteria seleksi, output, serta proses interpretasi perlu didokumentasikan agar peneliti lain dapat memahami dan mengulang tahapan penelitian. Dengan menjaga keempat aspek tersebut secara konsisten, hubungan antara data, proses analisis, hasil, dan interpretasi dapat tetap jelas, terdokumentasi, dan dapat ditelusuri sepanjang penelitian.
0 komentar:
Post a Comment