Golan 
Sahabat Golan yang sedang menyusun skripsi, apa kabar skripsinya?. Apakah sedang terbengkalai pada mencari atau mengidentifikasi masalah?, atau sedang kebingungan cara menentukan identifikasi masalah pada penelitian skripsi? Sebelumnya pada artikel membuat latar belakang sudah kita bahas bagaimana membuat dan mencari masalah disana.
Nah saatnya masuk ke penjabaran identifikasi masalah. Identifikasi masalah adalah langkah penting dalam penelitian skripsi karena menentukan fokus dan arah penelitian. Berikut adalah langkah-langkah dan contoh dalam ilmu komputer untuk membantu Anda membuat identifikasi masalah yang efektif.
Langkah-langkah Membuat Identifikasi Masalah
- Pahami bidang Penelitian Anda. Caranya teliti literatur yang relevan dalam bidang penelitian Anda untuk memahami perkembangan terbaru dan celah yang ada dalam literatur tersebut.
- Lakukan Analisis Kebutuhan. Identifikasi kebutuhan atau masalah yang ada di lapangan atau di industri yang relevan dengan topik penelitian Anda.
- Tinjau Penelitian Terdahulu. Analisis penelitian-penelitian sebelumnya untuk menemukan area yang belum dijelajahi atau masalah yang belum terselesaikan.
- Fokus pada Spesifikasi Masalah. Spesifikkan masalah yang ingin Anda pecahkan. Hindari masalah yang terlalu umum atau terlalu luas.
- Konsultasi dengan Pembimbing. Diskusikan temuan awal Anda dengan pembimbing atau ahli di bidang tersebut untuk mendapatkan masukan dan konfirmasi bahwa masalah tersebut layak untuk diteliti.
- Formulasikan Pernyataan Masalah. Buat pernyataan masalah yang jelas dan terfokus. Jelaskan mengapa masalah tersebut penting untuk diteliti dan apa implikasinya.
Contoh Identifikasi Masalah dalam Ilmu Komputer
Sahabat Golan, Yuk kita lihat contoh cara mengidentifikasi masalah dari penelitian kita. Berikut contoh identifikasi masalah berdasarkan 6 langkah diatas tadi ya. Disini Golan membuat studi kasusnya ilmu komputer ya. Untuk program studi lainnya bisa mengikuti kok. kalau mau konsultasi skripsi silahkan.
Judul Skripsi:
Pengembangan Algoritma Deteksi Penipuan pada Transaksi E-commerce Menggunakan Machine Learning
1. Pahami Bidang Penelitian:
Di bidang e-commerce, penipuan adalah masalah besar yang mengakibatkan kerugian finansial signifikan.
2. Lakukan Analisis Kebutuhan:
Banyak perusahaan e-commerce membutuhkan solusi yang lebih efektif untuk mendeteksi transaksi penipuan secara real-time.
3. Tinjau Penelitian Terdahulu:
Penelitian sebelumnya telah menggunakan berbagai metode machine learning untuk deteksi penipuan, tetapi tingkat akurasinya masih perlu ditingkatkan dan ada masalah false positives yang tinggi.
4. Fokus pada Spesifikasi Masalah:
Identifikasi bahwa algoritma yang ada seringkali kurang efektif dalam mengurangi false positives, yang dapat mengganggu pengalaman pengguna yang sah.
5. Konsultasi dengan Pembimbing:
Setelah diskusi, disepakati bahwa peningkatan akurasi dan penurunan false positives adalah aspek penting yang perlu diteliti.
6. Formulasikan Pernyataan Masalah:
“Bagaimana mengembangkan algoritma machine learning yang mampu meningkatkan akurasi deteksi penipuan dalam transaksi e-commerce sekaligus mengurangi tingkat false positives untuk memastikan pengalaman pengguna yang lebih baik?”
Apakah contoh diatas cukup jelas Sahabat Golan?, silahkan explore ke bidang atau program studi masing- masing ya. konsepnya sama saja. Apabila ada yang mau ditanyakan boleh hubungi Golan Education ya. Karena Owner dari Golan Education merupakan salah satu dosen juga di kampus IT di Jakarta. Untuk lebih mengenal silahkan kunjungi profil Esron Rikardo Nainggolan.
Saran untuk Menemukan Identifikasi Masalah pada Penelitian
Tambahan Informasi untuk Sababat Golan, bagaimana cara kita supaya 6 langkah tadi dapat kita lakukan?. nah pasti bertanya begitukan?. Yuk kita simak saran untuk menemukan identifikasi masalah dalam penelitian.
1. Baca Jurnal dan Artikel Ilmiah
Sering membaca jurnal dan artikel ilmiah terkini untuk menemukan tren penelitian dan celah yang belum diisi. Sedikit sharing, dulu waktu saya skripsi dan tesis, pembimbing saya selalu bertanya sudah berapa artikel yang dibaca?. Mana saja dan sudah menemukan ide atau gap (bahasa sederhananya celah atau kesenjangan) penelitiannya?. Nah kalau belum ya baca lagi sampai menemukan pada artikel yang dibaca. minimal dalam membaut skripsi 50 artikel dibaca ya.
2. Ikuti Seminar dan Konferensi
Mengikuti seminar dan konferensi dapat memberi wawasan tentang masalah-masalah yang sedang dibahas di komunitas ilmiah. Saat mengikuti seminar ataupun konferensi yang diadakan kampus atau penyelenggara lainnya. Silahkan fokus ke masalah yang mereka teliti. Ini membuat Sahabat Golan semakin mengerti akan masalah dalam penelitian sehingga bisa mengidentifikasi untuk penelitian nantinya.
3. Berdiskusi dengan Profesional
Berbincang dengan profesional di industri terkait untuk memahami masalah nyata yang mereka hadapi. Ataupun berbincang dengan senior yang sudah melakukan penelitian penelitian terkait yang dibahas. Dari berdiskusi Sahabat Golan akan menemukan celah yang nantinya bisa menjadi topik ataupun masalah yang akan diteliti. Bisa juga Sahabat Golan Melakukan survei atau wawancara dengan pengguna atau ahli bisa memberikan perspektif baru tentang masalah yang relevan dan mendesak.
4. Analisis Data yang Ada
Analisis data sekunder atau data yang sudah ada bisa membantu mengidentifikasi pola atau masalah yang belum terselesaikan. Dengan melakukan analisis data akan menemukan celah atau masalah
5. Berpikir Kritis:
Kembangkan kemampuan berpikir kritis untuk menganalisis situasi dan menemukan aspek yang bisa diperbaiki atau ditingkatkan dalam objek yang diteliti.
Baiklah Sahabat Golan, Silahkan ikuti langkah diatas ya apabila ingin mengindentifikasi masalah pada penelitian skripsi. Dengan mengikuti langkah-langkah ini dan melakukan penelitian yang mendalam, Anda dapat mengidentifikasi masalah penelitian yang signifikan dan relevan untuk skripsi Anda. Sukses untuk skripsinya. Jangan lupa kunjungi dan support terus Golan Education. Apabila ada yang mau didiskusikan silahkan lontarkan dalam kolom komentar ya. Golan akan menjawab semampunya.
