MELAKUKAN OBSERVASI DALAM PENELITIAN

Observasi sendiri awalnya digunakan secara ekstensif dalam penelitian etnografi yang melibatkan catatan lapangan (field notes) yang ekstensif (Van Maanen, 2011). Observasi dapat dilakukan pada beragam konteks di dunia nyata, dan biasanya (meskipun tidak selalu) digabungkan dengan teknik pengumpulan data lain seperti wawancara dan analisis dokumen/arsip.

Terlepas dari beberapa masalah yang menyertainya, termasuk masalah keterbukaan dengan yang diamati dan mendapatkan hak akses yang sulit, menurut Mulhall (2003), observasi mempunyai beberapa manfaat, di antaranya (a) memberikan tilikan (insight) atas interaksi antar elemen atau kelompok; (b) mengilustrasikan keseluruhan fenomena yang diobservasi; (c) menangkap konteks dan process; dan (d) menginformasikan tentang pengaruh lingkungan fisik. Observasi juga dapat digunakan untuk membandingkan apa yang orang katakan dan orang lakukan atau kenyataannya (Mulhall, 2003). Observasi dapat memvalidasi keterangan informan dengan membandingkannya dengan hasil observasi.

Salah satu contoh artikel favorit yang menggunakan observasi adalah Barley (1990). Barley sekarang adalah profesor di Stanford University dan mendapatkan PhD dari Massachusetts Institute of Technology (MIT). Observasi tersebut dilakukan ketika dia menempuh program PhD di MIT terhadap penggunaan teknologi (seperti CT scan, radiografi, dan ultrasound) oleh radiologis. Dia melakukan observasi selama setahun, empat hari sepekan, mulai jam 8-9 pagi sampai 6-7 jam sesudahnya; dengan hanya ‘libur’ selama tujuh pekan di antaranya. Setiap hari dia menghasilkan 20 halaman catatan lapangan atau total setebal 2500 halaman catatan lapangan spasi tunggal selama penelitian. Tujuan penelitian Barley adalah melihat bagaimana teknologi digunakan oleh radiologis dan bagaimana teknologi tersebut mempengaruhi struktur sosial melalui proses negosiasi dan interaksi. Ini adalah penelitian yang luar biasa karena menggunakan tiga macam perbandingan: antar rumah sakit, antar teknologi, dan antar waktu. Padahal, melakukan salah satu saja sudah cukup untuk mendapatkan predikat PhD.

Observasi, terutama yang melibatkan keterlibatan yang ‘dekat’ seperti contoh di atas, sangat menyita waktu. Bandingkan misalnya dengan survei yang bahkan bisa dilakukan dengan membayar enumerator. Selain itu, ada risiko ‘terhanyut’ ke dalam pandangan orang yang diamati dan tidak bisa menjaga interpretasi yang segar atas fenomena yang diobservasi (Walsham, 2006).

Catatan lapangan sangat sentral posisinya dalam observasi. Menurut Eisenhardt (1989) praktik yang baik dalam membuat catatan lapangan adalah dengan menuliskan apapun kesan yang muncul, karena kita tidak tahu catatan mana yang akan bermanfaat kemudian. Bisa jadi, yang tadinya kita anggap tidak bermanfaat dan tidak akan digunakan, justru menarik untuk dianalisis. Praktik yang baik lainnya, ketika membuat catatan lapangan, adalah dengan selalu mengajuan pertanyaan “apa yang saya pelajari?”, atau “apa yang beda dengan kasus sebelumnya?”.

Lebih spesifik, apa yang dapat ditulis dalam catatan lapangan? Mulhall (2003) memberikan daftar berikut:

1. Karakteristik struktur dan organisasi (bentuk bangunan, fasilitas, serta lingkungan di sekitarnya dan bagaimana digunakan)
2. Orang (bagaimana mereka berperilaku, berinteraksi, berpakaian, dan bergerak)
3. Aktivitas harian
4. Kejadian khusus (misal bagaimana rapat dilakukan, apa yang dibahas)
5. Dialog yang terjadi
6. Diari kejadian harian secara kronologis (baik di lapangan atau sebelum memasuki lapangan, misalnya terkait dengan proses mendapatkan akses)
7. Diari refleksi personal (termasuk kesan/refleksi personal selama di lapangan)

Satu hal lagi perlu ditambahkan di sini. Jika mengambil gambar atau merekam dengan video diijinkan, lakukan. Ini akan merekam banyak hal yang tidak bisa dibuat dalam catatan lapangan. Apa yang Anda bayangkan ketika melihat gambar berikut. Gambar pertama adalah Dinas Perizinan di Yogyakarta, kedua Kantor Pelayanan Terpadu di Sragen, dan ketiga petani pengguna ponsel di kebun jagung di Bantul. 



Di sini, adagium ‘a picture is worth a thousand words’ berlaku. Namun gambar atau video yang direkam harus diinterpretasikan oleh peneliti dalam melakukan analisis data. Apalagi saat ini, paket software untuk analisis data kualitatif, seperti NVivo memfasilitasi analisis data dalam beragam bentuk, mulai dari teks, audio, gambar, sampai dengan video.

Pengalaman para ahli menunjukkan bahwa seringkali ketika melakukan observasi, terlintas bagaimana informasi yang saya dapat akan dianalisis kemudian. Termasuk di dalamnya kita perlu membuat skema hubungan antarkonsep, kategorisasi konsep, dan lain-lain, yang bisa saja jadikan rujukan dalam proses analisis.

Daftar Bacaan

Barley, S. R. (1990). Images of imaging: Notes on doing longitudinal field work. Organization Science, 1(3), 220-247.
Eisenhardt, K. M. (1989). Building theories from case study research. Academy of Management Review, 14(4), 532-550.
Fathul Wahid.  2012.  Melakukan observasi. Publikasiinternasional.
Mulhall, A. (2003). In the field: notes on observation in qualitative research. Journal of Advanced Nursing, 41(3), 306-313.
Van Maanen, J. (2011). Tales of The Field: On Writing Ethnography. University of Chicago Press.
Walsham, G. (2006). Doing interpretive research. European Journal of Information Systems, 15(3), 320-330.

BEBERAPA KESALAHAN DALAM ANALISIS DATA

Analisis data kuantitatif dalam penelitian positivis yang melibatkan kuesioner terkadang terlihat sepele. Ada buku dan manual yang bisa diikuti.  Semuanya terlihat sempurna. Ada tabel dan angka yang bisa disalin-dan-ditempel dalam laporan atau artikel. Benarkan demikian? Belum tentu.

Ada banyak kesalahan yang dijumpai ketika membaca beragam dokumen ilmiah, baik itu skripsi atau tesis mahasiswa maupun artikel. Beberapa kesalahan yang sering terjadi dalam analisis data kuantitatif dari kuesioner. Kesalahan juga kadang terkait dengan formulasi pertanyaan dalam kuesioner.


Pertama adalah kesalahan dalam memilih tingkat pengukuran (level of measurement): nomimal, ordinal, interval, atau ratio. Dalam SPSS, misalnya, hanya dikenal tiga jenis data: categorical, ordinal, dan scale. yang terakhir digunakan untuk mengakomodasi data interval dan ratio.

Contoh data nominal adalah jender. Hanya ada dua(?) kemungkinan: pria dan wanita. Contoh lain adalah golongan darah. Contoh data ordinal adalah jenjang pendidikan; mulai sekolah dasar dampai dengan universitas. Kita bisa mengurutkan data ini; dengan menyimpulkan, misalnya pendidikan si A lebih tinggi dibandingkan dengan pendidikan si A. Contoh data interval adalah suhu (dalam Celcius, bukan dalam Kelvin) atau penghasilan. Kita bisa ‘membandingkan’ nilai internal, misalnya dengan mengatakan penghasilan si A dua kali penghasilan penghasilan si B. Contoh data ratio adalah suhu tetapi dalam derajat Kelvin atau Fahrenheit, di mana nilai 0 (nol) di sana berbeda dengan 0 (nol) dalam sistem Celcius. Dalam sistem Celcius (data interval), kita bisa menyimpulkan bahwa 100 derajat adalah dua kali lebih panas dibandingkan 50 derajat. Tidak demikian halnya dengan 100 dan 50 derajat Kelvin, karena acuan nilai derajat Kelvin atau Fahrenheit tidak dimulai dengan 0 (nol).

Apa akibat pemilihan tingkat pengukuran ini? Ini terkait kesalahan kedua, kesalahan dalam memilih teknik statistik deskriptif. Tidak teknik analisis statistik dapat diaplikasikan untuk semua data. Sebagai contoh, kita tidak bisa menghitung rata-rata data nominal dan ordinal seperti contoh di atas. Anda tetap ingin tetap menghitung rata-rata? Untuk data nomimal tidak ada peluang, tetapi untuk data ordinal *kadang* masih ada peluang. Sebagai contoh, untuk jenjang pendidikan, kita bisa mengkonversinya dengan berapa lama dibangku pendidikan (schooling years) — dalam bentuk interval — karena kita tahu lama pendidikan setiap jenjang. Bagaimana jika yang kita buat dalam bentuk ordinal adalah tingkat penghasilan (misal a. <1 juta; b. 1-2 juta; dst)? Kita tidak bisa mengkonversikannya dalam bentuk internal, dan akibatnya kita tidak bisa menghitung rata-rata. Apa solusinya? Dalam kuesioner, tanyakan besar penghasilan, tetapi biarkan responden yang mengisinya tanpa kita memberikan pilihan. Lebih sulit bagi responden? Mungkin. Lebih tidak pasti? Bisa jadi. Tetapi bukankah dengan data ordinal, responden juga melakukan perkiraan.

Ketiga, masih terkait dengan kesalahan kedua, yaitu kesalahan dalam memilih teknik statistik untuk analisis multivariate. Sebagai contoh, kita tidak bisa menggunakan regresi biasa ketika variabel dependennya dalam bentuk nominal (misal untuk kasus adopsi: ya dan tidak yang diwakili oleh angka 0 dan 1). Kadang saya temukan penelitian yang ‘hantam kromo’ dalam menggunakan regresi berganda (multiple regression). Begitu juga halnya untuk analisis korelasi. Analisisi korelasi Pearson, misalnya didesain untuk data interval. Chi kuadrat digunakan untuk data nominal atau ordinal. Bagaimana kalau yang satu interval dan satunya lagi nominal? Komparasi rata-rata dengan uji t mungkin alternatifnya.

Keempat, seringkali peneliti tidak menguji reliabilitas dan validitas intrumen penelitian yang digunakan untuk mendapatkan data dari responden. Validitas pengukuran terkait dengan ketepatan alat untuk mengukur yang kita ingin ukur. Sebagai contoh, kilometer adalah alat ukur yang valid untuk menghitung jarak di Jakarta, dan bukan waktu. Pertanyaan yang memberikan jawaban yang valid adalah ‘berapa kilometer jarak antara Monas dan Grogol’ dan bukan ‘berapa jam jarak antara Monas dan Grogol’. Reliabilitas tekait dengan konsitensi hasil pengukuran. Jika kita gunakan penggaris dari besi atau plastik untuk mengukur panjang meja, kita akan menghasilkan panjang yang sama meski kita lakukan berulang kali. Penggaris ini adalah alat ukur yang reliabel. Bagaimana kalau penggarisnya dari bahwa yang lentur seperti karet? Hasil yang berbeda bisa kita dapatkan. Penggaris karet bukan alat ukur yang valid. Contoh lain adalah soal untuk ujian TOEFL. Jika seseorang mengikuti tes TOEFL dua kali dalam sebulan (meski nampaknya tidak boleh), bisa jadi nilai yang didapatkan berbeda. Jika ini kasusnya, kita bisa mengatakan bahwa ujian TOEFL adalah alat ukur kemampuan bahasa Inggris yang valid, tetapi reliabilitasnya bisa didiskusikan.

Dalam penelitian positivis, pastikan kita melakukan uji ini, jika dalam instrumen kita mengukur sebuah konstruk yang terdiri dari beberapa item/pertanyaan untuk mengukurnya. Uji reliablitas bisa dilakukan dengan menghitung Cronbach’s alpha untuk setiap konstruk. Namun, sebelumnya lakukan uji validitas; misalnya dengan factor analysis baik itu confirmatory (jika intrument pernah digunakan atau dikembangkan dengan asumsi teoretikal tertentu, dan jumlah kontruk yang diharapkan sudah diketahu) atau explanatory (untuk instrumen baru). Namun tunggu sebentar. Tidak semua kontruk bisa duji relibalitasnya dengan nilai Cronbach’s alpha.
Ini kesalahan yang kelima. Cronbach’s alpha hanya diaplikasikan jika konstruk bersifat reflektif dalam item yang digunakan untuk mengukurnya. Contoh konstruk adalah ‘ease of use‘ dalam Technology Acceptance Model (TAM). Konstruk ‘ease of use‘ dioperasionalkan dengan beberapa item yang menggambarkannya, seperti terkait dengan tiadanya usaha yang keras dan kecilnya pengetahuan yang dibutuhkan. Lain halnya jika konstruk yang diukur adalah ‘status sosial’ yang terdiri dari beragam item, misalnya pendidikan, penghasilan, jabatan, dan lain-lain. Konstruk terakhir bersifat formatif, dan nilai kumulatif semua item membentuk sebuah indeks. Dalam kasus ini, Cronbach’s alpha tidak bisa diaplikasikan.

Untuk melakukan uji ini, jika kita menggunakan SPSS, beragam uji harus dilakukan terpisah. Tetapi jika kita gunakan analisis SEM atau PLS, dengan software yang tepat (misalnya SmartPLS), semua analisis, mulai dari uji reliabilitas dan validitas, sampai dengan regresi dapat dilakukan sekaligus.
Masih banyak kesalahan lain yang sering saya jumpai. Lima kesalahan di atas, menurut saya sangat mendasar, dan bisa dengan mudah dihindari dengan sedikit peduli dengan ‘filosofi’ di balik setiap konsep dalam statistik yang ada.

sumber:

Fathul Wahid.  2012.   Beberapa kesalahan analisia data dalam penelitian positivisme.. Publikasiinternasional

BAGAIMANA LANGKAH-LANGKAH MENGANALISIS DATA?

Menganalisis data adalah proses memaknainya. Bagi kebanyakan peneliti, menganalisis data juga proses menggali cerita yang terpendam dalam data. Menganalisis adalah proses ‘memeras’ data sehingga keluar intinya, atau proses ‘menyiksa’-nya sehingga ‘mengaku’.

Untuk penelitian positivistik yang melibatkan survei dengan kuesioner yang didominasi pertanyaan tertutup, beragam software dapat digunakan: mulai dari SPSS, Lisrel, AMOS, SmartPLS, Minitab, dan lain-lain. Pilihan kita akan sangat tergantung dengan karakteristik data dan analisis apa yang ingin dilakukan. Meski sudah tersedia software yang memudahkan analisis, seorang peneliti seharusnya tetap mengetahui konsep di belakang setiap metode yang digunakan. Tanpa pengetahuan ini, hasil analisis statistik akan tampil tidak lebih dari deretan angka tanpa makna.

Lain halnya ketika kita melakukan penelitian interpretif, seperti ilustrasi pada pembuka tulisan ini. Bagi saya, menganalisis data seperti ini jauh lebih menantang. Perlu waktu yang lebih lama dan kerja intelektual yang lebih melelahkan. Ada banyak cara menganalisisnya atau sering disebut dengan proses ‘sensemaking’. Strategi ‘sensemaking’ yang ditawarkan oleh Langley (1999) dapat dijadikan rujukan. Menurutnya, ada beragam strategi: (1) narrative strategy; (2) quantification strategy; (3) alternate templates strategy; (4) grounded theory strategy; (5) visual mapping strategy; (6) temporal bracketing strategy; dan (7) synthetic strategy. (1) strategi naratif, (2) strategi kuantifikasi, (3) strategi template alternatif, (4) strategi grounded theory, (5) strategi pemetaan visual, (6) strategi bracketing duniawi; dan (7) strategi sintetik Strategi ini akan sangat terkait dengan data yang kita punyai dan cerita apa yang kita harapkan.

Mengakrabkan diri dengan hasil transkrip wawancara dan dokumen lain adalah langkah awalnya. Tidak jarang kita perlu membacanya berulang kali untuk menangkap ‘jalinan cerita’ antar dokumen (termasuk transkrip wawancara). Jika kita termasuk yang merasa nyaman dengan teknologi sederhana, bisa gunakan stabilo untuk menandai, misalnya. Bisa juga dengan memberikan kode di sisi kalimat atau rangkaian kalimat yang menunjuk pada konsep tertentu. Proses ‘sensemaking’ dilakukan di ‘kepala’. Jika data kita tidak cukup terstruktur dan tidak terlalu banyak, teknik ini nampaknya masih bisa berjalan baik.

Saya sendiri mengadopsi teknik ini. Tidak jarang di ruang kerja saya pasang kertas ukuran besar untuk menggambar hubungan antar konsep yang ditemukan di dokumen. Gambar bisa berubah setiap saat sebagai bagian dari upaya menemukan ‘alur cerita’ yang lebih masuk akal atau lebih menarik. Kita juga bisa menggunakan kertas post-it yang setiapnya mewakili satu konsep. Kita bisa dengan mudah atur ulang posisinya untuk menggambarkan sebuah cerita yang ingin kita tampilkan dalam artikel.

Ketika data yang kita punyai cukup besar dan kita lebih merasa nyaman menggunakan komputer, saat ini di pasaran sudah beredar beragam software untuk analisis data kualitatif. Beberapa di antaranya adalah NVivo, HyperResearch, ATLAS.ti, atau Nudist. Dengan menggunakan software ini kita bisa menandai dokumen yang mewakili sebuah konsep. Software juga memfasilitasi pengelompokan konsep, menyusun konsep dalam urutan tertentu, dan dapat membantu dalam memberikan gambaran antar konsep. Versi mutakhir beberapa software tidak mengharuskan transkripsi wawancara tersebut dahulu. Rekaman wawancara dapat langsung dianalisis dengan menandai bagian wawancara yang mewakili konsep tertentu.

Tentu saja, seringkali analisis data tidak merupakan proses sekali jalan. Beragam skenario kadang bisa kita aplikasikan. Beragam cerita pun bisa muncul ke permukaan. Setiap artikel seharusnya menarasikan sebuah cerita, dan cerita tersebut adalah hasil dari analisis data.

Daftar Bacaan

Fathul Wahid. 2012.  Menganalisis data.  publikasiinternasional

Langley, A. (1999). Strategies for theorizing from process data. Academy of Management Review, 24(4), 691-710.

BAGAIMANA MELAKUKAN SURVAI?

Salah satu metode pengumpulan data paling populer dalam penelitian positivis adalah survai menggunakan kuesioner. Penelitian positivis biasanya melibatkan proposisi formal, variabel yang dapat dikuantifikasi, dan pengujian hipotesis (Orlikowski dan Baroudi, 1991). Metode ini terlihat sederhana, dan karenanya sering disepelekan. Kenyataanya tidak demikian.

Berdasar pengalaman dalam membaca dan mereview artikel jurnal atau konferensi, ada beragam isu yang bisa didiskusikan. Setiap isu ini hanya akan didiskusikan dengan singkat dan disertai dengan ilustrasi praktik.

Pertama, penelitian positivis biasanya mengembangkan model penelitian yang menggambarkan hubungan antarvariabel. Penelitian seringkali membangun model dengan memasukkan variabel dari beragam sumber (e.g., teori, model, konsep, dan lain-lain). Masalah yang sering saya temukan adalah lemahnya argumen yang digunakan ketika membangun model. Variabel yang biasanya direpresentasikan dalam bentuk ‘kotak’ dalam model seringkali berasal dari sumber lain yang mempunyai asumsi berbeda-beda ketika dikembangkan. Proses ini menurut saya mirip dengan masalah menggabungkan beragam ‘lensa teorietis’ ke dalam sebuah penelitian (Okhuysen dan Bonardi, 2011). Ada berbagai pertimbangan yang perlu diperhatikan. Di antaranya adalah kedekatan ‘lensa’ yang akan digunakan, termasuk asumsi dasar yang digunakan ketika ‘lensa’ tersebut dikembangkan . Sebagai contoh, memasukkan variabel yang didasari oleh teori yang mengandaikan bahwa ‘manusia selalu rasional’, dan lainnya yang didasari oleh teori yang mengasumsikan bahwa ‘manusia tidak selalu rasional’, memerlukan argumen yang kuat.



Kedua, setiap variabel yang digunakan seharusnya didefinisikan dengan jelas. Definisi ini akan mempengaruhi dalam tahap operasionalisasinya ke dalam item-item yang mengukurnya. Kadang saya menemukan antara definisi operasional dan item-item yang dikembangkan tidak ‘klop’.  Bisa jadi, masalah ini mungkin karena praktik membuat ‘montase’ dari beragam sumber tanpa mempertimbangkan isu pertama di atas. Item-item tersebut dapat bersumber dari konsep atau teori  yang ada atau dari proses wawancara atau observasi di lapangan.

Dalam konteks ini, pertimbangkan dengan baik tingkat pengukuran setiap (level of measurement) variabel (nominal, ordinal, interval atau rasio) dan jika digunakan, juga poin dalam skala Likert (biasanya ganjil, seperti 5 dan 7). Yang terakhir ini, sesuaikan dengan derajat variasi jawaban yang Anda harapkan. Kesalahan fatal lain yang perlu dihindari adalah, jika penelitian Anda ingin menguji hubungan antarvariable, jangan sekali-kali menanyakan hubungan variabel ini di dalam kuesiober kepada responden. Ukur setiap variabel secara terpisah. Kesalahan dapat menentukan tingkat pengukuran akan mempengaruhi fleksibitas dalam analisis data. Sebagai contoh, regresi ganda tidak bisa digunakan jika variabel dependen diukur secara dikotomis (nominal). Uji korelasi Spearman, misal lain, tidak bisa digunakan untuk data nominal, dan seterusnya.

Ketiga, uji instrumen seringkali tidak dilakukan secara memadai. Seharusnya, sebelum kuesioner didistribusikan secara massal harus sudah diuji dengan baik. Pengujian dilakukan untuk mengukur validitas dan reliabilitas instrumen. Instrumen kemudian dapat diperbaiki dengan beragam tindaklanjut: penambahan, penghapusan, dan/atau pengubahan item. Mengapa pengujian ini penting sebelum survei massal? Tidak seperti penelitian interpretif yang memungkinkan kita kembali ke ‘lapangan’ setiap saat untuk menambah data, penelitian positivis adalah proses ‘sekali jalan’. Ketika kuesioner yang disebarkan ‘salah’, maka data yang didapatkan pun menajdi bermasalah. Memang ketika misalnya, ada tambahan item yang ditanyakan, bisa dilakukan penyebaran ulang, tetapi apakah ini dapat menjamin kalau akan didapatkan respon yang sama? Jika distribusi kuesioner dibuat dalam dua atau lebih bahasa, ada baiknya dilakukan uji potensi bias dari respons yang didapat.

Keempat, jika populasi responden diketahui dengan daftar yang jelas, maka Anda patut bersyukur. Namun di lapangan, seringkali tidak demikian halnya. Ini terkait dengan penelitian sampel dan metode sampling. Apapun metode sampling yang dipilih, pastikan Anda mempunyai argumen mengapa metode ini dianggap tepat untuk penelitian Anda. Jumlah sampel yang didapat seringkali juga tidak sebanyak yang diharapkan karena response rate yang rendah. Untuk ini, metode analisis statistik juga perlu dipilih dengan tepat.
Kelima, di lapangan seringkali dibutuhkan strategi untuk memperbaiki response rate. Beragam strategi dapat digunakan, termasuk dengan surat, sebar-dan-kumpul, wawancara langsung, wawancara telpon, atau online. Pilihan strategi biasanya tergantung dengan responden yang disasar dan sebarannya.

Sebagai penutup, rumus sederhana untuk setiap isu di atas adalah: untuk setiap pilihan yang dibuat, berikan argumen yang kuat. Dengan pemikiran demikian, kesalahan atau stres ketika melakukan penelitian dapat diminimalkan.

Daftar Bacaan

Fathul Wahid.  2012. Melakukan survei. publikasiinternasional.

Okhuysen, G., & Bonardi, J. P. (2011). The challenges of building theory by combining lenses. Academy of Management Review, 36(1), 6-11.
Orlikowski, W. J., & Baroudi, J. J. (1991). Studying information technology in organizations: Research approaches and assumptions. Information Systems Research, 2(1), 1-28.

BAGAIMANA MENULIS ABSTRAK?

Abstrak meskipun berada di bagian awal artikel, biasanya juga ‘ditulis lengkap’ ketika artikel sudah diselesaikan. Hal ini bukan berarti harus menunggu tulisan selesai baru menulis abstrak. ‘Memulai’ menulis abstrak di awal penulisan akan sangat bermanfaat, untuk meyakinkan diri kita bahwa kita mengetahui dengan pasti apa yang kita akan tuliskan dalam artikel (Walsham, 2006). Dalam praktik, abstrak sangat mungkin mengalami penyesuaian di ‘sana-sini’ setelah seluruh artikel diselesaikan.


Nampaknya saat ini, hampir semua publikasi ilmiah termasuk tesis dan disertasi mensyaratkan adanya abstrak. Mengapa abstrak penting? Abtrak adalah bagian artikel yang paling sering dibaca setelah judul. Jika setelah membaca abstrak, seorang pembaca tidak tertarik, jangan harap artikel kita akan dibaca. Meminjam bahasa iklan, abstrak sangat penting untuk memberikan kesan pertama, selanjutnya terserah pembaca. Tentu, dalam etika akademik, kesan dalam abstrak bukan kesan palsu, untuk sekedar untuk ‘tebar pesona’. Bukan.
Ingat, abstrak bukanlah pendahuluan. Sepeti namanya, abstrak adalah ringkasan, ikhtisar. Day (1975) memberikan arahan yang simpel dan jelas tentang apa yang seharusnya dalam abstrak yang panjangnya biasanya tidak lebih dari 200-250 kata ini. Dari sisi konten, abstrak seharusnya berisi:

1. Menunjukkan tujuan dan lingkup penelitian/kajian
2. Memberikan gambaran metode yang digunakan
3. Merangkum temuan penelitian
4. Menyatakan kesimpulan utama penelitian

Karena seringkali penulis berperilaku sangat mekanistik yang mengawali abstrak dengan “This study aims to … ” atau sejenisnya, saya temukan panduan jurnal yang bahkan secara eksplisit ‘melarangnya’, dan meminta penulis lebih kreatif dalam menulis abstrak. Alasannya sebetulnya sangat sederhana, supaya abstrak tidak sangat kaku dan menjadi tidak menarik. Bayangkan saja, makan enak dengan menu yang sama saja, membuat kita bosan, apalagi membaca abstrak yang monoton sambil berpikir. Pasti dijamin lebih membosankan.

Klein et al. (2006) secara metaforis menyatakan bahwa fungsi abstrak adalah seperti membawa kuda masuk ke air, untuk minum. Menurut mereka ada tiga hal yang perlu diperhatikan ketika menulis abstrak dari sisi kualitas. Supaya pembaca tertarik meneruskan membaca artikel, maka ketika membaca abstrak, pembaca seharusnya menilai bahwa abstrak dianggap penting (important), terakses (accessible) – ide yang disampaikan mudah dipahami, dan applicable – dapat diterapkan dalam penelitian atau pekerjaan yang sedang dijalankan.

Apakah abstrak yang pernah kita tulis memenuhi kriteria konten dan kualitas di atas? Jika tidak, tidak usah kaget dan sedih ketika hanya sedikit – atau bahkan tidak ada pembaca – yang tertarik dengan artikel kita. Jika demikian, tidak perlu banyak berharap bahwa artikel yang kita tulis dikutip orang lain. Meski demikian, nasihat orang bijak menyatakan: teruslah meneliti dan menulis … dan selalu berusaha menulis abstrak yang baik.

Daftar Bacaan
Day, R. (1975). How to write a scientific paper. IEEE Transaction on Professional Communication, 41(7), 486-494.
Fathul Wahid. 2012. Menulis Abstrak. publikasiinternasional.wordpress.com
Klein, G., Jiang, J., dan Saunders, C. (2006). Leading the horse to water. Communications of the Association for Information Systems, 18(1). Available at: http://aisel.aisnet.org/cais/vol18/iss1/13.
Walsham, G. (2006). Doing interpretive research. European Journal of Information Systems, 15(3), 320-330

BAGAIMANA MENULIS TEMUAN STUDI?

Sebagian orang berpendapat, bagian temuan sebaiknya ditulis dalam satu bab/bagian tersendiri, sebagian yang lain menyatakan bagian ini dapat digabung dengan bab/bagian diskusi. Saya termasuk penganut madzhab yang pertama. Sebelum memilih, silakan periksa tradisi yang biasanya dianut dalam disipilin Anda. Salah satunya dengan melakukan pemindaian terhadap artikel yang sudah diterbitkan, terutama dalam outlet yang bereputasi baik.
Dalam bagian ini, temuan dituliskan berdasar hasil analisis data yang telah dilakukan dan tanpa diinterpretasikan. Tuliskan saja dalam bentuk deskriptif.


Menuliskan bagian temuan ini seakan-akan tanpa masalah. Namun ternyata tidak demikian kenyataanya. Paradigma penelitian yang digunakan pun akan mempengaruhi bagaimana bagian ini ditulis. Paradigma positivis-nomotetik yang banyak dianut di kalangan akademisi Amerika Utara dan paradigma interpretif-idiografik yang menjadi tradisi di Eropa menuntut hal yang berbeda.

Penelitian positivis
Dalam penelitian positivis yang melibatkan pengujian hipotesis dan survei, bagian temuan dapat berisi beberapa hal berikut. JIka belum dilaporkan dalam bagian metode (ini akan saya bahas dalam entri lain), hasil uji reliabilitas dan validitas instrumen dapat dituliskan dalam bagian ini, termasuk strategi pengumpulan data. Beberapa tabel, terkait dengan uji ini, dan termasuk uji asumsi klasik (jika diinginkan, seperti uji distribusi data, multikolinieritas, heteroskedasitas) dapat ditulis di bagian ini.
Selanjutnya, presentasi deskriptif data dapat dilaporkan. Biasanya dalam bentuk tabel demografik responden. Apa yang biasanya salah dalam menampilkan tabel? berdasar pengamatan saya yang terbatas, kadang penulis terlalu ‘malas’ untuk merangkum tabel dan menyajikan tabel apa adanya dari software analisis statistik, seperti SPSS. Terus terang saya agak ‘mules’ menemukan yang demikian. Logikanya sangat sederhana: lha, kalau penulis saja malas dalam mengambil inti tabel dan menyajikannya dalam bentuk yang enak dibaca dan mudah dipahami, mengapa reviewer atau pembaca harus membacanya. Bagaimana tabel yang baik dibuat? Sila lihat artikel di jurnal yang berkualitas baik.

Jika penelitian Anda juga menguji hipotesis, bagaimana hal itu dilakukan juga perlu dijelaskan, termasuk dengan hasil dari ujinya. Hasil uji bisa berupa tabel hasil analisi korelasi atau regresi (dengan semua varianya, termasuk analisis model struktural atau analisis path dalam SEM atau PLS).

Tentu saja, yang ditambilkan dalam bagian temuan tidak hanya ‘parade’ tabel. Meski tabel seharusnya dapat dipahami tanpa melihat narasi, menyajikan tabel tanpa narasi seperti halnya membaca ‘handsout’ kuliah. Buat narasi yang singkat dan menggambarkan temuan-temuan penting yang ditunjuk dalam tabel. Sekali lagi, tanpa interpretasi temuan dan argumentasi.

Penelitian interpretif
Bagaimana untuk penelitian interpretif? Strategi sensemaking yang telah dibahas dalam posting khusus dapat membimbing kita dalam bagian ini. Dalam tradisi penelitian ini, meski kualitas narasi merupakan senjata utama, namun jika Anda bisa merangkumnya dalam tabel atau gambar yang representatif akan sangat membantu pembaca dalam memahami tulisan.

Narasi dapat dituliskan dalam beragam cara; diantaranya dikelompokkan berdasar tema atau dalam urutan kejadian. Kalau tujuan penelitian adalah mengidentifikasi faktor penghambat dan pendorong adopsi cloud computing oleh perusahaan besar, misalnya, narasi berdasar tema lebih tepat. Lain halnya jika fokus penelitian adalah melacak ‘sejarah’ implementasi teknologi informasi dalam bidang pengadaan barang/jas di sektor publik (eProcurement), narasi dalam urutan kejadian menjadi lebih tepat. Ini hanya dua kemungkinan strategi narasi, dan keduanya dapat digabungkan. Sebagai contoh, ketika Anda tertarik melihat faktor pendorong dan penghambat adopsi cloud computing dalam beberapa tahap implementasi, mulai dari keputusan adopsi, implementasi teknis, dan seterusnya; kedua strategi dapat digabungkan. Ingat pertanyaan penelitian yang dituliskan di bagian pendahuluan. Seharusnya bagian temuan digunakan untuk menjawab pertanyaan tersebut sebelum diulas lebih lanjut di bagian diskusi.

Memasukkan kutipan hasil wawancara dalam narasi akan sangat menguatkan argumen, selain menunjukkan bukti bahwa hasil interpretasi didukung oleh data. Namun demikian, pilihkan kutipan yang benar-benar mendukung argumen atau klaim yang dituliskan.

Tabel atau gambar dapat berupa kategorisasi tema/konsep, periodisasi kejadian kritis, hubungan antar tema/konsep dengan tema/konsep yang lain, atau mungkin dalam bentuk yang lain. Tabel 2×2 (atau lebih) yang setiap aksisnya menggambarkan ‘variabel’ tertentu juga sering digunakan. Tabel atau gambar ini menjadi sangat penting, ketika kebijakan pengelola jurnal atau konferensi tidak memberikan halaman yang cukup untuk menarasikan temuan. Saya pernah harus ‘berjuang’ memotong artikel dengan panjang 11.500 kata yang diterbitkan dalam prosiding, ke dalam artikel jurnal dengan panjang 5.000 kata. Itu pun masih harus dimasukkan materi baru seperti saran dari reviewer. Dalam kasus ini, tabel dan gambar akan sangat membantu. Saya pernah juga harus memotong empat halaman dari 16 halaman yang sudah ada. Lagi-lagi, selain saya harus menelusur ulang setiap kalimat dan membuatnya lebih efektif, saya juga lakukan dengan merangkum temuan ke dalam tabel.

Sekali lagi, narasi yang dituliskan adalah hasil analisis data, dan jangan diskusikan dahulu di bagian temuan. Tuliskan interpretasi dan argumentasi dalam bagian diskusi.

sumber:
publikasiinternasional

LINK PENTING

http://publikasiinternasional.wordpress.com/