PENGERTIAN RISET DAN CONTOHNYA

Apa itu Riset?

Kata penelitian dalam Bahasa Inggris adalah Research. Dari kata ini kita membuat istilah Riset dalam Bahasa Indonesia. Kata research sering digunakan untuk mewakili serangkaian kegiatan atau untuk mengartikan sesuatu yang kurang tepat sehingga perlu diluruskan terlebih dahulu.

Secara umum, Riset adalah proses mengumpulkan, menganalisis, dan menerjemahkan informasi atau data secara sistematis untuk menambah pemahaman kita terhadap suatu fenomena tertentu yang menarik perhatian kita.

Yang bukan Riset yaitu:

• Bukan hanya mengumpulkan informasi tentang sesuatu atau beberapa hal.
• Bukan memindahkan fakta dari satu lokasi ke lokasi lain, dengan menghilangkan inti dari riset yaitu: intepretasi data.  
•  Bukan mencari informasi tertentu secara acak.
• Bukan sekedar istilah untuk menarik perhatian.

Karakteristik Riset 

Menurut Paul Leedy dalam Practical Research, ada 8 karakteristik riset:

1. Riset berasal dari satu pertanyaan atau masalah
2. Riset membutuhkan tujuan yang jelas
3. Riset membutuhkan rencana spesifik
4. Riset biasanya membagi masalah prinsip menjadi beberapa submasalah. Sub-masalah terdiri dari bagaimana melakukan kompresi data pada file teks hingga hasil kompresi 30% dari file asli, serta bagaimana melakukan dekompresi pada file teks tanpa mengubah isi
5. Riset dilakukan berdasarkan masalah, pertanyaan atau hipotesis riset yang spesifik
6. Riset mengakui asumsi-asumsi
7. Riset membutuhkan data dan intepretasi data untuk menyelesaikan masalah yang mendasari adanya riset
8. Riset bersifat siklus

Gambar: Siklus Riset

Jenis-Jenis Riset

1. Riset Eksperimental
   Eksperimen adalah sebuah prosedur yang diatur sedemikian rupa dengan ada satu atau lebih faktor yang dianggap memiliki pengaruh terhadap perilaku objek penelitian sementara faktor lainnya akan dianggap konstan. Riset eksperimental ini merupakan metode yang sangat handal untuk menentukan hubungan sebab dan akibat.
2. Studi Korelasional
   Studi korelasional adalah sebuah studi yang dilakukan dengan cara mengubah salah satu variabel penelitian untuk kemudian akan dilihat pengaruhnya terhadap variabel lain.
3. Riset Deskriptif
   Riset deskriptif ini cukup umum kita lihat dalam sebuah penelitian, yaitu berupa survey atau wawancara terhadap kelompok yang diteliti. Tidak hanya terbatas pada survey dan wawancara, riset deskriptif juga bisa dilakukan dengan etnografi, yaitu pengamatan terhadap lingkungan sosial dalam jangka waktu yang lama.
4. Observasi
   Cara ini mungkin merupakan riset yang paling dasar dan paling lama ada dalam dunia penelitian. Hal ini dikarenakan kita hampir selalu melakukan pengamatan terhadap objek penelitian. Observasi itu sendiri memiliki arti ‘melihat’ dan ‘memperhatikan’.
5. Observasi Alamiah
   Observasi alamiah termasuk bentuk khusus dari observasi biasa. Observasi ini dilakukan di kehidupan riil, alih-alih tempat lain yang dibuat sengaja untuk penelitian.
6. Observasi Laboratorium
   Berbeda dengan observasi alamiah yang dilakukan di tempat yang riil, observasi laboratorium ini dilakukan di sebuah laboratorium yang sudah dikontrol memuat faktor-faktor yang ada di dunia riil.
7. Observasi Partisipan
   Macam riset dalam psikologi pendidikan selanjutnya adalah observasi partisipan. Dalam observasi ini, para peneliti akan terlibat secara langsung sebagai peserta dalam aktivitas atau tempat tertentu.
8. Wawancara
   Dengan wawancara, peneliti akan melakukan tanya jawab secara sistematis dan melandaskannya pada tujuan penyelidikan. Melalui wawancara, peneliti akan bisa lebih memahami objek penelitian dan bisa memahaminya secara khusus dalam hal tertentu. Hasil dari wawancara bersifat subjektif tentang sikap seseorang terhadap lingkungannya dan terhadap dirinya sendiri.
9. Tes Standar
   Macam riset yang selanjutnya adalah tes standar. Dengan tes ini akan dilakukan prosedur dan cara penilaian yang sama terhadap semua objek penelitian.

Contoh Riset di Bidang IT

Aplikasi Data Mining Untuk Menampilkan Informasi Pejualan Ice Cream Walls di Kota Bengkulu Menggunakan Metode A Priori

1. Pendahuluan
Pesatnya perkembangan teknologi informasi dewasa ini khususnya dalam aplikasi-aplikasi database yang diiringi dengan meningkatnya kapabilitas media penyimpanan yang semakin besar memungkinkan terjadinya akumulasi data dalam jumlah besar. Akumulasi data ini membentuk sebuah gudang data yang mengandung banyak informasi penting. Bila tidak digali, informasi penting yang terpendam di gudang data akan menjadi tidak berguna. Pemanfaatan gudang data yang ada untuk menggali informasi yang berguna membantu mengambil keputusan mendorong munculnya cabang ilmu baru. Cabang ilmu baru ini digunakan untuk mengatasi masalah penggalian informasi atau pola yang penting atau menarik dari data dalam jumlah besar, yang disebut dengan data mining.
Menurut Turban (dalam Kusrini dan Lutfi, 2009:3) ‘Data mining adalah suatu istilah yang digunakan untu menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengektraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.’
Pemanfaatan teknik data mining diharapkan dapat memberikan informasi-informasi yang sebelumnya tersembunyi di dalam gudang data sehingga menjadi informasi yang berharga. Salah satu kelompok data mining berdasarkan tugas yang dapat dilakukan adalah asosiasi. Algoritma a priori termasuk jenis aturan asosiasi pada data mining. Analisis atau association rule mining merupakan teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Contoh aturan asosiatif dari analisis pembelian di suatu pasar swalayan adalah dapat diketahuinya berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu.
Dalam dunia perdagangan diperlukan sebuah kreativitas dan inovasi dari produsen agar penjualan produknya bisa ditingkatkan. Hal ini juga berlaku pada PT Roxy Prameswari sebagai produsen ice cream walls, jika tidak ada kreatifitas dan inovasi maka akan dapat menurunkan tingkat penjualan. Ada bermacam-macam cara untuk mensiasati agar produk yang dijual bisa meningkat dan diminati konsumen. Membuat aplikasi yang bisa membantu produsen meningkatkan penjualan produk merupakan cara yang bisa dilakukan. Salah satu caranya adalah memnfaatkan teknik data mining, dalam hal ini menggunakan algoritma a priori (asosiasi data mining).

2. Perumusan Masalah
Berdasarkan uraian pada latar belakang di atas, maka rumusan masalah dalam penelitian ini adalah bagaimana membangun aplikasi data mining untuk menghasilkan informasi yang berguna tentang hubungan tingkat penjualan ice cream walls dengan data ice cream walls yang dipasarkan di Kota Bengkulu. Informasi yang ditampilkan berupa nilai support dan confidence hubungan antara tingkat penjualan dengan data ice cream yang dipasarkan.

3. Batasan Masalah
Agar pembahasan dalam penelitian ini dapat dilakukan secara terarah dan sesuai dengan yang diharapkan, maka perlu diterapkan batasan-batasan permasalahan yang akan dibahas, antara lain:
a. Pada tugas akhir ini hanya menyajikan informasi tentang tingkat penjualan ice cream walls di Kota Bengkulu dengan
teknik data mining.
b. Informasi yang ditampilkan adalah nilai support dan confidence hubungan antara tingkat penjualan dengan data ice
cream walls yang dipasarkan di Kota Bengkulu.
c. Data yang digunakan adalah data ice cream walls yang dipasarkan di Kota Bengkulu.
d. Dalam tugas akhir ini tidak membahas pada hasil proses data mining dan analisis hasil yang keluar.

4. Tinjauan Pustaka
4.1.Data Mining
Data mining, sering juga disebut knowledge discovery in database KDD, adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar. Keluaran dari data mining ini dapat digunakan untuk memperbaiki pengambilan keputusan di masa depan. Sehingga istilah pattern recognition sekaragn jarag digunakan karena ia termasuk bagan dari data mining (Santosa, 2007:10).
Seiring dengan perkembangan teknologi, semakin berkembang pula kemampuan kita dalam menggumpulkan dan mengolah data. Penggunaan sistem komputerisasi dalam berbagai bidang baik itu dalam transaksi-transaksi bisnis, maupun untuk kalangan pemerintah dan sosial, telah menghasilkan data yang berukuran sangat besar. Data-data yang terkumpul ini merupakan suatu tambang emas yang dapat digunakan sebagai informasi dalam dunia bisnis. Aplikasi basis data telah banyak diterapkan dalam berbagai bidang, antara lain bidang manajemen, manajemen data untuk industri, ilmu pegetahuan, administrasi pemerintah dan bidang-bidang lainnya. Akibatnya data yang dihasilkan oleh bidang-bidang tersebut sangatlah besar dan berkembang dengan cepat.
Hal ini menyebabkan timbulnya kebutuhan terhadap teknik-teknik yang dapat melakukan pengolahan data sehingga dari data-data yang ada dapat diperoleh informasi penting yang dapat digunakan untuk perkembangan masing-masing bidang tersebut. Istilah data mining sudah berkembang jauh dalam mengadaptasi setiap bentuk analisa data. Pada dasarnya data mining berhubungan dengan analisa data dan penggunaan teknik-teknik perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang sifatnya tersembunyi.
Informasi-informasi yang berguna dipeoleh dari data-data yang ada, hubungan antara item dalam transaksi, maupun informasi informasi-yang potensial, selanjutnya dapat diekstrak dan dianalisa dan diteliti lebih lanjut dari berbagai sudut pandang. Informasi yang ditemukan ini selanjutnya dapat diaplikasi kan untuk aplikasi manajemen, melakukan query processing, pengambilan keputusan dan lain sebagainya. Dengan semakin berkembangnya kebutuhan akan informasi-informasi, semakin banyak pula bidang-bidang yang rnenerapkan konsep data mining.
4.2.Algoritma A Priori
Algoritma a priori termasuk jenis aturan asosiasi pada data mining. Selain a priori yang termasuk pada golongan ini adalah metode Generalized Rule Induction dan Algoritma Hash Based. Aturan yang menyatakan asosiasi antara beberapa atribut sering disbut affinity analysis atau market basket analysis. Analisis asosiasi atau association rule adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombninasi item.
Algoritma Apriori yang bertujuan untuk menemukan frequent itemsets dijalankan pada sekumpulan data. Analaisis A priori didefenisikan suatu proses untuk menemukan semua aturan a priori yang memenuhi syarat minimum untuk support dan syarat minimum untuk confidence. Support adalah nilai penunjang, atau persentase kombinasi sebuah item dalam database. Rumus support sebagai berikut:

Support (A) = (jumlah transaksi mengandung A/Total transaksi) x 100%.

Sedangkan confidence adalah nilai kepastian yaitu kuatnya hubungan antar item dalam sebuah apriori. Confidence bisa dicari setelah pola frekuensi munculnya sebuah item ditemukan.

5. Tujuan Penelitian
Berdasarkan latar belakang di atas tujuan penelitian ini adalah mendapatkan informasi yang berguna tentang tingkat penjualan ice cream walls di Kota Bengkulu dengan teknik data mining.

6. Manfaat Penelitian
Manfaat penelitian yang dapat diambil adalah:
1. Penulis dapat lebih mengetahui cara menerapkan ilmu-ilmu yang telah dipelajari selama ini dalam merancang dan
membuat aplikasi sistem dengan teknik data mining.
2. Menyajikan informasi tentang hubungan tingkat penjualan dengan data ice cream walls di Kota Bengkulu.
3. Pihak PT Roxy Prameswari dapat mengetahui tingkat penjualan ice cream dan mengetahui faktor yang mempengaruhi
tingkat penjualan ice cream walls di Kota Bengkulu.

7. Metode Penelitian
7.1. Jenis Penelitian
Penelitian yang akan dilakukan ini menggunakan metode penelitian terapan karena tujuan penelitian ini adalah menerapkan metode data mining dalam menghasilkan suatu aplikasi yang dapat membantu dalam mengetahui tingkat penjualan ice cream walls di Kota Bengkulu. “Penelitian terapan dilakukan dengan tujuan menerapkan, menguji, dan mengevaluasi kemampuan suatu teori yang diterapkan dalam memecahkan masalah-masalah praktis” (Sugiyono, 2002:2).
7.2. Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini adalah teknik dokumentasi. Pada teknik dokumentasi data-data yang berkenaan dengan penelitian didapat dengan cara mengumpulkan data-data yang sudah ada di PT Roxy Prameswari.
7.3.Alat Bantu Pengembangan Sistem
Alat bantu yang digunakan dalam penelitian ini adalah:
1. UML (Unified Modeling Language).
2. Perangkat keras yang akan digunakan dalam penelitian ini adalah satu unit laptop dengan spesifikasi:
Processor : Intel (R) Core (TM) 2 Duo CPU T5870 @2.00 GHz.
Memori : 1 GB of RAM
Harddisk : 250 GB
3. Perangkat lunak yang akan digunakan adalah:
Windows 7 Ultimate
Delphi 8
Microsoft Office Visio 2003 untuk perancangan form aplikasi.

DAFTAR PUSTAKA

Guritno, Suryo., dkk. 2011. Theory and Application of IT Research. Yogyakarta: Andi.

Sumber : http://lecturer.ukdw.ac.id/othie/pengantar_riset.pdf, https://www.dictio.id/t/apa-saja-macam-macam-atau-jenis-jenis-riset-atau-penelitian/101931/2, https://zefyarlinda.wordpress.com/2013/10/25/contoh-penelitian-teknik-informatika-4/