BerandaArtikelMenegakkan Hierarki Konseptual dalam Penelitian Ilmiah

Menegakkan Hierarki Konseptual dalam Penelitian Ilmiah

Refleksi Filosofis atas Variabel, Subvariabel, dan Indikator pada Era Machine Learning
Oleh : Hery Buha Manalu
Perkembangan metodologi penelitian, khususnya melalui analisis multivariat dan machine learning, memungkinkan penggunaan banyak parameter dalam menjelaskan serta memprediksi fenomena. Namun, perkembangan tersebut menghadirkan persoalan epistemologis ketika konstruk, variabel, subvariabel, indikator, dan fitur dataset diperlakukan sebagai konsep yang setara. Artikel ini bertujuan mengkaji pentingnya hierarki konseptual dalam perancangan penelitian melalui pendekatan reflektif-kritis. Argumentasi utamanya adalah bahwa penelitian eksplanatori sering dibangun melalui hubungan mendasar antara faktor penjelas dan fenomena yang dijelaskan, yang direpresentasikan melalui X dan Y. Kompleksitas pengukuran tidak otomatis menunjukkan banyaknya konstruk utama penelitian. Sebelas fitur prediktor, misalnya, dapat menjadi sebelas variabel statistik tanpa harus menjadi sebelas konstruk independen secara teoretis. Artikel ini menegaskan bahwa penetapan variabel harus didasarkan pada kerangka teori, definisi operasional, dan tujuan penelitian, bukan semata-mata jumlah kolom dataset.

 

1. Pendahuluan

Penelitian ilmiah merupakan usaha sistematis manusia untuk memahami realitas melalui pengamatan, pembedaan, pengukuran, dan penjelasan. Dalam proses tersebut, variabel menjadi perangkat penting untuk menghubungkan konsep teoretis dengan fenomena empiris.

Coffee banner ads with 3d illustratin latte and woodcut style decorations on kraft paper background

Kemajuan teknologi analisis data memungkinkan peneliti menggunakan puluhan bahkan ribuan fitur dalam satu model. Namun, kemampuan komputasional tidak otomatis menjamin ketepatan konstruksi konseptual.

Persoalan muncul ketika jumlah fitur dataset langsung dianggap sebagai jumlah variabel independen penelitian tanpa menjelaskan kedudukan setiap fitur dalam kerangka teori.

Tulisan ini mengajukan pemikiran bahwa kompleksitas data tidak identik dengan kompleksitas konstruk penelitian. Penetapan variabel harus berangkat dari masalah dan teori, bukan sekadar mengikuti struktur data yang tersedia.

2. Dualitas sebagai Dasar Refleksi Filosofis

Manusia sering memahami fenomena melalui pembedaan dua keadaan: terang dan gelap, siang dan malam, panas dan dingin, positif dan negatif, serta sebab dan akibat.

Pembedaan tersebut memperlihatkan bahwa pengetahuan berkembang melalui pengenalan perbedaan, hubungan, dan perbandingan.

Namun, dualitas bukan bukti bahwa seluruh realitas hanya memiliki dua kategori. Antara panas dan dingin terdapat rentang suhu, sedangkan antara siang dan malam terdapat fajar serta senja.

Karena itu, dualitas lebih tepat dipahami sebagai perangkat epistemologis untuk mengorganisasikan pengetahuan daripada hukum universal mengenai struktur realitas.

Dalam penelitian eksplanatori, prinsip hubungan tersebut dapat menjadi titik awal untuk memahami faktor yang menjelaskan suatu fenomena dan fenomena yang dijelaskan.

3. Hubungan X–Y dalam Konstruksi Penelitian

Penelitian eksplanatori umumnya berusaha memahami hubungan antara faktor penjelas dan hasil yang diamati.

Hubungan tersebut dapat digambarkan:

[
X \longrightarrow Y
]

X merupakan variabel independen, sedangkan Y merupakan variabel dependen.

Sebagai contoh, penelitian mengenai kompetensi guru dan kualitas pembelajaran dapat menggunakan kompetensi guru sebagai X serta kualitas pembelajaran sebagai Y.

Kompetensi guru selanjutnya dapat dijabarkan menjadi dimensi pedagogik, profesional, sosial, dan kepribadian.

Setiap dimensi memiliki indikator pengukuran tersendiri. Dengan demikian, banyaknya indikator tidak otomatis menambah jumlah konstruk utama.

Meskipun demikian, dua peran variabel tidak berarti penelitian hanya boleh mempunyai dua variabel individual. Penelitian multivariat dapat melibatkan beberapa prediktor yang berbeda secara konseptual. Penelitian deskriptif maupun interpretatif juga tidak selalu memerlukan struktur X–Y.

Oleh karena itu, hubungan X–Y merupakan kerangka dasar yang berguna, bukan pembatasan universal terhadap jumlah variabel.

4. Penertiban Hierarki Konseptual

Ketepatan metodologi menuntut pembedaan antara konstruk, variabel, subvariabel, dimensi, indikator, dan fitur analisis.

Konstruk merupakan konsep teoretis yang merepresentasikan fenomena. Variabel merupakan atribut yang nilainya dapat berubah. Dimensi atau subvariabel menjelaskan aspek tertentu dari konstruk yang lebih luas, sedangkan indikator menjadi ukuran empirisnya.

Dalam rancangan tertentu, hubungan tersebut dapat disusun:

Konstruk utama → dimensi/subvariabel → indikator → item pengukuran.

Sebagai ilustrasi, keluarga memiliki struktur hubungan antara orang tua dan anak. Meskipun semuanya merupakan anggota keluarga, kedudukan relasional mereka berbeda.

Demikian pula, indikator tidak otomatis mempunyai kedudukan konseptual yang sejajar dengan konstruk induknya.

Namun, analogi tersebut memiliki batas. Indikator dapat sekaligus menjadi variabel statistik apabila digunakan sebagai atribut yang dianalisis secara terpisah.

Dengan demikian, persoalannya bukan melarang indikator menjadi variabel statistik, melainkan memastikan kedudukan konseptualnya dijelaskan secara tepat.

5. Kritik terhadap Penyamaan Fitur dan Variabel

Dalam machine learning, fitur merupakan atribut masukan yang digunakan algoritma untuk menghasilkan prediksi.

Misalnya, model risiko kesehatan ibu menggunakan sebelas fitur, seperti usia, tekanan darah, kadar gula darah, suhu tubuh, indeks massa tubuh, riwayat komplikasi, kondisi diabetes, kesehatan mental, dan detak jantung.

Kesebelas fitur tersebut dapat digunakan sebagai variabel prediktor statistik.

Namun, pernyataan bahwa model mempunyai sebelas prediktor berbeda dari klaim bahwa penelitian memiliki sebelas konstruk independen.

Pernyataan pertama menjelaskan struktur komputasional, sedangkan pernyataan kedua memerlukan pembenaran teoretis.

Tekanan darah sistolik dan diastolik, misalnya, dapat menjadi dua prediktor statistik sekaligus dua ukuran dalam satu dimensi tekanan darah.

Sebaliknya, usia dan riwayat komplikasi tidak otomatis menjadi indikator dari satu konstruk homogen hanya karena digunakan bersama dalam model.

Oleh karena itu, pengelompokan fitur maupun pemisahannya sebagai konstruk independen harus didasarkan pada teori dan tujuan penelitian.

Jumlah kolom dataset bukanlah dasar yang memadai untuk menetapkan jumlah konstruk utama.

6. Validitas Data dan Tanggung Jawab Metodologis

Penggunaan dataset sekunder, termasuk yang diperoleh melalui Kaggle, menuntut pemeriksaan terhadap asal data, metode pengukuran, populasi, kualitas label, dan kesesuaiannya dengan tujuan penelitian.

Dataset dapat menyediakan sebelas fitur prediktor, tetapi tidak otomatis membuktikan bahwa seluruh fitur merupakan konstruk independen.

Selain itu, kemampuan model memprediksi suatu keluaran tidak sama dengan pembuktian hubungan sebab-akibat (Hernán & Robins, 2020).

Apabila model risiko kesehatan ibu digunakan sebagai dasar pengembangan sistem monitoring pelatihan tenaga kesehatan, keberhasilan prediksi juga tidak otomatis membuktikan efektivitas sistem pelatihan tersebut.

Diperlukan evaluasi tersendiri terhadap fungsi sistem, kebutuhan pengguna, dan hasil penerapannya.

Dengan demikian, validitas pengukuran, validitas prediksi, dan validitas evaluasi sistem harus dibedakan.

7. Prinsip Ketertiban Konstruksi Penelitian

Berdasarkan pembahasan tersebut, terdapat lima prinsip yang perlu ditegakkan.

Pertama, prioritas konseptual, yaitu konstruk ditentukan berdasarkan masalah dan teori.

Kedua, ketertiban terminologis, yakni pembedaan antara konstruk, variabel statistik, dimensi, indikator, dan fitur.

Ketiga, justifikasi hierarkis, yaitu setiap pengelompokan atau pemisahan konstruk harus memiliki landasan teoretis.

Keempat, kesesuaian analitis, yakni metode dipilih berdasarkan tujuan dan karakteristik data.

Kelima, konsistensi inferensial, yaitu kesimpulan tidak boleh melampaui kemampuan data dan metode penelitian.

Kelima prinsip tersebut merupakan kerangka argumentatif untuk mengevaluasi kualitas konstruksi penelitian, bukan teori baru yang telah tervalidasi secara empiris.

8. Kesimpulan

Penelitian ilmiah berangkat dari usaha memahami realitas melalui pembedaan, hubungan, dan penjelasan. Dalam penelitian eksplanatori, hubungan X–Y sering menjadi struktur konseptual mendasar.

Namun, hubungan tersebut tidak membatasi seluruh penelitian pada dua variabel individual.

Sebaliknya, penggunaan banyak fitur dalam analisis statistik tidak otomatis membuktikan banyaknya konstruk utama.

Sebelas fitur dapat menjadi sebelas variabel prediktor, tetapi belum tentu merupakan sebelas konstruk independen yang sejajar secara teoretis.

Karena itu, penelitian harus menjaga hierarki antara konstruk, variabel, subvariabel, dimensi, indikator, dan fitur komputasional.

Kualitas penelitian tidak ditentukan oleh banyaknya variabel, melainkan oleh ketepatan konstruksi konseptual, validitas pengukuran, dan konsistensi hubungan antara teori, data, metode, serta kesimpulan.

Daftar Pustaka

Borsboom, D., Mellenbergh, G. J., & van Heerden, J. (2004). The concept of validity. Psychological Review, 111(4), 1061–1071. https://doi.org/10.1037/0033-295X.111.4.1061

Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.

DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). SAGE Publications.

Hernán, M. A., & Robins, J. M. (2020). Causal inference: What if. Chapman & Hall/CRC.

Mitchell, T. M. (1997). Machine learning. McGraw-Hill.

(Red/*)

Google News

TINGGALKAN KOMENTAR

Silakan masukkan komentar anda!
Silakan masukkan nama Anda di sini