Rumusan masalah adalah pertanyaan yang jelas dan spesifik yang ingin dijawab melalui penelitian. Cara membuatnya adalah dengan: mengidentifikasi masalah penelitian, melakukan studi literatur, mengidentifikasi kelangkaan informasi, membuat pertanyaan penelitian, menentukan tujuan penelitian, memastikan relevansi, dan merumuskan masalah dalam bentuk kalimat tanya yang singkat dan padat. 

Langkah-langkah membuat rumusan masalah:

1. Identifikasi Masalah Penelitian:

Tentukan topik atau area penelitian yang ingin Anda teliti. Topik tersebut harus sesuai dengan minat Anda dan relevan dengan bidang studi Anda. 

2. Lakukan Studi Literatur:

Teliti literatur yang relevan dengan topik penelitian Anda. Hal ini akan membantu Anda memahami situasi saat ini, gap pengetahuan, dan masalah yang belum terjawab. 

3. Identifikasi Kelangkaan Informasi:

Berdasarkan studi literatur, temukan area atau pertanyaan yang masih membutuhkan pemahaman lebih lanjut atau penelitian lebih mendalam. 

4. Buat Pertanyaan Penelitian

Rumuskan pertanyaan penelitian yang spesifik dan terarah berdasarkan kelangkaan informasi yang telah diidentifikasi. Pertanyaan ini akan menjadi fokus penelitian Anda. 

5. Tentukan Tujuan Penelitian:

Rumusan masalah harus selaras dengan tujuan penelitian. Tujuannya bisa berupa tujuan umum dan tujuan khusus. 

6. Pastikan Relevansi:

Pastikan rumusan masalah memiliki relevansi yang kuat dengan bidang penelitian Anda. 

7. Rumuskan Masalah dalam Kalimat Tanya:

Rangkai rumusan masalah dalam bentuk kalimat tanya yang singkat, padat, dan jelas. Hindari kalimat yang panjang dan membingungkan. 

8. Uji Kelayakan:

Diskusikan rumusan masalah Anda dengan dosen pembimbing, atau peneliti berpengalaman untuk memastikan kelayakannya. 

Contoh rumusan masalah dapat dilihat sebagia berikut:

• Bagaimana penerapan sistem informasi pelayanan publik berbasis digital dapat meningkatkan transparansi dan efisiensi pelayanan di instansi pemerintahan daerah?
• Bagaimana pengaruh implementasi sistem ERP terhadap efektivitas proses bisnis di perusahaan manufaktur?
• Bagaimana penerapan algoritma data mining dalam sistem informasi penjualan dapat digunakan untuk memprediksi tren pembelian konsumen?
• Bagaimana peran manajemen sistem informasi dalam meningkatkan kinerja operasional pada perusahaan jasa?
• Bagaimana pengembangan sistem pendukung keputusan dapat membantu manajer dalam menentukan strategi pemasaran yang tepat?
• Bagaimana penerapan kebijakan keamanan informasi mempengaruhi tingkat perlindungan data pengguna pada sistem informasi berbasis cloud?
• Bagaimana tingkat penerimaan pengguna terhadap sistem informasi perpustakaan digital ditinjau dari model Technology Acceptance Model (TAM)?
• Bagaimana penerapan algoritma Artificial Neural Network (ANN) dapat meningkatkan akurasi prediksi harga rumah dibandingkan metode regresi konvensional?
• Bagaimana efektivitas algoritma Support Vector Machine (SVM) dalam mengklasifikasikan sentimen pengguna terhadap aplikasi mobile berbasis ulasan di Google Play Store?
• Bagaimana model NLP seperti BERT dapat digunakan untuk mengekstrak informasi dari ulasan pelanggan guna meningkatkan layanan pelanggan?
• Bagaimana kinerja model Convolutional Neural Network (CNN) dalam mendeteksi penyakit tanaman berbasis citra daun?
• Bagaimana penggunaan algoritma collaborative filtering dapat meningkatkan akurasi sistem rekomendasi produk pada platform e-commerce?
• Bagaimana penerapan model Random Forest dapat digunakan untuk mendeteksi transaksi keuangan yang berindikasi penipuan?
• Bagaimana pengaruh sistem berbasis AI dalam mendukung pengambilan keputusan manajerial di sektor perbankan?
• Bagaimana performa model Deep Learning dalam mendeteksi kanker payudara dari data hasil pemeriksaan mammogram?
• Bagaimana metode explainable AI dapat membantu menjelaskan keputusan model klasifikasi kredit kepada pengguna non-teknis?
• Bagaimana penerapan algoritma optimasi seperti Particle Swarm Optimization (PSO) dapat meningkatkan performa pelatihan model neural network?

Tips:

• Gunakan bahasa yang jelas dan mudah dipahami.
• Pastikan rumusan masalah Anda dapat diuji secara empiris.
• Rumusan masalah harus spesifik dan terarah.
• Rumusan masalah harus mengandung unsur-unsur "apa", "bagaimana", atau "mengapa".
• Rumusan masalah harus selaras dengan tujuan penelitian Anda. 

 

Dalam bidang ilmu komputer, rumusan masalah yang baik harus memperhatikan kompleksitas teknologi dan sifat dinamis dari perkembangan perangkat lunak, perangkat keras, hingga algoritma. Oleh karena itu, identifikasi masalah harus bersifat kontekstual terhadap tren atau isu mutakhir, seperti keamanan siber, komputasi awan, kecerdasan buatan, big data, atau teknologi blockchain. Peneliti perlu memahami dengan baik ruang lingkup teknis dari permasalahan yang diteliti agar rumusan masalah tidak bersifat terlalu umum atau terlalu sempit.

Selanjutnya, rumusan masalah dalam ilmu komputer idealnya juga mempertimbangkan aspek teknis dan implementatif. Sebagai contoh, jika topik penelitian berkaitan dengan pengembangan sistem, maka pertanyaan penelitian harus mencerminkan permasalahan teknis yang ingin dipecahkan, seperti efektivitas algoritma pencarian data, efisiensi waktu eksekusi program, atau integrasi sistem dengan API pihak ketiga. Rumusan masalah yang baik akan mampu menunjukkan adanya tantangan teknis atau ketidakefisienan dalam sistem yang ada, yang dapat dibuktikan melalui eksperimen atau simulasi.

Dalam membuat rumusan masalah, penting juga untuk mempertimbangkan variabel yang dapat diukur atau diuji secara komputasional. Misalnya, dalam penelitian tentang pengenalan wajah, rumusan masalah bisa difokuskan pada akurasi deteksi atau waktu respons sistem. Dengan adanya metrik yang jelas, peneliti dapat memastikan bahwa penelitian yang dilakukan dapat diuji secara empiris menggunakan data dan metode evaluasi yang sesuai.

Kemudian, penggunaan literatur ilmiah terbaru sangat penting dalam memperkuat argumen rumusan masalah. Banyak jurnal dan konferensi terkemuka di bidang ilmu komputer yang dapat dijadikan rujukan, seperti IEEE, ACM,arXiv dan Scopus. Studi literatur yang baik akan menunjukkan bahwa rumusan masalah Anda bukan hanya berasal dari asumsi pribadi, tetapi memang mencerminkan kebutuhan riset yang masih terbuka dan belum terjawab dalam literatur sebelumnya.

Terakhir, rumusan masalah yang baik dalam ilmu komputer harus memiliki kontribusi nyata, baik berupa pengembangan metode baru, penerapan metode lama pada domain baru, atau peningkatan performa sistem yang sudah ada. Oleh karena itu, saat merumuskan masalah, pastikan bahwa pertanyaan penelitian Anda tidak hanya bersifat teoretis, tetapi juga relevan dengan kebutuhan praktis di industri atau masyarakat. Hal ini akan membuat penelitian Anda memiliki nilai guna yang tinggi dan berdampak secara akademik maupun aplikatif.