Tag: Riset

Seminar desain operasional penelitian disertasi yang dilaksanakan pada 31 Maret 2026 ini merupakan langkah penting bagi Riska Septia Wahyuningtyas, mahasiswa doktor bimbingan saya dalam bidang Pendidikan Biologi di Universitas Negeri Malang (UM), untuk memaparkan rancangan studinya yang inovatif mengenai integrasi ekologi semiferal cat (kucing kampus) melalui model Problem Oriented Project Based Learning (POPBL). Dalam diskusi yang berlangsung dinamis bersama tim penguji dan pembimbing, penelitian ini ditekankan untuk tidak hanya mengkaji aspek etologi dan ekologi hewan secara teknis, namun lebih dalam menyentuh landasan filosofis pendidikan guna mentransformasi mahasiswa dari sekadar pengamat emosional menjadi problem solver yang berbasis literasi ilmiah (animal literacy). Melalui masukan konstruktif dari Prof. Dr. Fatchur Rahman, M.Si., Riska diarahkan untuk mempertajam analisis ontologi, epistemologi, dan aksiologi dalam disertasinya, sehingga modul ekologi yang dikembangkan nantinya mampu menjembatani kesenjangan teori dengan aksi konservasi urban yang nyata di lingkungan kampus.

Tulisan ini menggunakan pemberitaan publik sebagai ilustrasi fenomena. Bukan sebagai dasar generalisasi tunggal mengenai fenomena publikasi ilmiah di zaman kecerdasan buatan ini. Kasus ini tentu tidak berdiri sendiri. Ini mencerminkan pola yang lebih luas dalam ekosistem akademik yang semakin terdorong oleh logika angka dan metrik.

Skandal Publikasi Ilmiah dan Tekanan Publikasi

Saya baru saja membaca berita mengenai skandal seorang fisikawan, yang tampaknya menjadi potret nyata dari masalah yang kini kian sering ditemukan akibat tekanan publikasi yang tidak masuk akal karena ekosistem, waktu, dan dana yang tidak mendukung. Ini salah satu contoh. Tim peneliti internasional yang dipimpin oleh seorang peneliti menandai adanya “cacat serius dalam metodologi penelitian, hasil numerik, dan interpretasi temuan” pada puluhan makalah terkait unsur super berat. Hal ini berujung pada penarikan (retraction) tiga artikel dari The European Physical Journal A serta munculnya belasan Expression of Concern lainnya, yang menunjukkan betapa rapuhnya kualitas riset ketika kuantitas menjadi satu-satunya tolok ukur.

Praktik Manipulasi dan “Hyper-citation”

Ekses dari ambisi mengejar angka publikasi ini terlihat sangat jelas pada pola sitasi dan kualitas teknis karya-karyanya. Sebagai contoh, dalam satu makalah di Physical Review C, ditemukan bahwa 86 dari 95 sitasi ditujukan ke publikasi sendiri. Sebuah praktik manipulasi sitasi mandiri yang ekstrem untuk mendongkrak metrik performa. Komunitas sains melalui platform PubPeer juga menyoroti banyaknya grafik tanpa unit atau skala vertikal yang jelas, yang menurut para ahli tidak mungkin dihasilkan oleh peneliti yang kredibel, namun ironisnya tetap bisa lolos ke jurnal-jurnal yang selama ini dianggap sebagai “rumah” bagi fisika nuklir.

Risiko Nyata terhadap Ekosistem Sains

Krisis integritas ini membawa dampak yang jauh lebih berbahaya daripada sekadar angka di atas kertas; ia merusak fondasi kepercayaan dalam sains. Para kolega sejawat memperingatkan bahwa “prediksi” palsu dari riset berkualitas rendah ini dapat menyesatkan peneliti lain untuk melakukan eksperimen yang mustahil, sehingga membuang-buang sumber daya manusia dan investasi finansial yang sangat berharga. Fenomena riset hypernumerical ini menjadi pengingat pahit bagi kita bahwa ketika sistem akademik terlalu menekan angka, kejujuran intelektual sering kali menjadi korban pertama yang dikorbankan demi kelangsungan karier.

Referensi kepada Berita

Ini adalah catatan saya sebagai Editor-in-Chief Malaysian Journal of Fundamental and Applied Sciences (MJFAS). Di layar monitor komputer saya sering tersusun naskah-naskah yang tampak hebat dengan judul menggelegar, istilah-istilah canggih, rangkaian grafik berwarna, bahkan pemodelan komputer yang seolah mengungkap rahasia baru dunia. Sekilas, semua itu terlihat layak dibanggakan. Tapi setelah lebih dari dua dekade menyeleksi manuskrip untuk MJFAS, saya duga kuat, kerapian visual bukan jaminan kontribusi ilmiah.

Karena kita punya banyak cara untuk menghasilkan angka, memodifikasi kode, atau menjalankan simulasi. Perangkat lunak kini tersedia bebas, database besar siap diunduh, dan algoritma siap dipakai tanpa kefahaman mendalam. Tetapi data yang diolah tanpa gagasan yang original hanya menghasilkan repetisi yang dikemas rapi. Ilmu bukan sekadar konsumsi angka. Ia adalah narasi, dialog, dan pemahaman terhadap sesuatu yang belum dijelaskan sebelumnya.

Apa yang sering saya tolak bukan karena salah prosedur etik atau format yang kurang tepat. Itu bisa diperbaiki. Yang saya tolak adalah manuskrip yang tidak menawarkan “sesuatu yang dibawa pulang” oleh pembaca. Tidak ada implikasi baru, tidak ada wawasan yang memperluas batas pengetahuan, hanya komputasi yang dipoles kata-kata canggih. Hal semacam ini, jika dibiarkan, mengaburkan citra sains yang seharusnya jujur dan reflektif.

Saya berpandangan MJFAS, idealnya, bukan sekadar pabrik angka atau katalog simulasi matematis. Ia adalah tempat pengetahuan diuji oleh peer-review sejati dan ditimbang menurut relevansi, originalitas, dan kedalaman intelektual. Dan itu tugas yang tidak pernah boleh kita lupakan, bahwa publikasi seharusnya menjadi langkah menuju pemahaman, bukan sekadar bukti bahwa kita tahu bagaimana menjalankan software.

Sejak saya memulai perjalanan akademik pada tahun 1995 sebagai mahasiswa S3 di Malaysia, hingga akhirnya menapaki jenjang Profesor dan aktif sebagai editor serta reviewer jurnal selama lebih dari dua puluh tahun, saya telah menyaksikan transformasi dunia publikasi yang luar biasa.

Dahulu, saya melakukan review dengan tumpukan naskah fisik di meja. Semuanya manual, lambat, dan sangat bergantung pada keterbatasan kognitif manusia. Kini, kita berada di era kecerdasan buatan (AI). Saya tidak melihat AI sebagai ancaman, melainkan sebagai evolusi alami yang seharusnya kita peluk, bukan kita larang.

Paradoks Larangan AI oleh Penerbit Raksasa

Belakangan ini, penerbit besar seperti Elsevier mengeluarkan aturan ketat yang melarang reviewer menggunakan AI dalam proses penelaahan naskah. Namun, bagi saya yang sudah melintasi zaman dari era manual hingga era digital, aturan ini terasa ketinggalan zaman dan justru menghambat percepatan Iptek.

Berikut adalah argumen mengapa kebijakan pelarangan ini perlu dirombak total:

1. AI adalah “Partner” Diskusi, Bukan Pengganti Kepakaran. Tugas reviewer bukan hanya mencari kesalahan, tapi membantu penulis meningkatkan kualitas papernya. AI sangat unggul dalam mendeteksi inkonsistensi data, cacat logika, hingga pengecekan referensi. Jika saya bisa menggunakan “mikroskop digital” ini untuk melihat celah yang terlewat oleh mata manusia, mengapa harus dilarang? Keputusan akhir tetap di tangan saya sebagai pakar, bukan di tangan mesin.

2. Melatih AI adalah Investasi Pengetahuan Global. Penerbit mengkhawatirkan kerahasiaan, namun saya melihat sisi visioner: Data riset berkualitas yang dipelajari AI akan membangun “otak kolektif” yang lebih cerdas. Jika AI semakin pintar memahami metodologi kimia material atau filsafat bahasa, bukankah itu pada akhirnya akan mempercepat penemuan inovasi baru bagi seluruh umat manusia?

3. Realitas di Lapangan: Aturan yang Mustahil Ditegakkan. Secara teknis, tidak ada penerbit yang bisa mendeteksi apakah seorang reviewer berkonsultasi dengan AI di ruang privatnya. Aturan yang tidak bisa diawasi hanya akan menciptakan budaya “sembunyi-sembunyi”. Daripada melarang, jauh lebih bijak jika penerbit menciptakan protokol penggunaan AI yang transparan dan aman.

4. Keadilan bagi Peneliti Non-Native. Selama saya menetap di luar negeri dan kini kembali ke Indonesia, saya melihat banyak ide brilian terhambat kendala bahasa. AI adalah alat demokratisasi. Ia membantu kita fokus pada substansi pemikiran tanpa terdistraksi oleh tata bahasa. Melarang AI berarti memperkuat bias geopolitik yang merugikan peneliti dari negara berkembang.

Menatap Masa Depan

Bagi saya, integritas akademik tidak terletak pada alat apa yang kita gunakan, melainkan pada tanggung jawab atas keputusan yang kita ambil. Sebagai akademisi yang telah menjadi saksi transisi teknologi selama puluhan tahun, saya memilih untuk adaptif.

Teknologi tidak bisa dibendung oleh regulasi yang kaku. Iptek maju karena keberanian kita mengeksplorasi alat-alat baru. Sudah saatnya komunitas akademik dunia berhenti bersikap defensif dan mulai merangkul AI sebagai mitra untuk memajukan peradaban manusia.

Tahun 2005 kini terasa seperti sebuah zaman lain. Saat itu saya mulai menjalani peran sebagai Editor-in-Chief Malaysian Journal of Fundamental and Applied Sciences (MJFAS). Dua puluh tahun lebih bukan sekadar rentang kronologis, melainkan sebuah perubahan lanskap epistemik yang nyaris total. Saya tidak hanya menyaksikan perubahan teknologi publikasi, tetapi juga pergeseran watak ilmu, motivasi menulis, dan cara manusia memperlakukan pengetahuan.

Di masa awal, segalanya berjalan lambat dan nyaris kontemplatif. Naskah dikirim secara manual, korespondensi berlangsung dengan tempo yang manusiawi, dan jumlah artikel yang masuk relatif sedikit. Setiap tulisan memiliki ruang untuk dibaca dengan tenang, ditimbang dengan sabar, dan diperdebatkan secara substantif. Ilmu masih terasa seperti percakapan panjang, bukan perlombaan statistik.

Hari ini, layar monitor saya tidak pernah benar-benar sepi. Submisi datang seperti aliran tanpa henti. Kecepatan menggantikan kedalaman. Produktivitas menggeser perenungan. Dalam kondisi ini, saya terpaksa melakukan desk rejection terhadap hampir 80% naskah yang masuk. Angka ini sering disalahpahami sebagai sikap elitis atau tidak empatik. Padahal, justru sebaliknya: ia adalah bentuk pertahanan terakhir agar jurnal tidak tenggelam dalam banjir mediokritas.

Menjadi penjaga gerbang pengetahuan berarti berhadapan langsung dengan spektrum emosi manusia: harapan, frustrasi, kemarahan, bahkan manipulasi. Ada penulis yang menerima penolakan sebagai bagian dari proses belajar, tetapi tidak sedikit yang melihat jurnal semata-mata sebagai mesin validasi karier. Sebagian mencoba menekan dengan surat panjang penuh emosi, sebagian lain mengirimkan naskah secara masif seperti membeli tiket lotre akademik. Di sini saya belajar bahwa problem publikasi bukan hanya teknis, tetapi juga etis dan psikologis.

Namun tekanan terbesar seringkali justru datang dari luar ekosistem ilmiah itu sendiri. Banyak pengambil kebijakan tidak benar-benar memahami bagaimana pengetahuan bekerja: bahwa kualitas lahir dari proses panjang, kegagalan berulang, perdebatan terbuka, dan waktu yang tidak bisa dipercepat secara administratif. Yang lebih mudah diukur justru yang kemudian diagungkan: jumlah publikasi, indeks sitasi, peringkat lembaga, skor akreditasi, dan target kinerja tahunan. Angka-angka ini lalu diperlakukan seolah-olah identik dengan mutu, padahal tidak jarang ia hanya menghasilkan apa yang tampak sebagai prestasi semu. Mengkilap di laporan, tetapi miskin makna dalam perkembangan ilmu yang sesungguhnya.

Logika kebijakan yang terlalu bertumpu pada indikator kuantitatif tanpa pemahaman epistemik menciptakan distorsi insentif di seluruh ekosistem akademik. Dosen didorong mengejar kuantitas, mahasiswa belajar menulis untuk lolos publikasi, lembaga berlomba menaikkan peringkat, sementara ruang untuk riset berisiko tinggi, pemikiran orisinal, dan kerja konseptual yang mendalam semakin menyempit. Dalam situasi seperti ini, jurnal dan editor seringkali dipaksa menjadi alat legitimasi statistik, bukan lagi ruang kurasi intelektual.

Saya sering teringat pada Jean Baudrillard yang mengatakan bahwa kita hidup di zaman ketika informasi berlimpah, tetapi makna justru menguap. Dalam dunia jurnal ilmiah, paradoks ini terasa telanjang. Artikel bertambah secara eksponensial, namun kontribusi substantif tidak selalu mengikuti. Publikasi berubah menjadi komoditas birokrasi: angka sitasi, indeks, kuota kinerja, dan target institusional. Pengetahuan perlahan bergeser dari upaya memahami dunia menjadi mata uang administratif yang dipertukarkan demi legitimasi.

Di titik ini, peran editor menjadi semakin problematis sekaligus krusial. Editor bukan sekadar penyaring teknis, tetapi penjaga ekologi makna. Ia harus memutuskan, setiap hari, mana yang layak hidup dan mana yang seharusnya berhenti. Keputusan ini tidak pernah sepenuhnya netral, tidak pernah sepenuhnya nyaman, dan hampir selalu mengandung beban moral.

Karena itu, refleksi dua dekade ini seharusnya tidak berhenti sebagai nostalgia personal, melainkan menjadi undangan etis bagi para pengambil kebijakan untuk meninjau ulang cara kita menilai keberhasilan akademik. Indikator memang penting sebagai alat bantu, tetapi ia tidak boleh menggantikan penilaian substantif. Angka seharusnya melayani makna, bukan menggantikannya. Tanpa keberanian untuk mengoreksi orientasi kebijakan yang terlalu mekanistik, kita berisiko membangun sistem akademik yang tampak produktif di atas kertas, tetapi rapuh secara intelektual.

Dalam dunia yang semakin bising oleh produksi teks dan statistik, menjaga kualitas ilmu berarti berani melawan arus kuantifikasi yang membutakan. Tugas editor bukan memperbanyak suara, melainkan memastikan bahwa suara yang tersisa masih memiliki arti. Menjaga gawang ilmu pada akhirnya bukan hanya soal seleksi naskah, tetapi tentang merawat martabat pengetahuan sebagai kerja manusia yang jujur, lambat, reflektif, dan bertanggung jawab.

Dalam dunia akademik, kita sering terjebak dalam keyakinan bahwa kedalaman ilmiah selalu berbanding lurus dengan kerumitan metodologi. Tulisan ini adalah sebuah satire ringan yang lahir dari pengamatan sehari-hari di dunia pendidikan. Tujuan tulisan ini bukan untuk menolak penggunaan statistik atau metodologi formal, melainkan sebuah pengingat agar kita tidak kehilangan substansi di balik tumpukan istilah kompleks. Selamat membaca dan merefleksikan kembali esensi riset kita.

1. Masalah Asli (Versi Jujur)

Hampir semua orang sepakat bahwa mahasiswa akan memahami materi dengan lebih baik ketika dosen menjelaskannya secara jelas. Hubungan sebab-akibat ini begitu sederhana, begitu dekat dengan pengalaman sehari-hari, sehingga nyaris tidak membutuhkan pembuktian ilmiah yang rumit. Kejelasan melahirkan pemahaman, kebingungan melahirkan kesalahan.

Namun di dunia akademik, kesederhanaan sering kali dianggap mencurigakan. Pernyataan yang terlalu mudah dipahami dianggap kurang bernilai intelektual, kurang layak dipublikasikan, dan kurang “bergengsi” secara metodologis. Maka, kebenaran yang sederhana pun sering dipaksa mengenakan pakaian konsep yang rumit, agar tampak lebih canggih, meskipun maknanya tetap tidak berubah.

2. Abstraksi Tahap Pertama (Supaya Terlihat Ilmiah)

Kita definisikan:

• C = Kejelasan Instruksi (Clarity of Instruction)
• E = Keterlibatan (Engagement)
• M = Motivasi (Motivation)
• L = Hasil Belajar (Learning Outcome)

Maka hubungan kausal dapat ditulis (interaksi simbolik semata, bukan klaim model empiris nyata):

L = f(C,E,M)

Karena semua variabel saling mempengaruhi, kita tambahkan interaksi:

L = αC + βE + γM + δ(C×E×M)

Sudah mulai kelihatan “serius”. 

3. Tahap Kedua: Masukkan Skala Psikometrik

Karena variabel tidak bisa diukur langsung, kita gunakan instrumen:

• Likert Scale 1–5
• Cronbach Alpha
• Validitas konstruk

Maka:

Sekarang kelihatan “kuantitatif dan objektif”.

4. Tahap Ketiga: Tambahkan Statistik Berat

Agar nampak hebat:

L = β₁C + β₂E + β₃M + ε

Lalu diuji dengan:

• uji normalitas,
• multikolinearitas,
• heteroskedastisitas,
• SEM / PLS / CFA,
• bootstrap 5.000 iterasi.

Padahal tetap saja: Kalau dosennya jelas, mahasiswa paham.

5. Tahap Keempat: Bungkus dengan Terminologi Kompleks

Narasi diganti menjadi:

“Temuan menunjukkan adanya kontribusi signifikan variabel clarity of instructional delivery terhadap latent construct cognitive assimilation melalui mekanisme mediated engagement dan motivational activation.”

Artinya tetap: Penjelasan jelas membuat mahasiswa mengerti.

6. Kesimpulan Ilmiah (Yang Sebenarnya Trivial)

“Pengajaran yang Jelas → Pembelajaran yang Lebih Baik”

Atau dalam bahasa sederhana: Mengajar yang jelas memang membantu belajar.

7. Catatan Kritis (Bagian yang Jarang Ditulis)

Kompleksitas metodologis tidak selalu identik dengan kedalaman ilmiah. Model yang terlalu rumit sering hanya memperindah hal yang sudah jelas secara praktis, tanpa memperkaya pemahaman substantif.

Dulu, ilmu pengetahuan dibangun di atas rasa ingin tahu. Orang sibuk mencari kebenaran, sibuk bertanya mengapa langit biru, bagaimana listrik bekerja, atau apa inti dari materi. Ada yang meledakkan laboratorium, ada yang tenggelam dalam buku-buku tebal, semua demi satu hal: kebenaran.

Tapi dunia makin kompleks. Populasi ilmuwan membengkak, publikasi mengalir seperti air bah, dan universitas mulai bersaing bukan lagi soal siapa yang menemukan kebenaran, tapi siapa yang punya “impact factor” lebih tajam dari pedang samurai.

Lalu muncullah formula. Indeks, h-index, hm-index, g-index, hingga “top 2% scientists.” Angka-angka ini mula-mula diciptakan untuk memotret dinamika ilmu, tapi perlahan berubah menjadi panggung sandiwara. Ranking bukan lagi cermin kebenaran, melainkan panggung popularitas: siapa jago main statistik, siapa pandai membaca pola sitasi.

Maka dimulailah era baru. Orang-orang berlarian mengejar angka, bukan gagasan. Paper ditulis bukan untuk membuka cakrawala, melainkan untuk memenuhi target. Publikasi ilmiah bukan lagi pembuka jalan kebenaran, tapi wasit yang menentukan naik pangkat atau tidak. Universitas pun ikut bersorak: ranking tinggi berarti mahasiswa berdatangan, dana penelitian mengalir, brosur kampus semakin kinclong.

Dan akhirnya muncullah sertifikat “Top 2% Scientists.” Ada logo, ada QR code, ada nama Stanford, Elsevier. Semua rapi, semua sah. Tapi, apa artinya? Bukankah ini simulakra, seperti kata Baudrillard? Realitas palsu yang lebih nyata dari kenyataan? Bukankah ini semacam medali plastik di olimpiade yang diciptakan sendiri?

Lucunya, bahkan yang masuk daftar pun sering merasa kosong. “Saya masuk top 2%,” katanya, “tapi apa bedanya dengan kemarin, saat saya masih bangun pagi, menulis proposal, dan dimarahi reviewer?” Ranking memberi sorak sorai sementara, tapi di balik itu ada keheningan: makna sains yang sesungguhnya kian kabur.

Kini, filsuf pun tersenyum sinis: ilmu pengetahuan, yang dulu lahir untuk mencari kebenaran, kini dipermainkan sebagai permainan angka. Orang sibuk mengejar peringkat, bukan kebenaran. Ilmuwan jadi gladiator di arena sitasi, saling sikut dalam kompetisi yang diciptakan sistem.

Dan saya, yang namanya juga masuk ke daftar itu, hanya bisa tertawa getir: “Apakah ini prestasi, atau sekadar ilusi?” atau saya menderita imposter syndrome?

Saya membayangkan sebuah pagi di mana iklan kursus “Menyusun Systematic Literature Review (SLR) dengan AI” itu muncul. Ia berbayar, tentu saja, dan menjanjikan efisiensi untuk memenuhi KPI administratif bagi dosen dan mahasiswa. Sebuah “demand” yang jelas, sebuah “peluang cuan” yang menggiurkan. Di balik kilau janji, tersembunyi kekhawatiran. Akankah ini hanya menghasilkan keuntungan finansial, tanpa membangun ilmu pengetahuan?

Hakikat SLR adalah proses riset yang sistematis dan mendalam. Perjalanan yang membutuhkan pemahaman metodologi, analisis kritis, dan dedikasi. Ini bukan sekadar “kerja” untuk memenuhi formalitas administratif. Jika AI digunakan untuk “menyusun” SLR demi KPI, kita berisiko menciptakan produk dangkal yang hanya memenuhi syarat tanpa substansi ilmiah.

Dunia maya kita kini “dipenuhi noise bacaan yang tidak bermakna”. Semakin banyak informasi, semakin tidak bermakna informasi tersebut. Bukankah ini seperti burung yang bersuara indah namun tak punya makna sejati? Kemudahan akses informasi, paradoksnya, justru bisa menghasilkan ilusi produktivitas ilmiah tanpa inovasi sejati.

Ketika KPI diorientasikan pada kuantitas tanpa kualitas, fenomena kursus “SLR kilat dengan AI” ini akan terus bermunculan, memperparah “noise informasi” dan menghambat pembangunan ilmu pengetahuan yang sesungguhnya. Ini mencerminkan “alienasi birokrasi” yang meluas, di mana fokus beralih dari esensi ke formalitas. Kita seperti orang yang melupakan kualitas demi angka-angka.

Pertanyaan yang menggantung adalah, apakah kita akan berkompromi dengan “kebenaran” demi kepraktisan? Atau akankah kita kembali pada “laku” sejati dalam mencari pengetahuan, bahkan jika itu berarti perjalanan yang sunyi dan tak menguntungkan secara instan? Sejarah menunjukkan, ilmu pengetahuan sejati tidak bisa dibangun hanya dengan algoritma; ia butuh refleksi, pertanyaan, dan kesediaan untuk tidak selalu mencari “cuan” semata.