BIG DATA

BAB 1 

PENDAHULUAN

Latar Belakang

Perkembangan jaman hingga saat ini sangat berdampak besar terhadap kehidupan sekarang. Salah satu hal yang berubah adalah cara menggunakan data. Hal tersebut sangat dipengaruhi oleh perkembangan teknologi, karena dapat dilihat sekarang penggunaan tiap individu terhadap data sudah sangat tinggi, hampir semua orang memiliki data dalam setiap perangkatnya (komputer / laptop, smartphone, flashdisk, harddisk eksternal, dll) yang jika dijumlahkan akan menjadi besar sekali. Hal ini dipengaruhi juga dengan mudahnya tiap individu untuk mendapatkan data yang diinginkannya (film, musik, games, dll) melalui internet. Internet menghubungkan tiap individu di seluruh dunia dengan mudah tanpa memperdulikan jarak / lokasi dan waktu. Sekarang dengan terjadinya perkembangan teknologi, data menjadi hal yang penting dalam menjalankan berbagai hal, beberapa diantaranya; mengetahui tren pasar, mengetahui keinginan konsumen saat ini, meningkatkan hasil penjualan, dll. Hasil perubahan ini sangatlah besar, data pun diolah dengan lebih terkomputerisasi sehingga penyimpanan beberapa data dapat menghemat tempat dalam kantor perusahaan dengan cara penyimpanan softcopy. Data yang tersimpan ini lama kelamaan menjadi sangat banyak dan besar sehingga semakin susah untuk digunakan, hal tersebut disebut big data. Dengan perkembangan sekarang, big data ini sudah dapat diolah dan digunakan lagi, bahkan memberikan hasil yang lebih baik karena mencakup pengolahan data yang ada di dalam social media. 

Dengan perkembangan data inilah big data muncul dan saat ini mulai berkembang. Penggunaannya pun semakin luas, hingga mencakup social media, sehingga dapat menganalisa tren pasar dengan melihat sentimen analisis pelanggan melalui social media. Dengan perkembangan saat ini, ada baiknya untuk memahami lebih dalam mengenai big data, sehingga dapat dimanfaatkan dengan lebih maksimal.

BAB II

LANDASAN TEORI

Pengertian Data 

(R. Kelly Rainer, 2011) Data, menunjuk pada deskripsi dasar akan benda, event, aktivitas, dan transaksi yang terdokumentasi, terklasifikasi,dan tersimpan tetapi tidak terorganisasi untuk dapat memberikan suatu arti yang spesifik.

Berdasarkan pengertian di atas, data merupakan hal paling mendasar yang dibutuhkan perusahaan yang dapat diperoleh dari proses-proses operasional sehari-hari maupun sumber-sumber luar yang akan diolah menurut keinginan perusahaan.

Pengertian Information

(R. Kelly Rainer, 2011) Information, merupakan data yang telah terorganisir agar dapat memberikan arti dan nilai kepada penerima. 

Berdasarkan pengertian di atas, hasil penyusunan dan transformasi data yang dapat memberikan makna baru kepada data tersebut.

Pengertian Knowledge

(R. Kelly Rainer, 2011) Terdiri dari data atau informasi yang telah terorganisasi dan proses untuk memberikan pemahaman, pengalaman, dan pembelajaran, serta keahlian terhadap problema bisnis yang sedang dihadapi.

Berdasarkan pengertian di atas, knowledge menjadi sarana bagi para manajer untuk membuat keputusan - keputusan yang crucial dan berdampak besar bagi perusahaan, dimana kesalahan atau kecacatan dalam knowledge dapat memberikan dampak buruk bagi perusahaan. 

Pengertian Extract, Tranform, Load (ETL) (immon liad DWH)

(H.Inmon, 2005) ETL, proses memasukkan data, mengintergrasikan dan menempatkannya dalam data warehouse.

Berdasarkan pengertian tersebut, ETL adalah proses mengubah raw data sebelum masuk kedalam data warehouse.

Pengertian Data Warehouse

(R. Kelly Rainer, 2011) Data Warehouse adalah repository dari data-data yang bersifat historical yang terorganisir berdasarkan subjek yang digunakan untuk mendukung pengambilan keputusan. Data warehouse memiliki beberapa karakter dasar seperti. Diatur oleh business dimension or subject dimana data disusun berdasarkan subjeknya dan memiliki informasi yang relevan dengan pemgambilan keputusan dan analisis data.consistent yaitu data memliki bentuk yang sama disetiap atau disemua database. Historical, data yang ada merupakan data yang tersimpan dan terkumupl dalam waktu yang lama yang digunakan untuk forecasting dan perbandingan untuk meliat tingakt laju suatu perusahaan. Use only analytical processing menggunakan analytical processing yang berguna unutk mengakumulasi data-data yang ada. Multidimensional, data warehouse menyimpan data dalam lebih dari dua dimensi seperti data cube.

Data warehouse merupakan bagian penting dalam struktur / arsitektur suatu BI karena posisinya sebagai tempat penyimpanan data- data yang telah terorganisasi dan yang telah memiliki makna, maka harus memilki struktur data desain yang baik yang dapat mensupport pengambilan data-data dan informasi secara akurat dan cepat dari dalam data warehouse itu sendiri.

Pengertian Big Data

Menurut (Eaton, Dirk, Tom, George, & Paul) Big Data merupakan istilah yang berlaku untuk informasi yang tidak dapat diproses atau dianalisis menggunakan alat tradisional.

Menurut (Dumbill, 2012) , Big Data adalah data yang melebihi proses kapasitas dari kovensi sistem database yang ada. Data terlalu besar dan terlalu cepat atau tidak sesuai dengan struktur arsitektur database yang ada. Untuk mendapatkan nilai dari data, maka harus memilih jalan altenatif untuk memprosesnya.

Berdasarkan pengertian para ahli di atas, dapat disimpulkan bahwa Big Data adalah data yang memiliki volume besar sehingga tidak dapat diproses menggunakan alat tradisional biasa dan harus menggunakan cara dan alat baru untuk mendapatkan nilai dari data ini.

BAB III

PEMBAHASAN

3.1 Big Data

Setiap hari, kita menciptakan 2,5 triliun byte data - begitu banyak bahwa 90% dari data di dunia saat ini telah dibuat dalam dua tahun terakhir saja. Data ini berasal dari mana-mana, sensor digunakan untuk mengumpulkan informasi iklim, posting ke situs media sosial, gambar digital dan video, catatan transaksi pembelian, dan sinyal ponsel GPS untuk beberapa nama. Data ini adalah big data.

Big Data mengacu pada dataset yang ukurannya diluar kemampuan dari database software tools untuk meng-capture, menyimpan,me-manage dan menganalisis. Definisi ini sengaja dibuat subjective agar mampu digabungkan oleh definisi Big Data yang masi belum ada baku. Ukuran big data sekitar beberapa lusin TeraByte sampai ke beberapa PetaByte tergantung jenis Industr

Isi dari Big Data adalah Transaksi+interaksi dan observasi atau bisa di bilang segalanya yang berhubungan dengan jaringan internet, jaringan komunikasi, dan jaringan satelit 

(Connolly, 2012)

Big Data dapat juga didefinisikan sebagai sebuah masalah domain dimana teknologi tradisional seperti relasional database tidak mampu lagi untuk melayani.

Big data lebih dari hanya masalah ukuran, itu adalah kesempatan untuk menemukan wawasan dalam jenis baru dan muncul data dan konten, untuk membuat bisnis Anda lebih gesit, dan menjawab pertanyaan yang sebelumnya dianggap di luar jangkauan Anda.

Big data dapat di artikan kedalam 9 karakter (IBM) menurut responden sehingga disimpulkan oleh IBM, Big data adalah data yang memiliki scope informasi yang sangat besar, model informasi yang real-time, memiliki volume yang besar, dan berasalkan social media data jadi dapat disimpulkan bahwa Big data adalah dataset yang memiliki volume besar dan salah satu isinya berdasarkan social media data, dan informasi dari Big data selalu yang terbaru (latestdata) sehingga model informasi nya real-time, dan scope informasi nya tidak terfocus pada industri-indrustri kecil saja atau industri-indrustri besar saja melainkan semuanya baik industry kecil maupun besar. 

(IBM)

3.2 Dimensi -Dimensi Big Data

Ada 3 dimensi awal dalam Big Data yaitu 3V: Volume, Variety dan Velocity 

(www.ibm.com/2012bigdatastudy)

· Volume

perusahaan tertimbun dengan data yang terus tumbuh dari semua jenis sektor, dengan mudah mengumpulkan terabyte bahkan petabyte-informasi.

Ø Mengubah 12 terabyte Tweet dibuat setiap hari ke dalam peningkatan sentimen analisis produk.

Ø Mengkonvert 350 milliar pembacaan tahunan untuk lebih baik dalam memprediksi kemampuan beli pasar.

Mungkin karakteristik ini yang paling mudah dimengerti karena besarnya data. Volume juga mengacu pada jumlah massa data, bahwa organisasi berusaha untuk memanfaatkan data untuk meningkatkan pengambilan keputusan yang banyak perusahaan di banyak negara. Volume data juga terus meningkat dan belum pernah terjadi sampai sethinggi ini sehingga tidak dapat diprediksi jumlah pasti dan juga ukuran dari data sekitar lebih kecil dari petabyte sampai zetabyte. Dataset big data sekitar 1 terabyte sampai 1 petabyte perperusahaan jadi jika big data digabungkan dalam sebuah organisasi / group perusahaan ukurannya mungkin bisa sampai zetabyte dan jika hari ini jumlah data sampai 1000 zetabyte, besok pasti akan lebih tinggi dari 1000 zetabyte.

· Variety

Volume data yang banyak tersebut bertambah dengan kecepatan yang begitu cepat sehingga sulit bagi kita untuk mengelola hal tersebut. Kadang-kadang 2 menit sudah menjadi terlambat. Untuk proses dalam waktu sensitif seperti penangkapan penipuan, data yang besar harus digunakan sebagai aliran ke dalam perusahaan Anda untuk memaksimalkan nilainya.

Ø Meneliti 5 juta transaksi yang dibuat setiap hari untuk mengidentifikasi potensi penipuan

Ø Menganalisis 500 juta detail catatan panggilan setiap hari secara real-time untuk memprediksi gejolak pelanggan lebih cepat.

Berbagai jenis data dan sumber data. Variasi adalah tentang mengelolah kompleksitas beberapa jenis data, termasuk structured data, unstructured data dan semi-structured data. Organisasi perlu mengintegrasikan dan menganalisis data dari array yang kompleks dari kedua sumber informasi Traditional dan non traditional informasi, dari dalam dan luar perusahaan. Dengan begitu banyaknya sensor, perangkat pintar (smart device) dan teknologi kolaborasi sosial, data yang dihasilkan dalam bentuk yang tak terhitung jumlahnya, termasuk text, web data, tweet, sensor data, audio, video, click stream, log file dan banyak lagi.

· Velocity :

Big Data adalah setiap jenis data - data baik yang terstruktur maupun tidak terstruktur seperti teks, data sensor, audio, video, klik stream, file log dan banyak lagi. Wawasan baru ditemukan ketika menganalisis kedua jenis data ini bersama-sama.

· Memantau 100 video masukan langsung dari kamera pengintai untuk menargetkan tempat tujuan.

· Mengeksploitasi 80% perkembangan data dalam gambar, video, dan dokumen untuk meningkatkan kepuasan pelanggan.

Data dalam gerak. Kecepatan di mana data dibuat, diolah dan dianalisis terus menerus. Berkontribusi untuk kecepatan yang lebih tinggi adalah sifat penciptaan data secara real-time, serta kebutuhan untuk memasukkan streaming data ke dalam proses bisnis dan dalam pengambilan keputusan. Dampak Velocity latency, jeda waktu antara saat data dibuat atau data yang ditangkap, dan ketika itu juga dapat diakses. Hari ini, data terus-menerus dihasilkan pada kecepatan yang mustahil untuk sistem tradisional untuk menangkap, menyimpan dan menganalisis. Jenis tertentu dari data harus dianalisis secara real time untuk menjadi nilai bagi bisnis.

3.3 Dimensi Ketidakpastian data

(IBM)

Dalam industri untuk meningkatan sebuah data lebih berkualitas dibutuhkan dimensi ke empat yaitu Veracity, pencantuman Veracity dapat menekankan pengelolahan dan penanganan untuk suatu ketidakpastian yang melekat dalam beberapa jenis data.

Veracity

1 dari 3 pemimpin bisnis tidak mempercayai informasi yang mereka gunakan untuk membuat keputusan. Bagaimana Anda dapat bertindak atas informasi yang anda tidak percaya? Membangun kepercayaan atas big data menghadirkan tantangan besar sebagai variasi dan sumber untuk pertumbuhan perusahaan.

ketidakpastian data. Veracity mengacu pada tingkat keandalan yang terkait dengan jenis tertentu dari data. Berjuang untuk kualitas data yang tinggi merupakan syarat big data penting dan tantangan, tapi bahkan metode pembersihan data yang terbaik tidak dapat menghapus ketidakpastian yang melekat pada beberapa data, seperti cuaca, ekonomi, atau aktual keputusan membeli pelanggan masa depan. Kebutuhan untuk mengakui dan merencanakan ketidakpastian adalah dimensi data besar yang telah diperkenalkan sebagai eksekutif berusaha untuk lebih memahami dunia di sekitar mereka.

Beberapa data tidak pasti, misalnya: sentimen dan kebenaran pada manusia, sensor GPS memantul antara pencakar langit Manhattan, cuaca kondisi-kondisi, faktor ekonomi, dan masa depan. Ketika berhadapan dengan jenis data, tidak ada metode pembersihan data dapat memperbaiki untuk semua itu. Namun, meski ketidakpastian, data masih mengandung informasi yang berharga. Kebutuhan untuk mengakui dan menerima ketidakpastian ini merupakan ciri dari data.Uncertainty besar memanifestasikan dirinya dalam data besar dalam banyak cara. Sekarang dalam skeptisisme yang mengelilingi data yang dibuat dalam lingkungan manusia seperti jaringan sosial, dalam ketidaktahuan bagaimana masa depan akan terungkap dan bagaimana orang-orang, alam atau kekuatan pasar yang tak terlihat akan bereaksi terhadap variabilitas dari dunia di sekitar mereka. 

Untuk mengelola ketidakpastian, analis perlu menciptakan konteks sekitar data. Salah satu cara untuk mencapai ini adalah melalui data fusion, di mana menggabungkan beberapa sumber yang kurang dapat diandalkan menciptakan lebih akurat dan berguna point data, seperti komentar sosial ditambahkan ke geospasial informasi lokasi. Cara lain untuk mengelola ketidakpastian adalah melalui matematika canggih yang mencakup hal itu, seperti teknik optimasi yang kuat dan pendekatan fuzzy logic. Manusia secara alami, tidak menyukai ketidakpastian, tetapi hanya mengabaikannya dapat menciptakan lebih banyak masalah daripada ketidakpastian itu sendiri. Dalam era big data, eksekutif akan perlu pendekatan dimensi ketidakpastian berbeda. Mereka akan perlu untuk mengakuinya, menerimanya dan menentukan.

3.4 Arsitektur Big Data

Traditional Information Architecture Capabilities

Untuk memahami level aspek arsitektur yang tinggi dari Big Data, sebelumnya harus memahami arsitektur informasi logis untuk data yang terstruktur. Pada gambar di bawah ini menunjukkan dua sumber data yang menggunakan teknik integrasi (ETL / Change Data Capture) untuk mentransfer data ke dalam DBMS data warehouse atau operational data store, lalu menyediakan bermacam-macam variasi dari kemampuan analisis untuk menampilkan data. Beberapa kemampuan analisis ini termasuk,; dashboards, laporan, EPM/BI Applications, ringkasan dan query statistic, interpretasi semantic untuk data tekstual, dan alat visualisasi untuk data yang padat. Informasi utama dalam prinsip arsitektur ini termasuk cara memperlakukan data sebagai asset melalui nilai, biaya, resiko, waktu, kualitas dan akurasi data. 

(Sun & Heller, 2012, p. 11)

Adding Big Data Capabilities

Mendefinisikan kemampuan memproses untuk big data architecture, diperlukan beberapa hal yang perlu dilengkapi; volume, percepatan, variasi, dan nilai yang menjadi tuntutan. Ada strategi teknologi yang berbeda untuk real-time dan keperluan batch processing. Untuk real-time, menyimpan data nilai kunci, seperti NoSQL, memungkinkan untuk performa tinggi, dan pengambilan data berdasarkan indeks. Untuk batch processing, digunakan teknik yang dikenal sebagai Map Reduce, memfilter data berdasarkan pada data yang spesifik pada strategi penemuan. Setelah data yang difilter ditemukan, maka akan dianalisis secara langsung, dimasukkan ke dalam unstructured database yang lain, dikirimkan ke dalam perangkat mobile atau digabungkan ke dalam lingkungan data warehouse tradisional dan berkolerasi pada data terstruktur.

(Sun & Heller, 2012, p. 11)

Sebagai tambahan untuk unstructured data yang baru, ada dua kunci perbedaan untuk big data. Pertama, karena ukuran dari data set, raw data tidak dapat secara langsung dipindahkan ke dalam suatu data warehouse. Namun, setelah proses Map Reduce ada kemungkinan akan terjadi reduksi hasil dalam lingkungan data warehouse sehingga dapat memanfaatkan pelaporan business intelligence, statistik, semantik, dan kemampuan korelasi yang biasa. Akan sangat ideal untuk memiliki kemampuan analitik yang mengkombinasikan perangkat BI bersamaan dengan visualisasi big data dan kemampuan query. Kedua, untuk memfasilitasi analisis dalam laingkungan Hadoop, lingkungan sandbox dapat dibuat.

Untuk beberapa kasus, big data perlu mendapatkan data yang terus berubah dan tidak dapat diperkirakan, untuk menganilisis data tersebut, dibutuhkan arsitektur yang baru. Dalam perusahaan retail, contoh yang bagus adalah dengan menangkap jalur lalu lintas secara real-time dengan maksud untuk memasang iklan atau promosi toko di tempat strategis yang dilewati banyak orang, mengecek peletakan barang dan promosi, mengamati secara langsung pergerakan dan tingkah laku pelanggan.

Dalam kasus lain, suatu analisis tidak dapat diselesaikan sampai dihubungkan dengan data perusahaan dan data terstruktur lainnya. Sebagai contohnya, analisis perasaan pelanggan, mendapatkan respon positif atau negatif dari social media akan memiliki suatu nilai, tetapi dengan mengasosiasikannya dengan segala macam pelanggan (paling menguntungkan atau bahkan yang paling tidak menguntungkan) akan memberikan nilai yang lebih berharga. Jadi, untuk memenuhi kebutuhan yang diperlukan oleh big data BI adalah konteks dan pemahaman. Menggunakan kekuatan peralatan statistikal dan semantik akan sangat memungkinkan untuk dapat memprediksikan kemungkinan – kemungkinan di masa depan.

An Integrated Information Architecture

Salah satu tantangan yang diteliti dalam pemakaian Hadoop dalam perusahaan adalah kurangnya integrasi dengan ekosistem BI yang ada. Saat ini BI tradisional dan ekosistem big data terpisah dan menyebabkan analis data terintegrasi mengalami kebingungan. Sebagai hasilnya, hal ini tidaklah siap untuk digunakan oleh pengguna bisnis dan eksekutif biasa.

Pengguna big data yang pertama kali mencoba menggunakan, seringkali menulis kode khusus untuk memindahkan hasil big data yang telah diproses kembali ke dalam database untuk dibuat laporan dan dianalisa. Pilihan – pilihan ini mungkin tidak layak dan ekonomis untuk perusahaan IT. Pertama, karena menyebabkan penyebaran salah satu data dan standar yang berbeda, sehingga arsitekturnya mempengaruhi ekonomi IT. Big data dilakukan secara independen untuk menjalankan resiko investasi yang redundan, sebagai tambahannya, banyak bisnis yang sama sekali tidak memiliki staff dan ketrampilan yang dibutuhkan untuk pengembangan pekerjaan yang khusus.

Pilihan yang paling tepat adalah menggabungkan hasil big data ke dalam data warehouse. Kekuatan informasi ada dalam kemampuan untuk asosiasi dan korelasi. Maka yang dibutuhkan adalah kemampuan untuk membawa sumber data yang berbeda-beda, memproses kebutuhan bersama – sama secara tepat waktu dan analisis yang berharga. 

(Sun & Heller, 2012, p. 13)

Ketika bermacam – macam data telah didapatkan, data tersebut dapat disimpan dan diproses ke dalam DBMS tradisional, simple files, atau sistem cluster terdistribusi seperti NoSQL dan Hadoop Distributed File System (HDFS).

Secara arsitektur, komponen kritikal yang memecah bagian tersebut adalah layer integrasi yang ada di tengah. Layer integrasi ini perlu untuk diperluas ke seluruh tipe data dan domain, dan menjadi jembatan antara data penerimaan yang baru dan tradisional, dan pengolahan kerangka. Kapabilitas integrasi data perlu untuk menutupi keseluruhan spektrum dari kecepatan dan frekuensi. Hal tersebut diperlukan untuk menangani kebutuhan ekstrim dan volume yang terus bertambah banyak. Oleh karena itu diperlukan teknologi yang memungkinkan untuk mengintegrasikan Hadoop / Map Reduce dengan data warehouse dan data transaksi.

Layer berikutnya digunakan untuk Load hasil reduksi dari big data ke dalam data warehouse untuk analisis lebih lanjut. Diperlukan juga kemampuan untuk mengakses data terstruktur seperti informasi profil pelanggan ketika memproses dalam big data untuk mendapatkan pola seperti mendeteksi aktivitas yang mencurigakan.

Hasil pemrosesan data akan dimasukkan ke dalam ODS tradisional, data warehouse, dan data marts untuk analisis lebih lanjut seperti data transaksi. Komponen tambahan dalam layer ini adalah Complex Event Processing untuk menganalisa arus data secara real-time. Layer business intelligence akan dilengkapi dengan analisis lanjutan, dalam analisis database statistik, dan visualisasi lanjutan, diterapkan dalam komponen tradisional seperti laporan, dashboards, dan query. Pemerintahan, keamanan, dan pengelolaan operasional juga mencakup seluruh spektrum data dan lanskap informasi pada tingkat enterprise.

Dengan arsitektur ini, pengguna bisnis tidak melihat suatu pemisah, bahkan tidak sadar akan perbedaan antara data transaksi tradisional dan big data. Data dan arus analisis akan terasa mulus tanpa halangan ketika dihadapkan pada bermacam – macam data dan set informasi, hipotesis, pola analisis, dan membuat keputusan.

3.5 Big Data for development

Big Data untuk keperluan development berkaitan dengan, tetapi berbeda dari, 'tradisional Data pembangunan '(misalnya data survei, statistik resmi), dan sektor swasta dan media mainstream menyebutnya 'Big Data’.

Big Data untuk sumber Pengembangan umumnya memiliki beberapa / semua fitur ini:

1. Digitally generated 

data yang dihasilkan secara digital (sebagai lawan yang didigitalkan manual), dan dapat disimpan dengan menggunakan rangkaian satu dan nol, dan dengan demikian dapat dimanipulasi oleh komputer

2. Passively produced

Data ini merupakan data yang dihasilkan atau produk dari kehidupan kita sehari-hari atau interaksi dengan jasa digital.

3. Automatically collected 

Data-data yang terbentuk dari data-data operasional dan transaksi yang dikumpulkan dan telah diproses (ETL) dan si simpan kedalam data mart

4. Geographically or temporally trackable 

Data –data yang menunjukan lokasi atau posisi, misalnya data lokasi ponsel atau durasi waktu panggilan 

5. Continuously analysed 

informasi yang relevan dengan kesejahteraan manusia dan pembangunan dan dapat dianalisis secara real-time

3.6 Pengunaan Big Data dalam perusahaan

Ø IT logs Analytics

Penyimpanan Log jangka panjang, digunakan untuk analisa proses sistem yang sedang berjalan untuk mencegah dan menaggulangi kegagalan dalam sistem, mengunakan hasil analisa log untuk menemukan dan mentukan secara pasti kegagalan apa yang terjadi didalam sistem, menyiapkan langkah-langkah pasti yang dapat digunakan sebagai solusi masalah sistem.

Ø Fraud Detection Pattern

Banyak digunakan dalam Bidang keuangan atau dimana saja transaksi finasial terlibat, Memaksimalkan pengunaan data-data yang ada untuk memberikan kemampuan unutk mendeteksi fraud ketika transaksi sedang berlangsung

Ø The Social Media Pattern

Pengunaan Big data untuk analisa media social dan sentiment pelangan, memberikan kemampuan bagi perusahan untuk mengetahui keinginan customer secara luas, mendapatkan feedback secara langsung, dan mengenali langsung dampak sentimen terhadap penjualan, serta efektivitas dan penerimaan pelangan terhadap pemasaran yang dilakukan. 

Ø The Call centere Mantra

Penyimpanan hasil perbincangan atau laporan customer dalam bentuk text yang kemudian digunakan sebagai data untuk analisa masalah yang dihadapai customer, memberikan kemampuan bagi perusahaan untuk memberikan tanggapan yang cepat maupun secara langsung terhadap masalah yang dihadapi customer, serta kemampuan unutk mendeteksi penurunan loyalitas customer dikarenakan masalah dan ketidakpuasaan.

Ø Risk: Patterns for Modeling and Management

Memberikan kempuaan pengunaan data secara penuh dan analisis dalam pemodelan resiko dan menejemen resiko untuk memberikan pengetahuan akan resiko dan penanggulangannya secara tepat dan langsung 

Ø Big data and The Energy Sector

Memberikan kemampuan penyimpanan dan pemrosesan data secara langsung dari berbagai sumber(sensor), analisa dan kemudahan dalam pengenalan noise untuk memisahkannya dari signal.

3.7 Membangun Big Data Platform

Seperti data pergudangan, toko web atau platform TI, infrastruktur untuk data yang besar memiliki kebutuhan yang unik. Dalam mempertimbangkan semua komponen platform data yang besar, penting untuk diingat bahwa tujuan akhir adalah untuk dengan mudah mengintegrasikan data yang besar dengan data perusahaan Anda untuk memungkinkan Anda untuk melakukan analisis mendalam pada set data gabungan.

Infrastructure Requirements

Requirement dalam big data infrastruktur : 

· data acquisition, 

· data organization 

· data analysis

Data acquisition

Tahap akuisisi adalah salah satu perubahan besar dalam infrastruktur pada hari-hari sebelum big data. Karena big data mengacu pada aliran data dengan kecepatan yang lebih tinggi dan ragam yang bervariasi, infrastruktur yang diperlukan untuk mendukung akuisisi data yang besar harus disampaikan secara perlahan, dapat diprediksi baik di dalam menangkap data dan dalam memprosesnya secara cepat dan sederhana, dapat menangani volume transaksi yang sangat tinggi , sering dalam lingkungan terdistribusi, dan dukungan yang fleksibel, struktur data dinamis.

Database NoSQL sering digunakan untuk mengambil dan menyimpan big data. Mereka cocok untuk struktur data dinamis dan sangat terukur. Data yang disimpan dalam database NoSQL biasanya dari berbagai variasi/ragam karena sistem dimaksudkan untuk hanya menangkap semua data tanpa mengelompokkan dan parsing data.

Sebagai contoh, database NoSQL sering digunakan untuk mengumpulkan dan menyimpan data media sosial. Ketika aplikasi yang digunakan pelanggan sering berubah, struktur penyimpanan dibuat tetap sederhana. Alih-alih merancang skema dengan hubungan antar entitas, struktur sederhana sering hanya berisi kunci utama untuk mengidentifikasi titik data, dan kemudian wadah konten memegang data yang relevan. Struktur sederhana dan dinamis ini memungkinkan perubahan berlangsung tanpa reorganisasi pada lapisan penyimpanan.

Data Organization

Dalam istilah Data pergudangan klasik, pengorganisasian data disebut integrasi data. Karena ada volume/jumlah data yang sangat besar, ada kecenderungan untuk mengatur data pada lokasi penyimpanan aslinya, sehingga menghemat waktu dan uang dengan tidak memindah-midahkan data dengen volume yang besar. Infrastruktur yang diperlukan untuk mengatur data yang besar harus mampu mengolah dan memanipulasi data di lokasi penyimpanan asli. Biasanya diproses didalam batch untuk memproses data yang besar, beragam format, dari tidak terstruktur menjadi terstruktur.

Apache Hadoop adalah sebuah teknologi baru yang memungkinkan volume data yang besar untuk diatur dan diproses sambil menjaga data pada cluster penyimpanan data asli. Hadoop Distributed File System (HDFS) adalah sistem penyimpanan jangka panjang untuk log web misalnya. Log web ini berubah menjadi perilaku browsing dengan menjalankan program MapReduce di cluster dan menghasilkan hasil yang dikumpulkan di dalam cluster yang sama. Hasil ini dikumpulkan kemudian dimuat ke dalam sistem DBMS relasional.

Data Analysis

Karena data tidak selalu bergerak selama fase organisasi, analisis ini juga dapat dilakukan dalam lingkungan terdistribusi, di mana beberapa data akan tinggal di mana data itu awalnya disimpan dan diakses secara transparan dari sebuah data warehouse. Infrastruktur yang diperlukan untuk menganalisis data yang besar harus mampu mendukung analisis yang lebih dalam seperti analisis statistik dan data mining, pada data dengan jenis yang beragam dan disimpan dalam sistem yang terpisah, memberikan waktu respon lebih cepat didorong oleh perubahan perilaku; dan mengotomatisasi keputusan berdasarkan model analitis. Yang paling penting, infrastruktur harus mampu mengintegrasikan analisis pada kombinasi data yang besar dan data perusahaan tradisional. Wawasan baru datang bukan hanya dari analisis data baru, tapi dari menganalisisnya dalam konteks yang lama untuk memberikan perspektif baru tentang masalah lama. 

Misalnya, menganalisis data persediaan dari mesin penjual otomatis cerdas dalam kombinasi dengan acara kalender untuk tempat di mana mesin penjual otomatis berada, akan menentukan kombinasi produk yang optimal dan jadwal pengisian untuk mesin penjual otomatis.

3.8 Tantangan dalam pemanfaatan Big Data

Dalam usaha pemanfaatan Big Data dapat terdapat banyak hambatan dan tantangan, beberapa hal diantaranya berhubungan dengan data dimana melibatkan acquisition, sharing dan privasi data, serta dalam analisis dan pengolahan data

Ø Privasi 

Privasi merupakan isu yang paling sensitif, dengan konseptual, hukum, dan teknologi, Privasi dapat dipahami dalam arti luas sebagai usaha perusahaan untuk melindungi daya saing dan konsumen mereka. Data-data yang digunakan / disimpan sebagai big data 

Ø Access dan sharing

Akses terhadap data, baik data lama maupun data baru dapat menjadi hambatan dalam mendapatkan data untuk big data, terlebih pada data lama dimana data- data tersimpan dalam bentuk – bentuk yang berbeda-beda dan beragam ataupun dalam bentuk fisik, akses terhadap data baru juga membutuhkan usaha yang lebih kerana diperlukannya izin dan lisensi untuk mengakses data-data non-public secara legal.

Ø Analisis

Bekerja dengan sumber data baru membawa sejumlah tantangan analitis. relevansi dan tingkat keparahan tantangan akan bervariasi tergantung pada jenis analisis sedang dilakukan, dan pada jenis keputusan yang akhirnya akan bisa diinformasikan oleh data.

Tergantung dari jenis data terdapat 3 kategori dalam analisis data 

o Penentuan gambaran yang benar

Masalah ini biasanya ditemukan dalam penanganan unstructured user-generated text-based data dimana data yang didapatkan belum tentu benar karena data atau sumber yang salah.

o Interpreting Data

Kesalahan –kesalahan seperti Sampling selection bias merupakan hal yang sering ditemukan dimana data yang ada tidak dapat digunakan untuk mepresentasikan semua populasi yang ada, dan apophenia, melihat adanya pola walaupun tidak benar-benar ada dikarenakan jumlah data yang besar, dan kesalahan dalam menginterpreasikan hubungan dalam data.

o Defining and detecting anomalies

tantangan sensitivitas terhadap spesifisitas pemantauansistem. Sensitivitas mengacu pada kemampuan sistem pemantauan untuk mendeteksi semua kasus sudah diatur untuk mendeteksi sementara spesifisitas mengacu pada kemampuannya untuk mendeteksi hanya kasus-kasus yang relevan. kegagalan untukmencapai hasil yang terakhir "Tipe I kesalahan keputusan", juga dikenal sebagai "positif palsu"; kegagalanuntuk mencapai mantan "Type II error", atau "negatif palsu." Kedua kesalahan yang tidak diinginkan ketika mencoba untuk mendeteksi malfungsi atau anomali, bagaimanapun didefinisikan, untuk berbagai alasan. Positif palsu merusak kredibilitas sistem sementara negatif palsu dilemparkan ragu pada relevansinya. Tapi apakah negatif palsu lebih atau kurang bermasalah daripada positif palsu tergantung pada apa yang sedang dipantau, dan mengapa itu sedang dipantau.

BAB IV

PENUTUP

Kesimpulan

Dapat disimpulkan bahwa big data sudah mulai dimanfaatkan dan akan sangat berguna untuk dipahami lebih dalam untuk mengimbangi perkembangan jaman ke arah teknologi dan analisis yang lebih praktis.

Saran

- Mempelajari lebih dalam mengenai big data, karena hal ini akan sangat berguna bagi perusahaan, dimana perusahaan jaman sekarang mulai mempelajari tren pasar dan pola hidup konsumen.

- Dalam penerapannya, perusahaan akan membutuhkan orang yang khusus dalam bidang data mining, karena hal ini cukup rumit dan diperlukan orang yang paham cara untuk menggunakan data.

Sistem Manajemen K3 di Perusahaan

Keselamatan kerja dideskripsikan sebagai keadaan saat seseorang merasaaman dan sehat dalam melaksanakan tugasnya. Keselamatan kerja merupakan keselamatan yang bertalian dengan mesin , pesawat , alatkerja , bahan dan proses pengolahannya , landasan tempat kerja danlingkungannya , serta cara-cara melakukannya.

Hal-hal yang mempengaruhi K3

1.Kapasitas kerja.

2.Beban Kerja.

3.Lingkungan Kerja.

Pentingnya K3 pada perusahaan

Keselamatan dan Kesehatan Kerja (K3) adalah kepentingan pengusaha, pekerja dan pemerintah di seluruh dunia. Menurut perkiraan ILO, setiap tahun di seluruh dunia 2 juta orang meninggal karena masalah-masalah akibat kerja.

Profil PT. GMF AeroAsia

PT. Garuda Maintenace Facility (GMF) Aero Asia merupakanperusahaan yang bergerak di bidang perawatan pesawat terbang. Bahaya terhadap keselamatan dan kesehatan pada proses perbaikan atau perawatan pesawat terbang disebabkan karena dalam proses produksinya, menggunakan bahan-bahandan alat-alat yang mempunyai risiko kecelakaan yang tinggi, dan benda panas selama bekerja mempunyai efek samping dapat menimbulkan penyakit akibat kerja seperti gangguan pernafasan,mata iritasi, luka bakar serta kecelakaan lainnya.

Keselamatan dalam workshop

Bengkel atau biasa disebut workshop dalam bidang industri maintenance adalah tempat dimana segala macam aktifitas seperti perbaikan dan perawatan baik itu pesawat ataupun peralatan dilakukan. Hal ini membuat bengkel adalah tempat yang memiliki potensi bahaya yang cukup tinggi. Tidaksedikit kecelakaan terjadi di bengkel seperti tertabrak kendaraan, terjatuh saat sendang memperbaiki di atas unit,tertimpa material, terpeleset, tersandung, terpukul dan masih banyak lagi yang dapat mengakibatkan para mekanik menderita cidera baik itu ringat (pertolongan pertama) hingga dapat merengut nyawa sekalipun. Dikarenakan potensi bahaya dibengkel begitu tinggi maka diperlukan pengelolahan keselamatan dalam bengkel.

6 kontrol keselamatan pada field

1.Identifikasi semua bahaya yang ada di bengkel sebelum Andamulai bekerja.

2.Periksa semua perkakas atau peralatan yang Anda gunakansaat bekerja dalam keadaan baik dan standar

3.Patuhi prosedur keselamatan kerja yang ada di bankel.

4.Selalu konsentrasi saat sedang bekerja dan tetap berkomunikasi dengan rekan kerja Anda.

5.Selalu menjaga lingkungan bengkel Anda bersih, tidak terdapatceceran oli, perkakas tersimpan di tempatnya.

6.Selalu mengenakan alat pelindung diri setiap saat.

Alat Proteksi Diri (APD)

•Safety belt saat berada di ketinggian.

•Pemakaian masker saat berada di tempat berdebu.

•Pemakaian kacamata.

•Pemakaian safety shoes.

•Pemakaian wearpack.

•Dll.

Perlindungan hukum yang membahas K3

1.Seperti tercantum pada Undang-undang No.13 Tahun 2003 Paragraf 5 Pasal 87 Butir (1) tentang Keselamatan dan Kesehatan Kerja, setiapperusahaan wajib menerapkan sistem manajemen keselamatan dan kesehatan kerjayang terintegrasi dengan sistem manajemenperusahaan.

2.Undang-undang Nomor 1 Tahun 1970 tentangKeselamatan Kerja.

3.Undang-undang Nomor 23 Tahun 1992 Bagian Keenamtentang Kesehatan Kerja.

4.PP nomor 50 tahun 2012 tentang Sistem Manajemen Keselamatan dan Kesehatan Kerja

MAKALAH DEFINISI PENELITIAN

APAKAH PENELITIAN ITU?

Jika kamu bertanya pada orang yang berbeda biasanya akan mendapati jawaban yang berbeda pula. Namun meskipun berbeda tetap mampunyai maksud yang sama.

Berikut ini beberapa pendapat mengenai pengertian penelitian.

Menurut Yoseph dan Yoseph, 1979, penelitian adalah art and science guna mencari jawaban terhadap suatu permasalahan. Karena seni dan ilmiah maka penelitian juga akan memberikan ruang-ruang yang akan mengakomodasi adanya perbedaan tentang apa yang dimaksud dengan penelitian.

Penelitian dapat juga diartikan sebagai cara pengamatan atau inkuiri dan mempunyai tujuan untuk mencari jawaban permasalahan atau proseso penemuan, baik itu discovery maupun invention. Discovery diartikan hasil temuan yang memang sebetulnya sudah ada, sebagai contoh misalnya penemuan Benua Amerika adlah penemuan yang cocok untuk arti discovery. Sedangkan invention dapat diartikan sebagai penemuan hasil penelitian yang betul-betul baru dengan dukungan fakta. Misalnya hasil Kloning dari hewan yang sudah mati dan dinyatakan punah, kemudian diteliti untuk menemukan jenis yang baru.

Penelitian adalah proses ilmiah yang mencakup sifat formal dan intensif. Karakter formal dan intensif karena mereka terikat dengan aturan, urutan, maupun cara penyajiannya agar memperoleh hasil yang diakui dan bermanfaat bagi kehidupan manusia. Intensif dengan menerapkan ketelitian dan ketepatan dalam melakukan proses penelitian agar memperoleh hasil yang dapat dipertanggung jawabkan, memecahkan problem malalui hubungan sebab dan akibat, dapat diulang kembali dengan cara yang sama dan hasil sama.

Pengertian Penelitian menurut Kerlinger (1986) adalah proses penemuan yang mempunyai karakteristik sistematis, terkontrol, empiris, dan mendasarkan pada teori dan hipotesis atau jawaban sementara. Beberapa karakteristik penelitian sengaja ditekankan oleh kerlinger agar kegiatan penelitian memang berbeda dengan kegiatan profesional lainnya. Penelitian berbeda dengan kegiatan yang menyangkut tugas-tugas wartawan yang biasanya meliput dan melaporkan berita atas dasar fakta. Pekerjaan mereka belum dikatakan penelitian, karena tidak dilengkapi karakteristik lain yang mendukung agar dapat dikatakan hasil penelitian, yaitu karakteristik mendasarkan pada teori yang ada dan relevan dan dilakukan secara intensif dan dikontrol dalam pelaksanaannya.

Dari beberapa pendapat di atas dapat disimpulkan bahwa pengertian penelitian adalah sauah seseorang yang dilakukan secara sistematis mengikuti aturan-aturan metodologi misalnya observasi secara sistematis, dikontrol dan mendasarkan pada teori yang ada dan diperkuat dengan gejala yang ada.

Kata penelitian atau riset dipergunakan dalam pembicaraan sehari-hari untuk melingkup spektrum arti yang luas, yang dapat membuat bingung mahasiswa yang harus mempelajari arti kata tersebut dengan tanda-tanda atau petunjuk yang jelas untuk membedakan yang satu dengan yang lain. Dapat saja, sesuatu yang dulunya dikenali sebagai penelitian ternyata bukan, dan beberapa konsep yang salah tentunya harus dibuang dan diganti konsep yang benar.

Pada dasarnya, manusia selalu ingin tahu dan ini mendorong manusia untuk bertanya dan mencari jawaban atas pertanyaan itu. Salah satu cara untuk mencari jawaban adalah dengan mengadakan penelitian. Cara lain yang lebih mudah, tentunya, adalah dengan bertanya pada seseorang atau “bertanya” pada buku—tapi kita tidak selalu dapat mendapat jawaban, atau kita mungkin mendapatkan jawaban tapi tidak meyakinkan.

Pengertian penelitian sering dicampuradukkan dengan: pengumpulan data atau informasi, studi pustaka, kajian dokumentasi, penulisan makalah, perubahan kecil pada suatu produk, dan sebagainya. Kata penelitian atau riset sering dikonotasikan dengan bekerja secara eksklusif menyendiri di laboratorium, di perpustakaan, dan lepas dari kehidupan sehari-hari.

Menjadi tujuan makalah ini untuk menjelaskan pengertian dari penelitian dan membedakannya dengan hal-hal yang bukan penelitian. Pengertian penelitian yang disarankan oleh Leedy (1997: 3) sebagai berikut:

Penelitian (riset) adalah proses yang sistematis meliputi pengumpulan dan analisis informasi (data) dalam rangka meningkatkan pengertian kita tentang fenomena yang kita minati atau menjadi perhatian kita.

Mirip dengan pengertian di atas, Dane (1990: 4) menyarankan definisi sebagai berikut:

Penelitian merupakan proses kritis untuk mengajukan pertanyaan dan berupaya untuk menjawab pertanyaan tentang fakta dunia. Seperti disebutkan di atas, mungkin di masa lalu, kita mendapatkan banyak konsep (pengertian) tentang penelitian, yang sebagian daripadanya merupakan konsep yang salah. Untuk memperjelas hal tersebut, di bawah ini dikaji pengertian yang “salah” tentang penelitian (menurut kita—kaum akademisi).

PENGERTIAN YANG SALAH TENTANG PENELITIAN

Secara umum, berdasar konsep-konsep yang “salah” tentang penelitian, maka perlu digarisbawahi empat pengertian sebagai berikut:

(1) Penelitian bukan hanya mengumpulkan informasi (data)

(2) Penelitian bukan hanya memindahkan fakta dari suatu tempat ke tempat lain

(3) Penelitian bukan hanya membongkar-bongkar mencari informasi

(4) Penelitian bukan suatu kata besar untuk menarik perhatian.

Lebih lanjut kesalahan pengertian tersebut dijelaskan di bawah ini.

1. Penelitian bukan hanya mengumpulkan informasi (data)

Pernah suatu ketika, seorang mahasiswa mengajukan usul (proposal) penelitian untuk “meneliti” sudut kemiringan sebuah menara pemancar TV di kotanya. Ia mengusulkan untuk menggunakan peralatan canggih dari bidang keteknikan untuk mengukur kemiringan menara tersebut. Meskipun peralatannya canggih, tetapi yang ia lakukan sebenarnya hanyalah suatu survei (pengumpulan data/informasi) saja, yaitu mengukur kemiringan menara tersebut, dan survei itu bukan penelitian (tapi bagian dari suatu penelitian). Para siswa suatu SD kelas 4 diajak gurunya untuk melakukan “penelitian” di perpustakaan. Salah seorang siswa mempelajari tentang Columbus dari beberapa buku. Sewaktu pulang ke rumah, ia melapor kepada ibunya bahwa ia baru saja melakukan penelitian tentang Columbus. Sebenarnya, yang ia lakukan hanya sekedar mengumpulkan informasi, bukan penelitian. Mungkin gurunya bermaksud untuk mengajarkan keahlian mencari informasi dari pustaka (reference skills).

2. Penelitian bukan hanya memindahkan fakta dari suatu tempat ke tempat lain

Seorang mahasiswa telah menyelesaikan sebuah makalah tugas “penelitian” tentang teknik -teknik pembangunan bangunan tinggi di Jakarta. Ia telah berhasil mengumpulkan banyak artikel dari suatu majalah konstruksi bangunan dan secara sistematis melaporkannya dalam makalahnya, dengan disertai teknik acuan yang benar. Ia mengira telah melakukan suatu penelitian dan menyusun makalah penelitian. Sebenarnya, yang ia lakukan hanyalah: mengumpulkan informasi/data, merakit kutipan-kutipan pustaka dengan teknik pengacuan yang benar. Untuk disebut sebagai penelitian, yang dikerjakannya kurang satu hal, yaitu: interpretasi data. Hal ini dapat dilakukan dengan cara antara lain menambahkan misalnya: “Fakta yang terkumpul menunjukkan indikasi bahwa faktor x dan y sangat mempengaruhi cara pembangunan bangunan tinggi di Jakarta”. Dengan demikian, ia bukan hanya memindahkan informasi/data/fakta dari artikel majalah ke makalahnya, tapi juga menganalis informasi/data/fakta sehingga ia mampu untuk menyusun interpretasi terhadap informasi/data/fakta yang terkumpul tersebut.

3. Penelitian bukan hanya membongkar-bongkar mencari informasi

Seorang Menteri menyuruh stafnya untuk memilihkan empat buah kotamadya (di wilayah Indonesia bagian timur) yang memenuhi beberapa kriteria untuk diberi bantuan pembangunan prasarana dasar perkotaan. Stafnya tersebut berpikir bahwa ia harus melakukan “penelitian”. Ia kemudian pergi ke Kantor Statistik, membongkar arsip/dokumen statistik kotamadya -kotamadya yang ada di wilayah IBT tersebut. Dengan membandingkan data statistik yang terkumpul dengan kriteria yang diberi oleh Menteri, ia berhasil memilih empat kotamadya yang paling memenuhi kriteria-kriteria tersebut. Staf tersebut melaporkan hasil “penelitiannya” ke Menteri. Sebenarnya yang dilakukan oleh staf tersebut hanyalah mencari data (data searching, rummaging) dan mencocokknnya (matching) dengan kriteria , dan itu bukan penelitian.

4. Penelitian bukan suatu kata besar untuk menarik perhatian

Kata “…penelitian” sering dipakai oleh surat kabar, majalah populer, dan iklan untuk menarik perhatian (“mendramatisir”). Misalnya, berita di surat kabar: “Presiden akan melakukan penelitian terhadap Pangdam yang ingin ‘mreteli’ kekuasaan Presiden”. Contoh lain: berita “Semua anggota DPRD tidak perlu lagi menjalani penelitian khusus (litsus)”. Contoh lain lagi: “Produk ini merupakan hasil penelitian bertahun-tahun” (padahal hanya dirubah sedikit formulanya dan namanya diganti agar konsumen tidak bosan).

PENGERTIAN YANG BENAR TENTANG PENELITIAN DAN KARAKTERISTIK PROSES

Pengertian yang benar tentang penelitian sebagai berikut, menurut Leedy (1997: 5): Penelitian adalah suatu proses untuk mencapai (secara sistematis dan didukung oleh data) jawaban terhadap suatu pertanyaan, penyelesaian terhadap permasalahan, atau pemahaman yang dalam terhadap suatu fenomena.

Proses tersebut, yang sering disebut sebagai metodologi penelitian, mempunyai delapan macam karakteristik:

1) Penelitian dimulai dengan suatu pertanyaan atau permasalahan.

2) Penelitian memerlukan pernyataan yang jelas tentang tujuan.

3) Penelitian mengikuti rancangan prosedur yang spesifik.

4) Penelitian biasanya membagi permasalahan utama menjadi sub-sub masalah yang lebih dapat dikelola.

5) Penelitian diarahkan oleh permasalahan, pertanyaan, atau hipotesis penelitian yang spesifik.

6) Penelitian menerima asumsi kritis tertentu.

7) Penelitian memerlukan pengumpulan dan interpretasi data dalam upaya untuk mengatasi permasalahan yang mengawali penelitian.

8) Penelitian adalah, secara alamiahnya, berputar secara siklus; atau le-bih tepatnya,

HUBUNGAN PENELITIAN DAN PERANCANGAN

Hasil penelitian, antara lain berupa teori, disumbangkan ke khazanah ilmu pengetahuan, sedangkan ilmu yang ada di khazanah tersebut dimanfaatkan oleh para perancang/perencana/pengembang untuk melakukan kegiatan dalam bidang keahliannya.

Menurut Zeisel (1981), perancangan mempunyai tiga langkah utama, yaitu: imaging, presenting dan testing, sedangkan imaging dilakukan berdasar empirical knowledge. Perancangan/perencanaan/pengembangan, selain menggunakan pengetahuan dari khazanah ilmu pengetahuan, juga mempertimbangkan hal-hal lain, seperti estetika, perhitungan ekonomis, dan kadang pertimbangan politis, dan lain-lain. Terhadap perencanaan/perancangan/pengembangan juga dapat dilakukan penelitian evaluasi yang hasilnya juga akan memperkaya khazanah ilmu pengetahuan.

MACAM TUJUAN PENELITIAN

Seperti dijelaskan di atas, penelitian berkaitan dengan pertanyaan atau keinginan tahu manusia (yang tidak ada hentinya) dan upaya (terus menerus) untuk mencari jawaban atas pertanyaan-pertanyaan tersebut. Dengan demikian, tujuan terujung suatu penelitian adalah untuk merumuskan pertanyaan-pertanyaan dan menemukan jawaban-jawaban terhadap pertanyaan penelitian tersebut. Tujuan dapat beranak cabang yang me ndorong penelitian lebih lanjut. Tidak satu orangpun mampu mengajukan semua pertanyaan, dan demikian pula tak seorangpun sanggup menemukan semua jawaban bahkan hanya untuk satu pertanyaan saja. Maka, kita perlu membatasi upaya kita dengan cara membatasi tujuan penelitian. Terdapat bermacam tujuan penelitian, dipandang dari usaha untuk membatasi ini, yaitu:

1) eksplorasi (exploration)

2) deskripsi (description)

3) prediksi (prediction)

4) eksplanasi (explanation) dan

5) aksi (action).

Penjelasan untuk tiap macam tujuan diberikan di bawah ini. Tapi perlu kita ingat bahwa penentuan tujuan, salah satunya, dipengaruhi oleh kemajuan ilmu pen-gethaun yang terkait dengan permasalahan yang kita hadapi (“state of the art”). Misal, bila masih “samarsamar”, maka kita perlu bertujuan untuk menjelajahi (eksplorasi) dulu. Bila sudah pernah dijelajahi dengan cukup, maka kita coba terangkan (deskripsikan) lebih lanjut.

  

1. Eksplorasi

Seperti disebutkan di atas, bila kita ingin menjelajahi (mengeksplorasi) suatu topik (permasalahan), atau untuk mulai memahami suatu topik, maka kita la-kukan penelitian eksplorasi. Penelitian esplorasi (menjelajah) berkaitan den-gan upaya untuk menentukan apakah suatu fenomena ada atau tidak. Penelitian yang mempunyai tujuan seperti ini dip akai untuk menjawab ben-tuk pertanyaan “Apakah X ada/terjadi?”. Contoh penelitian sederhana (dalam ilmu sosial): Apakah laki-laki atau wanita mempunyai kcenderungan duduk di bagian depan kelas atau tidak? Bila salah satu pihak atau keduanya mem-punyai kecend erungan itu, maka kita mendapati suatu fenomena (yang mendorong penelitian lebih lanjut). Penelitian eksplorasi dapat juga sangat kompleks. Umumnya, peneliti memilih tujuan eksplorasi karena tuga macam maksud, yaitu: (a) memuaskan keingintahuan awal dan nantinya ingin lebih memahami, (b) menguji kelayakan dalam melakukan penelitian/studi yang lebih mendalam nantinya, dan (c) mengembangkan metode yang akan dipakai dalam penelitian yang lebih mendalam. Hasil penelitian eksplorasi, karena merupakan penelitian penjelajahan, maka sering dianggap tidak memuaskan. Kekurang-puasan terhadap hasil penelitian ini umumnya terkait dengan masalah sampling (representativeness)—menurut Babbie 1989: 80. Tapi perlu kita sadari bahwa penjelajahan memang berarti “pembukaan jalan”, sehingga setelah “pintu terbuka lebar-lebar” maka diperlukan penelitian yang lebih mendalam dan terfokus pada sebagian dari “ruang di balik pintu yang telah terbuka” tadi.

2. Deskripsi

Penelitian deskriptif berkaitan dengan pengkajian fenomena secara lebih rinci atau membedakannya dengan fenomena yang lain. Sebagai contoh, meneruskan contoh pada bahasan penelitian eksplorasi di atas, yaitu misal: ternyata wanita lebih cenderung duduk di bagian depan kelas daripada laki-laki, maka penelitian lebih lanjut untuk lebih memerinci: misalnya, apa batas atau pengertian yang lebih tegas tentang “bagian depan kelas”? Apakah duduk di muka tersebut berkaitan dengan macam mata pelajaran? tingkat kemenarikan guru yang mengajar? ukuran kelas? Penelitian deskriptif menangkap ciri khas suatu obyek, seseorang, atau suatu kejadian pada waktu data dikumpulkan, dan ciri khas tersebut mungkin berubah dengan perkembangan waktu. Tapi hal ini bukan berarti hasil penelitian waktu lalu tidak berguna, dari hasil-hasil tersebut kita dapat melihat perkembangan perubahan suatu fenomena dari masa ke masa.

3. Prediksi

Penelitian prediksi berupaya mengidentifikasi hubungan (keterkaitan) yang memungkinkan kita berspekulasi (menghitung) tentang sesuatu hal (X) dengan mengetahui (berdasar) hal yang lain (Y). Prediksi sering kita pakai sehari-hari, misalnya dalam menerima mahasiswa baru, kita gunakan skor minimal tertentu—yang artinya dengan skor tersebut, mahasiswa mempunyai kemungkinan besar untuk berhasil dalam studinya (prediksi hubungan antara skor ujian masuk dengan tingkat keberhasilan studi nantinya).

4. Eksplanasi

Penelitian eksplanasi mengkaji hubungan sebab-akibat diantara dua fenomena atau lebih. Penelitian seperti ini dipakai untuk menentukan apakah suatu eksplanasi (keterkaitan sebab-akibat) valid atau tidak, atau menentukan mana yang lebih valid diantara dua (atau lebih) eksplanasi yang saling bersaing. Penelitian eksplanasi (menerangkan) juga dapat bertujuan menjelaskan, misalnya, “mengapa” suatu kota tipe tertentu mempunyai tingkat kejahatan lebih tinggi dari kota-kota tipe lainnya. Catatan: dalam penelitian deskriptif hanya dijelaskan bahwa tingkat kejahatan di kota tipe tersebut berbeda dengan di kota-kota tipe lainnya, tapi tidak dijelaskan “mengapa” (hubungan sebab-akibat) hal tersebut terjadi.

5. Aksi

Penelitian aksi (tindakan) dapat meneruskan salah satu tujuan di atas den-gan penetapan persyaratan untuk menemukan solusi dengan bertindak sesuatu. Penelitian ini umumnya dilakukan dengan eksperimen tidakan dan mengamati hasilnya; berdasar hasil tersebut disusun persyaratan solusi. Misal, diketahui fenomena bahwa meskipun suhu udara luar sudah lebih din-gin dari suhu ruang, orang tetap memakai AC (tidak mematikannya). Dalam eksperimen penelitian tindakan dibuat berbagai alat bantu mengingatkan orang bahwa udara luar sudah lebih dingin dari udara dalam. Ternyata dari beberapa alat bantu, ada satu yang paling dapat diterima. Dari temuan itu disusun persyaratan solusi terhadap fenomena di atas.

Ragam Penelitian menurut Bidang Ilmu

Secara umum, ilmu-ilmu dapat dibedakan antara ilmu-ilmu dasar dan ilmu-ilmu terapan. Termasuk kelompok ilmu dasar, antara lain ilmu-ilmu yang dikembangkan di fakultas-fakultas MIPA (Mathematika, Fisika, Kimia, Geofosika), Biologi, dan Geografi. Kelompok ilmu terapan meliputi antara lain: ilmu-ilmu teknik, ilmu kedokteran, ilmu teknologi pertanian Ilmu-ilmu dasar dikembangkan lewat penelitian yang biasa disebut sebagai  “penelitian dasar” (basic research), sedangkan penelitian terapan (applied research) menghasilkan ilmu-ilmu terapan. Penelitian terapan (misalnya di bidang fisika bangunan) dilakukan dengan memanfaatkan ilmu dasar (misal: fisika). Oleh para perancang teknik, misalnya, ilmu terapan dan ilmu dasar dimanfaatkan untuk membuat rancangan keteknikan (misal: rancangan bangunan). Tentu saja, dalam merancang, para ahli teknik bangunanT tersebut juga mempertimbangkan hal-hal lain, misalnya: keindahan, biaya, dan sentuhan  budaya. Catatan: Suriasumantri (1978: 29) menamakan penelitian dasar tersebut di atas sebagai “penelitian murni” (penelitian yang berkaitan dengan “ilmu murni”, contohnya: Fisika teori).

Pada perkembangan keilmuan terbaru, sering sulit menngkatagorikan ilmu dasar dibedakan dengan ilmu terapan hanya dilihat dari fakultasnya saja. Misal, di Fakultas Biologi dikembangkan ilmu biologi teknik (biotek), yang mempunyai ciri-ciri ilmu terapan karena sangat dekat dengan penerapan ilmunya ke praktek nyata (perancangan produk). Demikian juga, dulu Ilmu Farmasi dikatagorikan sebagai ilmu dasar, tapi kini dimasukkan sebagai ilmu terapan karena dekat dengan terapannya di bidang industri. Karena makin banyaknya hal-hal yang masuk pertimbangan ke proses perancangan/perencanaan, selain ilmu-ilmu dasar dan terapan, produk-produk perancangan/perencanaan dapat menjadi obyek penelitian. Penelitian seperti ini disebut sebagai penelitian evaluasi (evaluation research) karena mengkaji dan mengevaluasi produk-produk tersebut untuk menggali pengetahuan/teori “yang tidak terasa” melekat pada produk-produk tersebut (selain ilmu-ilmu dasar dan terapan yang sudah ada sebelumnya). Bila tidak melihat apakah penelitian dasar atau terapan, maka macam penelitian menurut bidang ilmu dapat dibedakan langsung sesuai macam ilmu. Contoh: penelitian pendidikan, penelitian keteknikan, penelitian ruang angkasa, pertanian, perbankan, kedokteran, keolahragaan, dan sebagainya (Arikunto, 1998: 11).[5]

Penelitian Kualitatif Dan Kuantitatif

1. Data Kualitatif diartikan sebagai data yang berupa angka yang tidak dapat diolah dengan matematika atau statistic.

Data yang berbentuk kata, kalimat, skema, dan gambar –biasanya berbentuk pernyataan-pernyataan.

Analisis data kualitatif merupakan proses menganalisis data dengan tidak menggunakan statistik angka-angka.

Dalam penelitian ini syarat penelitian ilmiah dapat disederhanakan yakni : memenuhi kriteria (1) logico, hypotetico dan verifitatif. (2) menggunakan kaidah dan prosedur baku dalam penelitian.

Penelitian kualitatif mempergunakan data yang dinyatakan secara verbal dan kulifikasinya bersifat teoritis. Data sebagai bukti dalam menguji kebenaran dan ketidakbenaran hipotesis. Pengolahan data dilakukan secara rasional. Jadi pada dasarnya perbedaan kedua jenis penelitian ini terletak pada masalah analisa dan penyajian data guna menguji hipotesis sebagai usaha memecahkan masalah yang diselidiki.

2. Data Kuantitatif adalah sebaliknya (yaitu: datanya bukan berupa angka yang dapat diolah dengan matematika atau statistik).

Data yang berbentuk angka, atau data kualitatif yang diangkakan dengan proses skoring (contoh skor : baik = 3, cukup = 2, tidak baik = 1) dan sebagainya.

Terbagi menjadi dua yaitu : data diskrit/nominal dan data kontinum.

Data nominal : data yang hanya dapat digolongkan secara terpisah, secara deskrit atau kategori.Data ini diperoleh dari hasil menghitung.

Dalam penelitian ini dipergunakan data berupa angka / jumlah dengan berbagai klasifikasi, antara lain berbentuk nilai rata – rata, presentase, nilai maksimum dll. Data tersebut merupakan bukti yang dipergunakan untuk menguji hipotesis dengan menunjukan perbedaan, perbandingan, hubungan antara data yang satu dengan yang lainnya. Pengolahan data dilakukan secara matematis dengan menggunakan berbagai rumus statistika yang sesuai dengan sifat dan jenis data.

Ragam Penelitian menurut Pembentukan Ilmu

Ilmu dapat dibentuk lewat penelitian induktif atau penelitian deduktif. Diterangkan secara sederhana, penelitian induktif adalah penelitian yang menghasilkan teori atau hipotesis, sedangkan penelitian deduktif merupakan penelitian yang menguji (mengetes) teori atau hipotesis (Buckley dkk., 1976: 21). Penelitian deduktif diarahkan oleh hipotesis yang kemudian teruji atau tidak teruji selama proses penelitian. Penelitian induktif diarahkan oleh keingintahuan ilmiah dan upaya peneliti dikonsentrasikan pada prosedur pencarian dan analisis data (Buckley dkk., 1976: 23). Setelah suatu teori lebih mantap (dengan penelitian deduktif) manusia secara alamiah ingin tahu lebih banyak lagi atau lebih rinci, maka dilakukan lagi penelitian induktif, dan seterusnya beriterasi sehingga khazanah ilmu pengetahuan semakin bertambah lengkap. Secara lebih jelas, penelitian deduktif dilakukan berdasar logika deduktif, dan penelitian induktif dilaksanakan berdasar penalaran induktif (Leedy, 1997: 94-95). Logika deduktif dimulai dengan premis mayor (teori umum); dan berdasar premis mayor dilakukan pengujian terhadap sesuatu (premis minor) yang diduga mengikuti premis mayor tersebut. Misal, dulu kala terdapat premis mayor bahwa bumi berbentuk datar, maka premis minornya misalnya adalah bila kita berlayar terus menerus ke arah barat atau timur maka akan sampai pada tepi bumi. Kelemahan dari logika deduktif adalah bila premis mayornya keliru.

Kebalikan dari logika deduktif adalah penalaran induktif. Penalaran induktif dimulai dari observasi empiris (lapangan) yang menghasilkan banyak data (premis minor). Dari banyak data tersebut dicoba dicari makna yang sama (premis mayor)—yang merupakan teori sementara (hipotesis), yang perlu diuji dengan logika deduktif.

Ragam Penelitian menurut Paradigma Keilmuan

Menurut Muhajir (1990), terdapat tiga macam paradigma keilmuan yang berkaitandengan penelitian, yaitu: (1) positivisme, (2) rasionalisme, dan (3) fenomenologi. Ketiga macam penelitian ini dapat dibedakan dalam beberapa sudut pandang (a) sumber kebenaran/teori, dan (2) teori yang dihasilkan dari penelitian.Dari sudut pandang sumber kebenaran, paradigma positivisme percaya bahwa kebenaran hanya bersumber dari empiri sensual, yaitu yang dapat ditangkap oleh pancaindera, sedangkan paradigma rasionalisme percaya bahwa sumber kebenaran tidak hanya empiri sensual, tapi juga empiri logik (pikiran: abstraksi, simplifikasi), dan empiri etik  (idealisasi realitas). Paradigma fenomenologi menambah semua empiri yang dipercaya sebagai sumber kebenaran oleh rasionalisme dengan satu lagi yaitu empiri transcendental (keyakinan; atau yang berkaitan dengan Ke-Tuhan-an).

Dari pandangan teori yang dihasilkan, penelitian dengan berbasis paradigma positivisme atau rasionalisme, keduanya menghasilkan sumbangan kepada khazanah ilmu nomotetik (prediksi dan hukum-hukum dari generalisasi). Di lain pihak, penelitian berbasis fenomenologi tidak berupaya membangun ilmu dari generalisasi, tapi ilmu idiografik (khusus berlaku untuk obyek yang diteliti). Sering ditanyakan manfaat dari ilmu yang berlaku local dibandingkan ilmu yang berlaku umum (general). Keduanya saling melengkapi, karena ilmu lokal menjelaskan kekhasan obyek dibandingkan yang umum. Misal, kini sedang berkembang ilmu tentang ASEAN (ASEAN studies). Manfaat dari ilmu semacam ini dapat dicontohkan sebagai berikut: di negara barat, banyak orang ingin berdagang di ASEAN; agar berhasil baik, mereka perlu mempelajari tatacara/kebiasaan/kultur berdagang di ASEAN, maka mereka mempelajari ilmu lokal yang menjelaskan perbedaan tatacara perdagangan di kawasan tersebut dibanding tatacara perdagangan yang umum di dunia. Untuk lebih menjelaskan perbedaan antar ketiga macam penelitian berbasis tiga macam paradigma yang berbeda tersebut, di bawah ini (lihat Tabel Ragam-1)satu per satu dibahas lebih lanjut, terutama dari (a) kerangka teori sebagai persiapan penelitian, (b)  kedudukan obyek dengan lingkungannya, (c) hubungan obyek dan peneliti, dan (d) generalisasi hasil.

PENELITIAN OPINI

Bila peneliti mencari pandangan atau persepsi orang-orang terhadap suatu permasalahan, maka ia melakukan penelitian opini. Orang-orang tersebut dapat merupakan kelompok atau perorangan (jadi domain-nya dapat berupa kelompok atau individual). Terdapat banyak ragam metode/teknik yang dapat dipakai untuk penelitian opini perorangan, salah satunya yang populer dan formal adalah: metode penelitian survei (survey research)1.

Selain itu, penjaringan persepsi perorangan yang informal dapat dilakukan dengan teknik wawancara. Untuk mengumpulkan opini kelompok, secara formal, dapat dipakai metode Delphi. Metode ini dilakukan terhadap kelompok pakar, untuk mengembangkan konsensus—atau tidak adanya konsensus—dengan menghindari pengaruh opini antar pakar-pakar. Teknik informal untuk menggali opini kelompok dapat dilakukan antara lain dengan curah gagas (brainstorming)3. Cara ini dilakukan dengan (a) menfokuskan pada satu masalah yang jelas, (b) terima semua ide, tanpa disangkal, tanpa melihat layak atau tidak, dan (c) katagorikan ide-ide tersebut.

PENELITIAN EMPIRIS

Empiris terkait dengan observasi atau kejadian yang dialami sendiri oleh peneliti. Penelitian empiris dapat dibedakan dalam tiga macam bentuk, yaitu: studi kasus, studi lapangan, dan studi laboratorium. Ketiga macam penelitian ini dapat dibedakan dari dua sudut pandang, yaitu: (a) keberadaan rancangan eksperimen, dan (b) keberadaan kendali eksperimen—seperti terlihat pada tabel berikut:

Teknik observasi merupakan teknik yang dapat dipakai untuk ketiga macam penelitian empiris di atas. Selain itu, untuk studi lapangan dapat dipakai teknik studi waktu dan gerak (time and motion study), misal dibantu dengan peralatan kamera video, TV sirkuit rertutup, atau alat “penangkap” kejadian (sensor) dan perekam yang lain. Untuk studi laboratorium dapat dilakukan antara lain dengan simulasi (misal dengan komputer).

PENELITIAN KEARSIPAN/KEPUSTAKAAN

“Arsip”, dalam hal ini, diartikan sebagai rekaman fakta yang disimpan. Kita bedakan tiga tipe arsip, yaitu: (1) primer, (2) sekunder, dan (3) fisik. Dua tipe yang pertama berkaitan dengan arsip tertulis, tape, dan bentuk -bentuk lain dokumentasi. Arsip primer adalah rekaman fakta langsung oleh perekamnya (misal: data perkantoran), sedangkan arsip sekunder merupakan hasil rekaman orang/pihak lain. Tipe ketiga, yaitu arsip fisik, dapat berupa batu candi, jejak kaki, dan sebagainya. Teknik informal dalam penelitian ini berupa antara lain: scanning dan observasi.

Teknik formal untuk arsip tertulis primer dapat dilakukan dengan metode analisis isi (content analysis). Terhadap arsip sekunder dapat dilakukan teknik sampling, sedangkan terhadap arsip fisik dapat dilakukan antara lain dengan pengukuran erosi dan akresi (untuk penelitian arkeologi).

PENELITIAN ANALITIS

Terdapat problema penelitian yang tidak dapat dipecahkan dengan penelitian opini, empiris atau kearsipan. Penelitian tersebut perlu dipecahkan secara analitis, yaitu dilakukan dengan cara memecah problema menjadi sub-sub problema (atau variabel-variabel) dan dicari karakteristik tiap sub problema (variabel) dan keterkaitan antar sub problema (variabel).

Penelitian analitis sangat menggantungkan diri pada logika internal penelitinya, sehingga subyektivitas peneliti perlu dihindari. Untuk itu, penelitian analitis perlu mendasarkan diri pada filsafat atau logika. Terdapat berbagai teknik formal dalam penelitian analitis, antara lain: logika matematis, pemodelan matematis, dan teknik organisasi formal (flowcharting, analisis jaringan, strategi pengambilan keputusan, algoritma, heuristik). Catatan: Riset operasi merupakan pengembangan dari penelitian analitis. Teknik informal untuk penelitian analitis meliputi antara lain: skenario, dialektik, metode dikotomus, metode teralogis—lihat Buckley dkk. (1976: 27).

RAGAM PENELITIAN LAINNYA

Dalam literatur terdapat banyak ragam penelitian menurut berbagai sudut pandang, dan tidak semua ragam dapat dibahas disini. Pembahasan lain-lain hanya akan melihat ragam penelitian bersumber dari tiga pustaka, yaitu buku Arikunto (1998), Suryabrata (1983)4, dan Yin (1989)5.

1.    Ragam Penelitian menurut pendekatan—sumber: Arikunto (1998: 9-10)

Penelitian dengan pendekatan longitudinal (satu obyek penelitian dilihat bergerak sejalan dengan waktu)

Penelitian dengan pendekatan penampang-silang (cross-sectional—yaitu banyak obyek penelitian dilihat pada satu waktu yang sama).

2.    Ragam Penelitian—sumber: Suryabrata (1983: 15-64)

Historis (membuat rekonstruksi masa lampau secara sistematis dan obyektif)

Deskriptif (membuat deskripsi secara sistematis, faktual, dan akurat mengenai fakta dan sifat populasi atau daerah tertentu)

Perkembangan (menyelidiki pola dan urutan pertumbuhan dan/atau perubahan sebagai fungsi waktu)

Kasus/Lapangan (mempelajari secara intensif latar belakang keadaan sekarang dan interaksi lingkungan suatu obyek)

Korelasional (mengkaji tingkat keterkaitan antara variasi suatu faktor dengan variasi faktor lain berdasar koefisien korelasi)

Eksperimental sungguhan (menyelidiki kemungkinan hubungan sebab akibat dengan melakukan kontrol/kendali)

Eksperimental semu (mengkaji kemungkinan hubungan sebab akibat dalam keadaan yang tidak memungkinkan ada kontrol/kendali, tapi dapat diperoleh informasi pengganti bagi situasi dengan pengendalian)

Kausal-komparatif (menyelidiki kemungkinan hubungan sebab-akibat, tapi tidak dengan jalan eksperimen—dilakukan denganpengamatan terhadap data dari faktor yang diduga menjadi penyebab, sebagai pembanding)

Tindakan (mengembangkan ketrampilan baru atau pendekatan baru dan diterapkan langsung serta dikaji hasilnya).

MENURUT YIN

RAGAM PENELITIAN & SYARAT PENELITIAN

Melihat banyak ragam penelitian dari berbagai sudut pandang dan dari berbagai pendapat para penulis, maka kita perlu hati-hati dalam menyebut ragam penelitian kita, karena dengan istilah yang sama tapi orang lain mungkin menangkap artinya secara berbeda. Sering pula untuk satu pengertian yang sama tapi diberi istilah yang berbeda. Selain itu, perlu diperhatikan bahwa penelitian perlu dilakukan dengan syarat:

SISTEMATIK (menuruti prosedur tertentu, tidak ruwet), dan

OBYEKTIF (tidak subyektif, dengan sampel yang cukup, dipublikasikan agar dapat dievaluasi oleh kelompok pakar bidangnya/ peer)

PENGERTIAN PROPOSAL

Untuk mengetahui arti dari proposal, berikut saya sertakan pengertian proposal dari beberapa pandangan dari para ahli:

Hasnun Anwar (2004 : 73) proposal adalah : rencana yang disusun utnuk kegiatan tertentu.

Jay (2006 : 1) proposal adalah alat bantu manajemen standar agar menajemen dapat berfungsi secara efisien.

Pengertian Proposal Menurut KBBI (2002) adalah rencana yang dituangkan dalam bentuk rancangan kerja, perencanaan secara sistematis, matang dan teliti yang dibuat oleh peneliti sebelum melaksanakan penelitian, baik penelitian di lapangan (field research) maupun penelitian di perpustakaan (library research). Keterampilan menulis proposal perlu dimiliki setiap insan berpendidikan agar mereka terbiasa berpikir sistematis-logis sebagaimana di dalam langkah-langkah penulisan proposal.

Pengertian Proposal Dari sudut pandang dunia ilmiah, pengertian proposal ialah rancangan dari suatu usulan sebuah penelitian yang kemudian akan dilaksanakan oleh peneliti terhadap bahan penelitiannya. Dalam pengertian proposal ini itu berarti proposal sama halnya dengan usulan.Ada juga yang menyatakan bahwa pengertian proposal itu ialah suatu permintaan atau dapat juga dikatakan sebagai saran yang ditujukan kepada seseorang, instansi, organisasi, suatu badan, atau suatu kelompok untuk menjalankan atau melaksanakan suatu pekerjaan.

Tujuan Proposal adalah memperoleh bantuan dana,memperoleh dukungan atau sponsor, dan memperoleh perizinan. Unsur-unsur proposal yaitu, nama/ judul kegiatan, pendahuluan,tujuan, waktu dan tempat, sasaran kegiatan, susunan panitia, anggaran, penutup, tanda tangan dan nama terang.

FUNGSI PROPOSAL

Fungsi proposal untuk melakukan penelitian yang berkenaan dengan agama, sosial, politik, ekonomi, budaya, dan sebagainya.

1. Fungsi proposal untuk mendirikan usaha kecil, menengah, atau besar.

2. Fungsi proposal untuk mengajukan tender dari lembaga-lembaga pemerintah atau swasta.

3. Fungsi proposal untuk mengajukan kredit kepada bank.

4. Fungsi proposal untuk mengadakan acara seminar, diskusi, pelatihan, dan sebagainya.

JENIS JENIS PROPOSAL

Secara umum proposal dibedakan menjadi 4 jenis yaitu:

Proposal Bisnis - proposal ini berkaitan dengan dunia usaha baik itu perseorangan maupun kelompok dan contoh dari proposal ini misalnya proposal pendirian usaha, proposal dalam bentuk kerjasama antar perusahaan.

Proposal Proyek - pada umumnya proposal proyek ini mengacu pada dunia kerja yang berisikan serangkaian rencana bisnis atau komersil misalnya proposal proyek pembangunan.

Proposal Penelitian - Jenis proposal ini lebih sering digunakan di bidang akademisi misalnya penelitian untuk pembuatan skripsi, tesis dan lainnya.

isi dari proposal ini adalah pengajuan kegiatan penelitan.

Proposal Kegiatan - yaitu pengajuan rencana sebuah kegiatan bak itu bersifat individu maupun kelompok misalnya proposal kegiatan pentas seni budaya.

Berdasarkan bentuknya proposal terbagi menjadi 3 jenis yaitu:

Proposal bentuk formal - Proposal berbentuk formal terdiri atas tiga bagian utama, yaitu bagian pendahuluan, isi proposal, dan bagian pelengkap penutup. Bagian pendahuluan terdiri atas: sampul dan halaman judul, surat pengantar (kata pengantar), ikhtisar, daftar isi, dan pengesahan permohonan. Bagian isi proposal terdiri atas: latar belakang, pembatasan masalah, tujuan ruang lingkup, pemikiran dasar (anggapan dasar), metodologi, fasilitas, personalia (susunan panitia), keuntungan dan kerugian, waktu, dan biaya. Sedangkan bagian pelengkap penutup berisi daftar pustaka, lampiran, tabel, dan sebagainya.

Proposal bentuk non formal - proposal non formal ini tidak selengkap proposal formal dan biasanya disampaikan dalam bentuk memorandum atau surat. proposal non formal harus selalu mengandung hal-hal berikut yaitu, masalah, saran, pemecahan, dan permohonan.

Proposal semi formal - jenis proposal ini hampir sama dengan proposal non formal karena tidak selengkap jenis proposal formal.

UNSUR-UNSUR PROPOSAL

Latar belakang masalah, Dikemukakan adanya kesenjangan antara harapan dan kenyataan, baik kesenjangan teoretik ataupun kesenjangan praktis yang melatarbelakangi masalah yang diteliti. Selain itu, dipaparkan secara ringkas tentang teori, hasil-hasil penelitian, kesimpulan seminar, dan diskusi ilmiah maupun pengalaman pribadi yang terkait erat dengan pokok masalah yang diteliti. Dengan demikian, masalah yang dipilih untuk diteliti mendapat landasan berpijak yang lebih kokoh.

Rumusan masalah, Rumusan masalah dinyatakan secara tersurat berupa pertanyaan-pertanyaan yang ingin dicarikan jawabannya. Dalam hal ini hendaknya rumusan masalah disusun secara singkat, padat, jelas, dan dituangkan dalam bentuk kalimat tanya. Rumusan masalah yang baik akan menampakkan variabel-variabel yang diteliti dan dapat diuji secara empiris.

Tujuan penelitian, Tujuan penelitian diungkapkan pada sasaran yang ingin dicapai dalam penelitian.Tujuan penelitian mengacu pada rumusan penelitian dan berupa pernyataan.

Hipotesis, Hipotesis diajukan berupa jawaban sementara terhadap masalah penelitian agar hubungan antara masalah yang diteliti dengan kemungkinan jawabannya lebih jelas.Adapun rumusan hipotesis yang baik hendaknya: dituangkan dalam bentuk kalimat pernyataan, dirumuskan secara singkat, padat, dan jelas, dapat diuji secara empiris, dan menyatakan pertautan antara dua variabel atau lebih.

Asumsi penelitian, Asumsi penelitian adalah anggapan dasar tentang suatu hal yang dijadikan pijakan berpikir dan bertindak dalam melaksanakan penelitian. Dalam hal ini tidak perlu dibuktikan kebenarannya, tetapi dapat langsung memanfaatkan hasil penelitian yang diperolehnya dari orang lain melalui karya tulisnya.

Manfaat penelitian, Manfaat penelitian ditunjukkan untuk mengenai pentingnya penelitian terutama bagi pengembangan ilmu atau pelaksanaan pembangunan dalam arti luas. Dengan kata lain, bagian ini berisi alasan kelayakan atas masalah yang diteliti.

Ruang lingkup, dan Keterbatasan Penelitian Ruang lingkup dan keterbatasan penelitian dikemukakan karena sering dihadapi keterbatasan ruang lingkup kajian yang terpaksa harus dilakukan karena alasan-alasan prosedural, teknik penelitian, ataupun karena alasan logistik. keterbatasan penelitian karena kendala yang bersumber dari adat, tradisi, etika, dan kepercayaan yang tidal memungkinkan peneliti mencari data yang diinginkan.

Kajian pustaka, dan Kajian pustaka memaparkan teori-teori yang disusun berdasarkan kemutakhiran dan relevansi yang diperlukan dalam penelitian.

Definisi operasional. Definisi operasional adalah definisi yang dirumuskan berdasarkan hal yang yang dapat diamati oleh peneliti. Definisi operasional bukan definisi berdasarkan kamus atau pendapat para ahli. Hal ini diperlukan terutama untuk istilah-istilah yang berhubungan dengan konsep-konsep pokok dalam penelitian juga untuk menghindari perbedaan persepsi.

Sumber : 

http://ridwanaz.com/umum/bahasa/pengertian-penelitian-definisi-penelitian-adalah/

http://rezafm.unsri.ac.id/index.php/posting/38

https://farelbae.wordpress.com/catatan-kuliah-ku/ragam-penelitian/

http://expresisastra.blogspot.sg/2013/09/Penelitian-menurut-Strategi-Opini-Empiris-Arsip-Logika-internal.html

http://www.ilmusahid.com/2014/11/pengertian-jenis-unsur-fungsi-dan-tujuan-proposal.html