Tujuan
Menyajikan temuan apa adanya—ringkas, berurutan, dan dapat diaudit, tanpa interpretasi (penjelasan “mengapa” pindah ke Discussion).
Prinsip Umum
- Ikuti urutan di Methods / RQ / hipotesis: primer → sekunder → eksploratori.
- Cantumkan angka lengkap (n, %, mean/SD atau median/IQR), ukuran efek (β, OR/RR, d), dan 95% CI; bukan p-value saja.
- Rujuk tabel/figur spesifik, jangan duplikasi isi tabel di paragraf.
- Tulis apa yang diuji, berapa besar efeknya, seberapa pasti (CI), dan apakah asumsi model terpenuhi (singkat).
Susunan Minimum (umum lintas bidang)
- Aliran data/sampel: jumlah awal, eksklusi, sampel analitik (diagram flow singkat).
- Deskriptif dasar: karakteristik sampel/kelompok (Tabel 1).
- Hasil utama (primer): efek/temuan inti sesuai RQ1 (+ tabel/figur utama).
- Hasil sekunder & sensitivitas: analisis tambahan, subgroup, robustness checks.
- Kejadian tak diharapkan/temuan tambahan (jika relevan).
- Kepatuhan/kelengkapan data: missingness, deviasi protokol (ringkas).
Cara Menulis (dengan pola kalimat)
Kuantitatif
- Klaim → Bukti → Rujukan
“Kelompok intervensi menunjukkan peningkatan skor kepatuhan dibanding kontrol (Δ=8,2 poin; d=0,64; 95% CI 4,1–12,3; p=0,001). Lihat Tabel 2 dan Gambar 1. Asumsi homoskedastisitas terpenuhi (Breusch–Pagan p=0,42).” - Laporkan model terakhir (koefisien, SE, CI), diagnostik singkat, dan ukuran efek.
- Untuk survival: HR dan KM-curve; untuk regresi logistik: OR; sebutkan penanganan missing data.
Kualitatif
- Tema → Kutipan kunci → Makna ringkas (tanpa teori panjang)
“Tema 1: Beban Kognitif—Perawat menggambarkan interaksi awal dengan sistem sebagai ‘menambah langkah di saat sibuk’ (P07). Kutipan lain menegaskan kebutuhan pelatihan singkat (P12). Lihat Tabel Tema 1 (definisi kode & contoh).” - Sertakan kontra-kasus (devian) bila ada dan cakupan tema (berapa banyak/variasi sumber, tanpa “mengkuantifikasi” berlebihan).
Mixed Methods
- Sajikan hasil kuantitatif lalu temuan kualitatif yang menjelaskan/menajamkan; atau gunakan joint display (tabel gabungan angka + kutipan) untuk integration.
Khusus Studi Komputasional/AI (mis. deep learning)
Cantumkan agar reproducible:
- Dataset & split (train/val/test, eksternal validation), pra-proses & augmentasi (ringkas).
- Metrik utama: mis. Dice, IoU, AUC, F1; laporkan rata-rata ± SD di k-fold / multi-seed + 95% CI (mis. bootstrap).
- Per-kelas (class imbalance), confusion matrix, ROC/PR curves (figur).
- Ablation study (fitur/komponen → Δ metrik), perbandingan baseline/SOTA (Tabel komparatif adil).
- Biaya komputasi: waktu inferensi, GFLOPs, parameter, ukuran model—penting untuk lightweight.
- Robustness/error analysis: contoh prediksi gagal (Gambar panel) + kategori kesalahan.
Contoh paragraf singkat
“Model Fuzzy-Aware Lightweight U-Net mencapai Dice 0,912 ± 0,014 dan IoU 0,857 ± 0,018 pada DFUC 2022 (5-fold CV). Dibanding baseline U-Net-lite, peningkatan ΔDice = +0,027 (95% CI 0,016–0,039). Waktu inferensi median 41 ms/gambar 512×512; ukuran model 4,6 MB. Ablasi menunjukkan penghapusan modul fuzzy menurunkan Dice menjadi 0,888 (Δ −0,024). Lihat Tabel 2 (komparasi) dan Gambar 3 (contoh segmen & error cases).”
Tabel & Figur: Aturan Singkat
- Caption harus “self-contained” (jelaskan singkatan, populasi, unit).
- Urut & konsisten (Tabel 1 = karakteristik; Tabel 2 = hasil utama).
- Angka bermakna: pembulatan konsisten, tunjukkan denominator (n/N).
- Jangan menjejalkan: satu pesan per figur; taruh sisanya di lampiran/supplement.
Hal yang Perlu Dihindari
- Interpretasi “mengapa” (itu untuk Discussion).
- Memindahkan teori/metode ke Results.
- Melaporkan hanya p-value tanpa efek & CI.
- Cherry-picking (tampilkan juga hasil non-signifikan yang relevan).
- Inkonstistensi angka antara teks, tabel, dan figur.
Checklist 10-Poin (sebelum lanjut ke Discussion)
Angka konsisten di seluruh bagian
Hasil disusun sesuai RQ/hipotesis & analysis plan
Aliran data/sampel jelas (n masuk/keluar)
Deskriptif dasar lengkap & rapi (Tabel 1)
Ukuran efek + 95% CI dilaporkan (bukan p-value saja)
Asumsi/diagnostik model dilaporkan singkat
Analisis sensitivitas/robustness ada bila relevan
Tabel/figur ber-caption jelas, tanpa duplikasi teks
Missing data & deviasi protokol disebutkan
Untuk AI: per-kelas, ablation, biaya komputasi, error analysis dilaporkan