Tujuan
Mengubah hasil menjadi makna: apa artinya temuan Anda, bagaimana posisinya terhadap literatur, mengapa terjadi, apa implikasinya, apa batasannya, dan apa langkah lanjutnya.
Struktur 6-Langkah (Formula A–C–E–I–L–F)
- Answer – jawab ringkas pertanyaan/hipotesis utama (1 paragraf pembuka).
- Compare – bandingkan dengan studi terdahulu (konsisten/berbeda & mengapa).
- Explain – jelaskan mekanisme/argumentasi penyebab (data + teori/metode).
- Implications – implikasi teoretik, praktis/kebijakan, atau desain sistem.
- Limitations – nyatakan batasan spesifik + dampaknya (bukan sekadar daftar).
- Future work – arah riset lanjut yang konkret & terukur.
Rasio kasar: Answer (10%) · Compare (20–25%) · Explain (25–30%) · Implications (20%) · Limitations (10–15%) · Future (5–10%).
Kerangka Paragraf (siap pakai)
P1 (Answer).
Studi ini menunjukkan [temuan utama + ukuran efek/tema inti], yang menjawab [RQ/Hipotesis] pada [konteks/populasi/dataset].
P2–P3 (Compare).
Temuan kami sejalan/berbeda dengan [penulis/tahun] yang melaporkan [ringkasan]; perbedaan mungkin dipengaruhi oleh [desain/sampel/ukuran efek/setting].
P4–P5 (Explain).
Secara teoritis, mekanisme yang paling mungkin adalah [mekanisme/argumen] didukung oleh [indikator data/analisis sensitivitas].
P6 (Implications).
Secara teoretik, hasil ini memperkuat/menantang [konsep/model]; secara praktis, temuan menyarankan [rekomendasi operasional/kebijakan/desain sistem].
P7 (Limitations).
Studi ini dibatasi oleh [batasan spesifik: desain, sampel, instrumen, dataset]; dampaknya adalah [arah bias/ketidakpastian]; kami memitigasi melalui [langkah].
P8 (Future).
Riset berikutnya perlu [replikasi lintas setting, uji kausal, validasi eksternal, RCT, data multi-senter, dsb.] dengan [metode/dataset].
Bank Kalimat (hindari klaim berlebihan)
- “Temuan menunjukkan asosiasi …” (bukan “membuktikan” untuk desain non-kausal).
- “Perbedaan ini kemungkinan dipengaruhi oleh …”
- “Implikasi praktis utama adalah … yang dapat mengurangi/meningkatkan …”
- “Keterbatasan kami mungkin mengarah pada …; karenanya interpretasi harus hati-hati.”
Spesifik per Pendekatan
Kuantitatif
- Tekankan ukuran efek + 95% CI, bukan p-value semata.
- Kaitkan hasil dengan validitas internal (confounding, bias, diagnostik model) dan eksternal (generalizability).
- Jika hasil “null”, jelaskan power, CI, dan kemungkinan type II error.
Kualitatif
- Kaitkan tema dengan teori/kerangka konseptual; sebut devian cases untuk kredibilitas.
- Tekankan transferability (konteks mana yang serupa) alih-alih generalisasi statistik.
Komputasional/AI (mis. segmentasi citra)
- Tafsirkan trade-off: akurasi vs efisiensi (GFLOPs, ukuran model, latensi).
- Bahas robustness (variasi pencahayaan, domain shift), error analysis (kategori kesalahan), dan keadilan (imbalanced classes).
- Jelaskan ablation: komponen mana yang benar-benar memberi gain dan mengapa.
- Implikasi deployment: kebutuhan GPU/edge, batasan regulasi (mis. klinis), & reproducibility (kode/model).
Hal yang Harus Dihindari
- Mengulang Results angka demi angka.
- Memperkenalkan metode/hasil baru di Discussion.
- Spekulasi tak berdasar atau klaim kausal pada desain observasional.
- “Limitations” generik tanpa dampak dan tanpa mitigasi.
Checklist 10-Poin (sebelum Conclusion)
- Paragraf pembuka menjawab RQ dengan ringkas.
- Perbandingan literatur tematik, bukan daftar.
- Penjelasan berbasis mekanisme + bukti pendukung.
- Implikasi teoretik dan praktis jelas & dapat ditindaklanjuti.
- Batasan spesifik + dampak + mitigasi.
- Bahasa hedged dan akurat sesuai desain.
- Tidak ada angka berulang dari Results (cukup rujuk tabel/figur).
- Konsisten dengan Introduction (gap & kontribusi).
- Untuk AI: sertakan robustness, fairness, compute, ablation, error analysis.
- Tutup dengan future work konkret.
Contoh Mini (AI – segmentasi medis)
“Studi ini menunjukkan peningkatan Dice +0,027 (95% CI 0,016–0,039) pada DFUC 2022, menjawab RQ terkait boundary refinement pada DFU. Hasil ini konsisten dengan Smith et al. (2024) yang melaporkan perbaikan serupa melalui modul kalibrasi tepi; perbedaan kami kemungkinan dipengaruhi oleh augmentasi elastik dan loss fuzzy. Mekanisme yang mungkin adalah peningkatan sensitivitas pada area bertekstur halus melalui penalti adaptif di sekitar tepi luka. Secara praktis, model <5 MB dan latensi <50 ms menunjang deployment klinik bersumber daya terbatas; namun uji eksternal di rumah sakit non-partner belum dilakukan dan dapat membatasi generalisasi. Riset selanjutnya perlu validasi multi-center, analisis robust terhadap domain shift, serta eksplorasi calibration probabilistik untuk mengurangi over-segmentation.”