Ilmu ekonomi, pada hakikatnya, adalah upaya manusia untuk memahami dunia yang penuh keterbatasan — keterbatasan sumber daya, keterbatasan informasi, dan keterbatasan kemampuan manusia untuk memproses kompleksitas interaksi antaragen yang membentuk fenomena sosial dan ekonomi di sekitar kita. Selama beberapa abad, upaya pemahaman ini dilakukan terutama melalui penalaran teoretis yang deduktif, menghasilkan bangunan intelektual yang sangat elegan tentang bagaimana pasar bekerja, bagaimana agen-agen rasional membuat keputusan, dan bagaimana kebijakan mempengaruhi keseimbangan ekonomi. Namun, dalam beberapa dekade terakhir, terjadi transformasi yang sangat fundamental: ekonomi semakin menjadi ilmu yang berbasis bukti empiris yang ketat, di mana pertanyaan-pertanyaan teoritis yang paling penting harus berhadapan dengan pengujian yang rigorous menggunakan data dari dunia nyata, dan di mana klaim tentang kausalitas harus dapat dipertahankan tidak hanya secara logis tetapi juga secara metodologis.
Buku ini lahir dari keyakinan bahwa penguasaan metodologi penelitian kuantitatif adalah keterampilan yang tidak dapat dipisahkan dari kemampuan seorang ekonom untuk memberikan kontribusi yang bermakna — baik dalam ranah akademik maupun kebijakan. Seorang peneliti yang memahami teori ekonomi dengan sangat baik tetapi tidak memiliki keterampilan metodologis yang memadai akan selalu berada dalam posisi yang lemah: ia tidak dapat menghasilkan bukti baru yang dapat meyakinkan komunitas ilmiah, tidak dapat mengevaluasi secara kritis klaim-klaim empiris dari peneliti lain, dan tidak dapat memberikan masukan berbasis bukti kepada pembuat kebijakan dengan tingkat kepercayaan yang seharusnya. Sebaliknya, seorang peneliti yang menguasai metodologi secara mendalam tetapi tanpa fondasi teoritis yang kuat akan menghasilkan analisis yang secara teknis canggih tetapi yang tidak bermakna secara ekonomi — dihiasi dengan statistika yang impresi tanpa wawasan substantif yang sesungguhnya.
Perjalanan metodologis yang dirangkum dalam buku ini mencakup spektrum yang sangat luas. Dimulai dari pertanyaan-pertanyaan epistemologis tentang bagaimana ilmu ekonomi menghasilkan pengetahuan, buku ini bergerak melalui fondasi-fondasi statistika — dari teori probabilitas, distribusi, dan inferensi statistika hingga regresi linear dan uji hipotesis — sebelum memasuki jantung dari ekonometrika modern. Estimasi kausal adalah tema yang mengalir seperti benang merah di seluruh buku ini: bahwa membedakan korelasi dari kausalitas bukan sekadar perhatian filosofis yang abstrak, melainkan tantangan metodologis yang sangat konkret yang memerlukan desain penelitian yang cerdas, data yang tepat, dan pemahaman yang mendalam tentang mekanisme-mekanisme yang menghasilkan pola-pola yang terobservasi dalam data. Metode-metode quasi-eksperimental — dari difference-in-differences hingga regression discontinuity dan instrumental variables — dibahas secara mendalam bukan hanya sebagai alat teknis tetapi sebagai kerangka berpikir tentang bagaimana variasi yang terjadi di dunia nyata dapat dieksploitasi untuk menjawab pertanyaan-pertanyaan kausal yang penting.
Buku ini juga mencerminkan perkembangan metodologis yang sangat dinamis dalam penelitian ekonomi kontemporer. Machine learning dan kecerdasan buatan tidak lagi merupakan domain eksklusif ilmuwan komputer — metode-metode seperti random forest, gradient boosting, deep learning, dan natural language processing semakin menjadi bagian integral dari perangkat metodologis peneliti ekonomi, terutama untuk tugas-tugas prediksi, analisis teks berskala besar, dan estimasi efek heterogen. Big data dari berbagai sumber digital, citra satelit, dan data administratif berskala sangat besar telah membuka pertanyaan-pertanyaan penelitian yang sebelumnya tidak dapat dijawab dan telah mendorong pengembangan metode-metode baru yang menggabungkan fleksibilitas machine learning dengan rigoritas inferensi kausal. Buku ini berusaha mengintegrasikan perkembangan-perkembangan ini dengan cara yang membuat mereka dapat dipahami dan dapat diaplikasikan oleh peneliti yang mungkin tidak memiliki latar belakang teknis dalam ilmu komputer atau matematika tingkat lanjut.
Dimensi kelembagaan dan kontekstual juga mendapat perhatian yang proporsional. Penelitian ekonomi tidak terjadi dalam ruang hampa — ia terjadi dalam konteks kelembagaan, kebijakan, dan data yang sangat spesifik. Ketersediaan data yang andal adalah prasyarat bagi penelitian empiris yang bermakna, dan buku ini memberikan panduan komprehensif tentang berbagai sumber data utama yang relevan bagi peneliti di Indonesia, dari SUSENAS dan SAKERNAS hingga berbagai database internasional yang memberikan perspektif komparatif. Lebih dari sekadar daftar sumber, buku ini membahas tantangan-tantangan pengukuran yang spesifik untuk konteks negara berkembang — termasuk prevalensi sektor informal yang besar, kualitas data yang tidak sempurna, dan berbagai keterbatasan kapasitas statistika — yang memerlukan kehati-hatian metodologis yang lebih besar dan kadang memerlukan adaptasi dari metode-metode yang dikembangkan dalam konteks negara maju.
Penulisan ilmiah mendapatkan perhatian yang signifikan karena penelitian yang paling brillian pun tidak memberikan kontribusi yang berarti jika tidak dikomunikasikan dengan efektif. Standar penulisan dan presentasi dalam jurnal ekonomi internasional sangat ketat dan sangat spesifik, dan kemampuan untuk menghasilkan makalah yang memenuhi standar ini adalah keterampilan yang harus dipelajari secara sistematis, bukan sesuatu yang berkembang secara spontan. Etika penelitian — termasuk transparansi metodologis, kejujuran dalam pelaporan hasil, penghindaran dari berbagai praktik yang merusak integritas ilmiah, dan penghormatan terhadap hak-hak subjek penelitian — dibahas bukan sebagai kewajiban formal yang terpisah dari penelitian yang baik, melainkan sebagai bagian integral dari standar penelitian yang tinggi.
Buku ini tidak ditulis dengan asumsi bahwa pembaca memiliki latar belakang matematika atau statistika yang sangat mendalam. Konsep-konsep teknis diperkenalkan secara bertahap dengan penjelasan intuitif yang mendahului formalisme matematika, dan berbagai contoh dan aplikasi empiris yang nyata digunakan untuk menghidupkan metode-metode yang dibahas. Pada saat yang sama, buku ini tidak menghindar dari ketelitian intelektual yang diperlukan — metodologi penelitian yang baik mensyaratkan pemahaman yang tulus tentang asumsi yang mendasari metode yang digunakan, kondisi di mana metode tersebut menghasilkan inferensi yang valid, dan keterbatasan yang harus diakui dengan jujur dalam interpretasi hasil.
17 Comments
Kamu melakukan penelitian kausal menggunakan Regression Discontinuity Design (RDD) dengan bandwidth optimal Imbens-Kalyanaraman. Namun kamu kemudian menemukan bahwa variabel running variable (skor kemiskinan) dimanipulasi oleh aparat desa sekitar cutoff terbukti dari density test McCrary yang signifikan. Selain mengganti metode, apakah ada kondisi teoritis di mana manipulasi itu sendiri bisa menjadi bagian dari mekanisme kausal yang ingin kamu identifikasi dan jika iya, bagaimana hal ini mengubah pertanyaan penelitian secara fundamental?
ReplyDeleteRevan Dany Hermawan_240503110089
Mengapa aktivitas 'Memo Writing' dianggap sebagai alat organisasi analitis yang sangat penting selama proses pengumpulan dan analisis data kualitatif?
ReplyDelete240503110275_Ria anggraeni
ReplyDeleteApa yang terjadi jika jumlah sampel dalam penelitian kuantitatif terlalu sedikit? Apakah hasil penelitian masih bisa dipercaya?
240503110115_Moh Zaky Fadillah
ReplyDeleteBagaimana merumuskan hipotesis penelitian yang baik dan benar berdasarkan teori yang sudah dipilih?
097_Abdur Rahman As-Syauqy
ReplyDeleteJika teori ekonomi bertentangan dengan bukti empiris yang ditemukan dalam penelitian, mana yang seharusnya menjadi dasar pengambilan keputusan dan mengapa?
088_Melinda Tria
ReplyDeleteapakah hasil penelitian ekonomi kuantitatif di Indonesia umumnya bisa direplikasi oleh peneliti lain dengan data yang sama?
Lazar Abdillah Asyafiqi_240503110116
ReplyDeleteMengapa metodologi penelitian dianggap sama pentingnya dengan teori ekonomi dalam menghasilkan penelitian yang berkualitas?
This comment has been removed by the author.
ReplyDelete083_Ghoni Ghulam Yahya
ReplyDeleteBagaimana seorang peneliti dapat menavigasi dilema etis ketika hasil penelitian kuantitatif yang mereka peroleh bertentangan secara diametral dengan kepentingan pemangku kebijakan yang mendanai riset tersebut, tanpa mengorbankan integritas ilmiah?
103_Aurelia Putri
ReplyDeleteBagaimana batasan hukum, kepatuhan legal, dan risiko etik bagi peneliti ekonomi saat melakukan web scraping data harga e-commerce atau text mining media sosial agar tidak melanggar UU Pelindungan Data Pribadi (UU PDP No. 27/2022 di Indonesia atau GDPR di tingkat global)?
This comment has been removed by the author.
ReplyDelete092_ Nur Gita Fatma Melati
ReplyDeleteBagaimana cara mengidentifikasi dampak kausal suatu kebijakan wilayah jika penentuan batasnya bukan berdasarkan angka nominal (seperti batas pendapatan), melainkan berdasarkan batas geografis konkret (seperti perbatasan administratif antar kabupaten/kota)?
This comment has been removed by the author.
ReplyDeleteThis comment has been removed by the author.
ReplyDeleteterkait Bab 2 tentang Filsafat Ilmu dan Falsifikasionisme Popper (Bab 2.9). Di bab tersebut dibahas bahwa teori harus bisa diuji salahnya. Pertanyaan saya, bagaimana cara pandang filsafat ilmu ekonomi saat menghadapi model Machine Learning yang sifatnya Black Box (hasil prediksinya akurat tapi kita tidak tahu pasti proses di dalamnya)? Apakah pendekatan Interpretable Machine Learning seperti SHAP/LIME di Bab 19.12 sudah cukup memenuhi syarat ilmiah positivisme?
ReplyDelete0090_Syahril Martha Gunawan
ReplyDeleteApakah Kemajuan teknologi seperti Big data dan AI akan menyelesaikan masalah bias dalam penelitian atau justru menciptakan bias baru?
093_Binti Awalul Mubayyanin
ReplyDeleteBagaimana cara menguji validitas dan reliabilitas jika data kuantitatif yang kita gunakan bersumber dari kuesioner digital (Google Form) yang rawan diisi secara asal-asalan oleh responden?