Persiapan Sebelum S3: 17 Strategi Sebelum Kuliah Doktoral

Melanjutkan pendidikan ke jenjang doktoral atau S3 bukan sekadar melanjutkan pola belajar dari S1 dan S2 pada tingkat yang lebih sulit.

Program doktoral mempunyai karakter yang berbeda.

Pada banyak program, mahasiswa doktoral tidak lagi hanya dituntut memahami pengetahuan yang sudah tersedia. Mahasiswa harus mampu menunjukkan masalah ilmiah yang belum terselesaikan, merancang penelitian yang dapat menjawabnya, menghasilkan kontribusi baru, dan mempertahankan kontribusi tersebut secara akademik.

Karena itu, pertanyaan sebelum mengambil S3 sebaiknya bukan hanya:

“Apakah saya siap kuliah lagi?”

Pertanyaan yang lebih penting adalah:

“Apakah saya sudah mempunyai fondasi yang cukup untuk menjalani proses penelitian selama beberapa tahun?”

Persiapan sebelum S3 dapat menentukan seberapa cepat seorang mahasiswa menemukan arah penelitian, membangun hubungan dengan supervisor, menyusun proposal, memperoleh pendanaan, dan menghindari terlalu banyak perubahan arah pada fase awal studi.

Artikel ini membahas strategi persiapan kuliah doktoral secara sistematis, mulai dari tujuan mengambil S3 sampai persiapan research gap, supervisor, pendanaan, kemampuan akademik, dan sistem kerja penelitian.

Memahami S3 Sebagai Program Penelitian

Salah satu kesalahan pertama adalah melihat S3 sebagai kelanjutan linear dari jenjang sebelumnya.

Pada program sarjana, mahasiswa terutama belajar memahami suatu disiplin.

Pada program magister, mahasiswa mulai melakukan analisis yang lebih mendalam dan melakukan penelitian dengan ruang lingkup tertentu.

Pada program doktoral, fokusnya bergeser menuju:

menghasilkan kontribusi terhadap pengetahuan.

Artinya, mahasiswa doktoral perlu mampu menjawab:

Apa yang sudah diketahui pada bidang tersebut?
Apa yang belum diketahui?
Mengapa persoalan tersebut penting?
Bagaimana penelitian dapat menjawabnya?
Apa kontribusi baru yang dihasilkan?
Apa evidence yang mendukung kontribusi tersebut?

Karena itu, persiapan terbaik sebelum S3 bukan membaca sebanyak mungkin tanpa arah.

Persiapan yang lebih tepat adalah mulai membangun research positioning.

1. Tentukan Alasan Mengambil S3

Persiapan S3 sebaiknya dimulai dari alasan mengambil program doktoral.

Motivasi tersebut akan memengaruhi:

pilihan universitas;
bidang penelitian;
supervisor;
strategi publikasi;
jenis pendanaan;
target setelah lulus.

Beberapa tujuan yang mungkin dimiliki calon mahasiswa adalah:

Karier akademik

S3 dapat diperlukan untuk pengembangan karier sebagai dosen, peneliti, atau akademisi.

Dalam kondisi ini, calon mahasiswa perlu mempertimbangkan bukan hanya universitas, tetapi juga:

kekuatan research group;
peluang publikasi;
jejaring akademik;
reputasi supervisor;
keberlanjutan topik penelitian.

Karier riset industri

Program doktoral juga dapat diarahkan menuju R&D, Artificial Intelligence, biotechnology, engineering, data science, atau bidang industri berbasis riset lainnya.

Prioritasnya dapat berbeda.

Research topic yang memiliki hubungan dengan real-world problem, industrial dataset, deployment, intellectual property, atau applied research dapat menjadi lebih relevan.

Penguasaan bidang tertentu

Sebagian orang mengambil S3 karena ingin membangun kepakaran yang sangat spesifik.

Motivasi ini valid, tetapi tetap membutuhkan pertanyaan lebih lanjut:

Kepakaran apa yang ingin dimiliki setelah empat atau lima tahun?

Semakin jelas jawabannya, semakin mudah memilih research direction.

2. Tentukan Research Domain, Bukan Langsung Judul Disertasi

Sebelum masuk S3, Anda tidak selalu harus mempunyai judul disertasi final.

Bahkan terlalu mengunci judul sejak awal dapat menjadi masalah karena pemahaman mengenai bidang penelitian biasanya berubah setelah literature review dilakukan lebih dalam.

Yang lebih penting adalah mempunyai research domain yang cukup jelas.

Contohnya:

Terlalu luas:

Artificial Intelligence.

Lebih terarah:

Medical Artificial Intelligence.

Lebih spesifik:

Efficient deep learning untuk medical image analysis.

Lebih matang:

Efficient dan generalizable deep learning untuk medical image segmentation.

Dengan ruang lingkup seperti ini, calon mahasiswa sudah mempunyai:

domain;
problem family;
methodological direction;
area pencarian literatur.

Judul penelitian masih dapat berkembang.

3. Pelajari State of the Art Sebelum Mendaftar

Ini salah satu persiapan yang menurut saya paling bernilai.

Jangan menunggu diterima S3 baru mulai membaca literatur.

Idealnya, sebelum menghubungi calon supervisor, Anda sudah mempunyai gambaran:

penelitian terkini pada bidang tersebut;
metode dominan;
dataset utama;
perkembangan lima tahun terakhir;
limitation yang sering muncul;
research gap potensial;
kelompok peneliti utama.

Oxford bahkan menyarankan calon mahasiswa yang akan menghubungi potential supervisor untuk mempelajari profil dan publikasi akademisi tersebut serta membangun gambaran mengenai bagaimana research interest calon mahasiswa sesuai dengan penelitian supervisor.

Mulailah dengan 20 sampai 30 paper yang sangat relevan.

Jangan hanya membaca.

Buat State of the Art Matrix.

Contohnya:

Study	Problem	Dataset	Method	Key Result	Limitation
Study A	Segmentation	Dataset X	CNN	Dice tinggi	Single dataset
Study B	Segmentation	Dataset X	Transformer	Improved Dice	High complexity
Study C	Segmentation	Dataset Y	Lightweight CNN	Efficient	Lower performance
Study D	Segmentation	X + Y	Hybrid	Good generalization	Limited ablation

Setelah beberapa puluh studi dipetakan, pola biasanya mulai terlihat.

Inilah fondasi awal research gap.

4. Jangan Hanya Mencari Topik, Cari Research Gap

Topik penelitian dan research gap berbeda.

Topik:

Deep learning untuk klasifikasi kanker.

Research gap:

Model yang tersedia menunjukkan performa internal yang tinggi, tetapi evidence mengenai generalisasi pada dataset eksternal masih terbatas.

Research gap jauh lebih penting karena memberikan alasan mengapa penelitian baru perlu dilakukan.

Sebelum memulai S3, coba jawab:

Masalah ilmiah apa yang belum terselesaikan dalam bidang yang ingin saya tekuni?

Research gap dapat berbentuk:

methodological gap;
theoretical gap;
empirical gap;
dataset gap;
evaluation gap;
population gap;
implementation gap;
contradictory evidence.

Jangan terburu-buru menentukan novelty.

Urutan yang lebih tepat adalah:

Literature → State of the Art → Research Gap → Candidate Novelty.

5. Identifikasi Kandidat Supervisor Sejak Awal

Supervisor merupakan salah satu keputusan paling penting dalam perjalanan doktoral.

Prestise universitas penting, tetapi research fit dengan supervisor juga sangat menentukan.

Oxford menjelaskan bahwa calon mahasiswa sebaiknya memastikan institusi yang dituju mempunyai expertise yang tepat untuk mendukung penelitian mereka. Pada beberapa bidang, terutama sains, calon mahasiswa juga sering perlu menghubungi potential supervisor sebelum aplikasi.

Jangan hanya mencari:

“Profesor terkenal.”

Cari:

Profesor yang aktif meneliti problem yang ingin Anda kerjakan.

Evaluasi beberapa aspek.

Research fit

Periksa 10 sampai 20 publikasi terakhir calon supervisor.

Apakah bidangnya benar-benar beririsan dengan minat penelitian Anda?

Publication trajectory

Jangan hanya melihat jumlah publikasinya.

Lihat:

topik beberapa tahun terakhir;
venue publikasi;
kolaborator;
arah research group.

Research group

Perhatikan apakah terdapat:

PhD students;
postdoctoral researchers;
lab;
dataset;
infrastructure;
project aktif.

Supervision availability

Supervisor yang tepat secara bidang belum tentu sedang menerima mahasiswa.

Oxford secara eksplisit mengingatkan bahwa akademisi dapat tidak tersedia karena sudah mempunyai banyak mahasiswa atau alasan lain seperti sabbatical.

Karena itu, buat daftar:

Supervisor A
Supervisor B
Supervisor C

Jangan bergantung hanya pada satu orang.

6. Siapkan Research Proposal Awal

Proposal sebelum S3 tidak harus menjadi proposal disertasi final.

Fungsinya adalah menunjukkan bahwa calon mahasiswa:

memahami problem;
memahami literature;
mempunyai research question;
mampu menyusun metodologi;
mempunyai arah kontribusi.

Persyaratan setiap universitas berbeda. Oxford menyatakan bahwa tidak semua program memerlukan full research proposal karena sebagian program sains merekrut mahasiswa ke existing research group. Karena itu, calon mahasiswa perlu memeriksa persyaratan spesifik setiap program.

Pada program yang membutuhkan proposal, struktur awal dapat dibuat seperti:

Background

Apa problem utamanya?

State of the Art

Apa yang sudah dilakukan?

Research Gap

Apa yang masih kurang?

Research Questions

Pertanyaan apa yang akan dijawab?

Proposed Contribution

Kontribusi apa yang mungkin diberikan?

Methodology

Bagaimana penelitian akan dilakukan?

Preliminary Research Plan

Bagaimana penelitian dibagi menjadi beberapa study?

References

Apa literatur utamanya?

UCL, misalnya, menjelaskan bahwa proposal doktoral harus menunjukkan research aims and questions, existing scholarship, methodological approach, serta mengapa proyek tersebut mempunyai originality dan significance.

7. Jangan Membuat Satu Novelty, Buat Beberapa Kandidat

Calon mahasiswa sering terlalu cepat jatuh cinta pada satu ide.

Ini berisiko.

Misalnya Anda sudah memutuskan:

“Novelty saya adalah CNN + Mamba.”

Kemudian setelah tiga bulan membaca literatur ternyata kombinasi tersebut sudah banyak diteliti.

Arah penelitian harus diubah.

Pendekatan yang lebih aman adalah mempunyai beberapa candidate novelty.

Misalnya:

Candidate A

Efficient architecture.

Candidate B

Cross-dataset generalization.

Candidate C

Uncertainty-aware learning.

Kemudian bandingkan:

Kandidat	Evidence Strength	Feasibility	Dataset	Complexity	Risk
A	High	High	Available	Medium	Low
B	High	Medium	Need multiple data	Medium	Medium
C	Medium	Medium	Available	High	High

Cara seperti ini membuat proposal lebih fleksibel.

8. Audit Kemampuan Metodologis Anda

S3 bukan waktu terbaik untuk menyadari bahwa seluruh metodologi penelitian masih harus dipelajari dari nol.

Anda tidak harus menguasai semuanya sebelum masuk. Oxford juga menekankan bahwa calon mahasiswa tidak diharapkan mengetahui semua keterampilan sejak hari pertama dan kemampuan mengidentifikasi serta mempelajari skill yang diperlukan merupakan bagian penting dari doctoral training.

Tetapi lakukan skills audit.

Untuk penelitian AI misalnya:

Programming

Python;
data manipulation;
version control;
experiment management.

Machine Learning

training;
validation;
hyperparameter optimization;
data leakage;
class imbalance.

Deep Learning

architecture;
optimizer;
loss function;
regularization;
computational complexity.

Statistics

hypothesis testing;
confidence interval;
effect size;
statistical comparison.

Evaluation

internal validation;
external validation;
cross-validation;
robustness;
calibration.

Research reproducibility

random seed;
environment;
documentation;
code management.

Berikan nilai:

1 = belum menguasai
2 = dasar
3 = mampu menggunakan
4 = advanced

Kemudian prioritaskan skill dengan skor terendah tetapi paling kritis.

9. Bangun Kemampuan Membaca Paper Secara Efisien

Mahasiswa doktoral akan berhadapan dengan jauh lebih banyak literatur dibandingkan pada jenjang sebelumnya.

Membaca semua paper dari awal sampai akhir bukan strategi yang efisien.

Gunakan beberapa tahap.

Screening

Baca:

title;
abstract;
keywords;
conclusion.

Tentukan relevansi.

Structural Reading

Jika relevan, baca:

research objective;
method;
dataset;
experimental design;
results;
limitation.

Deep Reading

Lakukan untuk closest prior works.

Pada tahap ini pelajari:

mathematical formulation;
architecture;
experimental setup;
baseline;
statistical analysis;
ablation;
source code.

Gunakan reference manager seperti:

Zotero;
Mendeley;
EndNote.

Yang paling penting bukan software-nya.

Yang penting Anda mempunyai sistem literature management yang konsisten.

10. Bangun Research Portfolio Sebelum S3

Jika memungkinkan, jangan masuk program doktoral dengan CV yang hanya berisi ijazah dan pekerjaan.

Mulailah membangun research evidence.

Misalnya:

publikasi;
conference paper;
research project;
dataset;
GitHub repository;
research prototype;
systematic review;
academic presentation;
grant involvement.

Ketika menghubungi potential supervisor, evidence seperti ini menunjukkan bahwa Anda tidak hanya mempunyai minat, tetapi sudah pernah melakukan aktivitas penelitian.

Oxford juga menyarankan calon mahasiswa menunjukkan evidence mengenai achievement, research experience, skills, dan commitment ketika menghubungi potential supervisor.

Tidak harus mempunyai publikasi Q1.

Yang dicari adalah sinyal bahwa Anda memahami proses penelitian.

11. Persiapkan Academic English

Kemampuan bahasa Inggris untuk S3 tidak berhenti pada skor IELTS atau TOEFL.

Ada setidaknya empat kemampuan berbeda.

Reading

Mampu membaca paper secara cepat dan kritis.

Writing

Mampu menyusun:

argument;
literature synthesis;
methodology;
results;
discussion.

Speaking

Diperlukan untuk:

supervision meeting;
conference;
proposal defense;
viva atau examination.

Research communication

Mampu menjelaskan penelitian kepada orang lain secara ringkas.

Latihan sederhana:

Coba jelaskan penelitian Anda dalam:

30 detik

3 menit

10 menit

Jika Anda belum mampu menjelaskan research problem dalam tiga menit, kemungkinan framing penelitian masih belum cukup matang.

12. Persiapkan Strategi Pendanaan

Pendanaan sebaiknya tidak dipikirkan setelah mendapatkan acceptance.

Pada beberapa universitas, deadline funding bahkan dapat datang lebih awal atau membutuhkan proses terpisah.

UCL secara eksplisit menyarankan calon mahasiswa menghubungi potential supervisor jauh sebelum funding deadline agar proposal mempunyai waktu untuk diperbaiki.

Buat funding matrix:

Skema	Tuition	Living Cost	Research Cost	Deadline	Status
Scholarship A	✓	✓	✓	Date	Prepare
University Funding	✓	✓	Partial	Date	Check
Studentship	✓	✓	✓	Date	Search
Self-funded	✓	✓	Personal	–	Backup

Perhatikan pula:

tuition;
biaya hidup;
visa;
insurance;
conference;
publication;
computing;
fieldwork;
family expenses jika relevan.

Salah satu model yang umum pada program doktoral internasional adalah advertised studentship, ketika project, supervisor, dan funding sudah ditentukan. Model lainnya adalah mengajukan project sendiri dan mencari pendanaan secara terpisah. UCL menjelaskan kedua jalur tersebut pada program doktornya.

13. Periksa Infrastruktur Penelitian

Ini sering dilupakan.

Supervisor cocok.

Universitas bagus.

Topik menarik.

Tetapi apakah sumber daya untuk melakukan penelitian tersedia?

Untuk penelitian AI, periksa:

GPU;
HPC;
data access;
cloud computing;
software;
research lab;
data governance.

Untuk penelitian laboratorium:

instruments;
laboratory access;
samples;
technicians;
consumables.

Untuk penelitian klinis:

ethical access;
patient recruitment;
institutional collaboration;
data sharing.

Feasibility sama pentingnya dengan novelty.

Novelty yang sangat menarik tetapi tidak dapat dieksekusi bukan proposal yang baik.

14. Pahami Bahwa Proposal Akan Berubah

Research proposal bukan kontrak bahwa seluruh penelitian harus berjalan persis seperti rencana awal.

Pada awal program doktoral, beberapa hal dapat berubah:

research question;
dataset;
methodology;
experiment;
scope;
bahkan sebagian arah kontribusi.

Perubahan tersebut normal ketika muncul evidence baru.

Yang perlu dipertahankan adalah:

research problem yang penting + proses pengambilan keputusan yang dapat dipertanggungjawabkan.

Jangan terlalu terikat pada satu algoritma.

S3 sebaiknya berpusat pada problem, bukan pada nama metode.

15. Rancang Disertasi Sebagai Program Penelitian

Strategi lain yang sangat membantu adalah berhenti melihat disertasi sebagai satu eksperimen raksasa.

Lihat disertasi sebagai program penelitian yang terdiri dari beberapa study.

Contoh pada AI:

Study 1

Baseline dan problem characterization.

Study 2

Proposed methodological improvement.

Study 3

External validation.

Study 4

Interpretability atau robustness analysis.

Kemudian seluruh study menjawab satu overarching research question.

Struktur seperti ini mempunyai beberapa keuntungan:

progress lebih mudah diukur;
risiko penelitian tersebar;
publikasi lebih terstruktur;
kontribusi disertasi lebih mudah dijelaskan.

16. Buat Roadmap 3 sampai 4 Tahun Sebelum Memulai

Roadmap awal tidak harus akurat 100%.

Fungsinya adalah memperlihatkan dependensi.

Contoh:

Tahun 1

Literature mapping
Research proposal
Baseline
Dataset preparation

Tahun 2

Study 1
Proposed method
Publication 1

Tahun 3

Study 2
External validation
Publication 2

Tahun 4

Final study
Dissertation integration
Submission
Defense

Roadmap membantu melihat apakah scope penelitian terlalu besar.

Jika satu proposal membutuhkan enam dataset, tiga algoritma baru, aplikasi mobile, clinical trial, dan empat publikasi sekaligus, scope-nya mungkin perlu dikurangi.

17. Siapkan Sistem Kerja, Bukan Hanya Motivasi

Doktoral adalah perjalanan panjang.

Mengandalkan semangat saja tidak cukup.

Lebih penting mempunyai research operating system.

Contohnya:

Literature: Zotero
Notes: Obsidian / Notion
Data: structured folders
Code: Git
Experiment: experiment log
Writing: version-controlled manuscript
Weekly: research review
Monthly: milestone evaluation

Pertanyaan setiap minggu:

Apa evidence baru yang saya hasilkan minggu ini?

Bukan:

Berapa jam saya bekerja?

Produktivitas penelitian sebaiknya diukur melalui research output dan evidence, bukan hanya waktu.

Checklist Persiapan Sebelum S3

Sebelum memulai program doktoral, coba nilai kondisi Anda.

Research Direction

Saya memiliki research domain yang cukup spesifik.
Saya mengetahui perkembangan terbaru bidang tersebut.
Saya mempunyai beberapa potential research gap.
Saya memahami state of the art dasar.

Supervisor

Saya sudah memiliki beberapa kandidat supervisor.
Saya sudah membaca publikasi terbaru mereka.
Research interest kami mempunyai overlap.
Saya sudah memeriksa prosedur menghubungi supervisor.

Proposal

Saya mempunyai preliminary research proposal.
Research question sudah mulai terbentuk.
Kandidat novelty sudah dipetakan.
Methodology feasible.

Skills

Saya sudah melakukan skills audit.
Saya mengetahui skill yang masih harus dikembangkan.
Saya cukup mampu membaca paper.
Saya mempunyai dasar academic writing.

Research Infrastructure

Dataset atau sumber data realistis.
Computing atau laboratory resources tersedia.
Ethical requirement sudah dipahami.
Research cost sudah dipertimbangkan.

Funding

Saya mengetahui kebutuhan biaya keseluruhan.
Saya mempunyai beberapa alternatif funding.
Deadline funding sudah dipetakan.
Saya mempunyai financial backup plan yang realistis.

Jika masih banyak yang belum tersedia, bukan berarti Anda belum layak mengambil S3.

Daftar tersebut justru menunjukkan apa yang sebaiknya dikerjakan sebelum program dimulai.

Timeline Persiapan S3 Selama 12 Bulan

Jika mempunyai waktu sekitar satu tahun sebelum pendaftaran, persiapan dapat dibuat seperti berikut.

12 sampai 9 Bulan Sebelum

Tentukan research domain.

Mulai literature mapping.

Identifikasi universitas dan potential supervisor.

Audit skill.

9 sampai 6 Bulan Sebelum

Buat SOTA Matrix.

Identifikasi research gap.

Buat draft research proposal.

Mulai menghubungi potential supervisor jika prosedur program mengizinkan atau mengharuskannya.

6 sampai 3 Bulan Sebelum

Perbaiki proposal.

Siapkan:

academic CV;
statement of purpose;
recommendation;
language certificate;
transcript;
research portfolio.

Petakan scholarship dan funding deadline.

3 Bulan sampai Submission

Finalisasi application.

Latihan interview.

Pelajari kembali:

proposal;
publikasi supervisor;
closest prior works;
expected contribution.

Setelah mendapatkan acceptance, mulailah memperdalam literatur daripada berhenti belajar sampai semester dimulai.

Apa yang Sebaiknya Sudah Dimiliki Sebelum Hari Pertama S3?

Idealnya Anda sudah memiliki lima aset.

1. Research Map

Peta bidang penelitian yang ingin ditekuni.

2. SOTA Matrix

Struktur penelitian terdahulu yang dapat terus diperbarui.

3. Candidate Research Gap

Dua sampai tiga gap yang potensial.

4. Candidate Novelty

Beberapa alternatif kontribusi.

5. Research Roadmap

Gambaran bagaimana gap tersebut dapat dikembangkan menjadi beberapa study.

Jika lima hal ini sudah tersedia, Anda tidak memasuki program doktoral dengan halaman kosong.

Anda masuk dengan working hypothesis mengenai arah penelitian, yang kemudian dapat dikritik dan dikembangkan bersama supervisor.

Kesimpulan

Persiapan S3 yang baik bukan hanya mengurus administrasi penerimaan.

Persiapan doktoral mencakup:

memahami tujuan mengambil S3;
menentukan research domain;
memetakan state of the art;
menemukan candidate research gap;
mengevaluasi potential supervisor;
menyiapkan proposal;
mengaudit research skills;
membangun research portfolio;
mempersiapkan pendanaan;
memastikan research feasibility;
membangun sistem kerja penelitian.

Universitas seperti Oxford dan UCL juga menempatkan research fit, potential supervisor, research proposal, kemampuan kandidat, dan perencanaan funding sebagai elemen penting dalam proses menuju doctoral study.

S3 tidak mengharuskan calon mahasiswa mengetahui seluruh jawaban sebelum masuk.

Tetapi akan sangat membantu jika Anda sudah mengetahui:

pertanyaan apa yang ingin diteliti, mengapa pertanyaan itu penting, apa yang sudah diketahui, dan di mana kemungkinan kontribusi baru dapat dibangun.

Itulah fondasi yang membedakan persiapan administratif dengan persiapan menjadi peneliti doktoral.

Sedang Mempersiapkan Proposal S3?

Jika Anda sedang merencanakan penelitian doktoral tetapi masih kesulitan menentukan state of the art, research gap, atau kandidat novelty, CariNovelty membantu melakukan pemetaan literatur dan positioning awal penelitian.

Melalui layanan Novelty Mapping dan Research Blueprint, penelitian dapat dipetakan berdasarkan prior studies, closest research, research gap, feasibility, dan kandidat novelty.