Research Gap dan Novelty: Apa Bedanya? Ini Cara Menentukannya dalam Penelitian

Istilah research gap dan novelty hampir selalu muncul ketika peneliti menyusun proposal, tesis, disertasi, atau artikel ilmiah. Keduanya sering dianggap sama karena sama-sama digunakan untuk menjelaskan alasan sebuah penelitian perlu dilakukan.

Padahal, research gap dan novelty mempunyai fungsi yang berbeda.

Research gap menjelaskan apa yang masih kurang, belum terjawab, belum konsisten, atau masih bermasalah pada penelitian terdahulu. Novelty menjelaskan apa yang baru dari penelitian yang dirancang untuk merespons gap tersebut.

Perbedaan ini terlihat sederhana, tetapi sangat menentukan kualitas argumentasi penelitian. Peneliti yang tidak dapat membedakan keduanya sering menghasilkan klaim novelty yang lemah, misalnya hanya mengganti algoritma, mengganti lokasi penelitian, atau mengombinasikan dua metode tanpa menjelaskan masalah ilmiah yang ingin diselesaikan.

Artikel ini membahas perbedaan research gap dan novelty, hubungan keduanya, contoh pada penelitian Artificial Intelligence, serta cara membangun novelty berdasarkan pemetaan literatur.

Apa Itu Research Gap?

Research gap atau kesenjangan penelitian merupakan kondisi ketika informasi atau evidence yang tersedia belum memadai untuk memberikan jawaban yang cukup terhadap suatu pertanyaan penelitian.

Robinson, Saldanha, dan McKoy (2011) mendefinisikan research gap sebagai topik atau area ketika informasi yang hilang atau tidak memadai membatasi kemampuan reviewer untuk menarik kesimpulan terhadap suatu pertanyaan.

Definisi tersebut mempunyai implikasi penting.

Research gap tidak harus berarti:

“Belum pernah ada penelitian mengenai topik tersebut.”

Suatu bidang bahkan dapat memiliki ratusan penelitian dan masih mempunyai gap.

Sebagai contoh, terdapat banyak penelitian mengenai deep learning untuk klasifikasi citra medis. Gap masih dapat ditemukan apabila penelitian tersebut mempunyai pola keterbatasan seperti:

• hanya menggunakan satu dataset;
• belum melakukan external validation;
• menggunakan pembagian data yang berisiko menimbulkan data leakage;
• belum mengevaluasi robustness;
• hanya mengejar accuracy;
• computational complexity terlalu tinggi;
• tidak menyediakan interpretabilitas;
• menghasilkan temuan yang tidak konsisten.

Research gap dengan demikian menunjukkan masalah pada existing body of knowledge.

Apa Itu Novelty?

Novelty menunjukkan unsur kebaruan yang membedakan suatu penelitian dari existing research.

Novelty dapat muncul pada berbagai dimensi, seperti teori, metode, data, kombinasi pendekatan, desain eksperimen, evaluasi, atau temuan penelitian. Literatur mengenai pengukuran scientific novelty juga menunjukkan bahwa novelty merupakan konsep multidimensional dan tidak terbatas pada penciptaan metode baru.

Dalam konteks praktis, novelty menjawab pertanyaan:

Apa kontribusi baru yang diberikan penelitian ini dibandingkan penelitian sebelumnya?

Misalnya, literature review menunjukkan bahwa model-model sebelumnya mempunyai performa tinggi tetapi terlalu kompleks untuk digunakan pada perangkat dengan sumber daya terbatas.

Peneliti kemudian mengembangkan arsitektur yang lebih ringan dengan mempertahankan predictive performance.

Pada kasus tersebut:

Research gap: computational efficiency dari model yang tersedia masih menjadi masalah.

Novelty: arsitektur baru yang dirancang untuk mencapai trade-off lebih baik antara predictive performance dan computational efficiency.

Novelty lahir sebagai respons terhadap gap.

Apa Perbedaan Research Gap dan Novelty?

Perbedaan paling mudah dapat dilihat melalui pertanyaan yang dijawab oleh masing-masing konsep.

Aspek	Research Gap	Novelty
Pertanyaan utama	Apa yang masih kurang?	Apa yang baru dari penelitian ini?
Fokus	Existing research	Proposed research
Sumber	Literature review	Sintesis gap dan rancangan penelitian
Fungsi	Menjelaskan kebutuhan penelitian	Menjelaskan kontribusi penelitian
Posisi	Sebelum solusi dirancang	Setelah gap dipahami
Bentuk	Masalah, limitation, inconsistency, missing evidence	Metode, framework, data, evaluasi, atau insight baru
Validasi	Dibandingkan antar-literatur	Dibandingkan dengan closest prior works

Dengan kata lain:

Research gap berada pada penelitian terdahulu.

Novelty berada pada penelitian yang Anda usulkan.

Hubungannya dapat digambarkan sebagai:

Existing Literature → Research Gap → Research Question → Proposed Solution → Novelty → Scientific Contribution

Urutan tersebut penting karena novelty yang dirancang sebelum memahami literature landscape berisiko hanya menjadi novelty berdasarkan asumsi.

Contoh Sederhana Research Gap dan Novelty

Anggap terdapat beberapa penelitian mengenai prediksi penyakit menggunakan machine learning.

Penelitian sebelumnya menunjukkan:

• Model A menghasilkan accuracy tinggi;
• Model B menghasilkan sensitivity lebih baik;
• seluruh penelitian menggunakan dataset dari satu rumah sakit;
• belum terdapat evaluasi pada populasi eksternal.

Research gap yang mungkin muncul adalah:

Evidence mengenai generalisasi model terhadap data dari institusi berbeda masih terbatas.

Penelitian baru kemudian menggunakan dataset dari beberapa institusi dan melakukan external validation.

Novelty-nya dapat berupa:

Evaluasi cross-institutional terhadap model menggunakan external validation untuk mengukur kemampuan generalisasi pada distribusi data yang berbeda.

Perhatikan bahwa novelty tersebut tidak membutuhkan algoritma baru.

Kontribusi ilmiahnya terletak pada evidence baru mengenai generalizability.

Research Gap Tidak Otomatis Menghasilkan Novelty

Salah satu kesalahan umum adalah menganggap setiap gap otomatis dapat menjadi novelty.

Misalnya ditemukan:

Belum ada penelitian menggunakan Random Forest pada Dataset X.

Ini memang dapat menunjukkan sesuatu yang belum ditemukan dalam pencarian literatur.

Tetapi pertanyaan berikutnya adalah:

Mengapa Random Forest perlu digunakan?

Jika tidak terdapat alasan teoritis, metodologis, atau empiris yang mendukung pilihan tersebut, maka penelitian hanya menghasilkan kombinasi baru, bukan kontribusi ilmiah yang kuat.

Novelty membutuhkan hubungan logis:

Problem → Gap → Proposed Solution → Expected Contribution

Bukan:

Ada algoritma → belum dipakai → gunakan algoritma → klaim novelty.

Apakah Mengganti Metode Termasuk Novelty?

Bisa, tetapi tidak otomatis.

Contohnya:

Penelitian sebelumnya:

CNN untuk klasifikasi citra.

Penelitian baru:

Transformer untuk klasifikasi citra.

Pergantian CNN menjadi Transformer belum cukup untuk membuktikan novelty.

Peneliti harus menjelaskan:

1. keterbatasan apa yang terdapat pada CNN;
2. mengapa Transformer relevan untuk mengatasi keterbatasan tersebut;
3. apakah Transformer sudah digunakan pada problem yang sama;
4. apa perbedaan dengan penelitian Transformer terdekat;
5. evidence apa yang akan dihasilkan penelitian baru.

Jika Transformer sudah banyak digunakan pada problem tersebut, hanya mengganti arsitektur kemungkinan menghasilkan novelty yang lemah.

Apakah Menggabungkan Dua Metode Termasuk Novelty?

Pertanyaan ini sangat sering muncul pada penelitian Artificial Intelligence.

Misalnya:

CNN + LSTM
CNN + Transformer
CNN + Attention
Transformer + Mamba
XGBoost + SHAP

Kombinasi metode dapat menjadi bagian dari novelty, tetapi kombinasi itu sendiri bukan bukti novelty.

Peneliti perlu menjelaskan:

Mengapa metode tersebut perlu dikombinasikan?

Sebagai contoh:

Model A mampu menangkap local features dengan baik tetapi mempunyai keterbatasan dalam menangkap long-range dependency.

Model B mampu memodelkan long-range dependency tetapi computational cost-nya tinggi.

Penelitian kemudian mengembangkan mekanisme hybrid yang mengambil kekuatan keduanya sambil mengurangi keterbatasannya.

Argumentasi tersebut jauh lebih kuat dibandingkan:

“Belum ditemukan penelitian yang menggabungkan A dan B.”

Novelty yang baik mempunyai reasoning, bukan sekadar kombinasi.

Apakah Menggunakan Dataset Baru Termasuk Novelty?

Dataset dapat menjadi novelty jika mempunyai kontribusi ilmiah yang jelas.

Contohnya:

• dataset berasal dari populasi yang sebelumnya tidak terwakili;
• dataset mengandung modality baru;
• dataset lebih besar atau lebih beragam;
• terdapat annotation protocol baru;
• dataset digunakan untuk menguji generalisasi;
• dataset mengatasi limitation pada benchmark sebelumnya.

Sebaliknya, menggunakan dataset berbeda hanya karena mudah diperoleh belum tentu menghasilkan novelty yang kuat.

Pertanyaannya tetap sama:

Evidence baru apa yang dapat dihasilkan dari penggunaan dataset tersebut?

Apakah Mengganti Lokasi Penelitian Termasuk Novelty?

Tidak otomatis.

Misalnya:

Penelitian sebelumnya dilakukan di Jakarta, sedangkan penelitian baru dilakukan di Yogyakarta.

Perbedaan lokasi hanya mempunyai nilai ilmiah apabila terdapat alasan bahwa karakteristik konteks dapat memengaruhi fenomena yang diteliti.

Contohnya:

• karakteristik populasi berbeda;
• sistem pelayanan berbeda;
• distribusi data berbeda;
• lingkungan sosial berbeda;
• karakteristik organisasi berbeda.

Lokasi harus menghasilkan konsekuensi terhadap research question atau generalizability.

Jenis Novelty dalam Penelitian

Novelty dapat muncul dalam beberapa bentuk.

1. Methodological Novelty

Penelitian menawarkan metode, algoritma, framework, atau prosedur yang berbeda dari pendekatan sebelumnya.

Contoh:

Mengembangkan lightweight attention mechanism untuk mengurangi computational complexity.

2. Theoretical Novelty

Penelitian memperluas, menggabungkan, menguji ulang, atau menghasilkan perspektif teoritis baru.

Jenis novelty ini lebih umum pada penelitian sosial, manajemen, dan bidang teoritis.

3. Data Novelty

Penelitian menghasilkan atau menggunakan data yang memungkinkan pertanyaan baru dijawab.

Contoh:

Multi-center dataset dengan karakteristik populasi yang lebih beragam.

4. Evaluation Novelty

Kontribusi muncul melalui evaluasi yang belum dilakukan secara memadai.

Contoh:

Cross-dataset external validation.

Robustness evaluation terhadap distribution shift.

Fairness analysis antar-subkelompok.

5. Experimental Novelty

Desain eksperimen memberikan evidence baru.

Contoh:

Subject-independent evaluation yang menghindari leakage antara data training dan testing.

6. Application Novelty

Metode yang tersedia diterapkan pada konteks baru yang mempunyai karakteristik ilmiah berbeda.

Novelty jenis ini harus memiliki justifikasi yang kuat agar tidak sekadar menjadi pergantian objek.

7. Result-Based Novelty

Penelitian menghasilkan temuan baru yang memperluas atau bahkan menantang pemahaman yang tersedia.

Penelitian mengenai scientific novelty juga menunjukkan bahwa theoretical, methodological, dan results-based novelty dapat hadir secara bersamaan dalam sebuah artikel.

Bagaimana Hubungan State of the Art, Research Gap, dan Novelty?

Ketiga konsep tersebut seharusnya tidak dipisahkan.

State of the Art

State of the art menjelaskan:

Apa yang sudah dicapai oleh penelitian terkini?

Research Gap

Research gap menjelaskan:

Apa yang masih belum dapat dijawab atau masih menjadi keterbatasan?

Novelty

Novelty menjelaskan:

Apa kontribusi baru yang akan diberikan penelitian ini untuk merespons gap tersebut?

Strukturnya menjadi:

State of the Art → Research Gap → Novelty

Misalnya:

State of the Art

Transformer-based models menghasilkan predictive performance yang tinggi pada suatu classification problem.

↓

Research Gap

Model mempunyai parameter dan computational cost tinggi sehingga implementasi pada resource-constrained devices masih terbatas.

↓

Novelty

Pengembangan efficient hybrid architecture dengan parameter lebih rendah serta evaluasi performance-efficiency trade-off.

Ketiganya membentuk satu argumentasi.

Contoh SOTA Matrix untuk Menemukan Gap dan Novelty

Peneliti dapat menyusun tabel seperti berikut:

Study	Method	Dataset	Strength	Limitation
Study A	CNN	Dataset X	Accuracy tinggi	Single dataset
Study B	Transformer	Dataset X	Global representation	Computationally expensive
Study C	Lightweight CNN	Dataset Y	Efisien	Performance lebih rendah
Study D	CNN + Attention	Dataset X	Performance meningkat	Belum external validation
Proposed Study	Lightweight Hybrid	Multi-dataset	Performance + efficiency	Akan diuji

Dari tabel tersebut terlihat bahwa penelitian baru bukan sekadar:

Menggunakan Lightweight Hybrid Model.

Argumentasinya menjadi:

1. high-performance models masih mempunyai computational burden;
2. lightweight models mempunyai efficiency tetapi berpotensi kehilangan performance;
3. evaluasi external generalization juga masih terbatas;
4. penelitian mengembangkan dan mengevaluasi pendekatan yang menargetkan ketiga persoalan tersebut.

Inilah fungsi SOTA Matrix dalam novelty analysis.

Cara Menentukan Research Gap

Research gap sebaiknya diperoleh melalui pemetaan sejumlah penelitian.

Workflow yang dapat digunakan:

1. Tentukan research problem

Batasi domain dan pertanyaan yang ingin dipahami.

2. Cari literatur terkini

Gunakan database akademik yang relevan.

3. Lakukan screening

Pilih penelitian yang benar-benar relevan dengan problem.

4. Buat SOTA Matrix

Ekstrak aspek seperti:

• objective;
• dataset;
• method;
• experiment;
• evaluation;
• result;
• limitation;
• future work.

5. Cari pola

Identifikasi:

• limitation berulang;
• hasil yang kontradiktif;
• metode yang terlalu dominan;
• konteks yang kurang diuji;
• evaluation yang belum lengkap;
• trade-off yang belum terselesaikan.

6. Rumuskan candidate gap

Buat beberapa alternatif research gap.

7. Periksa literatur terbaru

Pastikan gap tersebut belum diselesaikan penelitian yang lebih baru.

AHRQ bahkan mengembangkan framework khusus karena kebutuhan penelitian masa depan dalam systematic review sering tidak diidentifikasi secara sistematis. Hal ini menunjukkan pentingnya proses yang terstruktur dalam menentukan research gap.

Cara Menentukan Novelty

Setelah kandidat research gap diperoleh, proses belum selesai.

Novelty perlu divalidasi.

Langkah 1. Buat Candidate Novelty

Misalnya terdapat tiga alternatif:

N1: Lightweight architecture.

N2: Multi-dataset external validation.

N3: Lightweight architecture + external validation + interpretability.

Langkah 2. Cari Closest Prior Works

Search query harus dibuat spesifik terhadap setiap kandidat.

Untuk N3, jangan hanya mencari:

disease classification deep learning.

Cari:

lightweight interpretable deep learning external validation disease classification.

Tujuannya bukan mencari paper sebanyak-banyaknya.

Tujuannya adalah menemukan penelitian yang paling mirip.

Langkah 3. Bandingkan Komponen Penelitian

Gunakan Novelty Comparison Matrix.

Komponen	Prior Study A	Prior Study B	Prior Study C	Proposed
Lightweight	✓	✕	✓	✓
External Validation	✕	✓	✕	✓
Interpretability	✕	✓	✕	✓
Efficiency Analysis	✓	✕	✕	✓

Tabel tersebut membantu melihat apakah proposed contribution benar-benar berbeda.

Langkah 4. Nilai Signifikansinya

Novelty bukan hanya harus berbeda.

Novelty harus mempunyai alasan mengapa perbedaan tersebut penting.

Gunakan tiga pertanyaan:

Apakah berbeda?

Apakah berguna?

Apakah dapat dibuktikan melalui eksperimen?

Jika jawabannya ya untuk ketiganya, kandidat novelty menjadi lebih kuat.

Closest Prior Work Lebih Penting daripada Banyaknya Referensi

Kesalahan lain dalam novelty analysis adalah mengumpulkan banyak jurnal tetapi tidak menemukan penelitian yang benar-benar dekat dengan proposed method.

Misalnya terdapat 100 referensi.

Jika 95 di antaranya hanya berhubungan secara umum dengan topik, tetapi lima artikel sangat mirip dengan proposed research, maka lima artikel tersebut jauh lebih penting untuk novelty validation.

Novelty assessment pada dasarnya membutuhkan pembandingan terhadap existing knowledge. Pendekatan penelitian terbaru terhadap automated novelty assessment juga bergerak menuju retrieval dan structured comparison terhadap prior literature, yang menunjukkan pentingnya evidence dari penelitian terdekat dalam menilai kebaruan.

Karena itu, novelty analysis sebaiknya tidak hanya mempunyai:

Related Works

tetapi juga:

Closest Prior Works.

Contoh Research Gap dan Novelty pada Artificial Intelligence

Misalnya peneliti ingin melakukan sleep stage classification.

Hasil literature mapping menunjukkan:

• CNN banyak digunakan;
• CNN-LSTM juga banyak digunakan;
• Transformer mulai banyak diteliti;
• model dengan performa tinggi mempunyai kompleksitas tinggi;
• feature contribution tidak selalu dijelaskan;
• evaluasi antar-subjek masih bervariasi.

Peneliti awalnya mengusulkan:

CNN + Transformer untuk sleep stage classification.

Masalahnya, kombinasi tersebut ternyata sudah digunakan beberapa penelitian.

Novelty perlu diperbaiki.

Setelah menganalisis limitation, ditemukan bahwa model kompleks mempunyai masalah stability dan interpretability.

Candidate novelty kemudian menjadi:

Lightweight ensemble dengan feature selection berbasis explainable AI dan stability evaluation pada subject-independent testing.

Perhatikan prosesnya.

Bukan:

Punya metode → cari pembenaran.

Tetapi:

Literatur → temukan limitation → identifikasi gap → cari solusi → validasi novelty.

Contoh Kalimat Research Gap dalam Artikel

Kurang kuat:

Penelitian mengenai metode X masih sedikit.

Lebih kuat:

Existing studies predominantly evaluate Method X using internal validation on a single dataset, while evidence regarding its cross-dataset generalizability remains limited.

Atau:

Although previous studies achieved high predictive performance, most models require substantial computational resources, limiting their applicability in resource-constrained environments.

Kalimat tersebut menunjukkan existing achievement sekaligus limitation.

Contoh Kalimat Novelty

Kurang kuat:

Novelty penelitian ini adalah menggunakan metode X.

Lebih kuat:

This study proposes a lightweight architecture designed to address the computational limitations of existing high-performance models while preserving predictive performance.

Lebih kuat lagi apabila terdapat lebih dari satu kontribusi:

This study contributes a lightweight architecture, cross-dataset external validation, and systematic efficiency analysis to evaluate the trade-off between predictive performance and computational complexity.

Novelty statement sebaiknya menunjukkan apa yang baru sekaligus mengapa hal tersebut penting.

Kesalahan Umum dalam Menentukan Novelty

Novelty ditentukan sebelum literature review

Ini menghasilkan confirmation bias.

Peneliti cenderung hanya mencari paper yang membuktikan bahwa idenya baru.

Hanya mengandalkan Google Scholar sederhana

Search query yang terlalu umum dapat melewatkan closest prior works.

Gunakan beberapa sinonim metode dan terminology.

Menganggap metode baru pasti novelty

Metode dapat baru dalam satu bidang tetapi sudah umum pada bidang lain.

Menganggap hybrid model otomatis novelty

Kombinasi A + B belum mempunyai nilai ilmiah jika tidak menyelesaikan masalah tertentu.

Menggunakan lokasi sebagai satu-satunya novelty

Perbedaan geografis harus menghasilkan research implication.

Mengklaim “belum pernah ada”

Tidak ada literature search yang dapat menjamin seluruh publikasi dunia telah diperiksa.

Gunakan klaim yang lebih defensible.

Contohnya:

Berdasarkan corpus literatur yang dianalisis, belum ditemukan penelitian yang secara simultan mengevaluasi A, B, dan C.

Hanya menggunakan paper lama

Novelty bersifat temporal.

Ide yang masih baru pada 2022 bisa saja sudah menjadi umum pada 2026.

Karena itu, novelty harus diperiksa terhadap publikasi terbaru sebelum penelitian dilakukan atau manuskrip disubmit.

Checklist Research Gap dan Novelty

Sebelum menetapkan novelty penelitian, gunakan checklist berikut.

Research Gap

• Apakah saya sudah memahami state of the art?
• Apakah gap didukung beberapa penelitian?
• Apakah limitation mempunyai signifikansi ilmiah?
• Apakah penelitian terbaru sudah diperiksa?
• Apakah gap dapat diteliti secara realistis?

Novelty

• Apa tepatnya yang berbeda dari closest prior works?
• Apakah perbedaan tersebut penting?
• Apakah novelty menjawab research gap?
• Apakah novelty dapat diuji?
• Apakah terdapat baseline yang tepat?
• Apakah novelty dapat dibuktikan melalui eksperimen?
• Apakah klaim novelty dibuat secara proporsional?

Jika jawaban terhadap beberapa pertanyaan tersebut belum jelas, novelty kemungkinan masih perlu diperkuat.

Research Gap atau Novelty, Mana yang Dicari Terlebih Dahulu?

Dalam sebagian besar penelitian berbasis literatur, urutan yang lebih logis adalah:

Research problem → Literature review → State of the art → Research gap → Proposed solution → Novelty.

Bukan:

Tentukan novelty → cari jurnal yang mendukung.

Research gap memberikan alasan penelitian perlu dilakukan.

Novelty menunjukkan apa kontribusi baru penelitian tersebut.

Keduanya kemudian bertemu pada scientific contribution.

Kesimpulan

Research gap dan novelty merupakan dua konsep yang saling berhubungan tetapi mempunyai fungsi berbeda.

Research gap adalah kekurangan atau persoalan pada existing knowledge.

Novelty adalah unsur baru dari proposed research yang dirancang untuk merespons gap tersebut.

Research gap yang baik harus didukung oleh literature mapping. Novelty yang kuat harus dibandingkan dengan closest prior works.

Karena itu, proses menentukan novelty tidak cukup dilakukan dengan menanyakan:

“Apakah ide ini terlihat baru?”

Pertanyaan yang lebih tepat adalah:

“Apa evidence bahwa penelitian ini berbeda dari prior works, masalah apa yang diselesaikannya, dan kontribusi baru apa yang akan dihasilkan?”

Pertanyaan tersebut mengubah novelty dari sekadar klaim menjadi argumentasi ilmiah yang dapat dievaluasi.

Sudah Menemukan Research Gap tetapi Belum Yakin Novelty-nya?

CariNovelty membantu melakukan Novelty Mapping melalui pemetaan state of the art, research gap analysis, closest prior works, dan penyusunan kandidat novelty berdasarkan corpus literatur yang dianalisis.

Sebelum menggunakan layanan, Anda dapat melihat bentuk SOTA Matrix, Novelty Report, dan contoh deliverable lainnya pada halaman Sample Produk.

Baca juga:
Cara Mencari Research Gap dari Jurnal