Cara Mencari Research Gap dari Jurnal: Panduan Sistematis untuk Menemukan Celah Penelitian

Menentukan topik penelitian relatif mudah. Tantangan yang lebih sulit adalah menjelaskan mengapa penelitian tersebut masih perlu dilakukan.

Seorang peneliti dapat memiliki topik yang menarik, dataset yang tersedia, bahkan metode yang sudah direncanakan. Semua itu belum cukup apabila penelitian tidak memiliki posisi yang jelas terhadap pengetahuan yang sudah tersedia.

Di sinilah research gap menjadi penting.

Research gap membantu peneliti menjawab pertanyaan mendasar: apa yang belum terjawab dengan baik oleh penelitian sebelumnya, dan mengapa kekurangan tersebut layak diteliti lebih lanjut?

Research gap juga tidak seharusnya ditentukan hanya dengan membaca satu atau dua artikel. Peneliti perlu membandingkan sejumlah studi, mengidentifikasi pola, menemukan keterbatasan, kemudian menilai apakah kekurangan tersebut benar-benar membuka ruang bagi penelitian baru.

Artikel ini menjelaskan cara mencari research gap dari jurnal secara sistematis, mulai dari pencarian literatur sampai penyusunan kandidat gap yang dapat digunakan untuk membangun novelty penelitian.

Apa Itu Research Gap?

Research gap adalah area dalam pengetahuan ilmiah yang masih memiliki informasi tidak memadai, belum konsisten, belum diuji pada kondisi tertentu, atau belum mampu memberikan jawaban yang memadai terhadap suatu pertanyaan penelitian.

Robinson, Saldanha, dan McKoy (2011) mendefinisikan research gap sebagai kondisi ketika informasi yang tersedia masih kurang atau tidak memadai sehingga peneliti belum dapat menarik kesimpulan yang cukup kuat terhadap suatu pertanyaan.

Definisi tersebut menunjukkan bahwa research gap tidak selalu berarti:

“Belum pernah ada penelitian mengenai topik ini.”

Dalam banyak bidang yang sudah berkembang, terutama artificial intelligence, computer science, kesehatan, pendidikan, dan bisnis, peluang menemukan topik yang benar-benar belum pernah diteliti menjadi semakin kecil.

Research gap justru sering muncul karena penelitian yang sudah tersedia masih memiliki keterbatasan tertentu.

Sebagai contoh, sebuah metode machine learning mungkin sudah banyak digunakan untuk klasifikasi penyakit. Research gap masih dapat muncul apabila penelitian sebelumnya hanya menggunakan satu dataset, belum melakukan external validation, memiliki distribusi kelas yang tidak seimbang, belum menguji robustness, atau belum membandingkan model terhadap baseline yang relevan.

Research gap dengan demikian lebih tepat dipahami sebagai ketidakcukupan evidence yang tersedia, bukan sekadar ketiadaan publikasi.

Mengapa Research Gap Penting?

Research gap berfungsi sebagai dasar argumentasi mengenai kebutuhan penelitian.

Tanpa gap yang jelas, penelitian berisiko hanya mengulang studi sebelumnya dengan perubahan yang tidak memberikan kontribusi substansial.

Research gap yang baik membantu peneliti:

• menjelaskan alasan penelitian perlu dilakukan;
• menentukan research question yang relevan;
• membangun kontribusi penelitian;
• memilih metodologi yang sesuai;
• membedakan penelitian dari prior studies;
• menyusun novelty yang lebih defensible;
• membangun argumentasi pada bagian introduction dan literature review.

Literature review mempunyai peran penting dalam proses tersebut. Snyder (2019) menjelaskan bahwa literature review yang dilakukan menggunakan pendekatan metodologis dapat membantu peneliti mengevaluasi pengetahuan yang sudah tersedia, memahami state of the art, dan membangun sintesis terhadap suatu bidang.

Artinya, research gap sebaiknya tidak dicari melalui proses membaca jurnal secara acak. Peneliti memerlukan mekanisme pencarian, ekstraksi, dan pembandingan yang terstruktur.

Research Gap Tidak Sama dengan Novelty

Research gap dan novelty saling berkaitan, tetapi keduanya bukan konsep yang sama.

Research gap menjelaskan masalah atau keterbatasan yang masih terdapat pada existing knowledge.

Novelty menjelaskan unsur baru yang ditawarkan penelitian untuk merespons gap tersebut.

Contoh sederhana:

Penelitian sebelumnya telah menggunakan model deep learning untuk mendeteksi suatu penyakit, tetapi mayoritas penelitian hanya melakukan evaluasi pada satu dataset.

Kondisi tersebut dapat menghasilkan:

Research gap:
Belum terdapat evidence yang cukup mengenai kemampuan generalisasi model pada populasi atau dataset eksternal.

Peneliti kemudian merancang:

Novelty:
Pengembangan dan evaluasi model melalui multi-dataset external validation serta pengujian cross-domain generalization.

Gap menjelaskan masalahnya. Novelty menjelaskan kontribusi baru yang dirancang untuk mengatasi masalah tersebut.

Kesalahan yang cukup sering terjadi adalah peneliti langsung menentukan novelty sebelum melakukan pemetaan terhadap state of the art. Pendekatan tersebut berisiko menghasilkan novelty yang ternyata sudah pernah diteliti.

Di Mana Research Gap Dapat Ditemukan?

Research gap dapat muncul pada berbagai bagian suatu artikel ilmiah.

1. Introduction

Bagian introduction biasanya menjelaskan konteks masalah, keterbatasan pendekatan sebelumnya, dan alasan penelitian dilakukan.

Perhatikan kalimat yang menggunakan pola seperti:

• previous studies have primarily focused on…
• limited studies have investigated…
• existing approaches still suffer from…
• little attention has been given to…
• previous findings remain inconsistent…

Kalimat tersebut dapat menunjukkan potensi gap.

Peneliti tetap perlu memverifikasi klaim tersebut menggunakan literatur lain.

2. Literature Review atau Related Work

Bagian ini sangat penting karena penulis membandingkan penelitian sebelumnya.

Perhatikan:

• metode yang paling sering digunakan;
• dataset yang dominan;
• variabel yang sering diteliti;
• skenario eksperimen;
• populasi penelitian;
• metode evaluasi;
• limitation yang berulang.

Jika beberapa penelitian memiliki pola keterbatasan yang sama, kondisi tersebut dapat menunjukkan research gap yang lebih kuat.

3. Discussion

Bagian discussion sering memperlihatkan masalah yang tidak terlihat hanya dari abstract.

Penulis biasanya menjelaskan:

• alasan hasil penelitian berbeda;
• kondisi ketika metode tidak bekerja optimal;
• keterbatasan generalisasi;
• kemungkinan bias;
• trade-off metode;
• masalah interpretasi hasil.

Bagian tersebut dapat menjadi sumber methodological gap atau empirical gap.

4. Limitations

Bagian limitations merupakan sumber research gap yang paling mudah ditemukan.

Akan tetapi, limitation satu artikel belum otomatis menjadi research gap.

Misalnya, satu penelitian menyatakan ukuran sampelnya kecil. Peneliti perlu memeriksa apakah penelitian lain juga memiliki masalah yang sama.

Apabila sepuluh penelitian menggunakan sampel kecil atau dataset yang sama, evidence untuk menyatakan adanya dataset atau validation gap menjadi lebih kuat.

5. Future Work

Future work memberikan informasi mengenai penelitian yang menurut penulis masih perlu dilakukan.

Bagian ini berguna untuk menemukan kandidat gap, tetapi peneliti perlu memeriksa apakah rekomendasi tersebut sudah dilakukan oleh penelitian yang terbit setelahnya.

Future work dari artikel tahun 2021 tidak dapat langsung dianggap research gap pada tahun 2026.

6. Systematic Review dan Meta-Analysis

Systematic review sangat berharga karena memberikan gambaran sejumlah penelitian sekaligus.

Artikel systematic review sering menyajikan:

• keterbatasan evidence;
• inkonsistensi hasil;
• kekurangan methodological quality;
• area yang belum banyak diteliti;
• kebutuhan penelitian berikutnya.

Müller-Bloch dan Kranz (2015) juga menempatkan identifikasi research gap sebagai salah satu tujuan fundamental dalam literature review.

Jenis Research Gap yang Perlu Dikenali

Research gap tidak hanya berbentuk “belum ada penelitian”.

Peneliti dapat menemukan beberapa bentuk gap.

Empirical Gap

Empirical gap muncul ketika evidence yang tersedia masih terbatas atau menghasilkan temuan yang berbeda.

Contoh:

Beberapa penelitian menyatakan Model A lebih baik dibandingkan Model B, sementara penelitian lain menunjukkan hasil sebaliknya.

Kondisi tersebut menunjukkan kebutuhan pengujian lebih lanjut.

Methodological Gap

Methodological gap muncul ketika metode yang digunakan penelitian sebelumnya memiliki keterbatasan.

Contohnya:

Penelitian sebelumnya hanya menggunakan random train-test split pada data yang berasal dari subjek yang sama sehingga terdapat risiko data leakage.

Penelitian baru dapat menguji subject-independent evaluation.

Dataset Gap

Dataset gap muncul ketika evidence hanya berasal dari dataset yang terbatas.

Contohnya:

Mayoritas penelitian menggunakan satu public dataset dan belum melakukan validasi pada dataset eksternal.

Population atau Context Gap

Gap ini muncul ketika suatu metode belum banyak diuji pada populasi, wilayah, industri, atau konteks tertentu.

Peneliti harus berhati-hati. Mengganti lokasi penelitian saja tidak otomatis menghasilkan novelty yang kuat. Perubahan konteks harus mempunyai implikasi ilmiah.

Evaluation Gap

Evaluation gap terjadi ketika penelitian sebelumnya belum menggunakan evaluasi yang cukup komprehensif.

Contohnya dalam penelitian artificial intelligence:

Model hanya dilaporkan menggunakan accuracy tanpa sensitivity, specificity, F1-score, calibration, confidence interval, robustness testing, atau external validation.

Theoretical Gap

Theoretical gap muncul ketika existing theory belum mampu menjelaskan fenomena tertentu atau terdapat hubungan antarkonstruk yang belum cukup dipahami.

Implementation Gap

Implementation gap muncul ketika metode menunjukkan performa yang baik dalam eksperimen, tetapi belum diuji pada kondisi implementasi nyata.

Contohnya:

Model memiliki accuracy tinggi tetapi membutuhkan computational cost yang terlalu besar untuk digunakan pada edge device.

Cara Mencari Research Gap dari Jurnal

Research gap yang kuat lebih mudah ditemukan melalui pembandingan sejumlah penelitian daripada membaca artikel secara terpisah.

Berikut proses yang dapat digunakan.

Langkah 1. Tentukan Ruang Lingkup Penelitian

Mulailah dari topik yang cukup spesifik.

Topik:

“Artificial Intelligence”

terlalu luas.

Topik:

“Deep learning untuk medical image classification”

masih cukup luas.

Topik yang lebih terarah:

“Lightweight deep learning untuk klasifikasi diabetic retinopathy pada retinal image”

akan mempermudah pencarian literatur.

Tentukan minimal:

• domain;
• research problem;
• target data;
• kelompok metode;
• target outcome.

Ruang lingkup tersebut dapat berubah setelah literature review dilakukan.

Langkah 2. Bangun Search Query

Jangan mengandalkan satu keyword.

Gunakan beberapa kelompok istilah.

Contoh:

Problem:
“diabetic retinopathy” OR “retinal disease”

Method:
“deep learning” OR CNN OR transformer

Focus:
lightweight OR efficient OR mobile

Query dapat dikombinasikan menjadi:

(“diabetic retinopathy” OR “retinal disease”) AND (“deep learning” OR CNN OR transformer) AND (lightweight OR efficient)

Search query perlu disesuaikan dengan database yang digunakan.

Langkah 3. Cari Literatur Relevan

Gunakan sumber ilmiah yang sesuai dengan disiplin penelitian.

Contohnya:

• Scopus;
• Web of Science;
• ScienceDirect;
• IEEE Xplore;
• PubMed;
• SpringerLink;
• ACM Digital Library;
• Google Scholar.

Google Scholar berguna untuk discovery, sedangkan database bibliografis dan publisher dapat membantu proses verifikasi metadata dan sumber.

Prioritaskan penelitian yang relatif baru, tetapi jangan otomatis membuang penelitian lama yang merupakan foundational work.

Langkah 4. Lakukan Screening

Tidak semua hasil pencarian perlu dimasukkan.

Gunakan kriteria sederhana.

Inclusion criteria:

• relevan dengan research problem;
• sesuai dengan domain;
• menggunakan data atau metode yang relevan;
• merupakan publikasi ilmiah yang dapat diverifikasi;
• menyediakan informasi metodologi yang cukup.

Exclusion criteria:

• tidak membahas research problem;
• hanya menyebut keyword tanpa menjadikannya fokus;
• duplicate publication;
• informasi metode tidak memadai;
• sumber tidak dapat diverifikasi.

Tujuannya bukan mengumpulkan paper sebanyak mungkin. Tujuannya adalah memperoleh corpus literatur yang relevan untuk menjawab pertanyaan penelitian.

Langkah 5. Buat State of the Art Matrix

Membaca 20 sampai 50 jurnal tanpa membuat struktur pembanding akan membuat peneliti sulit melihat pola.

Gunakan SOTA Matrix.

Contoh struktur sederhana:

Paper	Dataset	Method	Evaluation	Key Result	Limitation
Study A	Dataset X	CNN	Accuracy, F1	Performance tinggi	Single dataset
Study B	Dataset X	Transformer	F1	Lebih baik dari CNN	Computational cost tinggi
Study C	Dataset Y	Lightweight CNN	Accuracy	Efisien	Belum external validation
Study D	Dataset X	Hybrid model	Accuracy, AUC	Performance meningkat	Tidak ada ablation study

Setelah tabel berisi cukup banyak penelitian, pola mulai terlihat.

Sebagai contoh:

• sebagian besar penelitian menggunakan Dataset X;
• hanya sedikit studi menggunakan external validation;
• model yang lebih kompleks meningkatkan performa;
• computational efficiency jarang dievaluasi;
• ablation study jarang dilakukan.

Pola tersebut lebih bernilai dibandingkan limitation dari satu artikel.

Langkah 6. Cari Pola, Bukan Hanya Kalimat “Future Work”

Ini merupakan tahap penting.

Jangan hanya mengumpulkan future work setiap paper.

Bandingkan penelitian menggunakan pertanyaan berikut:

Apa yang selalu dilakukan?

Jika hampir semua penelitian menggunakan pendekatan yang sama, mungkin terdapat methodological concentration.

Apa yang jarang dilakukan?

Hal tersebut dapat menjadi underexplored area.

Apa yang belum dievaluasi?

Hal tersebut dapat menghasilkan evaluation gap.

Apa yang menghasilkan temuan kontradiktif?

Hal tersebut dapat menghasilkan empirical gap.

Apa limitation yang muncul berulang kali?

Repeated limitation merupakan sinyal research gap yang lebih kuat.

Apakah solusi yang sudah ada menimbulkan trade-off baru?

Contoh:

Accuracy meningkat, tetapi computational complexity menjadi sangat tinggi.

Trade-off tersebut dapat membuka ruang penelitian baru.

Langkah 7. Identifikasi Closest Prior Works

Sebelum mengklaim novelty, cari penelitian yang paling dekat dengan rencana penelitian Anda.

Anggap Anda ingin mengembangkan:

Lightweight CNN-Transformer dengan knowledge distillation untuk medical image classification.

Jangan hanya mencari:

CNN medical image classification.

Cari kombinasi yang lebih dekat:

• lightweight transformer medical imaging;
• CNN transformer medical image;
• knowledge distillation medical image classification;
• lightweight CNN knowledge distillation;
• efficient transformer classification.

Tujuannya adalah mencari paper yang paling berpotensi menunjukkan bahwa ide Anda sebenarnya sudah dilakukan.

Prinsip yang baik dalam novelty analysis adalah:

Jangan hanya mencari paper yang mendukung novelty. Cari juga paper yang berpotensi membatalkan novelty.

Jika ide masih memiliki pembeda yang jelas setelah dibandingkan dengan closest prior works, posisi penelitian menjadi lebih defensible.

Langkah 8. Formulasikan Research Gap

Research gap yang baik sebaiknya spesifik.

Kurang kuat:

Penelitian mengenai deep learning masih terbatas.

Lebih baik:

Existing studies predominantly evaluate deep learning models using single-dataset validation, leaving limited evidence regarding cross-dataset generalizability.

Lebih operasional:

Mayoritas studi pada corpus yang dianalisis mengevaluasi model menggunakan validasi internal pada satu dataset. Evidence mengenai kemampuan generalisasi model pada dataset eksternal dengan distribusi data berbeda masih terbatas.

Kalimat kedua dan ketiga memberikan informasi mengenai:

• apa yang sudah dilakukan;
• apa keterbatasannya;
• evidence apa yang masih kurang.

Langkah 9. Hubungkan Gap dengan Novelty

Setelah gap ditemukan, tanyakan:

Apa kontribusi yang dapat mengurangi atau menjawab gap tersebut?

Contoh:

Research gap:

Existing models achieve high predictive performance, but their computational requirements remain high for resource-constrained deployment.

Potential novelty:

Mengembangkan lightweight architecture dengan parameter dan computational cost lebih rendah tanpa kehilangan performa secara signifikan.

Research gap:

Existing studies primarily report internal validation.

Potential novelty:

Melakukan multi-dataset external validation dan cross-domain evaluation.

Research gap:

Existing hybrid architectures menunjukkan performa tinggi, tetapi kontribusi setiap komponen belum diketahui.

Potential novelty:

Menambahkan systematic ablation study untuk mengukur kontribusi individual setiap architectural component.

Hubungan antara gap dan novelty harus logis.

Novelty bukan dekorasi tambahan yang ditempel setelah metode selesai dirancang.

Contoh Analisis Research Gap pada Penelitian AI

Anggap peneliti menemukan 25 artikel mengenai deep learning untuk suatu classification problem.

Setelah SOTA Matrix dibuat, ditemukan pola berikut:

• 18 penelitian menggunakan CNN;
• 5 penelitian menggunakan transformer;
• 2 menggunakan hybrid CNN-transformer;
• 21 penelitian hanya menggunakan satu dataset;
• 3 melakukan external validation;
• 1 membahas computational efficiency;
• sebagian besar mengejar peningkatan accuracy.

Dari pola tersebut, peneliti tidak boleh langsung menyatakan:

Belum ada penelitian lightweight hybrid CNN-transformer.

Pencarian tambahan terhadap closest prior works tetap diperlukan.

Setelah pencarian lanjutan, ternyata terdapat beberapa lightweight hybrid architectures, tetapi semuanya belum dievaluasi pada domain yang sama dan belum melakukan external validation.

Kandidat gap menjadi lebih spesifik:

Evidence mengenai lightweight hybrid architecture yang mempertimbangkan predictive performance, computational efficiency, dan external generalization pada domain tersebut masih terbatas.

Dari gap ini, penelitian baru dapat dirancang dengan kontribusi yang lebih terarah.

Research Gap yang Lemah

Tidak semua gap layak dijadikan penelitian.

Contoh:

Belum ada penelitian menggunakan algoritma X pada Dataset Y.

Kalimat tersebut hanya menunjukkan kombinasi yang belum ditemukan. Kalimat itu belum menjelaskan mengapa kombinasi tersebut penting.

Peneliti perlu menjawab:

• Mengapa algoritma X relevan?
• Keterbatasan metode sebelumnya apa yang dapat diatasi?
• Mengapa Dataset Y membutuhkan karakteristik algoritma tersebut?
• Apa evidence yang menunjukkan kebutuhan pendekatan baru?
• Apa manfaat ilmiah dari eksperimen tersebut?

Research gap harus memiliki research significance, bukan sekadar kombinasi yang belum dicoba.

Kesalahan Umum dalam Mencari Research Gap

Hanya membaca abstract

Abstract berguna untuk screening, tetapi sering tidak menjelaskan detail limitation dan experimental setup.

Baca setidaknya bagian method, result, discussion, limitation, dan conclusion untuk paper yang menjadi prior work utama.

Menganggap future work sebagai novelty

Future work adalah rekomendasi pada saat artikel diterbitkan.

Penelitian yang lebih baru mungkin sudah menyelesaikannya.

Selalu lakukan backward dan forward literature checking.

Menggunakan satu paper sebagai dasar gap

Gap yang lebih kuat biasanya muncul dari pola sejumlah penelitian.

SOTA Matrix membantu menemukan pola tersebut.

Menganggap perbedaan lokasi sebagai novelty

Menggunakan lokasi, universitas, rumah sakit, atau populasi berbeda tidak otomatis memberikan novelty.

Perubahan konteks harus memiliki implikasi ilmiah.

Hanya mencari paper yang mendukung ide

Pendekatan ini menghasilkan confirmation bias.

Cari paper yang paling mirip dengan proposed research.

Menggunakan kalimat absolut

Hindari:

Belum pernah ada penelitian yang…

Lebih defensible:

Berdasarkan corpus literatur yang dianalisis, belum ditemukan penelitian yang…

atau:

Evidence mengenai aspek tersebut masih terbatas pada literatur yang dianalisis.

Bahasa tersebut lebih sesuai dengan keterbatasan literature search.

Berapa Banyak Jurnal yang Dibutuhkan?

Tidak terdapat satu angka universal yang berlaku untuk seluruh penelitian.

Kecukupan literatur dipengaruhi oleh:

• keluasan topik;
• usia bidang penelitian;
• jumlah publikasi tersedia;
• tujuan review;
• kompleksitas metode;
• kebutuhan penelitian.

Untuk novelty mapping, kualitas dan relevansi paper lebih penting daripada sekadar jumlah.

Dua puluh paper yang sangat relevan dapat memberikan informasi lebih bernilai daripada seratus artikel yang hanya memiliki kesamaan keyword.

Literature review yang baik juga memerlukan prosedur yang cukup transparan agar pembaca memahami bagaimana literatur dipilih dan dianalisis. Literatur metodologis menunjukkan pentingnya proses review yang sistematis dan dapat ditelusuri dibandingkan pendekatan ad hoc.

Checklist Research Gap

Sebelum menetapkan sebuah research gap, periksa beberapa pertanyaan berikut:

• Apakah gap muncul dari lebih dari satu penelitian?
• Apakah sumber literatur relevan dan cukup mutakhir?
• Apakah closest prior works sudah diperiksa?
• Apakah gap memiliki implikasi ilmiah?
• Apakah penelitian baru realistis untuk menjawab gap?
• Apakah novelty dapat dibedakan dari existing studies?
• Apakah klaim dapat didukung oleh literatur?
• Apakah gap masih relevan pada publikasi terbaru?

Jika sebagian besar jawabannya “ya”, kandidat research gap sudah memiliki dasar yang lebih kuat.

Dari Research Gap Menuju Penelitian yang Lebih Terarah

Mencari research gap bukan aktivitas mencari satu kalimat “future research” dari jurnal.

Research gap dibangun melalui proses membaca, membandingkan, mengelompokkan, dan mengevaluasi evidence.

Workflow yang dapat digunakan adalah:

Define Topic → Search Literature → Screen Studies → Build SOTA Matrix → Compare Prior Works → Identify Pattern → Find Research Gap → Check Closest Studies → Formulate Novelty

Proses tersebut memang membutuhkan waktu. Hasilnya memberikan fondasi yang lebih kuat untuk menentukan research question, metodologi, eksperimen, dan kontribusi penelitian.

Penelitian yang baik tidak harus memiliki ide yang terlihat sangat kompleks.

Penelitian membutuhkan alasan ilmiah yang jelas mengenai mengapa studi tersebut perlu dilakukan dan apa yang membedakannya dari pengetahuan yang sudah tersedia.

Kesulitan Menentukan Research Gap dan Novelty?

Jika Anda sudah memiliki topik penelitian tetapi masih kesulitan memetakan state of the art, menemukan research gap, atau menentukan novelty yang memiliki dasar literatur, CariNovelty menyediakan layanan Novelty Mapping.

Analisis mencakup pemetaan literatur relevan, SOTA Matrix, research gap analysis, closest prior works, serta kandidat novelty berdasarkan corpus literatur yang dianalisis.