Bayangkan dua mahasiswa menyelesaikan tesis yang sama persisnya. Mahasiswa pertama mengumpulkan data dulu, lalu mencoba belasan kombinasi variabel sampai akhirnya ada satu hasil yang “signifikan”, dan menuliskannya seolah-olah itulah yang ia duga sejak awal. Mahasiswa kedua menuliskan hipotesisnya dan rencana analisisnya secara lengkap, mendaftarkannya ke sebuah situs publik yang mencatat tanggal, baru kemudian turun mengambil data.

Di sidang, penguji menanyakan hal yang sama ke keduanya: “Dari mana hipotesis ini, dan kenapa Anda pakai model itu?” Mahasiswa pertama hanya bisa meyakinkan dengan kata-kata. Mahasiswa kedua bisa menunjuk satu tautan dengan cap waktu (penanda tanggal yang tidak bisa dipalsukan): rencana ini sudah terkunci sebelum data ada.

Itulah inti pra-registrasi (pre-registration): mendaftarkan rencana penelitian secara publik sebelum melihat data. Bukan birokrasi tambahan, melainkan cara membuktikan bahwa penelitian Anda jujur sejak rancangannya.

Masalah yang Dipecahkan: Kebebasan yang Berbahaya

Saat menganalisis data, peneliti punya banyak pilihan kecil: variabel mana yang dipakai sebagai kontrol, data ekstrem (pencilan) mana yang dibuang, uji statistik mana yang dijalankan, kapan berhenti menambah responden. Tiap pilihan tampak masuk akal sendiri-sendiri. Tetapi kalau pilihan-pilihan itu dibuat setelah melihat data — dan dipilih karena menghasilkan angka yang bagus — penelitian jadi bias tanpa si peneliti sadar.

Ada dua jebakan yang paling sering merusak, dan keduanya punya nama:

p-hacking (memburu p). Mencoba banyak versi analisis sampai salah satunya menembus ambang “signifikan” (lazimnya p < 0,05), lalu hanya melaporkan versi yang berhasil itu. Karena dicoba berkali-kali, ada saja satu yang lolos secara kebetulan — bukan karena efeknya nyata. (Soal kenapa p < 0,05 sering disalahpahami, lihat P-value dan Misinterpretasinya.)

HARKing (singkatan Hypothesizing After Results are Known — “berhipotesis setelah hasil diketahui”). Melihat hasil dulu, baru membuat hipotesis yang kebetulan cocok dengan hasil itu, lalu menuliskannya seolah-olah itu dugaan sejak awal. Ibarat memanah tembok kosong, lalu menggambar papan target melingkari anak panah yang sudah menancap — tentu saja selalu kena tepat tengah.

Pra-registrasi menutup kedua jebakan ini dengan satu mekanisme sederhana: ia mengunci keputusan sebelum data dilihat. Begitu rencana terkunci dan ber-cap-waktu, Anda tidak bisa lagi diam-diam mengganti hipotesis atau berpindah-pindah uji statistik untuk mengejar hasil yang manis.

Konfirmatori vs Eksploratori: Pembedaan yang Dijaga

Pra-registrasi sering disalahpahami sebagai “dilarang menemukan hal di luar rencana”. Bukan itu. Yang dituntut bukan kepatuhan buta, melainkan kejujuran membedakan dua jenis temuan:

  • Analisis konfirmatori — yang sudah Anda daftarkan sebelum data. Inilah uji hipotesis yang sesungguhnya; angkanya (termasuk p-value) punya kekuatan penuh untuk menyimpulkan.
  • Analisis eksploratori — yang muncul setelah melihat data, di luar rencana. Tetap sah dan sering berharga, tetapi statusnya berbeda: ia hanya menghasilkan dugaan baru yang masih butuh dikonfirmasi oleh penelitian lanjutan.

Bayangkan analoginya seperti tebakan: menebak hasil lemparan dadu sebelum dadu dilempar (konfirmatori) jelas berbeda bobotnya dari “menebak” setelah dadu berhenti (eksploratori). Keduanya boleh ditulis di tesis, asalkan diberi label yang jujur dan tidak ditukar diam-diam.

Alur Pra-registrasi dalam Lima Tahap

Pra-registrasi bukan satu tombol, melainkan urutan singkat yang menyisip di antara tahap merancang dan mengambil data. Gambaran besarnya:

Alur proses lima tahap berurutanLima kotak mendatar berurutan dari kiri ke kanan, dihubungkan panah satu arah yang menunjuk maju. Tiap kotak diberi nomor satu sampai lima dan satu label tahap singkat: tahap satu Rencana, tahap dua Kumpul, tahap tiga Olah, tahap empat Tulis, dan tahap lima Tinjau. Urutan mengalir satu arah tanpa cabang maupun perulangan, menandai proses linear dari awal sampai akhir.Alur proses: lima tahap berurutan1Rencana2Kumpul3Olah4Tulis5Tinjausatu arah, tanpa lompat — tiap tahap menyiapkan tahap berikutnyalabel tahap di atas hanya contoh; nama tahap nyata ada di keterangan tiap artikel
Lima tahap pra-registrasi, mengalir satu arah: (1) Rancang hipotesis dan rencana analisis · (2) Daftarkan isi rencana ke template OSF · (3) Kunci registrasi sehingga ber-cap-waktu dan tak bisa diubah diam-diam · (4) Ambil data baru setelah rencana terkunci · (5) Laporkan hasil sambil memisahkan analisis konfirmatori dari eksploratori. Tahap penguncian (3) adalah palang yang memisahkan ‘sebelum melihat data’ dari ‘sesudah’.

Perhatikan letak tahap penguncian. Semua yang ada di kirinya terjadi sebelum satu angka data pun masuk; semua yang ada di kanannya sesudah. Garis pemisah itulah yang melindungi penelitian Anda — dan yang bisa Anda tunjukkan saat ada yang meragukan.

Tujuh Komponen yang Didaftarkan

Sebuah pra-registrasi yang baik tidak cukup hanya menulis “saya akan meneliti X”. Ia harus cukup rinci sampai orang lain bisa menjalankan analisis Anda persis sama tanpa bertanya. Tujuh komponen berikut adalah isinya:

  1. Hipotesis yang spesifik dan terarah. Bukan “ada hubungan antara X dan Y”, melainkan menyebut arah: “kenaikan X menaikkan Y”. Hipotesis terarah bisa benar-benar diuji; hipotesis kabur tidak.
  2. Desain penelitian dan cara pengumpulan data. Eksperimen atau survei? Data primer (dikumpulkan sendiri) atau sekunder (dari sumber yang sudah ada)? Bagaimana responden dipilih?
  3. Variabel dengan definisi operasional. Sebutkan variabel bebas, terikat, dan kontrol — lalu definisikan tiap variabel sampai ke cara mengukurnya. “Kinerja” itu apa: laba bersih, atau imbal hasil saham, atau yang lain?
  4. Rencana analisis yang persis. Bukan “akan dianalisis dengan regresi”, melainkan model persisnya: variabel apa di kiri, apa di kanan, bagaimana menangani pelanggaran asumsi.
  5. Ukuran sampel dan justifikasinya. Berapa banyak data, dan kenapa segitu — idealnya dihitung dari power analysis agar tidak kekurangan daya statistik.
  6. Kriteria inklusi/eksklusi dan penanganan pencilan. Data mana yang ikut dianalisis, mana yang dibuang, dan aturan membuangnya — ditetapkan sebelum tahu data mana yang “mengganggu” hasil.
  7. Aturan berhenti. Kapan pengumpulan data dihentikan. Tanpa aturan ini, ada godaan untuk terus menambah responden sampai hasilnya kebetulan signifikan.

Pola yang mengikat ketujuhnya: tiap komponen memaksa Anda memutuskan sesuatu lebih awal, saat keputusan itu masih bisa salah ke arah mana pun — bukan setelah Anda tahu arah mana yang menghasilkan angka cantik.

Langkah Praktis di OSF

OSF (Open Science Framework) adalah platform daring gratis yang paling banyak dipakai untuk pra-registrasi. Berikut langkahnya, dari kosong sampai terkunci:

  1. Buat akun gratis di osf.io. Cukup surel dan kata sandi; tidak ada biaya.
  2. Buat proyek baru untuk penelitian Anda. Proyek adalah wadah tempat semua berkas dan registrasi penelitian Anda disimpan.
  3. Pilih menu “Registrations”, lalu pilih template. Untuk pemula, dua pilihan umum: “OSF Preregistration” (lengkap, mengikuti ketujuh komponen di atas) atau “AsPredicted” (ringkas, delapan pertanyaan singkat — bagus untuk studi sederhana).
  4. Isi tiap bagian sesuai tujuh komponen: hipotesis, desain, variabel, rencana analisis, ukuran sampel, kriteria data, aturan berhenti. Tulislah serinci mungkin — di sinilah nilai pra-registrasi.
  5. Submit registrasi (kunci). Setelah disubmit, isinya terkunci permanen: tercatat tanggalnya (cap waktu) dan tidak bisa diubah diam-diam. Inilah momen yang melindungi Anda — sesudah ini, urutan “rencana lebih dulu, data kemudian” sudah terbukti.
  6. Pilih embargo atau langsung publik. Embargo menyembunyikan isi registrasi untuk sementara (sampai empat tahun) sampai tesis atau artikel terbit, tetapi cap waktunya tetap berlaku. Kalau tidak ada alasan menyembunyikan, langsung publik justru lebih kuat.

Catat satu hal penting: tahap 5 harus terjadi sebelum Anda mengambil data. Pra-registrasi yang didaftarkan setelah data terkumpul kehilangan seluruh maknanya — kita bahas ini di Kesalahan Umum.

Susun Draf Anda

Widget di bawah membantu menyusun draf pra-registrasi langkah demi langkah: isi tiap dari tujuh komponen, lihat checklist kelengkapannya, lalu hasilkan teks rapi yang tinggal Anda salin ke template OSF. Anggap ini latihan kering sebelum mendaftar sungguhan.

Cek Pemahaman

1. Seorang peneliti menulis di hipotesisnya: “Penelitian ini meneliti pengaruh ukuran perusahaan terhadap nilai perusahaan.” Apa yang kurang dari hipotesis ini untuk sebuah pra-registrasi, dan bagaimana memperbaikinya?

Lihat jawaban

Hipotesis itu kabur dan tak terarah — ia menyebut “pengaruh” tanpa arah, jadi apa pun hasilnya (positif, negatif, atau tidak ada) bisa diklaim “sesuai dugaan”. Itu membuka pintu HARKing. Perbaikannya: nyatakan arah yang diharapkan dan, kalau bisa, besarannya — misalnya “ukuran perusahaan (diukur dengan log total aset) berhubungan positif dengan nilai perusahaan (diukur dengan Tobin’s Q)”. Sekarang hipotesisnya benar-benar bisa salah, sehingga benar-benar bisa diuji.

2. (Transfer.) Anda sudah mengunci pra-registrasi dan mengambil data. Saat menganalisis, Anda menemukan pola menarik yang sama sekali tidak Anda duga: efek X terhadap Y ternyata hanya muncul pada perusahaan kecil. Pola ini tidak ada di rencana analisis Anda. Apakah Anda boleh memasukkannya ke tesis? Bagaimana cara melaporkannya dengan jujur?

Lihat jawaban

Boleh — pra-registrasi tidak melarang temuan di luar rencana. Tetapi temuan ini berstatus eksploratori, bukan konfirmatori, karena muncul setelah melihat data dan tidak didaftarkan. Cara jujurnya: laporkan di bagian terpisah, beri label eksplisit (“analisis eksploratori, tidak dipra-registrasi”), dan jangan beri ia kekuatan inferensi penuh — sajikan sebagai dugaan baru yang menarik dan layak dikonfirmasi oleh penelitian lanjutan, bukan sebagai temuan utama yang sudah terbukti. Yang dilarang adalah memindahkannya diam-diam ke daftar hipotesis awal seolah-olah Anda menduganya sejak awal (itulah HARKing).

3. Kenapa “aturan berhenti” (kapan berhenti mengumpulkan data) perlu ditetapkan di awal, padahal kelihatannya hal teknis kecil?

Lihat jawaban

Karena tanpa aturan berhenti, ada godaan halus untuk mengintip hasil sambil mengumpulkan data: cek p-value setiap kali menambah responden, lalu berhenti tepat saat angkanya kebetulan menembus 0,05. Praktik ini (disebut optional stopping) menggelembungkan tingkat positif palsu — Anda nyaris pasti bisa mencapai “signifikan” kalau boleh berhenti kapan saja. Menetapkan ukuran sampel dan aturan berhenti di muka menutup celah ini: Anda berkomitmen pada jumlah data tertentu apa pun hasilnya.

Kesalahan Umum

Mendaftar setelah melihat data. Ini membatalkan seluruh tujuan pra-registrasi. Cap waktu OSF justru akan membuktikan bahwa registrasi Anda lahir sesudah data — lebih buruk daripada tidak mendaftar sama sekali. Daftarkan sebelum mengambil data, atau paling lambat sebelum mulai menganalisis.

Hipotesis terlalu kabur. “Ada pengaruh X terhadap Y” tidak cukup. Tanpa arah dan besaran yang jelas, hipotesis tak benar-benar bisa diuji — dan apa pun hasilnya bisa diklaim “sesuai dugaan”. Spesifikkan arahnya.

Rencana analisis tidak spesifik. “Akan dianalisis dengan regresi” menyisakan terlalu banyak pintu untuk berpindah-pindah model. Sebutkan model persisnya, semua variabel, dan cara menangani pelanggaran asumsi.

Mengira pra-registrasi melarang eksplorasi. Tidak. Eksplorasi tetap boleh dan berharga — asal dilabeli jujur sebagai eksploratori dan dipisahkan dari yang konfirmatori. Yang dilarang adalah menukar status keduanya diam-diam.

Lupa menghitung ukuran sampel di awal. Tanpa power analysis, Anda bisa terlanjur mengambil terlalu sedikit data dan kekurangan daya statistik untuk mendeteksi efek yang nyata ada. Hitung kebutuhan sampel sebelum mulai, bukan sesudah.

Dipakai di Praktik

Tesis dan disertasi empiris. Pra-registrasi menjadikan tesis Anda kredibel dan tahan kritik metodologis di sidang. Saat penguji bertanya “dari mana hipotesis ini”, Anda punya bukti ber-cap-waktu, bukan sekadar keyakinan.

Penelitian eksperimen. Studi intervensi — psikologi, ekonomi eksperimental, uji klinis — hampir selalu mendapat manfaat besar dari pra-registrasi, karena di situlah godaan p-hacking paling kuat.

Publikasi Registered Report. Sebuah format jurnal di mana rancangan dan metodologi di-review serta diterima sebelum data dikumpulkan. Karena keputusan terima/tolak dibuat tanpa melihat hasil, format ini menghapus bias publikasi (kecenderungan jurnal hanya memuat hasil yang signifikan). Makin banyak jurnal bereputasi menyediakannya.

Satu catatan integritas yang menyatukan semua ini: pra-registrasi adalah alat untuk berlaku jujur pada diri sendiri dan pembaca, bukan untuk mempercantik tampilan. Nilainya datang justru ketika ia memaksa Anda mengakui bahwa sebagian temuan hanyalah eksplorasi — bukan ketika ia membantu Anda menyembunyikan itu.

Lanjutan

Fondasi statistik yang mendukung:

Reference

  • Nosek, Ebersole, DeHaven, Mellor (2018), “The preregistration revolution”, PNAS
  • Center for Open Science, panduan pra-registrasi di osf.io/prereg
  • Simmons, Nelson, Simonsohn (2011), “False-positive psychology”, Psychological Science
  • Kerr (1998), “HARKing: Hypothesizing After the Results are Known”, Personality and Social Psychology Review