Cara untuk berjaya di peringkat Master atau PhD

Saya ni bukanlah pakar sangat dalam penyelidikan. Tapi saya ada la sikit ilmu dan pengalaman yang boleh saya kongsikan berkaitan hal ini. Kalau rasa berguna, ambillah. Saya tak jaminlah pasti berjaya, cuma kalau ada panduan lebih baik daripada tak ada.

Harapan saya ialah dengan sedikit perkongsian ini, dapat membantu anda atau sesiapa yang berminat untuk sambung belajar ke peringkat Master atau PhD (saya gabungkan sebagai pascasiswazah). Setidaknya tidaklah sampai tercari-cari atau main 'terjun' saja tanpa persediaan bila mendaftar.

Pengajian pascasiswazah amnya ada dua bentuk - kerja kursus (sama konsepnya macam pengajian diploma atau bacelor) dan penyelidikan. Ada juga program pascasiswazah yang gabung 2-dalam-1 (buat tesis penyelidikan tapi kena ambil kelas). Panduan yang saya nak kongsi ni lebih kepada 'strategi' untuk program jenis penyelidikan. Untuk Master paling ideal ialah 3 tahun, PhD 4 tahun.

Konvokesysen untuk pelajar PhD UPM. Gambar hiasan.
Kredit foto : http://sgs.upm.edu.my

Bila kita buat penyelidikan, fokus dan niat kita apa? Fokus kita ialah untuk selesaikan masalah, isi kekurangan yang wujud. Masalah di mana, konteks apa? Masalah dalam sesuatu bidang. Misalnya dalam bidang sains komputer. Nak selesaikan semua? Tidak. Kita akan fokuskan pada 1 sub bidang. Misalnya dalam sains komputer ada bidang keselamatan perisian. Sub bidang ini pun masih luas. Kena fokus lagi supaya cukup dan sesuai dengan masa yang terhad.

Jadi kecilkan skop, misalnya keselamatan penimbal bagi sistem pengoperasian. Jangan pula terlalu kecil sebab skop penyelidikan pascasiswazah tidak boleh terlalu kecil dan tidak boleh terlalu besar. Macam mana nak tahu? Biasanya penyelia boleh nilaikan atau berdasarkan kajian literatur (baca kajian orang lain, akan tahu). Ini disebut latar belakang kajian.

(Trivia - TAHUKAH ANDA? Belajar peringkat Master dan PhD bukan untuk dapat status yang tinggi atau gelaran. Itu salah niat. Sebaliknya niat kita ialah untuk menyumbang kepada body of knowledge untuk kebaikan masyarakat. Juga, matlamat bidang akademik tidak sama dengan matlamat industri. Akademik matlamatnya ialah ilmu baharu, industri cari produk baharu atau untung) 

Skop saja belum cukup. Kita perlu kenal pasti secara spesifik masalah apa yang nak diselesaikan dalam skop tersebut. Masalah ini pula tidak boleh main agak saja. Berdasarkan pembacaan dan kajian literatur (secukupnya, bukan setakat 4-5 makalah), kita pilih masalah. Daripada pembacaan, kita tentukan masalah apa yang orang dah selesaikan dan masalah apa yang belum selesai. Mesti pilih masalah yang belum selesai dan sebaiknya ramai penyelidik yang ingin selesaikan.

Misalnya, masalah keselamatan penimbal dalam sistem pengoperasian dah lama diselesaikan. Kalau kita pilih tajuk ini, pasti akan gagal sebab dah bukan dianggap masalah. Tapi mungkin masalah yang berlaku, prestasi penimbal yang selamat itu perlahan. Jika ditambah kaedah baru atau unik, dan bertambah laju, maka baru boleh dianggap penemuan baru. Maka masalah kajian yang ingin diselesaikan ialah meningkatkan prestasi penimbal selamat dalam sistem pengoperasian. Ini disebut sebagai pernyataan masalah.

Daripada pernyataan masalah, kita bina objektif kajian. Masalah yang dikenal pasti, prestasi penimbal perlahan. Objektifnya, untuk selesaikan masalah ini dengan pertingkatkan kelajuan penimbal. Dengan cara apa? Mungkin (sebab kita tak pasti tapi rasa macam boleh) dengan cara gunakan algoritma X (contoh). Ini disebut hipotesis. Maka objektif kajian dinyatakan sebagai meningkatkan prestasi penimbal selamat dalam sistem pengoperasian menggunakan algoritma X. (pernyataan hipotesisnya berbentuk dakwaan atau andaian iaitu algoritma X dapat  meningkatkan kelajuan penimbal selamat dalam sistem pengoperasian.)

Andaikan kita pilih objektif di atas. Di akhir tempoh penyelidikan, kita perlu capai objektif. Bermakna kita kena buktikan (kalau sains komputer, dengan bukti empirikal atau matematik) bahawa algoritma X dapat meningkatkan prestasi penimbal selamat dalam sistem pengoperasian. Maka bila kita buat objektif, pastikan kita tahu macam mana yang dikatakan prestasi meningkat. 

Amnya, cara pembuktian empirikal dengan eksperimen perlu ikut langkah berikut:

1. Kenal pasti tujuan dan kaedah eksperimen (objektif kita ukur prestasi penimbal)
2. Kenal pasti unit ukuran dan 'benchmark' yang telah dicapai oleh orang lain (cth. prestasi penimbal diukur dalam ukuran 'bait dihantar per saat', dan kelajuan yang dah orang capai ialah 1 Megabait dihantar per saat. Objektif kita perlu lebih laju, maka mesti capai lebih laju daripada 1 Megabait per saat. Julat beza juga mesti signifikan, misalnya > 5%. )
3. Dapatkan ukuran data dan hasil eksperimen, yang boleh sokong objektif. Misalnya, kita nak ukur kelajuan maka data itulah yang kita kumpul. 
4. Kemudian buat kesimpulan berdasarkan data, bukan ikut logik akal saja (apatah lagi menipu dengan memanipulasi data, jangan!). Kalau hasil data menunjukkan memang laju bertambah, maka kita dah buktikan kelajuan bertambah, maka tercapailah objektif. Kalau tak tercapai, kita boleh ulang eksperimen (mungkin sebelum tu salah cara) atau cuba tambah baik (algoritma X tak berjaya, guna algoritma Y pula) sampai kita dapat capai 'laju bertambah'. (kalau algoritma Y yang berkesan, kita tulis semula objektif)
5. Wajib tahu alasan bagi pemilihan kaedah, unit ukuran dan 'benchmark', dan alasan kesimpulan eksperimen atau kajian yang kita buat. Sebab bila sampai waktu viva (pertahankan hasil kajian), kalau tak boleh bagi alasan, bye-bye, atau lanjutkan pengajian.

Sekiranya ekperimen kita (disokong oleh data dari hasil eksperimen) menunjukkan memang laju penimbal bertambah dengan algoritma X, maka kita simpulkan hipotesis kita benar. Maka tercapailah objektif. Lepas tu dah bolehlah tulis dan hantar tesis, lalui pemeriksaan viva dan lulus viva itu dan seterusnya kita boleh dapat Master atau PhD. Beza Master atau PhD ialah masalah yang kita selesaikan itu masalah fundamental (PhD) atau hampir fundamental (Master). Misalnya kalau objektif tambah prestasi penimbal dengan algoritma X itu belum fundamental maka layak dapat Master saja. Tapi kalau masalah tu memang fundamental (algoritma X tak pernah digunakan untuk tambah kelajuan penimbal) maka layak dapat PhD sebab sumbangan dianggap besar dan baharu.

Diharap dengan penerangan ini, dapat memberi gambaran macam mana nak mulakan usaha mengejar Master atau PhD.

Kalau suka penulisan ini atau dirasakan berguna, silalah bagi komen dan pandangan. Juga sampaikanlah pada orang lain. Kalau banyak respons saya sambung lagi dengan info yang lebih berguna (inshaAllah), yg saya tahu. 

(Kadang-kadang bergantung pada nasib. Ada universiti yang mudah lepas, dan ada yg sangat cerewet nak lepas begitu saja. Biasalah,sistem ciptaan manusia. Tapi sebagai penyelidik yang beretika kita buat sebaik dan sejujur mungkin, dan selebihnya kita doalah supaya Allah bagi kita rezeki)