IF Notes

Scientific Method in Biology

4 min read

Back to IF3211 Komputasi Domain Spesifik

Scientific Method in Biology

Questions/Cues

  • Apa tahapan proses ilmiah dalam biologi?
  • Apa beda data kualitatif dan kuantitatif?
  • Apa beda penalaran induktif dan deduktif?
  • Apa beda hipotesis dan teori, dan mengapa hipotesis tak bisa “dibuktikan” mutlak?
  • Bagaimana metode ilmiah berkaitan dengan loop eksperimentasi pada machine learning?

Reference Points

  • IF3211 — Course Introduction (PPT 1, bagian Forming and Testing Hypotheses)
  • IF3211 — Course Introduction (PPT 1, bagian Gathering and Analyzing Data)
  • IF3211 — Course Introduction (PPT 1, bagian Deductive Reasoning)

Sains sebagai Proses Inkuiri

Science adalah pendekatan untuk memahami dunia kehidupan, dan inquiry adalah pencarian informasi serta penjelasan atas fenomena alam. Prosesnya memadukan challenge, adventure, luck dengan perencanaan, penalaran, kreativitas, dan ketekunan. Inti proses ilmiah: melakukan observasi → membentuk hipotesis logis → mengujinya. Biologi selalu dimulai dari observasi cermat, dan dengan membaca studi terdahulu, ilmuwan membangun di atas fondasi pengetahuan yang ada.

Mengumpulkan dan Menganalisis Data

Observasi yang dicatat disebut data, terbagi dua kategori. Data kualitatif adalah deskripsi (bukan pengukuran) — contoh ikonik: observasi Jane Goodall tentang perilaku simpanse. Data kuantitatif adalah pengukuran terekam, sering ditata dalam tabel dan grafik. Keduanya saling melengkapi: kualitatif menangkap kekayaan fenomena, kuantitatif memungkinkan analisis statistik.

Penalaran Induktif vs Deduktif

Inductive reasoning menarik generalisasi dari banyak observasi spesifik — misalnya kesimpulan “semua organisme tersusun dari sel” yang lahir dari dua abad pengamatan mikroskopis. Deductive reasoning bergerak sebaliknya: ekstrapolasi dari premis umum ke prediksi spesifik yang kemudian diuji secara eksperimental. Pola “Jika hipotesis H benar, maka observasi O seharusnya terjadi” adalah penalaran deduktif yang menjembatani hipotesis ke uji empiris.

Hipotesis, Eksperimen, dan Teori

Dalam sains, hipotesis adalah penjelasan berbasis observasi dan asumsi yang menuju prediksi yang dapat diuji — sebuah “penjelasan yang sedang diadili” (explanation on trial). Hipotesis ilmiah harus menghasilkan prediksi yang dapat diuji lewat observasi tambahan atau eksperimen (uji ilmiah, sering dalam kondisi terkontrol). Satu observasi bisa memunculkan banyak hipotesis — contoh deck: lampu meja mati → Hipotesis 1: bohlam putus; Hipotesis 2: lampu rusak; keduanya testable. Poin kritis: sebuah hipotesis tidak pernah dapat dibuktikan benar secara mutlak karena kita tak mungkin menguji semua alternatif — pengujian berulang hanya meningkatkan keyakinan (confidence) atas validitasnya. (Inilah falsifikasi ala Popper: kita dapat menyangkal, tak dapat membuktikan mutlak.)

Computational Framing: Metode Ilmiah sebagai Loop Eksperimentasi ML

Bagi mahasiswa CS, metode ilmiah adalah empirical loop yang persis mendasari machine learning experimentation: observasi (data) → hipotesis (model/arsitektur) → prediksi (inferensi) → eksperimen (training & evaluasi) → revisi. Inductive reasoning adalah inti supervised learning — menggeneralisasi dari sampel ke populasi (dan overfitting adalah induksi yang gagal). Deductive reasoning sejajar dengan rule-based/symbolic AI dan pengujian unit test dari spesifikasi. Bahwa hipotesis “tak terbuktikan mutlak” menggemakan falsifiability dan disiplin train/validation/test split: kita tak pernah “membuktikan” model benar, hanya gagal menyangkalnya pada data uji. Perbedaan hipotesis vs teori sejajar dengan model kandidat vs paradigma yang sudah tervalidasi luas.

flowchart LR
    OBS["Observasi<br/>(Data)"] --> HYP["Hipotesis<br/>(testable)"]
    HYP --> PRD["Prediksi<br/>(deduktif)"]
    PRD --> EXP["Eksperimen<br/>terkontrol"]
    EXP --> EVAL{"Sesuai<br/>prediksi?"}
    EVAL -->|Tidak| HYP
    EVAL -->|Ya, sementara| CONF["Confidence naik<br/>(bukan bukti mutlak)"]

Summary

Metode ilmiah dalam biologi adalah siklus observasi → hipotesis → prediksi → eksperimen yang dimulai dari observasi cermat dan membangun di atas pengetahuan terdahulu. Observasi tercatat sebagai data kualitatif (deskripsi, mis. Jane Goodall) atau kuantitatif (pengukuran). Penalaran induktif menggeneralisasi dari banyak observasi, sedangkan penalaran deduktif mengekstrapolasi prediksi spesifik dari premis umum untuk diuji. Sebuah hipotesis adalah penjelasan testable (“explanation on trial”) yang tak pernah terbukti mutlak — pengujian hanya menaikkan confidence (falsifikasi). Secara komputasional, loop ini adalah empirical loop ML: induksi = supervised learning, deduksi = symbolic/rule-based, dan train/validation/test split mencerminkan disiplin falsifiability. Konsep evolusi sebagai unifying theme dibahas di Levels of Biological Organization and Unifying Themes.

Graph View

Backlinks