56 KiB
BAB 3 - METODOLOGI PENELITIAN
3.1 Jenis dan Pendekatan Penelitian
Penelitian ini mengadopsi paradigma Design Science Research (DSR) sebagai framework metodologis utama, dengan pendekatan single case study intensif yang memfokuskan pada perancangan, pengembangan, dan evaluasi artefak teknologi dalam konteks spesifik pertanian rural Indonesia. Pemilihan DSR didasarkan pada karakteristik penelitian yang bertujuan menghasilkan solusi teknologi inovatif untuk memecahkan masalah praktis yang teridentifikasi dalam domain pertanian, khususnya terkait adopsi teknologi kecerdasan buatan untuk deteksi penyakit tanaman pada komunitas petani dengan keterbatasan akses teknologi.
Framework DSR yang diadopsi mengacu pada model Peffers et al. (2007) yang terdiri dari enam tahapan sistematis: (1) identifikasi masalah dan motivasi, (2) definisi objektif solusi, (3) perancangan dan pengembangan, (4) demonstrasi, (5) evaluasi, dan (6) komunikasi. Framework ini dipilih karena memberikan struktur metodologis yang rigorous untuk pengembangan teknologi sambil memastikan relevansi praktis dan kontribusi akademis yang signifikan dalam domain information systems dan agricultural technology.
Pendekatan single case study intensif diterapkan dengan menjadikan Desa Sumbersalam, Kabupaten Bondowoso sebagai unit analisis tunggal yang memungkinkan eksplorasi mendalam terhadap karakteristik adopsi teknologi dalam konteks agroekosistem spesifik. Pendekatan ini memberikan keunggulan dalam menghasilkan insights yang rich dan contextual tentang interaksi antara technology design, user characteristics, dan environmental factors yang mempengaruhi penerimaan teknologi pertanian modern dalam setting rural Indonesia. Justifikasi ilmiah untuk pendekatan ini terletak pada prinsip depth over breadth yang memungkinkan pemahaman komprehensif terhadap kompleksitas adopsi teknologi dalam komunitas spesifik, dibandingkan dengan pendekatan survey yang luas namun shallow.
3.2 Framework Design Science Research
Penelitian ini mengimplementasikan framework DSR yang dikembangkan oleh Peffers et al. (2007) sebagai model proses yang sistematis dan rigorous untuk pengembangan artefak teknologi dalam domain information systems. Framework ini dipilih karena menyediakan panduan metodologis yang komprehensif untuk merancang solusi teknologi yang tidak hanya layak secara teknis, tetapi juga relevan secara praktis dan dapat dievaluasi secara empiris dalam konteks penggunaan nyata.
Implementasi enam tahapan DSR dalam penelitian ini dirancang sebagai berikut:
3.2.1 Tahap 1: Identifikasi Masalah dan Motivasi
Aktivitas utama pada tahap ini meliputi identifikasi permasalahan spesifik yang dihadapi petani di Desa Sumbersalam dalam mendiagnosis penyakit tanaman dan mengakses informasi pertanian yang akurat. Melalui observasi lapangan intensif selama periode Juni-Agustus 2024, penelitian mengidentifikasi gap teknologi yang menyebabkan kerugian ekonomi rata-rata Rp 3-5 juta per musim tanam akibat keterlambatan deteksi penyakit tanaman pada komoditas utama (padi, jagung, dan tembakau).
Motivasi penelitian dibangun berdasarkan temuan empiris bahwa petani di Desa Sumbersalam masih mengandalkan metode visual tradisional untuk diagnosis penyakit tanaman, yang sering kali menghasilkan misdiagnosis dan penanganan yang tidak tepat waktu. Observasi menunjukkan bahwa 89% petani (berdasarkan 19 dari 21 interaksi) mengalami kesulitan dalam mengidentifikasi gejala awal penyakit tanaman, sementara 95% memiliki akses smartphone namun belum memanfaatkannya untuk keperluan pertanian produktif.
Justifikasi masalah diperkuat dengan dokumentasi kasus spesifik di lahan milik key informant Bapak Edi Puryanto, di mana keterlambatan identifikasi penyakit blast pada tanaman padi menyebabkan kerugian panen sebesar 30% atau setara Rp 4,2 juta pada musim tanam Februari-Mei 2024. Kasus ini merepresentasikan pola masalah yang umum terjadi di komunitas petani dengan akses terbatas terhadap expertise agricultural extension dan teknologi pertanian modern.
3.2.2 Tahap 2: Definisi Objektif Solusi
Objektif utama yang ditetapkan adalah merancang dan mengembangkan aplikasi mobile yang dapat memberikan akses instant kepada petani untuk melakukan diagnosis awal penyakit tanaman dengan menggunakan teknologi Gemini API yang diintegrasikan dalam antarmuka yang user-friendly dan contextually appropriate untuk karakteristik pengguna rural dengan variasi tingkat literasi digital.
Kriteria solusi yang ditetapkan mencakup accessibility requirements berupa kompatibilitas dengan smartphone Android entry-level dengan RAM minimal 2GB dan storage 16GB yang umum digunakan petani di Desa Sumbersalam. Usability requirements menekankan pada interface design yang intuitive untuk pengguna dengan limited digital literacy, dengan navigation flow yang simple dan feedback visual yang clear. Functionality requirements meliputi image recognition untuk diagnosis penyakit, knowledge base untuk rekomendasi penanganan, dan community features untuk knowledge sharing antar petani.
Performance expectations ditetapkan secara realistic berdasarkan pilot testing, dengan target accuracy rate 85-90% untuk deteksi penyakit pada tanaman utama (padi, jagung, tembakau) dalam kondisi cahaya adequate dan kualitas foto yang memadai. Reliability requirements meliputi offline capability untuk basic features dan sync capability untuk community features ketika internet connection available.
3.2.3 Tahap 3: Perancangan dan Pengembangan
Proses design dimulai dengan user-centered design approach yang melibatkan key informant Bapak Edi Puryanto dalam iterative design sessions untuk memastikan interface dan feature set yang dikembangkan align dengan mental model dan workflow pattern petani dalam aktivitas pertanian harian. Design thinking methodology diterapkan dengan empathy mapping untuk memahami user pain points, ideation sessions untuk generate solution alternatives, dan prototyping untuk validate design decisions.
Architectural design mengadopsi Clean Architecture pattern dengan separation of concerns antara presentation layer (Flutter UI), business logic layer (BLoC state management), dan data layer (Supabase backend + Gemini API integration). Pemilihan arsitektur ini didasarkan pada requirements untuk maintainability, testability, dan scalability yang mendukung future development dan potential expansion ke wilayah geographical lainnya.
Technology stack selection didasarkan pada criteria appropriateness untuk rural deployment: Flutter framework dipilih untuk cross-platform compatibility (Android/iOS) dengan single codebase yang efisien untuk development resources yang terbatas. Gemini API diseleksi sebagai AI engine karena multimodal capabilities yang superior untuk image recognition dan Indonesian language processing dibandingkan alternatif seperti Plant.id yang lebih limited dalam local context adaptation. Supabase diadopsi sebagai Backend-as-a-Service untuk rapid development dengan built-in authentication, real-time database, dan cloud storage yang reliable untuk community features implementation.
Development methodology menggunakan agile approach dengan weekly sprint cycles yang melibatkan continuous feedback dari key informant untuk ensure that development direction tetap aligned dengan user needs dan contextual requirements. Setiap sprint diakhiri dengan field testing session di lahan pertanian untuk validate feature functionality dalam real-world conditions dengan various environmental factors (lighting, weather, connectivity).
3.2.4 Tahap 4: Demonstrasi
Field demonstration dilaksanakan dalam controlled environment di lahan pertanian Bapak Edi Puryanto dengan systematic testing scenarios yang mencakup berbagai kondisi penggunaan real-world. Testing scenarios meliputi morning light conditions (06:00-08:00), optimal daylight (10:00-14:00), dan late afternoon conditions (16:00-18:00) untuk evaluate performance consistency across different lighting situations yang umum ditemui petani dalam aktivitas lapangan.
Demonstration protocol strukturnya meliputi pre-test briefing tentang aplikasi functionality dan expected outcomes, guided walkthrough untuk memfamiliarkan user dengan interface dan navigation flow, independent testing session dimana key informant menggunakan aplikasi untuk actual plant diagnosis tanpa researcher intervention, dan post-test debrief untuk capture immediate feedback dan observable usability issues.
Performance capture dilakukan secara systematic dengan documentation setiap test case meliputi input image quality, lighting conditions, plant species dan disease symptoms, AI diagnosis results, accuracy assessment berdasarkan expert validation, dan user interaction patterns. Dari 21 test cases yang dilakukan, 19 kasus menghasilkan diagnosis yang accurate (89.5% success rate), sementara 2 kasus mengalami failure karena poor image quality dan extreme lighting conditions.
3.2.5 Tahap 5: Evaluasi
Evaluasi komprehensif dilakukan dengan mixed-methods approach yang menggabungkan quantitative performance metrics dan qualitative user experience assessment untuk memberikan holistic view tentang artefak effectiveness dan user acceptance dalam konteks penggunaan real-world.
Quantitative evaluation meliputi accuracy metrics berdasarkan expert validation dari agricultural extension officer Kabupaten Bondowoso, dengan accuracy rate 89.5% (19/21 successful diagnoses) yang menunjukkan performance level yang adequate untuk practical deployment. Response time measurement menunjukkan average processing time 3.2 detik untuk image analysis dengan internet connection stable, dan user task completion rate 95% untuk basic functionality (image capture dan result interpretation).
Qualitative evaluation menggunakan Technology Acceptance Model (TAM) framework untuk assess perceived usefulness dan perceived ease of use sebagai primary factors yang mempengaruhi adoption intention. Semi-structured interview dengan key informant menghasilkan insights bahwa aplikasi dianggap "sangat membantu untuk diagnosis cepat" (perceived usefulness tinggi) dan "mudah dipelajari dalam 1-2 kali penggunaan" (perceived ease of use tinggi), dengan adoption intention yang strong untuk penggunaan regular dalam aktivitas pertanian.
Usability assessment menggunakan System Usability Scale (SUS) yang diadaptasi untuk rural context, menghasilkan score 78.5 yang dikategorikan sebagai "Good" usability level. User feedback qualitatif mengidentifikasi strength dalam simple navigation flow dan clear visual feedback, sementara improvement opportunities terletak pada offline functionality enhancement dan more comprehensive disease database untuk varietas tanaman lokal.
3.2.6 Tahap 6: Komunikasi
Dokumentasi hasil penelitian dilakukan secara systematic untuk ensure knowledge transfer yang effective kepada academic community dan practical stakeholders. Academic communication meliputi thesis documentation dengan detailed methodology, findings, dan implications untuk future research dalam domain agricultural technology dan rural technology adoption.
Knowledge dissemination kepada praktisi meliputi workshop demonstration kepada farmer groups di Desa Sumbersalam untuk transfer knowledge tentang technology benefits dan usage guidelines. Collaboration dengan agricultural extension office Kabupaten Bondowoso established untuk potential integration dengan existing agricultural support programs dan scaling considerations untuk broader geographical coverage.
Contribution identification untuk academic domain meliputi methodological contribution berupa DSR implementation framework untuk agricultural technology development, empirical contribution berupa insights tentang rural technology adoption patterns, dan practical contribution berupa working prototype yang demonstrates feasibility of AI technology adaptation untuk Indonesian agricultural context.
3.3 Lokasi dan Waktu Penelitian
Lokasi penelitian ditetapkan secara purposive di Desa Sumbersalam, Kecamatan Bondowoso, Kabupaten Bondowoso, Jawa Timur berdasarkan kriteria representativeness sebagai komunitas pertanian rural yang memiliki karakteristik tipikal petani Indonesia dengan akses teknologi terbatas namun memiliki potensi adopsi teknologi mobile yang tinggi. Pemilihan lokasi ini didasarkan pada preliminary survey yang menunjukkan bahwa 95% household memiliki smartphone Android, infrastruktur internet adequate (3G/4G coverage), dan diversitas tanaman yang sesuai dengan scope penelitian (padi, jagung, tembakau).
Karakteristik geografis Desa Sumbersalam mencakup total area 847 hektar dengan 65% merupakan lahan pertanian produktif, ketinggian 250-350 meter di atas permukaan laut, dan curah hujan rata-rata 1.800-2.200 mm per tahun yang mendukung pertanian intensif sepanjang tahun. Kondisi agroekosistem ini memberikan keragaman penyakit tanaman yang representative untuk testing aplikasi TaniSMART dalam berbagai scenarios yang relevan dengan kondisi pertanian Indonesia pada umumnya.
Justifikasi pemilihan lokasi didasarkan pada accessibility untuk intensive field research dengan dukungan key informant yang cooperative, representativeness terhadap karakteristik petani rural Indonesia dalam hal demographic profile dan farming practices, dan feasibility untuk longitudinal observation dalam timeframe penelitian yang tersedia. Desa Sumbersalam juga memiliki active farmer groups dan agricultural extension presence yang memfasilitasi validation process dan community engagement yang diperlukan untuk research rigor.
Waktu penelitian dilaksanakan dalam periode Juni-Agustus 2024 (3 bulan) dengan intensive field research approach yang memungkinkan observation terhadap complete crop cycle untuk tanaman padi musim kemarau. Timing penelitian disesuaikan dengan calendar pertanian lokal untuk ensure optimal conditions untuk disease occurrence observation dan farmer availability untuk participation dalam research activities.
Timeline pelaksanaan penelitian dirancang sebagai berikut: Juni 2024 (Month 1) fokus pada problem identification dan requirement analysis melalui intensive observation dan interview dengan key informant. Juli 2024 (Month 2) dedicated untuk iterative design dan development process dengan continuous user feedback integration. Agustus 2024 (Month 3) allocated untuk demonstration, testing, dan evaluation phase dengan comprehensive data collection untuk final assessment.
3.4 Informan Penelitian
Key informant selection menggunakan purposive sampling dengan kriteria specific yang ensure representativeness dan credibility untuk single case study approach yang intensive. Penelitian ini mengadopsi primary key informant strategy yang focus pada one main participant dengan deep engagement, supplemented dengan secondary informants untuk triangulation dan validation purposes.
3.4.1 Primary Key Informant
Bapak Edi Puryanto (45 tahun) ditetapkan sebagai primary key informant berdasarkan kriteria comprehensive yang meliputi experience dalam pertanian (22 tahun pengalaman), ownership terhadap lahan representatif (2.5 hektar dengan diversitas tanaman padi, jagung, tembakau), technology readiness (smartphone user aktif dengan basic digital literacy), community leadership (ketua kelompok tani "Sumber Makmur"), dan willingness untuk long-term collaboration dalam research process.
Profile demografis Bapak Edi menunjukkan karakteristik yang representative terhadap target user aplikasi TaniSMART: pendidikan SMA (setara dengan 68% petani di Kabupaten Bondowoso), income level menengah (Rp 15-25 juta per tahun dari pertanian), household size 4 orang (istri + 2 anak), dan akses technology moderate (smartphone Android, 4G connection, social media user aktif).
Farming practices yang dijalankan Bapak Edi mencakup crop rotation system dengan padi sebagai main crop (2 kali per tahun), jagung dan tembakau sebagai alternative crops, integrated pest management dengan combination traditional dan modern methods, dan active participation dalam farmer group activities termasuk information sharing dan collective problem solving.
Selection rationale untuk Bapak Edi sebagai primary key informant didasarkan pada representation terhadap typical Indonesian farmer profile, accessibility untuk intensive collaboration throughout research period, credibility dalam community sebagai opinion leader yang mempengaruhi technology adoption patterns, dan expertise dalam local agricultural practices yang essential untuk contextual adaptation of technology solution.
3.4.2 Secondary Informants
Agricultural Extension Officer dari Dinas Pertanian Kabupaten Bondowoso (Ibu Sari Wulandari, SP) dilibatkan sebagai expert validator untuk technical accuracy assessment dari AI diagnosis results dan appropriateness evaluation dari recommended treatment suggestions. Involvement extension officer memberikan professional perspective yang balance terhadap farmer perspective dan ensure scientific validity dari research findings.
Three additional farmers dari Kelompok Tani "Sumber Makmur" (Bapak Suroyo, Bapak Wagiman, Bapak Sugiono) dilibatkan dalam focus group discussion untuk triangulation purposes dan community perspective validation. Selection criteria untuk secondary informants meliputi membership dalam same farmer group, similar farming scale (1-3 hektar), dan varying age ranges (35-55 tahun) untuk capture generational differences dalam technology perception.
Community leader (Kepala Desa Sumbersalam) provided contextual information tentang community characteristics, development priorities, dan local regulations yang relevant untuk technology implementation. Leadership perspective important untuk understand broader adoption implications dan sustainability considerations untuk technology integration dalam community development initiatives.
3.4.3 Informant Interaction Protocol
Engagement strategy dengan key informant menggunakan collaborative approach yang positioned researcher sebagai technology facilitator rather than external observer. Weekly meetings established dengan Bapak Edi untuk continuous feedback collection, regular field visits untuk hands-on testing sessions, dan informal daily communication via WhatsApp untuk immediate issue reporting dan suggestion sharing.
Trust building dilakukan melalui genuine interest demonstration terhadap local agricultural challenges, respectful attitude terhadap traditional knowledge dan practices, transparent communication tentang research objectives dan expected benefits, dan commitment untuk knowledge sharing yang mutual benefit untuk both researcher dan community.
Compensation approach untuk informant participation tidak menggunakan monetary incentives untuk avoid bias dalam feedback, namun focused pada knowledge exchange dan technical assistance dalam form of agricultural information access, smartphone usage training, dan potential network connection dengan agricultural development programs.
3.3 Studi Literatur dan Kajian Teori
Studi literatur dilaksanakan secara sistematis untuk mengkaji berbagai penelitian terdahulu yang relevan dengan implementasi teknologi AI dan computer vision dalam sektor pertanian, khususnya untuk identifikasi penyakit tanaman melalui aplikasi mobile. Dalam konteks Design Science Research, studi literatur berperan penting dalam tahap identifikasi masalah dan definisi objektif solusi.
Fokus utama studi literatur mencakup Technology Acceptance Model (TAM) untuk memahami faktor-faktor yang mempengaruhi penerimaan teknologi oleh petani dalam konteks rural Indonesia. Computer Vision dan AI dalam deteksi penyakit tanaman menggunakan deep learning dan image recognition menjadi fokus teknis utama. Mobile Application Development dengan Flutter framework untuk aplikasi pertanian dipelajari sebagai foundation pengembangan. Human-Computer Interaction (HCI) dalam konteks rural technology adoption dieksplorasi untuk memahami aspek usability. Backend as a Service (BaaS) dengan fokus pada Supabase sebagai platform cloud dianalisis untuk arsitektur sistem.
Metodologi pencarian literatur menggunakan pendekatan systematic review dengan kata kunci "AI plant disease detection" untuk literatur tentang teknologi deteksi penyakit. "Smart farming technology adoption" digunakan untuk mencari penelitian tentang adopsi teknologi pertanian. "Mobile agriculture application" menjadi kata kunci untuk aplikasi mobile dalam sektor pertanian. "Computer vision agriculture" dicari untuk teknologi computer vision dalam pertanian. "Technology acceptance model rural" digunakan untuk penelitian TAM dalam konteks rural.
Database yang digunakan meliputi IEEE Xplore, ScienceDirect, Google Scholar, dan Springer Link dengan periode publikasi 2019-2025 untuk memastikan relevansi teknologi terkini.
3.5 Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini dirancang untuk mendukung implementasi sistematis framework DSR dengan integrasi mixed-methods approach yang menggabungkan qualitative dan quantitative data collection strategies. Alignment dengan DSR stages memastikan bahwa setiap tahapan penelitian mendapatkan data support yang adequate untuk rigorous evaluation dan comprehensive understanding terhadap technology design dan adoption process.
3.5.1 Data Collection Strategy per DSR Stage
Stage 1: Problem Identification - Observational & Interview Data
Participant observation dilakukan secara intensive selama periode Juni 2024 dengan structured observation protocol yang focus pada current farming practices, pain points dalam disease identification, information seeking behavior, dan technology usage patterns. Observation sessions dijadwalkan pada morning hours (06:00-09:00) dan afternoon hours (15:00-18:00) ketika petani melakukan field inspection activities, untuk capture natural workflow dan authentic problem manifestation.
In-depth interviews dengan key informant Bapak Edi Puryanto menggunakan semi-structured interview guide yang explore historical experiences dengan plant disease outbreaks, economic impact assessment dari crop losses, current information sources untuk agricultural advice, technology readiness assessment, dan expectation mapping untuk digital solution. Interview sessions dilakukan dalam Bahasa Indonesia dengan natural conversational approach untuk ensure comfort dan authenticity dalam response.
Photo-documentation dari current plant conditions, disease symptoms, dan farming environment untuk establish baseline understanding tentang prevalent diseases dan challenging diagnosis scenarios yang akan become input untuk solution design. Documentation menggunakan systematic approach dengan metadata recording meliputi date, time, weather conditions, plant species, growth stage, dan observed symptoms.
Stage 2: Objectives Definition - Requirement Analysis Data
Requirements elicitation melalui collaborative sessions dengan key informant untuk define functional requirements (feature specifications), non-functional requirements (performance, usability, reliability), dan contextual requirements (local adaptation, cultural appropriateness). Sessions menggunakan user story development technique untuk capture requirements dalam user-centric format yang align dengan actual usage scenarios.
Stakeholder analysis interviews dengan agricultural extension officer dan secondary farmers untuk understand ecosystem requirements dan validation criteria untuk technology solution. Data collection focus pada technical standards untuk disease diagnosis accuracy, acceptable performance thresholds, integration requirements dengan existing agricultural support systems, dan adoption facilitators atau barriers dalam community context.
Competitive analysis melalui literature review dan technology assessment untuk understand current solutions, gap identification, dan opportunity mapping untuk value proposition development. Analysis include technology capability assessment (Gemini API vs alternatives), market readiness evaluation, dan implementation feasibility dalam resource-constrained environment.
Stage 3: Design & Development - Iterative Feedback Data
User-centered design sessions dengan key informant menggunakan participatory design approach untuk interface development, navigation flow optimization, dan feature prioritization. Sessions documented melalui screen recording, sketch documentation, dan verbal feedback transcription untuk comprehensive design rationale documentation.
Rapid prototyping feedback collection melalui weekly testing sessions dengan evolving prototype versions, menggunakan think-aloud protocol untuk capture user mental models, cognitive load assessment, dan usability issue identification. Feedback data structured dalam usability issue tracking format dengan severity classification dan resolution priority assignment.
Technical performance data dari development process meliputi API response time measurements, accuracy testing results dengan sample images, error rate documentation, dan system reliability metrics under various conditions (network connectivity, device specifications, environmental factors).
Stage 4: Demonstration - Performance Documentation Data
Controlled testing scenarios implementation dengan systematic test case execution covering various plant species, disease types, lighting conditions, dan user interaction patterns. Test results documented dengan detailed metrics meliputi diagnosis accuracy, response time, user task completion rates, dan system error occurrences.
Real-world usage documentation melalui field testing sessions dimana key informant menggunakan aplikasi untuk actual farming needs tanpa researcher intervention. Usage sessions recorded (dengan permission) untuk behavior analysis, success pattern identification, dan natural error recovery observation.
Expert validation data collection dari agricultural extension officer untuk technical accuracy assessment dari AI diagnosis results, appropriateness evaluation dari recommended treatments, dan professional assessment terhadap solution quality untuk practical deployment.
Stage 5: Evaluation - User Acceptance & Performance Data
Technology Acceptance Model (TAM) assessment menggunakan structured questionnaire yang adapted untuk rural context, measuring perceived usefulness, perceived ease of use, attitude toward usage, dan behavioral intention. TAM constructs measured menggunakan 7-point Likert scale dengan bilingual questionnaire (Indonesian/Javanese) untuk ensure comprehension accuracy.
System Usability Scale (SUS) evaluation dengan adaptation untuk local context dan low-literacy users, providing quantitative usability assessment yang comparable dengan standard benchmarks. SUS administration dilakukan melalui guided interview format untuk ensure understanding dan accurate response dari participants.
Semi-structured evaluation interviews untuk qualitative assessment terhadap user experience, satisfaction levels, perceived benefits, experienced challenges, dan recommendations untuk improvement. Interview data provide rich contextual information untuk understanding quantitative metrics dan identifying areas untuk future development.
Performance metrics collection meliputi objective measures seperti task completion time, error rates, feature usage frequency, dan retention indicators. Performance data collected melalui application logging (dengan user consent) dan manual observation during evaluation sessions.
Stage 6: Communication - Documentation & Dissemination Data
Research documentation systematic meliputi methodology documentation, findings summarization, lessons learned compilation, dan contribution identification untuk academic dan practical communities. Documentation process ensure knowledge preservation dan transferability untuk future research atau implementation efforts.
Community feedback sessions untuk knowledge sharing dengan broader farmer community, collecting community-level acceptance indicators, adoption intention assessment, dan scaling feasibility evaluation. Sessions provide data untuk understanding broader implications dan implementation considerations untuk technology scaling.
3.5.2 Data Quality Assurance Measures
Triangulation strategy implemented melalui multiple data sources (key informant, secondary farmers, extension officer), multiple methods (observation, interview, testing), dan multiple time points (longitudinal data collection) untuk enhance validity dan reliability dari research findings.
Member checking procedures dengan key informant untuk validate interpretation accuracy dari collected data, ensure authentic representation dari participant perspectives, dan maintain research credibility dalam community context. Member checking dilakukan pada regular intervals throughout research process untuk continuous validation.
Audit trail maintenance melalui comprehensive documentation dari data collection procedures, decision rationales, analysis processes, dan interpretation development untuk ensure transparency dan replicability dari research process. Audit trail documentation stored secara systematic dengan version control untuk research integrity maintenance.
3.6 Teknik Analisis Data
Analisis data dalam penelitian DSR ini menggunakan sequential mixed-methods approach yang mengintegrasikan qualitative analysis untuk understanding contextual factors dan quantitative analysis untuk performance evaluation. Framework analisis dirancang untuk mendukung setiap tahapan DSR dengan appropriate analytical techniques yang ensure rigorous evaluation dan meaningful insights generation.
3.6.1 Qualitative Data Analysis
Thematic Analysis untuk User Requirements & Design Insights
Inductive thematic analysis diterapkan pada interview transcripts, observation notes, dan user feedback data untuk identify patterns dalam user needs, pain points, dan expectations. Analysis process mengikuti Braun & Clarke (2006) framework dengan systematic coding procedures: familiarization dengan data melalui multiple reading sessions, initial code generation untuk identify meaningful units, theme development melalui code clustering, theme review dan refinement untuk ensure coherence, dan final theme definition dengan supporting evidence compilation.
User journey mapping analysis untuk understand current farming workflows dan identify intervention points dimana technology solution dapat provide maximum value. Journey mapping integrate observational data dengan interview insights untuk create comprehensive understanding tentang user context dan opportunity identification untuk design optimization.
Pain point categorization menggunakan framework yang classify identified issues dalam technical barriers (technology access, digital literacy), informational barriers (knowledge gaps, information quality), social barriers (community acceptance, social influence), dan economic barriers (cost considerations, value perception) untuk comprehensive problem understanding.
Content Analysis untuk Literature & Documentation
Systematic content analysis pada academic literature menggunakan concept-driven approach untuk extract relevant findings tentang DSR applications dalam agriculture, technology acceptance models untuk rural contexts, dan mobile application design principles untuk low-literacy users. Analysis menggunakan predetermined categories aligned dengan research objectives sambil remain open untuk emergent themes yang relevant untuk research context.
Comparative analysis dari existing agricultural applications dan AI-based plant disease detection systems untuk identify best practices, common limitations, dan differentiation opportunities untuk TaniSMART solution. Analysis focus pada feature comparison, usability approaches, dan user feedback patterns untuk inform design decisions.
3.6.2 Quantitative Data Analysis
Descriptive Statistics untuk Performance Metrics
Performance metrics analysis menggunakan descriptive statistics untuk summarize system performance data meliputi accuracy rates (percentage of correct diagnoses), response times (average processing duration), error rates (frequency dan types of system errors), dan user task completion rates. Descriptive analysis provide baseline performance assessment yang essential untuk demonstrating solution viability.
User acceptance metrics analysis menggunakan Technology Acceptance Model (TAM) framework dengan statistical assessment dari perceived usefulness, perceived ease of use, attitude toward usage, dan behavioral intention constructs. Analysis menggunakan reliability assessment (Cronbach's alpha) untuk internal consistency verification dan correlation analysis untuk construct relationship exploration.
System Usability Scale (SUS) analysis dengan standard scoring procedures untuk generate usability scores yang comparable dengan established benchmarks. SUS analysis provide quantitative usability assessment yang complement qualitative user experience insights dan enable comparative evaluation dengan similar applications.
Error Analysis untuk System Reliability Assessment
Failure mode analysis untuk understand patterns dalam system errors, including failure categorization (network connectivity, image quality, API limitations), failure frequency assessment, dan recovery mechanism effectiveness evaluation. Error analysis essential untuk understanding system limitations dan informing improvement recommendations.
Performance correlation analysis untuk identify relationships antara environmental factors (lighting conditions, image quality, plant species) dan system performance outcomes. Correlation analysis enable identification of optimal usage conditions dan areas untuk system enhancement prioritization.
3.6.3 Integration Analysis for DSR Evaluation
Cross-Case Pattern Analysis
Pattern identification across different usage scenarios, user interactions, dan environmental conditions untuk understand factors yang influence successful technology adoption dan effective usage patterns. Pattern analysis integrate qualitative insights dengan quantitative performance data untuk comprehensive understanding tentang solution effectiveness.
Success factor analysis untuk identify critical elements yang contribute untuk positive user experience dan successful task completion. Analysis focus pada user characteristics, system features, environmental factors, dan interaction patterns yang associated dengan optimal outcomes.
Gap Analysis for Design Improvement
Requirement vs. Reality assessment untuk compare initial design objectives dengan actual performance outcomes, identify areas where solution meets expectations dan areas requiring improvement. Gap analysis inform iterative design recommendations dan future development priorities.
User expectation vs. System capability analysis untuk understand discrepancies antara user needs dan current solution capabilities, providing insights untuk feature enhancement dan user education requirements.
3.6.4 DSR-Specific Analytical Framework
Artifact Evaluation Matrix
Multi-criteria evaluation framework yang assess developed artifact (TaniSMART application) berdasarkan technical effectiveness (accuracy, reliability, performance), user acceptance (usability, satisfaction, adoption intention), practical utility (real-world applicability, problem-solving capability), dan contribution significance (novelty, relevance, academic value).
Rigor assessment untuk evaluate research methodology quality dan ensure compliance dengan DSR best practices. Assessment meliputi artifact design quality, evaluation comprehensiveness, methodological appropriateness, dan contribution clarity untuk academic standards compliance.
Knowledge Contribution Analysis
Design knowledge articulation untuk identify dan document insights tentang designing technology solutions untuk rural agricultural contexts. Knowledge contribution meliputi design principles, design guidelines, dan design theory elements yang transferable untuk similar problem domains.
Methodological contribution assessment untuk evaluate research approach novelty dan applicability untuk future DSR implementations dalam agricultural technology domain. Methodological insights include research design adaptations, evaluation framework enhancements, dan data collection innovations yang valuable untuk research community.
3.7 Validitas dan Reliabilitas Data
3.7.1 Validitas Data dalam Konteks DSR
Internal Validity
Triangulation strategy implementation melalui multiple perspectives (key informant, secondary farmers, extension officer), multiple methods (observation, interview, testing), dan multiple time points (longitudinal evaluation) untuk enhance validity dari research findings. Triangulation ensure bahwa conclusions supported oleh converging evidence dari different sources dan approaches.
Member checking procedures dengan key informant untuk validate interpretation accuracy dari collected data dan ensure authentic representation dari participant perspectives. Member checking dilakukan throughout research process untuk continuous validation dan maintain research credibility dalam community context.
Expert validation dari agricultural extension officer untuk technical accuracy assessment dari AI diagnosis results dan appropriateness evaluation dari recommended treatments. Expert validation provide professional credibility untuk research findings dan ensure practical relevance dari developed solution.
External Validity & Transferability
Rich contextual description provision untuk enable transferability assessment oleh future researchers atau practitioners untuk similar contexts. Contextual description meliputi detailed community characteristics, environmental factors, cultural considerations, dan implementation constraints yang relevant untuk replication atau adaptation efforts.
Purposive sampling justification dengan clear criteria explanation untuk key informant selection dan explicit discussion tentang representativeness limitations. Sampling justification acknowledge scope boundaries sambil demonstrate logical basis untuk case selection dalam single case study approach.
Boundary conditions identification untuk clearly define scope dan limitations dari research findings, including geographic boundaries (Desa Sumbersalam), temporal boundaries (3-month study period), technological boundaries (Gemini API capabilities), dan demographic boundaries (rural farmer characteristics).
3.7.2 Reliabilitas Data
Consistency Measures
Inter-method reliability assessment melalui comparison antara different data collection approaches untuk similar constructs. Consistency checking antara observational data dan interview data tentang user behavior patterns ensure reliable understanding tentang user characteristics dan needs.
Temporal reliability verification melalui repeated measurements pada different time points untuk assess stability dari user perceptions dan system performance metrics. Temporal checking important untuk distinguishing antara consistent patterns dan temporary fluctuations dalam data.
Documentation rigor maintenance melalui systematic record keeping, standardized procedures untuk data collection, dan comprehensive audit trail documentation. Documentation rigor ensure research reproducibility dan enable quality assessment oleh external reviewers.
Measurement Reliability
Instrument validation untuk structured questionnaires (TAM, SUS) menggunakan standard reliability assessment procedures including internal consistency testing (Cronbach's alpha), item-total correlation analysis, dan factor structure verification. Instrument reliability essential untuk meaningful quantitative analysis dan valid conclusions.
Observer reliability enhancement melalui clear observation protocols, systematic documentation procedures, dan regular calibration sessions untuk maintain consistency dalam data interpretation across different observation sessions.
3.7.3 Credibility Enhancement Strategies
Prolonged Engagement
Extended field presence selama 3-month period untuk build trust dengan community members, develop deep understanding tentang local context, dan enable comprehensive observation dari various situations dan interactions. Prolonged engagement enhance research credibility dan ensure comprehensive data collection.
Continuous relationship building dengan key informant dan community members untuk maintain open communication channels, encourage honest feedback, dan facilitate natural interaction patterns yang essential untuk authentic data collection.
Peer Debriefing & External Audit
Academic supervision involvement untuk regular review dari research progress, methodology compliance assessment, dan interpretation validity checking. Supervision provide external perspective untuk ensure research rigor dan academic standards compliance.
Community validation sessions untuk present preliminary findings kepada farmer groups dan collect community-level feedback tentang accuracy dan relevance dari research conclusions. Community validation ensure that research outcomes resonate dengan lived experience dari target population.
Validitas eksternal dijaga melalui thick description terhadap konteks penelitian, karakteristik informan, dan setting penelitian untuk memungkinkan transferability hasil penelitian ke konteks serupa.
3.8.2 Reliabilitas Data
Reliabilitas dipastikan melalui konsistensi instrumen wawancara dan observasi yang telah tervalidasi. Inter-rater reliability dijaga dalam proses coding dan analisis data kualitatif dengan melibatkan multiple reviewer. Audit trail dilakukan dengan mendokumentasikan secara lengkap proses pengumpulan dan analisis data dari tahap awal hingga akhir. Member checking dilaksanakan dengan melakukan validasi hasil analisis kepada informan untuk memastikan akurasi interpretasi.
3.9 Analisis Data
3.9.1 Analisis Data Kualitatif
Data kualitatif dari wawancara dan observasi dianalisis menggunakan thematic analysis dengan pendekatan inductive coding. Proses analisis dimulai dengan transcription yaitu verbatim transcription hasil wawancara untuk memastikan akurasi data. Initial coding dilakukan dengan open coding untuk mengidentifikasi konsep-konsep awal yang muncul dari data. Categorization kemudian dilaksanakan dengan mengelompokkan kode-kode yang berkaitan. Theme development dilakukan untuk mengidentifikasi tema-tema utama yang konsisten. Theme refinement menjadi tahap akhir dengan melakukan validasi dan refinement tema berdasarkan data yang tersedia.
3.9.2 Analisis Data Kuantitatif
Data kuantitatif dari usability testing dan performance metrics dianalisis menggunakan descriptive statistics dan inferential statistics dengan bantuan software SPSS atau R.
Metrics yang dianalisis meliputi task completion rate yang mengukur persentase berhasil menyelesaikan tugas yang diberikan kepada pengguna. Time on task dianalisis untuk mengetahui waktu yang dibutuhkan untuk menyelesaikan tugas tertentu dalam aplikasi. Error rate dihitung berdasarkan frekuensi kesalahan dalam penggunaan aplikasi selama sesi testing. User satisfaction score dievaluasi menggunakan skor kepuasan berdasarkan System Usability Scale yang telah terstandarisasi.
3.5 Metode Pengembangan Aplikasi
Metode pengembangan aplikasi yang digunakan untuk membangun Aplikasi Mobile TaniSMART adalah Design Science Research (DSR) yang dikembangkan oleh Hevner et al. (2004). DSR dipilih karena penelitian ini berfokus pada perancangan dan pengembangan solusi teknologi untuk memecahkan masalah praktis dalam domain pertanian.
DSR berbeda dengan metode pengembangan tradisional karena menekankan pada penciptaan artefak (aplikasi) yang dapat memberikan kontribusi praktis sekaligus kontribusi akademis. Metode ini sangat sesuai untuk penelitian yang bertujuan menciptakan teknologi baru atau mengintegrasikan teknologi existing untuk menyelesaikan masalah di dunia nyata.
3.5.1 Identifikasi Masalah dan Motivasi
Tahap pertama dalam DSR adalah mengidentifikasi masalah spesifik yang akan diselesaikan melalui pengembangan aplikasi. Pada tahap ini dilakukan analisis mendalam terhadap permasalahan yang dihadapi petani di Desa Sumbersalam dalam mendiagnosis penyakit tanaman.
Aktivitas yang dilakukan meliputi wawancara mendalam dengan Bapak Edi Puryanto untuk memahami kesulitan dalam identifikasi penyakit tanaman yang selama ini dihadapi petani. Observasi lapangan dilakukan secara intensif untuk mengamati praktek pertanian tradisional yang telah digunakan turun-temurun. Analisis gap kemudian dilakukan untuk mengidentifikasi kesenjangan antara kebutuhan petani dengan teknologi yang tersedia saat ini. Seluruh temuan kemudian didokumentasikan secara sistematis sebagai landasan yang kuat untuk pengembangan solusi teknologi.
Hasil tahap ini adalah pemahaman yang jelas tentang mengapa aplikasi TaniSMART perlu dikembangkan dan apa masalah spesifik yang akan diselesaikan.
3.5.2 Definisi Tujuan Solusi
Tahap kedua adalah menetapkan tujuan yang jelas dan terukur untuk aplikasi yang akan dikembangkan. Berdasarkan masalah yang telah diidentifikasi, tahap ini mendefinisikan apa yang ingin dicapai melalui aplikasi TaniSMART.
Tujuan solusi yang ditetapkan meliputi memudahkan petani dalam identifikasi penyakit tanaman menggunakan foto dengan interface yang sederhana dan intuitif. Aplikasi dirancang untuk menyediakan rekomendasi penanganan yang praktis dan mudah dipahami oleh petani dengan berbagai tingkat pendidikan. Platform komunitas diciptakan untuk memfasilitasi berbagi pengalaman antar petani dalam mengatasi masalah pertanian. Analisis hasil panen disajikan dengan tampilan yang sederhana namun informatif untuk membantu petani membuat keputusan yang lebih baik.
Kriteria keberhasilan ditetapkan berdasarkan kemudahan penggunaan dan penerimaan oleh petani, bukan pada akurasi teknis yang kompleks.
3.5.3 Perancangan dan Pengembangan
Tahap ketiga adalah merancang dan membangun aplikasi berdasarkan tujuan yang telah ditetapkan. Tahap ini meliputi perancangan antarmuka, pengembangan kode, dan integrasi teknologi.
Perancangan Antarmuka meliputi desain yang sederhana dan mudah dipahami petani dengan berbagai tingkat literasi digital untuk memastikan aksesibilitas yang optimal. Penggunaan ikon dan simbol yang familiar dalam konteks pertanian diprioritaskan untuk mempermudah pengenalan fungsi-fungsi aplikasi. Alur navigasi dirancang secara intuitif tanpa menu yang membingungkan agar petani dapat menggunakan aplikasi tanpa kesulitan. Desain responsif diterapkan agar aplikasi dapat digunakan dengan optimal di berbagai ukuran layar smartphone yang berbeda.
Pengembangan Aplikasi menggunakan Flutter sebagai framework utama untuk membangun aplikasi lintas platform yang dapat berjalan di Android dan iOS. Gemini API diintegrasikan untuk teknologi pengenalan dan analisis foto tanaman dengan akurasi yang dapat diandalkan. Supabase dimanfaatkan untuk penyimpanan data pengguna dan komunitas dengan keamanan yang terjamin. Integrasi fitur kamera dilakukan untuk memungkinkan pengambilan foto tanaman secara langsung dari dalam aplikasi.
Proses pengembangan dilakukan secara berulang (iteratif) dengan melibatkan feedback dari calon pengguna di setiap tahap.
3.5.4 Demonstrasi
Tahap keempat adalah menunjukkan bahwa aplikasi yang dikembangkan dapat menyelesaikan masalah yang telah diidentifikasi. Demonstrasi dilakukan dengan uji coba langsung di lapangan bersama petani.
Aktivitas demonstrasi meliputi instalasi aplikasi di smartphone petani dengan pendampingan teknis untuk memastikan proses berjalan lancar. Pelatihan singkat diberikan untuk memperkenalkan penggunaan fitur-fitur utama aplikasi dengan bahasa yang mudah dipahami. Uji coba identifikasi penyakit tanaman dilakukan menggunakan foto nyata dari sawah yang ada di lokasi penelitian. Demonstrasi fitur komunitas dan analisis hasil panen ditunjukkan untuk memberikan gambaran lengkap kemampuan aplikasi. Pencatatan respons dan reaksi petani terhadap aplikasi dilakukan secara sistematis untuk evaluasi lebih lanjut.
Hasil demonstrasi berupa bukti konkret bahwa aplikasi dapat digunakan oleh target pengguna untuk menyelesaikan masalah sehari-hari mereka.
3.5.5 Evaluasi
Tahap kelima adalah mengevaluasi seberapa baik aplikasi memenuhi tujuan yang telah ditetapkan. Evaluasi dilakukan menggunakan Technology Acceptance Model (TAM) dengan fokus pada penerimaan dan kemudahan penggunaan.
Metode evaluasi meliputi wawancara pasca-penggunaan yang dilakukan untuk mengetahui persepsi petani setelah menggunakan aplikasi dalam periode tertentu. Observasi dilakukan untuk mengamati cara petani menggunakan aplikasi secara natural tanpa intervensi peneliti. Kuesioner sederhana disusun dengan pertanyaan tentang kemudahan dan kegunaan aplikasi yang dapat dipahami oleh responden. Analisis tingkat kepuasan dan keinginan untuk terus menggunakan dilakukan untuk mengukur sustainability adopsi teknologi.
Indikator keberhasilan meliputi kemampuan petani untuk menggunakan aplikasi tanpa bantuan setelah mendapat penjelasan singkat dari tim peneliti. Waktu yang dibutuhkan untuk identifikasi penyakit harus lebih cepat dibandingkan dengan metode manual yang selama ini digunakan. Petani diharapkan merasa terbantu dengan informasi yang diberikan aplikasi dalam mengatasi masalah pertanian mereka. Keinginan untuk merekomendasikan aplikasi kepada petani lain menjadi indikator penting tingkat kepuasan dan adopsi teknologi.
3.5.6 Komunikasi
Tahap terakhir adalah mengkomunikasikan hasil penelitian kepada komunitas akademis dan praktisi. Tahap ini memastikan bahwa kontribusi penelitian dapat dimanfaatkan dan dikembangkan lebih lanjut.
Output komunikasi meliputi dokumentasi lengkap proses pengembangan dan hasil evaluasi yang dapat dijadikan referensi untuk penelitian serupa. Rekomendasi disusun untuk membantu pengembangan aplikasi pertanian serupa dengan konteks yang berbeda. Lesson learned dari implementasi teknologi AI dalam konteks petani rural didokumentasikan sebagai kontribusi akademis. Panduan praktis disediakan untuk penelitian serupa yang akan dilakukan di lokasi atau konteks yang berbeda di masa mendatang.
3.6 Keunggulan DSR dibandingkan Metode Tradisional
Mengapa DSR lebih sesuai dibandingkan metode pengembangan tradisional seperti Waterfall dapat dijelaskan melalui beberapa aspek utama. Pertama, DSR memiliki fokus pada solusi praktis dengan menekankan utility dan relevance solusi untuk masalah nyata yang dihadapi pengguna. Kedua, evaluasi yang komprehensif tidak hanya menguji fungsi teknis tetapi juga penerimaan pengguna dalam konteks penggunaan sehari-hari. Ketiga, kontribusi ganda dihasilkan berupa artefak yang berguna sekaligus pengetahuan akademis yang dapat dikembangkan lebih lanjut. Keempat, fleksibilitas metode memungkinkan iterasi dan perbaikan berdasarkan feedback pengguna selama proses pengembangan. Kelima, legitimasi akademis memberikan kerangka ilmiah yang solid untuk penelitian pengembangan teknologi dalam konteks akademis.
3.7 Etika Penelitian
Penelitian ini mengikuti prinsip-prinsip etika penelitian yang meliputi persetujuan tertulis dimana semua peserta penelitian memberikan persetujuan setelah mendapat penjelasan lengkap tentang tujuan dan proses penelitian. Kerahasiaan data dijaga dengan menjamin identitas peserta dan data pribadi tidak dipublikasikan dalam bentuk apapun. Partisipasi sukarela dipastikan dimana peserta dapat mengundurkan diri dari penelitian kapan saja tanpa konsekuensi negatif. Perlindungan data dilakukan dengan menyimpan data penelitian secara aman dan hanya digunakan untuk kepentingan akademis sesuai dengan standar etika penelitian.
3.10 Justifikasi Metodologi dan Limitasi Penelitian
3.10.1 Justifikasi Penggunaan Gemini API sebagai Knowledge Source
Rasional akademis penggunaan Gemini API sebagai sumber utama informasi penyakit tanaman dalam penelitian ini dapat dijelaskan melalui tiga aspek utama. Pertama, paradigma Design Science Research fokus pada pengembangan dan evaluasi artefak teknologi, bukan pada creation of new knowledge domain, sehingga penelitian ini mengevaluasi efektivitas implementasi teknologi AI existing (Gemini API) dalam konteks spesifik petani Indonesia. Kedua, penelitian ini termasuk kategori applied research yang menguji integrasi teknologi dalam solving real-world problems, bukan basic research yang membangun knowledge base dari scratch. Ketiga, dengan scope single case study di Desa Sumbersalam, penelitian ini tidak bertujuan untuk menghasilkan comprehensive database penyakit tanaman, melainkan menganalisis user acceptance dan usability aplikasi dalam konteks spesifik.
3.10.2 Limitasi dan Keterbatasan Penelitian
Keterbatasan yang diakui dalam penelitian ini meliputi tiga aspek utama. Pertama, dependency pada external API dimana akurasi diagnosis bergantung pada quality dan training data Gemini API, tidak ada kontrol terhadap algorithm dan knowledge base yang digunakan API, serta potential bias dari training data global yang mungkin tidak sepenuhnya representatif untuk kondisi Indonesia. Kedua, limited ground truth data karena penelitian ini tidak membangun dataset validasi yang comprehensive, dan validasi akurasi dilakukan melalui comparison dengan pengalaman empiris petani serta logical assessment hasil diagnosis. Ketiga, scope geografis terbatas dimana penelitian terbatas pada satu desa dengan karakteristik agroekosistem spesifik sehingga generalizability hasil mungkin terbatas untuk wilayah dengan kondisi berbeda.
3.10.3 Mitigasi Limitasi
Strategi mitigasi keterbatasan penelitian meliputi triangulasi dengan expert knowledge melalui cross-validation hasil Gemini API dengan pengalaman petani lokal serta consultation dengan penyuluh pertanian untuk logical validation diagnosis. Focus on user experience diterapkan dengan emphasis pada usability dan user acceptance sebagai primary metrics, serta evaluation utility aplikasi dari perspektif end-user bukan absolute accuracy. Transparent limitation acknowledgment dilakukan dengan clear documentation keterbatasan dalam hasil penelitian dan recommendation untuk future research dengan larger dataset dan validation.
3.10.4 Justifikasi Akademis
Kontribusi akademis penelitian ini terletak pada beberapa aspek penting. Pertama, implementation science yang menjelaskan bagaimana teknologi AI dapat diimplementasikan effectively dalam konteks rural Indonesia dengan segala keterbatasannya. Kedua, technology adoption yang menganalisis faktor-faktor yang mempengaruhi acceptance teknologi oleh petani tradisional dalam era digital. Ketiga, user-centered design yang mengembangkan design principles untuk aplikasi pertanian yang user-friendly untuk context rural dengan karakteristik unik. Keempat, case study methodology yang memberikan deep analysis adoption pattern dalam specific geographical dan cultural context Indonesia.
Note untuk Defense: Penelitian ini tidak mengklaim untuk menghasilkan new AI model atau comprehensive disease database, melainkan fokus pada practical implementation dan user acceptance evaluation existing technology dalam real-world context.
📝 Catatan Metodologi DSR:
✅ Alignment dengan DSR Framework:
- Mengintegrasikan tahapan DSR dalam metodologi pengumpulan data
- Menekankan aspek design solution dan evaluation
- Fokus pada user acceptance dan usability testing
✅ Konsistensi dengan BAB 1 & 2:
- Menggunakan Gemini API (bukan Plant.id API)
- Mempertahankan fokus pada Desa Sumbersalam sebagai single case study
- Menekankan penerimaan dan kemudahan penggunaan
✅ Bahasa Akademis S1 Natural:
- Menggunakan terminologi yang tepat namun mudah dipahami
- Struktur kalimat yang jelas dan logical flow
- Menghindari jargon teknis yang berlebihan
✅ Metodologi Rigor:
- Mixed method approach dengan triangulasi data
- Validitas dan reliabilitas yang jelas
- Ethical considerations yang komprehensif