Fabrikasi data: Perbedaan antara revisi

Tindakan fabrikasi data merupakan pelanggaran etika penelitian yang serius karena memalsukan hasil dan dapat merusak integritas ilmiah serta kepercayaan publik terhadap penelitian.<ref name=":2" /> Untuk mencegah fabrikasi data, peneliti dapat bersikap transparan dan jujur tentang semua penelitian, data, analisis, dan kesimpulan.

Metode dan bentuk fabrikasi data dapat dilakukan melalui berbagai cara yang secara sengaja menciptakan atau memodifikasi data agar mendukung hasil penelitian yang diinginkan. Salah satu bentuk fabrikasi adalah pembuatan data palsu, yaitu menciptakan data yang sepenuhnya tidak berdasarkan [[eksperimen]], [[survei]], atau pengamatan nyataobservasi.<ref name=":3">{{Cite journal |last=Fanelli |first=Daniele |date=2009 |title=How Many Scientists Fabricate and Falsify Research? A Systematic Review and Meta-Analysis of Survey Data |url=https://doi.org/10.1037/e521122012-010}}</ref> Contohnya, seorang peneliti mengisi kuesionernya sendiri seolah-olah berasal dari responden yang sebenarnya tidak pernah ada. Selain itu, fabrikasi data dapat berupa [[manipulasi data]], di mana peneliti mengubah atau menghapus sebagian data untuk mendapatkan pola atau tren tertentu yang sesuai dengan [[hipotesis]].<ref name=":0" /> Contohnya adalah memodifikasi hasil statistik agar menunjukkan hubungan signifikan antara variabel yang sebenarnya tidak ada. Bentuk lainnya adalah dengan seleksi data secara bias atau biasa disebut [[petik ceri]], yaitu hanya melaporkan data yang mendukung temuan yang diinginkan dan mengabaikan data yang bertentangan.<ref>{{Cite web|last=Shatz|first=Itamar|title=Cherry Picking: When People Ignore Evidence that They Dislike|url=https://effectiviology.com/cherry-picking/#:~:text=The%20problem%20with%20cherry%20picking%20is%20that%20it%20involves%20analyzing,account%20all%20the%20available%20information.|website=Effectiviology|language=en-US|access-date=2024-12-16}}</ref> Praktik-praktik ini biasanya sulit dideteksi jika tidak ada mekanisme verifikasi yang ketat, dan sangat merugikan kredibilitas penelitian serta ilmu pengetahuan secara keseluruhan.<ref name=":3" />

Bagi peneliti yang melakukan fabrikasi data, konsekuensinya bisa sangat berat. Reputasi dan karier mereka bisa hancur karena sanksi akademik, kehilangan pekerjaan, bahkan tuntutan hukum.<ref name=":2">{{Cite journal |last=Kingori |first=Patricia |last2=Gerrets |first2=René |date=2016-10 |title=Morals, morale and motivations in data fabrication: Medical research fieldworkers views and practices in two Sub-Saharan African contexts |url=https://doi.org/10.1016/j.socscimed.2016.08.019 |journal=Social Science &amp; Medicine |volume=166 |pages=150–159 |doi=10.1016/j.socscimed.2016.08.019 |issn=0277-9536}}</ref><ref>{{Cite journal|last=Wilmshurst|first=Peter|date=2007-01-01|title=Dishonesty in Medical Research|url=https://journals.sagepub.com/doi/10.1258/rsmmlj.75.1.3|journal=Medico-Legal Journal|language=en|volume=75|issue=1|pages=3–12|doi=10.1258/rsmmlj.75.1.3|issn=0025-8172}}</ref> Selain itu, fabrikasi data juga dapat berdampak pada pendanaan penelitian. Dalam bidang [[kedokteran]] dan [[kesehatan]], dampak fabrikasi data bisa lebih fatal. Misalnya, fabrikasi data dalam uji klinis obat dapat membahayakan pasien jika obat yang disetujui ternyata tidak efektif atau bahkan berbahaya.<ref name=":1">{{Cite journal |date=2009-03-27 |title=Measuring Misconduct and Integrity |url=https://doi.org/10.1201/9781420077971-9 |publisher=Routledge |pages=69–86 |isbn=978-0-429-24975-4}}</ref><ref name="stacey2016" />

Secara lebih luas, fabrikasi data dapat berdampak pada kebijakan publik. Jika kebijakan didasarkan pada data yang salah, maka kebijakan tersebut berpotensi tidak efektif atau bahkan menimbulkan masalah baru.<ref name="stacey2016">{{Cite journal|last=Stacey|first=Anthony|date=2016|title=Militating against data fabrication and falsification: A protocol of trias politica for business research|url=https://academic-publishing.org/index.php/ejbrm/article/view/1343|journal=The Electronic Journal of Business Research Methods|volume=14|issue=2}}</ref> Oleh karena itu, pencegahan dan deteksi fabrikasi data sangat penting untuk menjaga integritas ilmu pengetahuan, kepercayaan publik, dan keberlangsungan pembangunan yang didasari oleh data dan penelitian yang valid.<ref name=":4" />