Hipotesis yang Terlalu Pas: Mengenal HARKing dan Pre-registrasi

Ketika prediksi ternyata ditulis belakangan

Pernahkah kamu membaca artikel penelitian yang hipotesisnya cocok sekali dengan hasilnya, sampai ke detail terkecil? Bisa jadi penelitinya memang jeli meramal. Tapi ada kemungkinan lain: hipotesis itu baru ditulis setelah hasilnya keluar.

Norbert Kerr menyebut praktik ini HARKing, singkatan dari hypothesizing after the results are known. Maksudnya, hipotesis yang lahir dari hasil disajikan seolah-olah sudah ada sejak awal (Kerr, 1998). Lishner (2021) merincinya menjadi dua unsur: hipotesis disesuaikan setelah melihat data, lalu peneliti mengaku hasil itu sudah ia prediksi. Unsur pertama wajar dalam sains. Unsur kedualah yang menyesatkan pembaca.

Tidak semua HARKing sama beratnya

Kerr membedakan beberapa versi. Ada yang memilih hipotesis apa pun yang paling cocok dengan hasil, ada yang menambahkan hipotesis tandingan yang sudah pasti kalah agar tampak seperti adu teori, ada yang diam-diam membuang hipotesis awal yang gagal, dan ada yang tetap melaporkan hipotesis asli lalu menambah hipotesis baru yang terilhami data. Menurut Kerr, bentuk-bentuk ini tidak setara beratnya.

Rubin (2017) membaginya ke tiga label. CHARKing, menyusun hipotesis baru setelah hasil lalu menyembunyikan asal-usulnya, paling berisiko. SHARKing, menyembunyikan hipotesis yang tidak terdukung, berbahaya bila menyangkut kesimpulan utama. RHARKing, mengambil hipotesis dari literatur setelah hasil keluar, relatif aman selama sumbernya dikutip.

Mengapa peneliti tergoda

Kerr menilai pendorong terbesarnya ada di proses publikasi. Dalam survei terhadap 156 ilmuwan perilaku yang ia laporkan, 96% responden menilai naskah yang menyajikan hipotesis belakangan seolah-olah sejak awal lebih berpeluang terbit daripada naskah yang jujur. Sebanyak 52% pernah melihat editor atau reviewer meminta pendahuluan ditulis ulang agar lebih cocok dengan hasil. Angka ini menggambarkan persepsi dan pengalaman responden pada akhir 1990-an, bukan jumlah artikel yang benar-benar melakukan HARKing.

Ada juga faktor yang tidak disengaja, yaitu hindsight bias: perasaan "sudah tahu dari awal" setelah hasil diketahui. Bias ini sulit dihapus, bahkan ketika orang sudah diperingatkan.

Apa yang hilang ketika hipotesis disamarkan

Kerr mendaftar dua belas kemungkinan kerugian. Kebetulan statistik bisa menjelma teori dan sulit dikoreksi, karena replikasi dan hasil nol jarang diterbitkan. Hipotesis yang ditulis setelah hasil diketahui tidak benar-benar diuji oleh data yang melahirkannya, karena tidak ada peluang ia gagal.

Informasi tentang apa yang tidak berhasil ikut lenyap, padahal itu bisa mencegah peneliti lain menempuh jalan buntu yang sama. Mahasiswa pun mendapat gambaran sains yang terlalu mulus, sehingga sebagian merasa tidak berbakat ketika penelitiannya sendiri penuh kegagalan.

Eksplorasi itu sah, asal jujur

Masalahnya bukan pada ide yang muncul setelah melihat data. Responden survei Kerr justru mendukung penambahan hipotesis baru, asalkan hipotesis asli tetap dilaporkan. Menandai sebuah hipotesis sebagai temuan belakangan cukup dengan satu kalimat pendek.

Baruch (2024) bahkan berpendapat HARKing bisa bermanfaat pada situasi yang tepat, misalnya ketika muncul teori yang lebih baik atau peristiwa tak terduga di tengah pengumpulan data, asalkan dilaporkan terbuka. Ia tetap menolak praktik menganalisis data dulu lalu menulis hipotesis yang pas dengannya.

Pre-registrasi: mengunci urutan waktu

Pre-registrasi berarti mengunggah hipotesis, desain studi, ukuran sampel, dan rencana analisis secara daring sebelum data dikumpulkan atau dilihat, lengkap dengan stempel waktu yang bisa diperiksa publik. Penyimpangan dari rencana dilaporkan. Cara ini bukan obat mujarab: van den Akker dan rekan (2024) tidak menemukan penurunan proporsi hasil positif pada studi yang dipreregistrasi. Tapi pembaca jadi bisa membedakan mana yang diprediksi dan mana yang ditemukan.

Di Anvesana, rancangan studi pengembangan Kompas Minat Indonesia, alat ukur minat vokasional untuk remaja, sudah dipreregistrasi di Open Science Framework (osf.io/nwv3d). Siapa pun nantinya bisa membandingkan rencana itu dengan laporan akhirnya.

Apa artinya bagi praktisi

Alat ukur yang kita pakai dan rekomendasi yang kita ikuti berdiri di atas studi yang mungkin pernah menyamarkan temuan sebagai prediksi. Bukan berarti setiap prediksi yang tepat patut dicurigai. Mulailah dari satu kebiasaan kecil: saat membaca studi di balik sebuah alat ukur, cari tautan pre-registrasinya dan lihat apakah laporannya memisahkan analisis yang direncanakan dari yang eksploratif. Kalau kamu sedang meneliti, tulis hipotesismu dan beri tanggal sebelum membuka data.