Oleh: Maryono
Terdapat aneka jenis format file yang digunakan dalam analisis bibliometrika dengan VOSviewer, masing-masing memiliki penggunaan yang berbeda, berikut penjelasannya yang mungkin bermanfaat:
Format File VOSviewer
| Format | Kepanjangan & Asal-usul | Penggunaan Utama | Kelebihan | Kekurangan |
| CSV | Comma-Separated Values → format tabular sederhana, berasal dari sistem database & spreadsheet | Digunakan untuk menyimpan data bibliometrik (judul, penulis, kata kunci, sitasi) dari Scopus/WoS; fleksibel untuk analisis co-authorship, co-citation, keyword co-occurrence | Fleksibel, mudah diolah dengan Excel/R/Python, mendukung semua jenis analisis | Rawan error jika struktur kolom tidak konsisten; perlu penataan manual |
| RIS | Research Information Systems format → dikembangkan oleh RIS Inc. sebagai standar pertukaran bibliografi | Digunakan oleh reference manager (EndNote, Zotero, Mendeley) untuk metadata publikasi (judul, penulis, jurnal, DOI, dll); cocok untuk bibliographic coupling & co-citation | Format standar bibliografi, kompatibel lintas aplikasi, mudah dipertukarkan | Metadata kadang tidak lengkap; kurang fleksibel untuk custom data |
| XLS/XLSX | Excel Spreadsheet → format milik Microsoft untuk data tabular | Digunakan untuk data hasil olahan manual peneliti; cocok untuk custom networks (misalnya daftar kata kunci atau hubungan antar entitas) | Mudah diedit, familiar bagi banyak pengguna, mendukung customisasi | Lebih berat dibanding CSV; perlu konsistensi format tabel |
| TXT | Plain Text File → format dasar komputer sejak awal sistem operasi | Digunakan untuk input sederhana seperti daftar kata kunci atau publikasi; biasanya dari database yang hanya menyediakan teks | Ringkas, ringan, mudah dibuat | Tidak mendukung struktur tabular kompleks; terbatas untuk analisis sederhana |
| Scopus/WoS/PubMed Export | Format khusus tiap database: .csv (Scopus), .txt (WoS), .nbib (PubMed) | Digunakan untuk analisis lengkap: citation, co-authorship, keyword co-occurrence; langsung dikenali VOSviewer | Data kaya, terstruktur, langsung kompatibel | Format berbeda tiap database; keterbatasan akses (WoS berbayar, PubMed terbatas sitasi) |
| JSON VOSviewer | JavaScript Object Notation → format ringan untuk data terstruktur, populer di web | Digunakan untuk menyimpan peta & jaringan hasil analisis; bisa dibagikan online atau diintegrasikan dengan aplikasi web | Mendukung visualisasi interaktif, mudah dibagikan | Lebih teknis; tidak semua pengguna terbiasa mengolah JSON |
Penjelasan Penggunaan Lebih Rinci
- CSV → paling umum digunakan karena fleksibel; misalnya ekspor data sitasi dari Scopus lalu dianalisis untuk melihat jaringan co-authorship.
- RIS → biasanya digunakan jika data berasal dari reference manager; misalnya daftar artikel dari Zotero untuk analisis co-citation.
- XLS/XLSX → dipakai jika peneliti ingin membuat data custom; misalnya jaringan kata kunci yang disusun manual.
- TXT → dipakai untuk input sederhana; misalnya daftar kata kunci dari database kecil.
- Ekspor Scopus/WoS/PubMed → pilihan terbaik untuk analisis standar karena langsung dikenali VOSviewer tanpa perlu konversi.
- JSON → lebih ke penyimpanan hasil analisis, bukan input; berguna untuk berbagi peta bibliometrik secara interaktif.
Langkah-Langkah Alur Kerja
- Ekspor Data dari Scopus
- Masuk ke Scopus → lakukan pencarian artikel sesuai topik.
- Pilih Export → format CSV → sertakan metadata (judul, penulis, afiliasi, kata kunci, sitasi).
- Hasil: file
scopus_export.csv.
- Preprocessing di Excel
- Buka file CSV di Excel.
- Bersihkan data: hapus duplikasi, periksa konsistensi nama penulis, normalisasi kata kunci.
- Simpan kembali sebagai
cleaned_data.csv.
- Import ke VOSviewer
- Buka VOSviewer → pilih Create Map Based on Bibliographic Data.
- Pilih file
cleaned_data.csv. - Tentukan jenis analisis: misalnya Co-authorship (penulis), Co-occurrence (kata kunci), atau Citation Analysis.
- VOSviewer akan menghasilkan peta jaringan interaktif.
- Analisis Jaringan
- Gunakan fitur clustering untuk melihat kelompok penulis atau topik.
- Atur visualisasi (warna, ukuran node, label).
- Interpretasi: misalnya, terlihat kelompok riset dominan dalam bidang tertentu.
- Ekspor Hasil ke JSON
- Simpan hasil peta dalam format JSON.
- File ini bisa dibagikan atau diunggah ke web untuk visualisasi interaktif.
- Contoh:
network_map.json.
Manfaat Alur Kerja
- CSV dari Scopus → kaya metadata, fleksibel untuk analisis.
- Excel preprocessing → memastikan data bersih & konsisten.
- VOSviewer → menghasilkan peta visual interaktif.
- JSON output → mudah dibagikan & dipublikasikan online.