ORCID adalah sistem identitas global untuk peneliti yang menyediakan unique, persistent identifier (ORCID iD) agar karya ilmiah dan kontribusi akademik dapat dihubungkan secara jelas dengan individu yang membuatnya. Dengan ORCID, peneliti tidak akan tertukar dengan orang lain yang memiliki nama serupa, dan profil mereka dapat terhubung otomatis ke publikasi, pendanaan, afiliasi, maupun data penelitian.
Apa itu ORCID?
Open Researcher and Contributor ID → singkatan dari ORCID, organisasi nirlaba global yang menyediakan identitas digital unik bagi peneliti.
ORCID iD → nomor identitas unik (misalnya: 0000-0002-1825-0097) yang gratis untuk didaftarkan oleh peneliti.
Tujuan utama → memastikan atribusi karya ilmiah yang jelas, mengurangi kesalahan administrasi, dan meningkatkan visibilitas penelitian lintas disiplin dan negara.
Fungsi Utama ORCID
Identitas peneliti → membedakan peneliti dengan nama serupa.
Integrasi publikasi → jurnal, penerbit, dan repositori dapat otomatis menghubungkan karya ke ORCID iD.
Manajemen karier → melacak afiliasi, pendanaan, dan kolaborasi sepanjang karier akademik.
Interoperabilitas sistem → terhubung dengan lebih dari 5.000 sistem riset global.
Perbandingan ORCID dengan Identitas Lain
Sistem
Fokus Utama
Kelebihan
ORCID
Identitas peneliti global
Gratis, unik, interoperabel, kontrol privasi oleh peneliti
Scopus Author ID
Publikasi di Scopus
Otomatis dibuat, tapi terbatas pada database Scopus
ResearcherID (Web of Science)
Publikasi WoS
Terintegrasi dengan WoS, tapi tidak universal
Google Scholar
Profil sitasi
Mudah dibuat, tapi tidak standar global
Catatan Penting
Privasi & kontrol → peneliti sendiri yang menentukan informasi apa yang ditampilkan publik.
Kewajiban → banyak penerbit internasional kini mewajibkan ORCID iD saat submit artikel.
Strategis → ORCID menjadi bagian penting dari infrastruktur riset global untuk meningkatkan transparansi dan kredibilitas akademik.
Untuk memperoleh ORCID iD, prosedurnya cukup sederhana dan gratis. Berikut langkah-langkah resmi yang bisa Anda ikuti:
APC adalah singkatan dari Article Processing Charge, yaitu biaya yang dibebankan oleh penerbit jurnal kepada penulis untuk mempublikasikan artikel dalam model Open Access.
Fungsi APC
Menutup biaya publikasi: mencakup peer review, editing, typesetting, hosting online, dan pemeliharaan sistem.
Mendukung akses terbuka: artikel dapat diakses gratis oleh pembaca di seluruh dunia tanpa paywall.
Membiayai layanan tambahan: seperti DOI, indexing di database (Scopus, Web of Science), dan preservasi digital.
Kisaran Biaya APC
Jurnal internasional biasanya mengenakan APC antara $500 – $5,000 USD, tergantung penerbit dan reputasi jurnal.
Penerbit besar seperti Springer, Elsevier, atau Nature sering menetapkan APC lebih tinggi dibanding penerbit independen atau universitas.
Beberapa jurnal menawarkan waiver atau diskon bagi penulis dari negara berkembang atau dengan keterbatasan dana.
Perbedaan dengan Subscription Model
Pada model Subscription, pembaca atau institusi membayar untuk mengakses artikel.
Pada model Open Access dengan APC, penulis membayar agar artikelnya bebas diakses oleh semua orang.
Tabel Perbandingan Model Subscription vs Open Access
Aspek
Subscription
Open Access
Siapa membayar
Institusi pembaca (melalui langganan)
Penulis atau institusi penulis (APC)
Biaya penulis
Umumnya gratis
$30 – $12,000+ tergantung penerbit
Akses pembaca
Terbatas pada pelanggan
Gratis, global, segera tersedia
Hak cipta
Biasanya dialihkan ke penerbit
Penulis sering mempertahankan hak (CC BY)
Potensi sitasi
Lebih rendah (akses terbatas)
Lebih tinggi (akses terbuka)
Kepatuhan funder
Sering tidak memenuhi mandat OA
Memenuhi mandat OA (Plan S, NIH, dll.)
Embargo
6–24 bulan untuk self-archiving
Tidak ada embargo
Analisis Singkat
Subscription model: lebih murah bagi penulis, tetapi akses terbatas bagi pembaca. Cocok jika institusi sudah berlangganan.
Open Access model: lebih mahal bagi penulis (APC tinggi), tetapi meningkatkan visibilitas, sitasi, dan kepatuhan terhadap mandat funder.
Penerbit besar (Nature, Elsevier, Springer): APC tinggi karena reputasi, indeksasi luas, dan brand prestige.
Penerbit lebih murah (MDPI, PLOS, Frontiers): APC lebih terjangkau, tetap memenuhi standar peer review, tetapi brand prestige lebih rendah dibanding penerbit besar.
Ukuran noktah Noktah besar seperti goetzel, ron z. dan ozminskowski, ronald j. menunjukkan penulis dengan tingkat kolaborasi tinggi atau jumlah publikasi besar. Noktah kecil menandakan penulis dengan kontribusi atau keterhubungan lebih terbatas.
Panjang lengan Lengan (garis penghubung) yang pendek menandakan hubungan kolaborasi yang erat dan sering terjadi, sedangkan lengan panjang menunjukkan kolaborasi yang jarang atau lemah antar penulis.
Ketebalan lengan Lengan tebal berarti intensitas kolaborasi tinggi (banyak publikasi bersama), sementara lengan tipis menunjukkan hubungan yang lebih lemah atau hanya sesekali bekerja sama.
Warna klaster Warna membedakan kelompok kolaborasi.
Klaster biru: kelompok penulis yang berkolaborasi di sekitar goetzel, ron z. dengan fokus tertentu.
Klaster merah: kelompok lain yang memiliki hubungan internal kuat namun lebih sedikit koneksi ke pusat.
Klaster hijau: jaringan kolaborasi yang terhubung dengan ozminskowski, ronald j.
Klaster kuning: jembatan penghubung antara dua pusat kolaborasi besar, berperan sebagai intermediary authors.
Tiga Jenis Visualisasi VOSviewer
Jenis Visualisasi
Makna Utama
Interpretasi dalam konteks kolaborasi
Network Visualization
Menunjukkan struktur hubungan antar penulis
Node besar = penulis utama; garis = kekuatan kolaborasi; warna = kelompok kolaborasi
Overlay Visualization
Menampilkan dimensi waktu atau tren
Warna gradasi (biru → kuning) menunjukkan evolusi kolaborasi dari lama ke baru
Density Visualization
Menunjukkan kepadatan kolaborasi
Area terang = pusat kolaborasi aktif; area gelap = kolaborasi jarang terjadi
Kesimpulan Analitis
Goetzel, Ron Z. dan Ozminskowski, Ronald J. adalah hub utama dalam jaringan kolaborasi.
Klaster warna menunjukkan komunitas penelitian yang berbeda namun saling terhubung melalui penulis penghubung.
Kombinasi ukuran node dan ketebalan edge memperlihatkan hierarki kolaborasi, dari inti (core authors) hingga periferi (supporting authors).
Visualisasi ini membantu mengidentifikasi struktur sosial ilmiah, potensi kolaborasi baru, dan arah perkembangan riset.
Dalam digitalisasi, format file dibagi menjadi beberapa kategori utama: gambar (image) dan video. Setiap format memiliki kelebihan, kekurangan, serta standar penggunaannya. Pemilihan format sangat bergantung pada tujuan: apakah untuk web, arsip, editing profesional, atau distribusi massal.
Format File Gambar (Image)
Format JPG/JPEG
Kompresi lossy, ukuran kecil, cocok untuk foto.
Kelebihan: hemat ruang, dukungan luas. Kekurangan: detail tajam bisa hilang.
Standar web & fotografi umum.
Format PNG
Lossless, mendukung transparansi.
Kelebihan: kualitas tinggi, transparansi alpha. Kekurangan: ukuran lebih besar.
Standar web grafis, ikon, desain UI.
Format GIF
Animasi sederhana, 256 warna.
Kelebihan: animasi ringan, lossless. Kekurangan: terbatas warna, tidak cocok foto.
Standar animasi web, meme.
Format BMP
Tidak terkompresi, raw bitmap.
Kelebihan: kualitas tinggi. Kekurangan: ukuran sangat besar.
Editing grafis mentah.
Format TIFF
Lossless, multi-layer.
Kelebihan: kualitas cetak profesional. Kekurangan: file besar.
Standar industri percetakan & fotografi.
Format File Video
| Format MP4 | Kompresi efisien, kualitas baik. | Kelebihan: ukuran kecil, kompatibilitas luas. Kekurangan: kompresi bisa turunkan kualitas. | Standar YouTube, media sosial. |
| Format AVI | File besar, kualitas tinggi. | Kelebihan: fleksibel, banyak codec. Kekurangan: boros ruang. | Kamera digital, handycam. |
| Format MKV | Container fleksibel. | Kelebihan: bisa simpan video, audio, subtitle. Kekurangan: tidak semua perangkat mendukung. | Distribusi film online. |
| Format WMV | Format Windows. | Kelebihan: kompatibel di Windows. Kekurangan: kurang universal. | Standar Windows lama. |
| Format FLV | Flash Video. | Kelebihan: populer di awal YouTube. Kekurangan: sudah usang. | Streaming lama. |
| Format WEBM | Codec VP8/VP9, audio Opus. | Kelebihan: open-source, efisien. Kekurangan: belum semua situs mendukung. | Standar HTML5 video. |
| Format GIFV | Alternatif GIF. | Kelebihan: hemat ukuran, looping. Kekurangan: tanpa suara. | Meme & konten ringan.
Kesimpulan
Untuk gambar: gunakan JPG untuk foto umum, PNG untuk grafis dengan transparansi, TIFF untuk cetak profesional.
Untuk video: gunakan MP4 sebagai standar distribusi, MKV untuk film dengan subtitle, WEBM untuk web modern.
Standar industri:TIFF di percetakan, MP4 di distribusi digital, PNG di desain web.
Standar digitalisasi naskah kuno dan buku langka di Indonesia maupun dunia umumnya menekankan pada resolusi tinggi, format file lossless (TIFF/RAW), serta kerapatan piksel minimal 300–600 dpi untuk teks, dan hingga 1200 dpi untuk detail halus. Internasional menggunakan pedoman dari UNESCO, IFLA, dan FADGI, sementara di Indonesia Perpusnas melalui portal Khastara mendorong penggunaan TIFF dengan resolusi tinggi untuk arsip permanen.
Standar Internasional Digitalisasi Naskah Kuno
UNESCO Guidelines
Resolusi minimum: 300 dpi untuk teks umum, 600–1200 dpi untuk manuskrip detail.
Format: TIFF (lossless) sebagai master file, JPEG/PNG untuk akses publik.
Warna: gunakan 24-bit true color untuk menjaga keaslian tinta dan kertas.
FADGI (Federal Agencies Digital Guidelines Initiative, AS)
Standar kualitas berbintang (1–4 stars).
600 dpi untuk teks, 400 ppi untuk foto, 8-bit grayscale atau 24-bit RGB.
Penting: dokumentasi teknis dan metadata harus lengkap.
Standar di Indonesia
Perpusnas RI – Khastara
Format master: TIFF atau RAW dengan resolusi tinggi.
Resolusi: minimum 300 dpi, dianjurkan 600 dpi untuk teks rapuh.
Metadata: mengikuti standar Dublin Core dan interoperabilitas internasional.
Distribusi publik: JPEG/PNG/PDF untuk akses daring.
Perbandingan Format & Standar
| Format TIFF | Lossless, multi-layer. | Cocok untuk arsip permanen. | File besar, butuh storage besar. |
| Format RAW | Data asli kamera/scanner. | Preservasi maksimal. | Butuh software khusus. |
| Format JPEG | Lossy, ukuran kecil. | Distribusi online. | Detail bisa hilang. |
| Format PNG | Lossless, transparansi. | Akses publik, web. | Ukuran lebih besar dari JPEG. |
| Format PDF/A | Standar arsip dokumen. | Cocok untuk teks + gambar. | Tidak fleksibel untuk editing. |
Kesimpulan Praktis
Gunakan TIFF/RAW 600–1200 dpi untuk master file naskah kuno.
Sediakan JPEG/PNG/PDF untuk akses publik.
Standar UNESCO/FADGI/IFLA agar koleksi bisa diintegrasikan global.
Perpusnas Khastara menjadi rujukan utama untuk digitalisasi manuskrip.
Standar Internasional
UNESCO Guidelines for the Preservation of Digital Heritage Dokumen UNESCO yang menekankan pentingnya resolusi tinggi, format lossless (TIFF), serta interoperabilitas metadata untuk koleksi warisan budaya.
FADGI (Federal Agencies Digital Guidelines Initiative, AS) Standar teknis yang digunakan oleh lembaga arsip dan perpustakaan federal AS. Menetapkan resolusi minimum (300–600 dpi), kedalaman warna (8-bit grayscale, 24-bit RGB), dan format master (TIFF).
IFLA Principles for Digitization of Rare Materials Pedoman dari International Federation of Library Associations yang menekankan interoperabilitas metadata (MARC, Dublin Core) dan penggunaan format standar untuk preservasi jangka panjang.
Europeana Technical Guidelines Digunakan oleh jaringan perpustakaan dan museum Eropa. Menetapkan standar resolusi, format file, serta metadata agar koleksi dapat diintegrasikan lintas negara.
Standar di Indonesia
Perpusnas RI – Khastara Portal koleksi digital naskah kuno Indonesia. Perpusnas menganjurkan penggunaan TIFF/RAW sebagai master file dengan resolusi minimum 300 dpi, idealnya 600 dpi untuk teks rapuh.
Arsip Nasional Republik Indonesia (ANRI) ANRI memiliki pedoman digitalisasi arsip yang menekankan resolusi tinggi, format lossless, serta metadata berbasis ISAD(G) dan Dublin Core.
Kebijakan GLAM di Universitas Padjadjaran (Unpad) Unpad menjadi salah satu institusi yang menerapkan integrasi GLAM dengan standar metadata internasional, termasuk interoperabilitas API untuk koleksi digital.
Ringkasan Praktis
Resolusi: 300–600 dpi (teks), hingga 1200 dpi (detail halus).
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.
