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.
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.
Interpretasi bagan VOSviewer untuk analisis Co-occurrence berfokus pada pemahaman visualisasi node (noktah), edge (lengan), warna, serta tiga mode visualisasi utama: network visualization, overlay visualization, dan density visualization. Node mewakili kata kunci / subyek, edge mewakili hubungan keterkaitan antar kata kunci / subyek, warna menunjukkan kelompok subyek / klaster atau tren, dan setiap mode visualisasi memberi perspektif berbeda terhadap data.
Elemen Visualisasi Utama
Warna klaster: Setiap warna merepresentasikan cluster topik penelitian. Misalnya, kata kunci dengan warna biru bisa mewakili tema kesehatan, sementara hijau bisa mewakili teknologi. Warna membantu membedakan kelompok topik yang saling berhubungan.
Ukuran noktah Node besar berarti kata kunci sering muncul (frekuensi tinggi). Node kecil berarti kata kunci jarang muncul. Ini menunjukkan dominasi topik dalam literatur.
Panjang lengan Panjang garis antar node menunjukkan kedekatan hubungan. Semakin pendek garis, semakin erat keterkaitan antar kata kunci.
Ketebalan lengan Garis tebal berarti hubungan antar kata kunci sangat kuat (sering muncul bersama). Garis tipis berarti hubungan lemah.
Node besar = kata kunci dominan / sering muncul; Warna = cluster / kelompok subyek / kata kunci / topik; Garis / lengan = kedekatan hubungan, semakin pendek garis, semakin erat keterkaitan. Semakin tebal garis / lengan, keterkaitan antar kata kunci sangat kuat / sering muncul bersama
Area kuning terang = topik padat/sering diteliti; area gelap = topik masih jarang diteliti
Bagan Vosviewer
Interpretasi Co-Occurrence
Bagan Vosviewer tersebut, dihasilkan dari data yang diekspor dalam format csv dari Scopus pada 23 Januari 2026, subyek “Digital Preservation”. Data dianalisis dan dibuatkan visualisasinya dengan Vosviewer, Create a map based on bibliographic data, Read data from bibliographic database files, sumber Scopus, Type op analysis – Co-occurrence, Unit of analysis – All keywords, Counting method – Full counting. Minimum number of Occurrence of a keyword 2, Number of keyword 53.
Warna pada peta menunjukkan kelompok atau klaster tematik yang terbentuk dari keterkaitan kata kunci.
Kuning menandai inti tema “digital preservation” sebagai pusat gravitasi konseptual.
Merah menggambarkan klaster institusional dan teknis seperti digitization, libraries, dan curation.
Hijau merepresentasikan dimensi pelestarian budaya dan lingkungan seperti heritage conservation dan climate change.
Biru menyoroti konteks geografis dan kesadaran publik (South Africa, awareness).
Ungu muda menunjukkan pendekatan metodologis seperti systematic review dan strategic planning.
Biru muda di kanan atas menandai entitas organisasi seperti digital preservation alliance. Setiap warna menandakan subtema yang saling berhubungan namun memiliki fokus riset berbeda.
Besar Kecilnya Noktah
Ukuran noktah (node) menunjukkan frekuensi kemunculan atau bobot keterhubungan suatu kata kunci dalam dataset. Noktah besar seperti digital preservation menandakan topik paling dominan dan sering muncul bersama kata lain. Noktah menengah seperti digital storage atau digitization menunjukkan subtema penting namun tidak seintens pusatnya. Noktah kecil seperti textures atau metaverse menandakan topik baru atau spesifik yang masih jarang dibahas, sering kali menjadi indikasi novelty atau peluang riset baru.
Panjang Pendek dan Tebal Tipisnya Lengan
Lengan (edge) menggambarkan kekuatan dan jarak hubungan antar kata kunci.
Lengan pendek dan tebal menandakan hubungan kuat dan sering muncul bersama, misalnya antara digital preservation dan digital repository.
Lengan panjang dan tipis menunjukkan hubungan lemah atau jarang terjadi, seperti antara digital preservation dan systematic review. Kepadatan dan arah lengan membantu memahami struktur jaringan pengetahuan, di mana klaster yang saling terhubung rapat menunjukkan bidang riset yang sudah mapan, sedangkan yang renggang menandakan area eksploratif.
Visualisasi Network
Visualisasi network menampilkan peta keterhubungan konseptual antar kata kunci. Node besar di tengah berfungsi sebagai pusat integrasi, sementara node di tepi menunjukkan subtema yang lebih spesifik. Keterhubungan antar klaster memperlihatkan bagaimana riset digital preservation menjembatani isu teknis (digitization), budaya (heritage), dan kebijakan (strategic planning). Struktur ini menunjukkan bahwa bidang digital preservation bersifat interdisipliner, menggabungkan teknologi informasi, manajemen arsip, dan pelestarian budaya.
Visualisasi Overlay
Overlay visualization menampilkan dimensi temporal atau evolusi riset, biasanya dengan gradasi warna dari biru (lama) ke kuning (baru). Jika diterapkan, area kuning menandakan topik yang sedang naik daun seperti metaverse atau digital curation. Warna kuning menunjukkan “emerging topics”.
Visualisasi Density
Density visualization menunjukkan kepadatan penelitian: area dengan warna lebih terang menandakan konsentrasi tinggi publikasi dan keterhubungan antar topik. Dalam konteks ini, pusat digital preservation akan tampak paling padat dan terang, menandakan dominasi literatur dan intensitas kolaborasi akademik di topik-topik tersebut.
Jurnal yang telah terindeks Scopus, dalam perkembangannya dapat kehilangan status indeksnya atau di-“discontinue” karena tidak lagi memenuhi standar kualitas dan integritas yang terus-menerus dievaluasi oleh tim Content Selection and Advisory Board (CSAB). Pada dasarnya, proses ini adalah bentuk “quality control” berkelanjutan untuk menjaga reputasi database Scopus
Berikut adalah rincian penyebab utamanya:
1. Publication Concern (Kekhawatiran terhadap Proses Publikasi)
Ini merupakan salah satu faktor utama yang menyebabkan jurnal di-discontinue. Data menunjukkan sekitar 59.7% jurnal yang dicabut indeksnya bermasalah di area ini . Indikatornya meliputi:
Rekrutmen Editor Tidak Profesional: Mengikutsertakan editor tanpa keahlian yang sesuai atau melibatkan “editor bayaran”.
Peer Review Tidak Transparan atau Bermasalah: Proses review yang tidak jelas, asal-asalan, atau bahkan tidak dilakukan.
Pelanggaran Etika Publikasi: Tidak menangani masalah seperti plagiarisme, konflik kepentingan, atau pemalsuan data dengan serius.
2. Outlier Behaviour (Perilaku Publikasi yang Tidak Wajar)
Scopus menggunakan ilmu data untuk mendeteksi anomali atau keanehan dalam perilaku publikasi jurnal. Faktor ini berkontribusi pada sekitar 14.5% kasus penghapusan indeks. Contoh perilaku yang mencurigakan adalah:
Ledakan Publikasi (Publication Burst): Tiba-tiba menerbitkan artikel dalam jumlah sangat besar (ratusan atau ribuan) dalam satu edisi, sementara sebelumnya hanya menerbitkan puluhan artikel. Ini seringkali merupakan indikasi praktik “paper mill” atau penerbitan masal demi keuntungan finansial.
Praktik Sitasi Tidak Wajar (Citation Stacking/Cartels): Terdapat pola sitasi yang berlebihan dan tidak wajar antar jurnal atau dalam satu kelompok penulis tertentu untuk menaikkan metrik secara artifisial
3. Penurunan Kualitas Konten dan Standar Ilmiah
Setelah terindeks, sebuah jurnal harus secara konsisten mempertahankan kualitas ilmiahnya. Jika tim kurasi Scopus menemukan penurunan standar yang signifikan, jurnal tersebut akan ditinjau ulang. Indikatornya antara lain:
Kualitas Bahasa Inggris Buruk: Tata bahasa yang tidak standar menunjukkan lemahnya proses editorial
Ketidaksesuaian dengan Fokus dan Ruang Lingkup (Aim & Scope): Banyak artikel yang diterbitkan tidak lagi relevan atau menyimpang dari fokus awal jurnal
Kontribusi Ilmiah Rendah: Artikel yang diterbitkan dinilai tidak memiliki kebaruan (novelty), kontribusi teoretis yang kecil, atau kualitas akademis secara umum rendah
4. Masalah Keragaman dan Representasi Internasional
Sebagai database internasional, Scopus mengharapkan jurnal memiliki cakupan global. Kekurangan dalam aspek ini dapat menyebabkan penolakan saat evaluasi ulang
Keragaman Penulis Terbatas: Penulis artikel mayoritas berasal dari satu negara, meskipun jurnal mengklaim diri sebagai “jurnal internasional”
Komposisi Dewan Editor Homogen: Dewan editor didominasi oleh peneliti dari satu afiliasi atau satu negara, dan kurang melibatkan pakar internasional dari berbagai benua
Kurangnya Representasi Internasional: Jurnal tidak berhasil menarik minat penulis, pembaca, atau kontribusi dari komunitas ilmiah global.
5. Metrik yang Menurun atau Rendah (Metrics)
Meskipun bukan satu-satunya penentu, kinerja metrik jurnal terus dipantau
Jumlah Sitasi Rendah: Secara keseluruhan, artikel dalam jurnal tersebut jarang disitasi oleh peneliti lain, menunjukkan rendahnya dampak atau relevansi ilmiah
Penurunan Metrik Drastis: Terjadi penurunan signifikan pada skor seperti SJR, CiteScore, atau SNIP dalam periode waktu tertentu
Peringatan Tambahan: “On Hold”
Sebelum benar-benar di-discontinue, jurnal yang terindikasi bermasalah biasanya akan ditempatkan dalam status “On Hold” (atau “Re-evaluation”) oleh Scopus.
Apa yang terjadi? Selama masa ini, Scopus berhenti mengindeks artikel baru dari jurnal tersebut sambil melakukan evaluasi ulang oleh CSAB
Hasilnya: Jika evaluasi gagal, statusnya akan resmi menjadi “Discontinued” dan tidak ada artikel baru yang akan diindeks. Jika lulus, indeksasi akan dilanjutkan. Ini adalah “lampu kuning” yang sangat penting untuk diwaspadai peneliti.
Daftar pustaka
Laksana, Eko Pramudya dkk. 2026. The Scopus Radar Readiness Model for Mitigating Algorithmic Discontinuation Risks. Jurnal Pembelajaran, Bimbingan, dan Pengelolaan Pendidikan,6(3), 2026, 3. https://doi.org/10.17977/um065.v6.i3.2026.3.
