Riset Bibliometrik Menggunakan VOSviewer dan Biblioshiny (R Studio) Dikombinasikan dengan AI
Di era digital saat ini, penelitian ilmiah mengalami percepatan luar biasa berkat kemajuan teknologi. Salah satu pendekatan populer untuk menganalisis tren riset dan jaringan pengetahuan adalah riset bibliometrik. Dengan bantuan tools seperti VOSviewer dan Biblioshiny dari R Studio, peneliti dapat mengolah data publikasi dengan visualisasi yang menarik dan analisis mendalam. Kini, pendekatan ini semakin canggih dengan tambahan dukungan kecerdasan buatan (AI). Artikel ini akan membahas bagaimana ketiga elemen ini—VOSviewer, Biblioshiny, dan AI—dapat dikombinasikan untuk memperkuat riset bibliometrik.
Apa Itu Riset Bibliometrik?
Riset bibliometrik adalah metode analisis kuantitatif terhadap literatur ilmiah yang digunakan untuk:
Mengidentifikasi tren penelitian,
Mengungkap kolaborasi antar penulis atau institusi,
Menganalisis kata kunci yang populer,
Mengetahui peta pengetahuan (knowledge mapping) dalam suatu disiplin ilmu.
Sumber data yang umum digunakan adalah Scopus, Web of Science, dan Dimensions, yang menyediakan metadata publikasi seperti judul, abstrak, kata kunci, penulis, institusi, dan referensi.
Alat Bibliometrik Populer
1. VOSviewer
VOSviewer adalah aplikasi desktop yang digunakan untuk membuat dan memvisualisasikan jaringan bibliometrik. Fitur utamanya:
Analisis co-authorship (penulis dan institusi),
Co-occurrence (kata kunci),
Citation analysis,
Bibliographic coupling dan co-citation analysis,
Visualisasi dalam bentuk network, overlay, dan density.
2. Biblioshiny (Bibliometrix R Package)
Biblioshiny adalah antarmuka grafis dari Bibliometrix, sebuah paket di R yang dirancang untuk melakukan analisis bibliometrik secara komprehensif:
Analisis deskriptif publikasi,
Identifikasi penulis paling produktif,
Sankey diagram, historiograph, thematic maps,
Peta kolaborasi global,
Dapat disesuaikan dengan berbagai parameter statistik.
Mengapa Perlu Menggabungkan AI?
AI, khususnya dalam bentuk Natural Language Processing (NLP) dan Machine Learning (ML), bisa meningkatkan riset bibliometrik dengan:
Klasifikasi otomatis bidang penelitian,
Ekstraksi insight dari abstrak dan full-text menggunakan NLP,
Clusterisasi cerdas dari jaringan pengetahuan,
Prediksi tren riset masa depan menggunakan time-series forecasting berbasis machine learning,
Pembuatan ringkasan otomatis dari kumpulan literatur.
Studi Kasus Kombinasi VOSviewer, Biblioshiny, dan AI
Langkah-Langkah Praktis:
1. Pengumpulan Data:
Ekspor metadata dari Scopus/Web of Science dalam format .csv atau .ris.
2. Pra-Pemrosesan dengan Biblioshiny (R Studio):
Bersihkan data duplikat.
Analisis deskriptif awal (jumlah publikasi per tahun, topik utama, negara asal penulis).
Visualisasi awal seperti peta tematik atau tren kata kunci.
3. Analisis Jaringan dengan VOSviewer:
Visualisasi co-authorship dan co-occurrence.
Identifikasi cluster dominan dalam disiplin ilmu.
4. Integrasi AI:
Gunakan model NLP (misalnya BERT atau GPT) untuk menganalisis abstrak.
Lakukan sentiment analysis atau topic modeling untuk memperkaya hasil analisis.
Terapkan algoritma klasifikasi atau clustering (misalnya K-Means, DBSCAN) untuk menemukan pola tersembunyi.
Keuntungan Menggabungkan Ketiga Tools Ini
Kesimpulan
Menggabungkan VOSviewer, Biblioshiny, dan AI membuka peluang baru dalam riset bibliometrik modern. Dengan pendekatan ini, peneliti tidak hanya dapat memahami peta pengetahuan yang ada, tetapi juga memprediksi ke mana arah penelitian akan berkembang. Ini sangat relevan dalam dunia akademik dan industri yang mengandalkan informasi strategis dari literatur ilmiah.
Jika Anda seorang dosen, mahasiswa S2/S3, atau peneliti institusi, kombinasi metodologi ini dapat mempercepat dan memperdalam pemahaman Anda terhadap suatu topik. Jangan ragu untuk mulai bereksperimen—data dan teknologi sudah tersedia, tinggal bagaimana kita menggunakannya secara bijak.
