Riset Bibliometrik bagian 2/3

Tutorial instalasi 3 tools bibliometrik di Windows 10, yaitu VOSviewer, Biblioshiny (R + RStudio), dan integrasi dasar dengan AI/NLP Tools di R.


1. Instalasi VOSviewer

VOSviewer adalah aplikasi Java-based untuk visualisasi jaringan bibliometrik.

Langkah-langkah:

1. Unduh VOSviewer

Buka: https://www.vosviewer.com/download

Pilih versi Windows dan unduh file .exe atau .zip.



2. Jalankan VOSviewer

Jika download .exe, langsung double-click untuk menjalankan.

Jika .zip, ekstrak dulu, lalu jalankan VOSviewer.exe.



3. Pastikan Java Sudah Terinstal

Jika muncul error, pastikan Java Runtime Environment (JRE) telah terinstal.

Download Java: https://www.java.com/download



2. Instalasi Biblioshiny (R + RStudio)

Biblioshiny adalah GUI dari library bibliometrix di R, berjalan di RStudio.

A. Instalasi R

1. Download R:
https://cran.r-project.org/bin/windows/base/
Klik "Download R for Windows", lalu klik "base", dan unduh file .exe.


2. Jalankan installer R dan ikuti proses instalasi.



B. Instalasi RStudio

1. Download RStudio:
https://posit.co/download/rstudio-desktop/


2. Pilih versi Windows, unduh, dan instal seperti biasa.



C. Instalasi Bibliometrix + Biblioshiny

1. Buka RStudio.


2. Jalankan perintah berikut di console R:



install.packages("bibliometrix")

3. Untuk menjalankan Biblioshiny GUI:



library(bibliometrix)
biblioshiny()

Akan terbuka browser lokal dengan antarmuka visual seperti aplikasi web.


3. Instalasi Tools AI/NLP di R (Opsional)

Jika ingin menambahkan fitur analisis teks dan topik modeling menggunakan NLP di R:

A. Install Paket Pendukung

Jalankan di RStudio:

install.packages("tm") # Text mining
install.packages("topicmodels") # LDA
install.packages("text2vec") # Vektor teks
install.packages("tidyverse") # Data wrangling & visualisasi

B. Contoh Penggunaan (Ringkas)

library(tm)
library(topicmodels)

corpus <- Corpus(VectorSource(data$AB)) # AB = abstract
corpus <- tm_map(corpus, content_transformer(tolower))
dtm <- DocumentTermMatrix(corpus)

lda <- LDA(dtm, k = 5)
terms(lda, 10)