Template dasar R Markdown untuk riset bibliometrik menggunakan Bibliometrix (Biblioshiny) dan integrasi AI/NLP. Kamu bisa menyesuaikan sesuai kebutuhan:
---
title: "Analisis Bibliometrik dan NLP"
author: "Nama Anda"
date: "`r Sys.Date()`"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
1. Install dan Load Library
# Uncomment jika belum install
# install.packages("bibliometrix")
# install.packages("bibliometrixData")
# install.packages("tm")
# install.packages("text2vec")
# install.packages("topicmodels")
# install.packages("tidyverse")
library(bibliometrix)
library(bibliometrixData)
library(tm)
library(text2vec)
library(topicmodels)
library(tidyverse)
2. Import Data Bibliometrik (Scopus/WoS)
# Ganti dengan path file Anda
data <- convert2df(file = "data/scopus.bib", dbsource = "scopus", format = "bibtex")
3. Analisis Deskriptif Awal
results <- biblioAnalysis(data)
summary <- summary(results, k = 10)
print(summary)
4. Visualisasi Bibliometrik
plot(x = results, k = 10, pause = FALSE)
5. Network Analysis
# Co-occurrence Keyword Analysis
NetMatrix <- biblioNetwork(data, analysis = "co-occurrences", network = "keywords", sep = ";")
networkPlot(NetMatrix, n = 30, Title = "Keyword Network", type = "fruchterman", size=TRUE)
6. NLP dan Topic Modeling
Ekstrak Abstrak
abstracts <- tolower(data$AB)
corpus <- Corpus(VectorSource(abstracts))
corpus <- tm_map(corpus, content_transformer(removePunctuation))
corpus <- tm_map(corpus, removeWords, stopwords("en"))
dtm <- DocumentTermMatrix(corpus)
LDA Topic Modeling
# Membuat LDA model dengan 5 topik
lda_model <- LDA(dtm, k = 5, control = list(seed = 1234))
terms(lda_model, 10)
7. Interpretasi dan Insight
Analisis topik-topik utama dan hubungkan dengan visualisasi dari Bibliometrix.
8. Export Hasil
# Simpan hasil analisis ke file CSV
write.csv(summary$MostCitedPapers, "hasil/most_cited.csv")
Penutup
Riset bibliometrik dengan bantuan NLP membuka peluang interpretasi data lebih dalam. Kombinasi pendekatan kuantitatif dan kualitatif dapat memperkuat arah riset masa depan.
