Skip to content

Bibliometric: navigasi perjalanan literatur

sumber gambar: freepik.com

Saat mengawali studi PhD, hampir dipastikan kita bakal masuk ke hutan belantara literatur. Tidak tahu dimana main-entrance dan exit-entrance-nya. Tidak cukup proposal pendek 4 halaman yang sudah disetujui oleh supervisor melalui dikeluarkannya LoA (letter of acceptance) mengantarkan mau kemana kita akan pergi. Tetap saja harus mendalami dengan menggali setiap literatur. Sering pula para PhD student yang terlalu asik membaca akhirnya masuk ke dalam ‘sumur’ literatur, tidak bisa kembali ke permukaan. Itu sangat sering, dan saya adalah salah satunya, the victim :). Banyaknya literatur saat ini bak semacam rimbunnya hutan berisi berbagai flora dan fauna yang bisa saling terkait atau juga tidak. Saya mengibaratkannya seperti rantai makanan dari unit terkecil hingga komplek. Tentu saja hubungan antar literatur di sini bukanlah hubungan saling ‘makan-dan-dimakan’ tetapi lebih ke bagaimana dialog dan debat literatur terjadi dalam membahas suatu topik riset tertentu. Sebagai contoh pembahasan mengenai ‘jembatan’, disaat kita mencari literatur di database scopus.com, web of science atau yang gratisan di google scholar kita akan disuguhkan oleh bermacam topik mengenai ini. Ada literatur yang membahas jembatan dari ilmu arsitektur, ada juga yang mengulas konstruksinya dari ilmu teknik sipil dan masih banyak lagi. Banyak sudut pandang yang berasal dari berbagai bidang ilmu.

Apakah anda berfikir bahwa literatur berperan sebagai pembimbing? – belum tentu. Bisa jadi iya, tetapi bisa juga justru menyesatkan. Bukan karena alasan kualitas penelitian dan artikel terpublikasi, tetapi karena terlalu banyaknya artikel hingga ribuan bahkan jutaan yang diterbitkan oleh peneliti seluruh negara. Sebagai contoh adalah topik penelitian saya mengenai social-ecological systems dan property right. Ada sebanyak 183.517 artikel terindex web of science. Kita coba kalkulasi sederhana, misalnya saja saya memberlakukan program one day one article yaitu hanya membaca 1 artikel dalam 1 hari, maka saya akan menyelesaikannya dalam kurun waktu 502 tahun. Sedangkan durasi studi kita hanya 3 – 4 tahun. Kita ambil maksimalnya yaitu 4 tahun, maka selama kurun waktu itu, kita hanya mampu membaca 0,79%-nya. Ini belum dihitung waktu untuk menulis PhD thesis, survey lapangan, menyebarkan kuesioner dan mengerjakan pernak-pernik kehidupan lainnya. Sangat tidak memungkinkan. Banyaknya artikel, bukan pula menjadi alasan untuk balik kanan kemudian mengibarkan bendera putih. Dan apakah mungkin kita bisa hidup hingga 500 tahun?

Masuk ke belantara literatur

Masuk ke hutan belantara literatur diperlukan untuk melatih survival kita bertahan di dalamnya, begitukah? – tentu saja tidak. Seorang peneliti harus masuk ke belantara literatur untuk memetakan seluruh perhatian peneliti atas suatu topik riset. Ada istilah scientometrics yaitu studi tentang pengukuran dan analisis ilmu pengetahuan, teknologi dan inovasi. Kita akan bekerja di regim literatur apa? Bahkan sedikit lebih ekstrim, kita akan bekerja di bawah ‘pengaruh’ pemikiran siapa? Nah inilah ilmu pengetahuan, akan selalu didiskusikan, diperdebatkan bahkan dipatahkan. Kita harus ‘nyemplung’ di situ.

Bagaimana cara kita masuk? – ada banyak ‘hutan belantara literatur’ lengkap dengan daftar nama peneliti, judul artikel hingga kapan diterbitkan. Ini hanya bagian kecil dari identitas setiap artikel/ literatur yang disebut dengan metadata artikel. Meta data inilah yang masuk ke berbagai belantara literatur itu. Sudah banyak kampus-kampus di Indonesia yang melanggan database literatur dari seluruh dunia. Sebut saja Scopus.com, web of science, pro-quest, EBSCO, dan masih banyak lagi tentunya. Kalau yang paling popular karena gratisnya adalah google scholar. Ketik saja salah satu keyword di salah satu search engine database itu, kemudian dia akan memberikan beribu-ribu literatur, mudah sekali. Tugas selanjutnya adalah memilah-milah literatur sesuai dengan topiknya atau mungkin sesuai bidang ilmu yang membahas. Seperti contoh saya di atas, jembatan, bisa masuk ke lingkup arsitektur kalau membahas desain, bisa juga masuk ke lingkup teknik sipil di kala membahas konstruksi. Ini merupakan tahapan setelah kita masuk ke belantara literatur, kategorisasi. Tahap selanjutnya adalah menentukan/ memutuskan anda akan berdiri di regim literatur mana. Dan perjalanan literatur anda baru saja dimulai.

Menavigasi perjalanan literatur

Untuk membantu menavigasi perjalanan literatur, kita bisa memanfaatkan bibliometric. Ini merupakan cabang ilmu perpustakaan tertua, berupa metode statistik untuk menganalisis buku, artikel dan publikasi lainnya. Salah satu bagian yang paling menarik menurut saya adalah citation analysis yaitu metode untuk menentukan hubungan atau keterkaitan antara satu artikel dengan artikel lainnya yang dilihat dari kutipan dan daftar pustaka artikel. Dari citation analysis ini juga seorang peneliti bisa menentukan dampak keilmuan dari seuatu artikel ilmiah. Sekarang, ilmu ini sangat berkembang yang ditunjukkan oleh h-index, i10-index, impact factor, SNIP dan masih banyak istilah lainnya. Itu merupakan bagian dari citation analysis dari lingkup bidang bibliometric ini. Data kutipan akan sangat membantu kita menentukan popularitas dan dampak ilmiah. Untuk mengeksekusinya saya menggunakan 2 software yaitu VOSViewer dan RStudio dari R Statistics. Kedua software ini adalah open source, sehingga kita bisa menggunakannya tanpa perlu registrasi dan tidak membayar. Langkah-langkah yang saya lakukan sebagai berikut:

Tahap pertama adalah mencari artikel di Web of Science dengan query tertentu. Untuk penelitian saya, keywords yang digunakan adalah [“social-ecological systems”, atau “social ecological-resilience”, atau “social-ecological systems resilience”] dan [“property right”, atau “right to property”]. Saya berusaha menggabungkan 2 pandangan besar pengelolaan sumber daya alam yaitu social-ecological system dengan right to property. Dari pencarian di Web of Science saya mendapatkan 183.517 artikel yang kemudian saya download metadatanya dalam bentuk RefWorks (*.txt). Jika menggunakan scopus, prosesnya juga sama dan pilihan file export justru lebih banyak, anda bisa memilih *.csv.

Mencari literatur yang relevan di Web of Science

Data hasil download metadata ini yang kemudian menjadi resource/ dataset yang diolah baik di VOSViewer maupun RStudio. VOSViewer sendiri merupakan software visualisasi bibliometric yang dibuat oleh Leiden University, Belanda dengan memanfaatkan bibliografi/ daftar pustaka setiap artikel kemudian dibuat visualisasinya. Software ini merupakan open source, dimana membutuhkan JAVA untuk running software baik di Windows maupun MacOS.

Tahap kedua adalah membuat visualisasi bibliometric menggunakan VOSViewer. Tutorial mengenai penggunaan software ini sangatlah banyak baik di webblog maupun youtube. Seperti yang sudah dijabarkan oleh Mas Purwoko di laman youtube khusus perpustakaan FT UGM di URL ini: https://www.youtube.com/watch?v=irNORC_sNxM. Sangat detail dijelaskan di link itu. Mengikuti tutorial yang sama, saya mulai memasukkan file metadata yang sudah saya download ke VOSViewer dan didapatkan visualiasi di bawah ini.

Visualisasi Bibliometric menggunakan VOSViewer

Apa yang bisa disimpulkan dari gambar visualiasi bibliometric di atas? – Perhatian property right di dalam studi social-ecological systems sangatlah rendah. Meskipun memang secara teori, right to property akan dipengaruhi oleh collective behavior dalam mengelola sumber daya alam. Kenyataan inilah yang menjadi landasan utama penelitian saya. Meskipun rendah, tetapi tetap ada topik-topik riset yang menghubungkan dua bidang ilmu ini, sebut saja dikala membahas poverty/ kemiskinan, kemudian di kala membahas adaptive capacity/ kapasitas adaptasi termasuk gender. Kenapa kemiskinan berkaitan dengan SES? – di dalam teori ecosystem, kita mengenal istilah ecosystem service yaitu kemampuan alam menyediakan kebutuhan makhluk hidup. Alam yang menyediakan udara bersih, air dan sumber hayati lainnya. Maka dikala ekosistem sudah tidak mempu memberikan layanan hayati maka yang terjadi adalah kemiskinan. Kurang lebih begitu penjelasan teoritisnya. Kembali ke Bibliometric, dari visualiasi bibliometrik ini akan mengantarkan kita pada pemahaman mengenai posisi riset di antara dua teori yang sangat besar. Itu kelebihannya, bagaimana kekurangannya? – sependek pengetahuan saya, VOSViewer ini tidak menyediakan layanan data cleaning, sehingga dikala ada keywords yang mirip akan dianggap berbeda. Sebagai contoh adalah SES dengan SESs, akan dianggap sebagai 2 keywords yang benar-benar berbeda. Apakah ini sudah selesai? – Belum, kita lihat kata kunci yang paling dominan muncul. KIta mainkan wordcloud sekarang.

Tahap ketiga, mengikuti tutorial yang diberikan oleh Tresna Tanesya di channel youtube Algoritma Data Science School di URL: https://www.youtube.com/watch?v=zG9y6AM7mL8 saya mencoba berulang kali memanggil data *.csv untuk pemrosesan wordcloud. Setiap langkah sudah saya buat sesuai tutorial tetapi selalu gagal dikala menginstall package tidytext miliknya RStudio. Kasat-kusutnya karena saya menggunakan MacOS Catalina dimana XCodenya perlu di perbarui. Dan saya belum bisa memperbaruinya. Akhirnya saya dibantu adik menggunakan RStudio untuk Windows, dan hasilnya seperti di bawah ini. Kata paling besar menunjukkan kata kunci yang paling sering muncul dan paling sering digunakan.

Visualisasi WordCloud menggunakan RStudio

Apa yang bisa kita pelajari? – Dari rimbunnya belantara database literatur dengan sangat mudah dan cepat bisa kita tentukan cluster/ kelompok-kelompok literatur menggunakan VOSViewer. Ini akan sangat membantu kita menentukan scope riset sesuai bidang keilmuan yang dipelajari. Perlu diingat bahwa satu topik riset bisa dibahas dari berbagai sudut pandang keilmuan, seperti contoh ‘jembata’ di atas. Di samping itu, kita bisa melihat perkembangan riset dari tahun ke tahun melalui publikasi yang dihasilkan. Kita akan lebih mudah mempelajari perkembangan ilmu dan juga istilah-istilah baru yang mengikuti. Sebagai contoh kata smog yang berarti asap kabut, ternyata kata ini muncul setelah revolusi industri perpaduan dari kata smoke dan fog. Ini salah satu contoh yang bisa kita dapatkan dari mempelajari sejarah publikasi/ riset sesuai dengan tema yang sedang kita geluti. Disamping itu, menggunakan wordcloud akan sangat membantu menentukan perhatian peneliti-peneliti dunia atas topik yang dibahas.

%d bloggers like this: