VOSviewer

 VOSviewer: Penjelasan Lengkap

VOSviewer adalah software gratis untuk analisis bibliometrik: membuat dan memvisualisasikan peta jaringan dari data publikasi ilmiah. Berbeda dari software sebelumnya (SPSS, AMOS, dan lain-lain) yang mengolah data penelitian primer, VOSviewer mengolah metadata artikel jurnal (judul, abstrak, kata kunci, penulis, sitasi) dari database seperti Scopus, Web of Science, Dimensions, dan PubMed. Ia banyak dipakai untuk systematic literature review, kajian bibliometrik, dan pemetaan tren penelitian. Antarmukanya bukan menu bar bertingkat, melainkan panel di sisi kiri dan kanvas peta di tengah. Susunan menu bisa berbeda antarversi.

A. Tampilan Utama

Panel kiri: berisi tab Action (membuat, membuka, dan menyimpan peta), Options (mengatur tampilan), Overview (daftar item dan atributnya), dan Analysis (ringkasan analisis).

Kanvas tengah: menampilkan peta aktif.

Tab visualisasi: Network, Overlay, dan Density.

B. Tab Action: Create Map

Tombol Create membuka wizard pembuatan peta dengan beberapa pilihan sumber data:

Create a map based on network data: dari file jaringan yang sudah disiapkan sendiri.

Create a map based on bibliographic data: dari file database (Scopus, Web of Science, Dimensions, PubMed, atau file manajer referensi seperti RIS) atau melalui API.

Create a map based on text data: dari teks (judul dan abstrak) untuk mengekstrak istilah.

Open / Save map: membuka atau menyimpan peta yang sudah dibuat.

C. Jenis Analisis (Type of Analysis)

Analisis Yang dipetakan Contoh pertanyaan penelitian

Co-authorship Kolaborasi antar penulis, organisasi, atau negara Siapa/negara mana yang paling banyak berkolaborasi?

Co-occurrence Kata kunci yang muncul bersamaan Topik apa yang dominan dan saling terkait?

Citation Dokumen, jurnal, penulis, organisasi, atau negara yang saling mensitasi Karya mana yang paling berpengaruh?

Bibliographic coupling Publikasi yang mensitasi referensi yang sama Dokumen mana yang berdekatan secara intelektual?

Co-citation Karya yang sering disitasi bersamaan oleh karya lain Fondasi teoretis apa yang membentuk bidang ini?

Selain itu ada pilihan counting method (full counting atau fractional counting) dan ambang batas (threshold), misalnya jumlah minimal kemunculan kata kunci atau sitasi agar item masuk ke peta. Ambang ini penting supaya peta tidak terlalu padat.

D. Tiga Tampilan Visualisasi

Network Visualization: item sebagai titik/label, garis menunjukkan hubungan, warna menunjukkan cluster. Cocok untuk melihat kelompok tema.

Overlay Visualization: sama seperti network, tetapi warna menunjukkan atribut lain, biasanya tahun publikasi rata-rata. Cocok untuk melihat tren dan topik terbaru.

Density Visualization: warna menunjukkan kepadatan item di suatu area (item density) atau per cluster (cluster density). Cocok untuk melihat topik yang paling ramai diteliti.

E. Tab Options

Mengatur tampilan dan algoritma peta, antara lain:

Layout: pengaturan tarik-menarik dan tolak-menolak antar item

Clustering: resolusi dan ukuran minimal cluster

Normalization: metode normalisasi kekuatan hubungan (default: association strength)

Scale, size variation, dan label font: pengaturan ukuran titik dan teks agar peta terbaca

Lines dan colors: jumlah garis yang ditampilkan dan skema warna

F. Tab Overview dan Analysis

Overview: tabel semua item beserta atribut, misalnya jumlah dokumen (Documents), jumlah sitasi (Citations), jumlah hubungan (Links), dan Total link strength.

Analysis: ringkasan hasil peta, termasuk informasi cluster.

G. Menyimpan Hasil

Peta dapat disimpan sebagai gambar (screenshot atau ekspor ke PNG/SVG/PDF), serta file peta dan jaringan (map file dan network file) untuk dibuka kembali atau diolah di software lain.

Ringkasan Fungsi

Bagian Fungsi Utama

Create Map Membuat peta dari data bibliografik, jaringan, atau teks

Type of Analysis Co-authorship, co-occurrence, citation, bibliographic coupling, co-citation

Network / Overlay / Density Tiga cara melihat peta (cluster, tren waktu, kepadatan)

Options Mengatur layout, clustering, normalisasi, tampilan

Overview Tabel item beserta atribut (dokumen, sitasi, link strength)

Perbandingan dengan NVivo

Aspek VOSviewer NVivo

Data yang diolah Metadata publikasi (kata kunci, sitasi, penulis) Data kualitatif primer (wawancara, dokumen, observasi)

Tujuan Memetakan struktur dan tren literatur Menemukan tema dari data lapangan

Biaya Gratis Berbayar

Visualisasi khas Peta jaringan, overlay, density Word cloud, project map, cluster analysis

Tips Praktis untuk Skripsi

Untuk skripsi berbasis kajian bibliometrik atau SLR, data biasanya diunduh dari Scopus (format CSV atau RIS) atau Web of Science. Pastikan kata kunci pencarian dan kriteria inklusi didokumentasikan di bab metode.

Gunakan file thesaurus untuk menggabungkan istilah yang sama (mis. “e-commerce” dan “electronic commerce”, atau bentuk tunggal dan jamak). Tanpa ini, peta kata kunci akan berantakan dan menggandakan item.

Atur threshold dengan hati-hati. Terlalu rendah membuat peta penuh dan tidak terbaca, terlalu tinggi membuang tema penting. Catat nilai yang dipakai untuk dilaporkan di naskah.

Overlay visualization berguna untuk menunjukkan celah penelitian (research gap): topik berwarna baru (tahun terkini) dan masih sedikit pustaka bisa jadi peluang topik.

Jarak antar item di peta menunjukkan kekuatan hubungan, bukan kemiripan isi yang identik. Hindari menafsirkan dua item yang berdekatan sebagai “sama persis”.

Hasil clustering hanya menunjukkan pola statistik. Beri nama dan interpretasi tema untuk tiap cluster berdasarkan telaah isi artikelnya.