Database untuk bibliometric analysis merupakan sumber data utama yang digunakan untuk memetakan perkembangan publikasi ilmiah, produktivitas penulis, tren penelitian, hingga hubungan antarkarya ilmiah. Misalnya, ketika seorang peneliti ingin mengkaji perkembangan topik kecerdasan buatan di bidang pendidikan selama dua dekade terakhir, ribuan artikel perlu dikumpulkan dan dianalisis. Membaca seluruh publikasi satu per satu tentu membutuhkan waktu yang panjang. Oleh karena itu, pemanfaatan database menjadi langkah penting untuk memperoleh informasi bibliografis secara terstruktur.
Bibliometric analysis adalah metode untuk menganalisis data publikasi secara kuantitatif, seperti jumlah artikel per tahun, penulis paling produktif, jurnal yang banyak memuat topik tertentu, jumlah sitasi, serta hubungan antarkata kunci. Melalui metode ini, peneliti dapat melihat lanskap riset, menemukan celah penelitian, dan menentukan arah penelitian lanjutan. Hasil analisis biasanya disajikan dalam bentuk grafik tren dan peta visual yang memperlihatkan klaster topik.
Seluruh proses tersebut bergantung pada metadata artikel, yaitu judul, abstrak, kata kunci, nama penulis, afiliasi, tahun terbit, sumber jurnal, dan daftar referensi. Informasi tersebut disediakan oleh database publikasi ilmiah. Artinya, database bukan sekadar tempat mencari artikel, melainkan bahan baku utama yang menentukan kualitas hasil analisis.
Penting dipahami bahwa bibliometric analysis berbeda dengan systematic literature review. Tinjauan sistematis menilai isi dan temuan setiap artikel secara mendalam, sedangkan bibliometrik membaca pola dari data bibliografis. Kedua metode tersebut dapat saling melengkapi, tetapi kebutuhan datanya berbeda sehingga pertimbangan dalam memilih sumber informasi juga tidak sama.
Mengapa Pemilihan Database untuk Bibliometric Analysis Menentukan Kualitas Hasil
Setiap database memiliki kebijakan pengindeksan sendiri. Ada yang selektif dan hanya memasukkan jurnal yang lolos evaluasi ketat, sedangkan sumber lainnya mengumpulkan publikasi secara lebih luas dari berbagai penjuru web. Akibatnya, pencarian menggunakan kata kunci yang sama pada dua database dapat menghasilkan jumlah dan komposisi artikel yang berbeda cukup jauh.
Perbedaan cakupan tersebut memengaruhi hampir semua keluaran analisis. Dominasi negara tertentu, jurnal yang terlihat paling berpengaruh, hingga klaster topik yang muncul pada peta dapat berubah hanya karena sumber datanya berbeda. Oleh karena itu, peneliti perlu menentukan sumber data secara sadar dan menjelaskan alasannya di bagian metode, bukan sekadar menggunakan database yang paling familiar.
Selain cakupan, kelengkapan metadata juga berpengaruh. Beberapa database menyediakan daftar referensi lengkap sehingga analisis kosita dan sitasi bersama dapat dilakukan. Sementara itu, sumber lain hanya menyediakan informasi dasar yang membuat pilihan analisis menjadi terbatas. Atas dasar tersebut, tujuan penelitian perlu ditentukan sejak awal sebelum memilih database.
Baca Juga: 100+ Jurnal Terindeks Scopus Gratis Bidang Ilmu Lingkungan
Kriteria Memilih Database untuk Bibliometric Analysis
Tidak ada database yang paling unggul untuk semua kebutuhan. Pemilihan sumber data bergantung pada tujuan penelitian, bidang ilmu, dan perangkat lunak yang akan digunakan. Untuk membantu menentukan pilihan, beberapa pertimbangan berikut dapat dijadikan dasar penilaian kecocokan database.
- Cakupan bidang ilmu dan periode terbit yang relevan dengan topik penelitian.
- Kelengkapan metadata, terutama abstrak, kata kunci, afiliasi, dan daftar referensi.
- Kualitas dan kebijakan pengindeksan jurnal.
- Fitur ekspor data dan kompatibilitas format dengan perangkat lunak analisis.
- Aksesibilitas, yaitu apakah berbayar, tersedia melalui langganan kampus, atau terbuka.
- Kemampuan pencarian lanjutan, seperti operator Boolean dan penyaringan tipe dokumen.
Keenam pertimbangan ini tidak harus dipenuhi seluruhnya secara sempurna. Hal terpenting adalah memahami kelebihan dan keterbatasan sumber yang dipilih, kemudian menjelaskannya secara jujur sebagai bagian dari keterbatasan penelitian.
Scopus sebagai Database untuk Bibliometric Analysis
Scopus adalah database sitasi dan abstrak milik Elsevier yang mencakup banyak jurnal, prosiding, dan buku dari berbagai bidang ilmu. Cakupannya yang luas, terutama untuk bidang teknik, sains, kesehatan, dan ilmu sosial, membuat Scopus menjadi salah satu pilihan paling populer dalam penelitian bibliometrik. Di Indonesia, database ini juga sangat dikenal karena sering menjadi acuan reputasi jurnal.
Keunggulan Scopus terletak pada metadata yang rapi, fitur pencarian lanjutan yang fleksibel, dan opsi ekspor ke beberapa format seperti CSV dan BibTeX. Hasil unduhan tersebut dapat dibaca oleh VOSviewer maupun Bibliometrix sehingga proses analisis menjadi lebih ringkas. Selain itu, peneliti dapat menyaring hasil berdasarkan tahun, tipe dokumen, bidang, dan bahasa sebelum mengekspor data.
Kekurangannya, Scopus merupakan layanan berlangganan sehingga akses biasanya bergantung pada institusi. Selain itu, terdapat batas jumlah rekaman per sekali ekspor yang mengharuskan peneliti mengunduh data secara bertahap apabila hasil pencarian sangat banyak. Hal tersebut perlu diperhitungkan sejak merencanakan waktu penelitian.
Web of Science dan Kekuatan Data Sitasinya
Web of Science, terutama koleksi intinya, dikenal selektif dalam memilih jurnal yang diindeks. Basis data ini memiliki rekam jejak sitasi yang panjang sehingga sering dipilih untuk penelitian yang menelusuri perkembangan suatu bidang dari waktu ke waktu. Reputasinya yang kuat menjadikan Web of Science sebagai sumber data utama maupun pembanding dalam penelitian bibliometrik.
Dari sisi teknis, Web of Science menyediakan ekspor dengan data referensi yang lengkap sehingga cocok untuk analisis kosita, sitasi bersama, dan penelusuran jejaring intelektual. Format ekspornya didukung secara luas oleh VOSviewer dan Bibliometrix. Dengan demikian, data dari database ini relatif mudah diolah tanpa banyak penyesuaian.
Sama seperti Scopus, akses ke Web of Science umumnya bersifat berlangganan. Cakupan koleksinya juga bergantung pada paket yang dimiliki institusi sehingga hasil pencarian antara satu kampus dan kampus lain dapat berbeda. Karena itu, sebutkan koleksi dan tanggal pencarian secara jelas saat melaporkan metode.
Dimensions, The Lens, dan OpenAlex sebagai Alternatif Database
Selain dua database klasik tersebut, sekarang tersedia beberapa sumber yang cakupannya luas dan lebih mudah diakses. Dimensions menggabungkan data publikasi dengan informasi pendanaan, paten, dan uji klinis sehingga menarik bagi penelitian yang ingin menghubungkan publikasi dengan konteks yang lebih luas. Data dari Dimensions dapat diekspor dan dibaca oleh perangkat lunak bibliometrik populer.
The Lens menghimpun data publikasi ilmiah sekaligus paten dan bersifat terbuka untuk penggunaan dasar. Sementara itu, OpenAlex merupakan katalog riset terbuka yang menyediakan data melalui antarmuka pemrograman dan dapat diakses tanpa biaya langganan. Bagi peneliti yang tidak memiliki akses ke database berbayar, kedua sumber ini patut dipertimbangkan.
Namun, kelengkapan dan konsistensi metadata pada sumber terbuka dapat bervariasi, misalnya dalam penulisan afiliasi atau penyeragaman nama penulis. Kondisi tersebut membuat peneliti perlu memeriksa kualitas data dan melakukan pembersihan sebelum analisis. Sebagai langkah awal, pencarian pada sampel kecil dapat membantu mengidentifikasi kemungkinan masalah metadata.
Database Bidang Khusus: PubMed, ERIC, IEEE Xplore, dan Lainnya
Untuk topik yang berada dalam satu bidang tertentu, database khusus sering memberikan cakupan yang lebih mendalam. PubMed sangat kuat untuk kedokteran dan ilmu kesehatan, ERIC untuk pendidikan, serta IEEE Xplore untuk teknik elektro, komputer, dan teknologi informasi. Database seperti ini umumnya memiliki indeks subjek yang terstruktur sehingga pencarian lebih presisi.
Kelebihan lainnya adalah relevansi hasil yang tinggi pada topik yang sesuai. Meskipun demikian, keterbatasannya terletak pada metadata sitasi. Tidak semua database tersebut menyediakan data referensi selengkap Scopus atau Web of Science sehingga jenis analisis yang dapat dilakukan bisa terbatas, misalnya analisis sitasi dan kosita.
Oleh sebab itu, database bidang khusus sering dipakai sebagai pelengkap. Peneliti dapat menggunakannya untuk memeriksa apakah ada artikel penting yang belum tercakup pada sumber utama, kemudian memutuskan apakah data perlu digabung.
Google Scholar dan Database Nasional
Google Scholar memiliki cakupan sangat luas, mencakup artikel jurnal, buku, tesis, dan dokumen lain. Meskipun demikian, platform ini tidak menyediakan ekspor data massal secara langsung dan metadatanya kurang terstandar. Untuk mengambil data, peneliti biasanya memanfaatkan perangkat bantu seperti Publish or Perish, tetapi hasilnya tetap perlu dibersihkan dengan hati-hati dan tidak seideal data dari Scopus atau Web of Science.
Untuk penelitian yang menyoroti konteks Indonesia, database nasional seperti SINTA dan Garuda dapat menjadi sumber yang relevan. Keduanya memuat publikasi dari jurnal nasional yang mungkin tidak terindeks di database internasional. Pendekatan ini cocok apabila tujuan penelitian adalah memetakan perkembangan riset dalam negeri.
Perlu dicatat bahwa format data dan kelengkapan metadata pada sumber nasional dapat berbeda dari database internasional. Akibatnya, peneliti mungkin memerlukan langkah tambahan untuk menyeragamkan data sebelum analisis dilakukan.
Perbandingan Database untuk Bibliometric Analysis
Tabel berikut merangkum karakter umum beberapa database yang sering dipakai. Isinya bersifat gambaran umum sehingga fitur dan kebijakan akses sebaiknya diperiksa kembali melalui situs resminya saat akan digunakan.
| Database | Cakupan Umum | Akses | Kekuatan Utama | Catatan |
|---|---|---|---|---|
| Scopus | Multidisiplin | Berlangganan | Metadata rapi, pencarian fleksibel | Batas jumlah ekspor per unduhan |
| Web of Science | Multidisiplin selektif | Berlangganan | Data sitasi dan referensi kuat | Cakupan bergantung paket institusi |
| Dimensions | Multidisiplin, termasuk pendanaan dan paten | Ada akses dasar | Konteks data lebih luas | Fitur penuh dapat berbayar |
| The Lens | Publikasi dan paten | Terbuka untuk penggunaan dasar | Aksesibel dan terintegrasi | Perlu pengecekan kualitas data |
| OpenAlex | Multidisiplin | Terbuka | Gratis dan dapat diakses lewat API | Konsistensi metadata bervariasi |
| PubMed | Kesehatan dan biomedis | Terbuka | Indeks subjek terstruktur | Data referensi terbatas |
| Google Scholar | Sangat luas | Terbuka | Cakupan lebar | Tidak ada ekspor massal langsung |
Perbandingan tersebut menunjukkan bahwa setiap pilihan membawa konsekuensi. Database dengan data sitasi lengkap lebih cocok untuk analisis jejaring intelektual, sedangkan sumber terbuka dapat menjadi pilihan apabila akses menjadi kendala utama.
Format Ekspor Data dan Kompatibilitas dengan Perangkat Lunak
Setelah database dipilih, data harus diekspor dalam format yang dapat dibaca perangkat lunak analisis. Format yang umum dijumpai antara lain CSV, BibTeX, RIS, dan format teks khusus dari masing-masing database. VOSviewer dan Bibliometrix mendukung beberapa format dari sumber populer, tetapi tidak semua kolom selalu terbaca sempurna.
Pastikan kolom yang dibutuhkan ikut terekspor, terutama judul, abstrak, kata kunci, afiliasi, dan referensi apabila analisis sitasi akan dilakukan. Kesalahan dalam memilih opsi ekspor sering kali baru diketahui setelah proses analisis berjalan. Akibatnya, peneliti harus mengulangi pengunduhan data dari awal.
Simpan juga berkas mentah hasil unduhan beserta catatan tanggal pencarian. Berkas ini penting untuk menjaga transparansi dan memudahkan reproduksi apabila reviewer meminta penjelasan tambahan mengenai asal data.
Strategi Menggabungkan Lebih dari Satu Database
Dalam beberapa kasus, satu database belum cukup untuk menggambarkan literatur secara utuh. Menggabungkan dua sumber, misalnya Scopus dan Web of Science, dapat memperluas cakupan. Akan tetapi, penggabungan menimbulkan tantangan baru karena format metadata yang berbeda dan adanya artikel ganda.
Langkah yang umumnya ditempuh meliputi penyeragaman format, penghapusan duplikasi berdasarkan DOI dan judul, serta penyatuan variasi penulisan nama penulis dan kata kunci. Tahapan tersebut memerlukan ketelitian agar tidak terjadi kesalahan dalam pengolahan data. Seluruh proses juga sebaiknya didokumentasikan dengan jelas supaya dapat ditelusuri kembali.
Bila waktu terbatas, memakai satu database yang dipilih dengan alasan kuat dan dijelaskan keterbatasannya sering kali lebih baik daripada menggabungkan banyak sumber secara tergesa-gesa. Kualitas data lebih penting daripada jumlah sumber.
Contoh Praktis Memilih Database untuk Bibliometric Analysis
Misalkan seorang mahasiswa pascasarjana teknik informatika ingin memetakan riset deteksi serangan siber berbasis pembelajaran mesin. Ia memiliki akses ke Scopus melalui kampus dan ingin menggunakan VOSviewer. Dalam kondisi tersebut, Scopus dipilih sebagai sumber utama karena cakupan bidang teknik dan komputernya luas, metadatanya lengkap, serta formatnya mudah diolah.
Tahap berikutnya adalah menyusun string pencarian dari konsep utama dan sinonimnya, membatasi tahun terbit serta tipe dokumen, kemudian mengekspor data lengkap termasuk referensi. Sebagai pembanding, mahasiswa tersebut menjalankan pencarian serupa di IEEE Xplore untuk memeriksa apakah ada artikel penting yang terlewat. Hasil pembanding ini kemudian dilaporkan sebagai bagian dari validasi pencarian.
Dalam laporannya, ia menuliskan alasan pemilihan Scopus, tanggal pencarian, string pencarian, dan keterbatasan, misalnya tidak semua artikel di luar indeks Scopus ikut terpetakan. Pendekatan seperti ini membuat penelitian lebih transparan dan mudah dipertanggungjawabkan.
Kesalahan yang Sering Dilakukan dalam Memilih Database
Beberapa kesalahan masih sering ditemukan, terutama pada peneliti pemula. Mengenali berbagai kekeliruan tersebut sejak awal dapat membantu menghemat waktu dan mengurangi kebutuhan revisi. Berikut sejumlah kesalahan yang perlu dihindari:
- Memilih database hanya karena paling mudah diakses tanpa mempertimbangkan kecocokan dengan topik.
- Tidak mencatat string pencarian dan tanggal pencarian.
- Mengekspor data tanpa kolom referensi, padahal membutuhkan analisis sitasi.
- Menggabungkan database tanpa menghapus duplikasi.
- Tidak membersihkan data, misalnya variasi penulisan nama penulis dan kata kunci.
- Tidak menjelaskan keterbatasan cakupan database dalam pembahasan.
Sebagian besar kesalahan ini dapat dicegah dengan perencanaan yang matang dan dokumentasi yang konsisten sejak tahap awal pencarian.
Tips Praktis Memilih Database untuk Bibliometric Analysis
Mulailah dengan menentukan tujuan analisis. Untuk analisis kosita dan sitasi bersama, gunakan database yang menyediakan data referensi lengkap. Sebaliknya, pemetaan tren publikasi dan kata kunci dapat dilakukan menggunakan sumber yang memiliki metadata dasar memadai.
Lakukan uji coba pencarian pada sampel kecil sebelum mengunduh seluruh data. Periksa apakah hasilnya relevan, apakah kolom yang dibutuhkan tersedia, dan apakah format ekspor dapat dibaca perangkat lunak Anda. Langkah singkat ini dapat mencegah pengulangan proses yang memakan waktu.
Terakhir, dokumentasikan semuanya, mulai dari nama database, versi koleksi, string pencarian, filter, hingga tanggal unduh. Dokumentasi yang rapi membuat penelitian mudah direproduksi dan meningkatkan kepercayaan reviewer terhadap metode yang digunakan.
Rekomendasi Penerapan bagi Mahasiswa dan Peneliti
Bagi mahasiswa yang memiliki akses ke langganan kampus, Scopus atau Web of Science merupakan titik awal yang aman karena datanya terstandar dan didukung luas oleh perangkat lunak analisis. Apabila akses terbatas, OpenAlex atau The Lens dapat menjadi alternatif. Namun, penggunaannya perlu disertai pemeriksaan dan pembersihan metadata agar hasil analisis tetap dapat diandalkan.
Bagi peneliti dan dosen, pertimbangkan strategi dua database untuk penelitian yang akan dipublikasikan di jurnal bereputasi. Pendekatan ini memperkuat cakupan, sementara pembandingan hasil antarsumber memberi gambaran seberapa stabil temuan Anda. Sesuaikan juga pilihan dengan bidang ilmu, misalnya menambahkan PubMed untuk topik kesehatan atau IEEE Xplore untuk topik teknik.
Apa pun pilihannya, pastikan alasan pemilihan dijelaskan dan keterbatasannya diakui. Penelitian bibliometrik yang transparan dan fokus jauh lebih bernilai dibandingkan penelitian luas yang datanya tidak jelas asal-usulnya.
Baca Juga: Tahapan Meta-Analysis dari Pemilihan Studi hingga Penggabungan Hasil Penelitian
Kesimpulan
Database untuk bibliometric analysis bukan sekadar tempat mengunduh data, melainkan fondasi yang menentukan kualitas seluruh hasil penelitian. Scopus dan Web of Science menawarkan metadata dan data sitasi yang kuat, sedangkan Dimensions, The Lens, dan OpenAlex menyediakan alternatif yang lebih luas dan mudah diakses. Di sisi lain, PubMed, ERIC, dan IEEE Xplore melengkapi kebutuhan bidang tertentu. Google Scholar dan database nasional juga dapat dimanfaatkan dengan kehati-hatian sesuai tujuan penelitian.
Pemilihan yang baik berangkat dari tujuan analisis, kecocokan bidang ilmu, kelengkapan metadata, format ekspor, dan aksesibilitas. Dokumentasi yang rapi, pembersihan data, serta penjelasan keterbatasan akan membuat penelitian lebih transparan dan dapat dipertanggungjawabkan, baik pada skripsi, tesis, disertasi, maupun artikel jurnal.
Bagi Anda yang sedang mempersiapkan artikel ilmiah bidang teknik, membutuhkan bantuan analisis data, proofreading akademik, pengecekan similarity, penerjemahan artikel, pemilihan jurnal target, hingga pendampingan submit jurnal Scopus, layanan konsultasi akademik profesional dapat membantu meningkatkan kualitas manuskrip sekaligus memperbesar peluang publikasi pada jurnal bereputasi internasional.
