VOSviewer

1. Pengertian VOSviewer

VOSviewer adalah singkatan dari Visualization of Similarities viewer. Ini adalah perangkat lunak untuk membangun, menampilkan, dan menjelajahi peta bibliometrik, yaitu peta yang menunjukkan hubungan antarpenulis, kata kunci, artikel, jurnal, institusi, dan negara dalam sebuah bidang penelitian.

VOSviewer dikembangkan oleh Nees Jan van Eck dan Ludo Waltman dari Centre for Science and Technology Studies (CWTS), Leiden University, Belanda.

Ciri utama VOSviewer:

Gratis dan bisa diunduh di situs resmi vosviewer.com
Berbasis Java, tersedia untuk Windows, Mac, dan Linux
Tampilan berbasis menu dan klik, tanpa perlu menulis kode
Mampu membaca data dari Scopus, Web of Science, Dimensions, Lens, PubMed, dan Crossref/OpenAlex lewat API, serta file RIS dan EndNote
Menghasilkan peta yang jelas dan mudah dibaca, dengan warna kluster
Bisa menangani peta besar (ribuan item)
Tersedia juga versi web, VOSviewer Online, untuk melihat dan membagikan peta

2. Kegunaan VOSviewer

VOSviewer dipakai untuk:

Tinjauan literatur bibliometrik (bibliometric review)
Memetakan tren dan topik penelitian dalam suatu bidang
Mencari celah penelitian (research gap)
Mengidentifikasi penulis, jurnal, dan negara yang paling berpengaruh
Melihat jaringan kolaborasi antarpeneliti, lembaga, dan negara
Menyusun latar belakang dan state of the art untuk skripsi, tesis, dan artikel jurnal
Mengelompokkan topik penelitian ke dalam tema-tema utama

3. Konsep Dasar yang Perlu Dipahami

Bibliometrik: analisis kuantitatif terhadap publikasi ilmiah.
Item: objek yang dipetakan (kata kunci, penulis, dokumen, dan seterusnya). Pada peta, item digambarkan sebagai titik atau lingkaran (node).
Link (tautan): hubungan antara dua item, digambarkan sebagai garis.
Link strength (kekuatan tautan): seberapa kuat hubungan dua item, misalnya jumlah artikel yang memuat dua kata kunci sekaligus.
Total link strength: jumlah seluruh kekuatan tautan sebuah item dengan item lain.
Kluster (cluster): kelompok item yang saling berkaitan erat, ditandai dengan warna sama.
Occurrence: berapa kali sebuah kata kunci muncul.
Teknik VOS (VOS mapping technique): teknik penempatan item di peta sehingga jarak antaritem mencerminkan kedekatan hubungannya. Item yang berdekatan berarti berhubungan erat.
Teknik pengelompokan VOS: teknik pembentukan kluster berbasis modularitas.

4. Jenis Analisis di VOSviewer

VOSviewer menyediakan lima jenis analisis utama:

A. Co-authorship (Kepenulisan Bersama)

Menunjukkan siapa yang menulis bersama siapa.
Unit analisis: penulis (authors), organisasi (organizations), dan negara (countries).
Kegunaan: melihat jaringan kolaborasi antarpeneliti, lembaga, dan negara.

B. Co-occurrence (Kemunculan Bersama)

Menunjukkan kata kunci mana yang sering muncul bersama dalam satu dokumen.
Unit analisis: semua kata kunci (all keywords), kata kunci penulis (author keywords), dan kata kunci indeks (index keywords). Bisa juga memakai istilah dari judul dan abstrak.
Kegunaan: memetakan topik dan tema penelitian. Ini analisis yang paling sering dipakai.

C. Citation (Sitasi)

Menunjukkan siapa mengutip siapa.
Unit analisis: dokumen, sumber (jurnal), penulis, organisasi, dan negara.
Kegunaan: mengetahui dokumen, jurnal, dan penulis yang paling berpengaruh.

D. Bibliographic Coupling (Penggabungan Bibliografi)

Dua dokumen dianggap berkaitan jika mengutip referensi yang sama.
Unit analisis: dokumen, sumber, penulis, organisasi, dan negara.
Kegunaan: melihat fokus penelitian terkini (research fronts).

E. Co-citation (Sitasi Bersama)

Dua item dianggap berkaitan jika sering dikutip bersama oleh dokumen lain.
Unit analisis: referensi yang dikutip (cited references), sumber yang dikutip (cited sources), dan penulis yang dikutip (cited authors).
Kegunaan: memahami fondasi intelektual suatu bidang.

5. Tiga Jenis Visualisasi

A. Network Visualization (Visualisasi Jaringan)

Tampilan standar. Item digambarkan sebagai lingkaran dengan label, dan hubungan sebagai garis.
Ukuran lingkaran menunjukkan bobot item (misalnya jumlah kemunculan atau jumlah dokumen).
Warna menunjukkan kluster.
Jarak antaritem menunjukkan kedekatan hubungan.
Ketebalan garis menunjukkan kekuatan tautan.

B. Overlay Visualization (Visualisasi Tumpang Tindih)

Tata letaknya sama dengan Network Visualization, tetapi warna menunjukkan nilai tertentu, biasanya rata-rata tahun terbit.
Warna biru atau ungu biasanya menunjukkan topik yang lebih lama, sedangkan warna kuning menunjukkan topik yang lebih baru.
Kegunaan: melihat tren topik dari waktu ke waktu dan menemukan topik yang sedang naik daun.

C. Density Visualization (Visualisasi Kepadatan)

Menampilkan peta seperti peta panas (heat map).
Area berwarna kuning menunjukkan kepadatan tinggi (banyak item dan bobot besar), sedangkan area hijau atau biru menunjukkan kepadatan rendah.
Terdiri dari Item Density (kepadatan per item) dan Cluster Density (kepadatan per kluster).
Kegunaan: melihat topik yang sudah banyak diteliti dan bagian yang masih jarang diteliti.

6. Sumber Data yang Bisa Dipakai

A. Database bibliografi (paling disarankan)

Scopus: ekspor dalam format CSV.
Web of Science: ekspor dalam format teks biasa (plain text) atau tab-delimited.
Dimensions: ekspor dalam format CSV.
Lens.org: ekspor dalam format CSV.
PubMed: ekspor dalam format teks (MEDLINE/PubMed).

B. File reference manager

Format RIS, EndNote, dan RefWorks.
Cocok untuk data dari Publish or Perish yang diambil dari Google Scholar atau Crossref.

C. API (unduh langsung dari internet)

Versi VOSviewer yang lebih baru bisa mengunduh data langsung dari Crossref, OpenAlex, Europe PMC, Semantic Scholar, dan OpenCitations.

D. File teks

Corpus file berisi teks (misalnya judul dan abstrak) untuk analisis co-occurrence istilah.
Thesaurus file untuk menyatukan kata yang bermakna sama.

E. File jaringan

Format GML, Pajek, dan file peta atau jaringan VOSviewer.

Perbandingan sumber yang umum dipakai:

Scopus dan Web of Science menyediakan data paling lengkap (kata kunci, abstrak, afiliasi, sitasi, dan referensi), sehingga semua jenis analisis bisa dilakukan.
Google Scholar lewat Publish or Perish datanya terbatas (umumnya judul, penulis, tahun, dan jumlah sitasi), sehingga analisis kata kunci, co-citation, dan bibliographic coupling tidak selalu bisa dilakukan.

7. Mengenal Tampilan VOSviewer

Menu utama: File, Create, Open, Save, Screenshot, Verify Selected Items, Help.
Panel kiri: memiliki tab Options (pengaturan tampilan), Analysis (daftar item dan kluster), dan Items (daftar seluruh item beserta nilainya).
Area peta (tengah): tempat peta ditampilkan.
Panel kanan: menampilkan detail item yang dipilih, misalnya jumlah kemunculan dan tautan.
Tab visualisasi di atas peta: Network Visualization, Overlay Visualization, dan Density Visualization.
Panel Options/Layout: mengatur Attraction, Repulsion, Resolution, Min cluster size, serta tampilan (Scale, Size variation, Lines, Colors).

8. Langkah Kerja Dasar

Contoh kasus: peta kata kunci (co-occurrence) dari data Scopus

Kumpulkan data. Buka Scopus, lalu cari dengan kata kunci dan batasan yang sesuai (tahun, jenis dokumen, bidang). Misalnya pencarian "financial literacy". Setelah itu Export hasilnya sebagai CSV, dan pilih semua kolom informasi (judul, penulis, abstrak, kata kunci, referensi, dan sitasi).
Periksa data. Hapus dokumen ganda dan pastikan hasil pencarian relevan.
Buka VOSviewer, lalu klik Create.
Pilih Create a map based on bibliographic data, lalu Next.
Pilih Read data from bibliographic database files, lalu Next.
Buka tab Scopus, pilih file CSV hasil ekspor, lalu Next.
Pilih jenis analisis dan unit analisis, misalnya Co-occurrence dengan unit All keywords atau Author keywords, lalu pilih metode penghitungan (Counting method): Full counting atau Fractional counting. Klik Next.
Atur ambang batas. Tentukan jumlah minimal kemunculan kata kunci (nilai bawaan 5). VOSviewer akan menampilkan berapa kata kunci yang memenuhi syarat. Klik Next.
Periksa daftar kata kunci (Verify selected keywords). Hapus kata yang tidak relevan atau terlalu umum (misalnya "article", "human", "study"), lalu klik Next dan Finish.
Peta muncul. Jelajahi tampilan Network, Overlay, dan Density lewat tab di atas peta.
Atur tampilan (ukuran label, warna, resolusi kluster) lewat panel kiri.
Simpan hasil: pilih File → Save map untuk menyimpan peta, dan File → Screenshot untuk menyimpan gambar dalam format PNG, JPEG, SVG, atau PDF.
Interpretasikan peta (lihat bagian 11).

Catatan: langkah untuk analisis lain (co-authorship, citation, bibliographic coupling, co-citation) hampir sama, hanya jenis dan unit analisis di langkah 7 yang berbeda.

9. Pengaturan Penting

Counting method (metode penghitungan):

Full counting: setiap hubungan dihitung penuh, misalnya satu artikel dengan tiga penulis memberi bobot 1 untuk tiap pasangan penulis.
Fractional counting: bobot dibagi sesuai jumlah penulis atau item, sehingga artikel dengan penulis banyak tidak terlalu mendominasi.

Ambang batas (threshold):

Minimum occurrences of a keyword: kata kunci harus muncul minimal sekian kali. Bawaannya 5. Terlalu rendah membuat peta penuh dan berantakan, terlalu tinggi membuat peta terlalu sedikit item.
Minimum number of documents of an author: jumlah minimal dokumen seorang penulis.
Minimum number of citations: jumlah minimal sitasi.
Maximum number of authors per document: batas penulis per dokumen (bawaan 25) agar artikel dengan penulis sangat banyak tidak mendistorsi peta.

Normalization method:

Metode untuk menormalkan kekuatan tautan. Bawaannya Association strength, yang paling umum dipakai. Pilihan lain: Fractionalization, LinLog/modularity, dan None.

Layout:

Attraction dan Repulsion: mengatur seberapa kuat item saling tarik dan tolak, sehingga memengaruhi sebaran item di peta.

Clustering:

Resolution: semakin besar nilainya, semakin banyak kluster yang terbentuk (bawaan 1,00).
Min. cluster size: ukuran kluster minimal (bawaan 1).
Merge small clusters: menggabungkan kluster yang terlalu kecil.

Visual:

Scale: mengatur ukuran seluruh tampilan.
Size variation: mengatur perbedaan ukuran lingkaran.
Lines: mengatur jumlah garis yang ditampilkan.
Colors: mengatur skema warna (untuk Overlay dan Density).

10. Menggunakan Thesaurus File

Dalam data nyata, kata kunci yang bermakna sama sering ditulis berbeda, misalnya bentuk tunggal dan jamak, singkatan, atau ejaan lain. Agar tidak dihitung terpisah, buat thesaurus file.

Cara membuat:

Buat file teks (.txt) dengan dua kolom yang dipisahkan tab.
Kolom pertama bernama label (kata yang akan diganti), kolom kedua bernama replace by (kata penggantinya).
Contoh isi:

label	replace by
islamic banks	islamic bank
islamic banking	islamic bank
financial literacies	financial literacy
fintech	financial technology

Saat membuat peta, pada langkah pengaturan, centang opsi Thesaurus file dan pilih file tersebut.

Manfaatnya: kata kunci yang sama digabung, sehingga peta lebih rapi dan akurat. Contoh lain: menyatukan singkatan dengan kepanjangannya, atau menyeragamkan ejaan Inggris dan Amerika.

11. Cara Membaca dan Menafsirkan Peta

A. Network Visualization

Ukuran lingkaran besar: kata kunci atau item sering muncul atau berbobot tinggi, artinya topik dominan.
Warna sama: item berada dalam satu kluster, yaitu satu tema penelitian.
Jarak dekat: hubungan erat. Jarak jauh: hubungan lemah.
Garis tebal: hubungan kuat (sering muncul bersama).
Item di tengah peta dengan banyak garis: topik penghubung (hub) antartema.
Item di pinggir dengan sedikit garis: topik periferal atau masih jarang diteliti.

B. Overlay Visualization

Perhatikan warna kuning: itu topik yang paling baru, menandakan tren terkini dan peluang penelitian.
Warna ungu atau biru: topik lebih lama.
Cocok untuk menunjukkan perkembangan topik dari tahun ke tahun.

C. Density Visualization

Area kuning terang: topik yang sudah banyak diteliti dan padat.
Area hijau atau biru: topik yang masih jarang dibahas, berpotensi menjadi celah penelitian.

D. Daftar item (tab Items)
Setiap item menampilkan beberapa nilai:

Cluster: nomor atau warna kluster
Links: jumlah item lain yang terhubung
Total link strength: total kekuatan hubungan
Occurrences / Documents: jumlah kemunculan atau jumlah dokumen
Citations: jumlah sitasi
Norm. citations: sitasi yang dinormalkan menurut tahun dan bidang
Avg. pub. year: rata-rata tahun terbit
Avg. citations: rata-rata sitasi

E. Cara menulis hasil dalam laporan

Sebutkan jumlah dokumen dan periode data yang dianalisis.
Jelaskan jenis analisis, unit, metode penghitungan, dan ambang batas yang dipakai.
Sebutkan jumlah kluster dan beri nama tema pada tiap kluster berdasarkan kata kunci dominannya.
Jelaskan kata kunci terbesar dan hubungan antarkluster.
Gunakan Overlay Visualization untuk membahas tren terbaru.
Gunakan Density Visualization dan kluster berukuran kecil untuk menjelaskan celah penelitian.
Sertakan gambar peta dengan keterangan yang jelas.

12. Contoh Penerapan Tiap Analisis

Co-authorship negara: melihat negara mana yang paling produktif dan paling sering berkolaborasi dalam suatu topik.
Co-occurrence kata kunci: mengetahui tema utama penelitian tentang literasi keuangan, misalnya "financial inclusion", "behavior", dan "education".
Citation dokumen: menemukan artikel yang paling banyak dikutip sebagai rujukan utama.
Citation sumber: mengetahui jurnal yang paling berpengaruh pada bidang tersebut.
Bibliographic coupling dokumen: menemukan kelompok artikel dengan fokus penelitian yang mirip dan sedang berkembang.
Co-citation penulis: mengetahui penulis yang menjadi fondasi teori bidang tersebut.

13. Kesalahan Umum dan Cara Mengatasinya

File tidak terbaca: pastikan format ekspor sesuai (misalnya CSV untuk Scopus, plain text atau tab-delimited untuk Web of Science) dan pilih tab database yang benar di VOSviewer.
Opsi analisis tertentu tidak aktif: biasanya karena kolom data yang dibutuhkan tidak ikut diekspor (misalnya kata kunci atau referensi). Ulangi ekspor dengan semua kolom informasi dicentang.
Tidak ada item yang memenuhi ambang batas: turunkan nilai minimal kemunculan atau dokumen.
Peta terlalu padat dan label bertumpuk: naikkan ambang batas, kurangi jumlah item, atau atur ulang Scale, Size variation, dan jumlah label yang ditampilkan.
Kata kunci ganda atau mirip muncul terpisah: buat thesaurus file.
Kata umum dan tidak bermakna muncul (misalnya "article", "study"): hapus pada langkah Verify selected keywords atau masukkan ke thesaurus.
VOSviewer tidak bisa dibuka: pastikan Java sudah terpasang dan versinya sesuai. Pada Mac, izin keamanan mungkin perlu diatur.
Program lambat atau memori habis (data besar): kurangi jumlah item, atau tambah alokasi memori Java.
Data Google Scholar tidak punya kata kunci: gunakan data dari Scopus atau Web of Science untuk analisis kata kunci.
Hasil tidak sesuai harapan: periksa kembali kata kunci pencarian di database, jangan hanya mengubah pengaturan VOSviewer.
Peta berbeda setiap kali dibuat: tata letak bisa sedikit berubah antar-proses karena sifat algoritmanya. Simpan peta yang sudah jadi agar konsisten.

14. Kelebihan dan Kekurangan VOSviewer

Kelebihan:

Gratis dan mudah dipakai pemula
Hasil peta jelas, indah, dan siap dimasukkan ke laporan
Mendukung banyak database dan format data
Menangani data besar dengan baik
Punya tiga jenis visualisasi yang saling melengkapi
Didukung dokumentasi resmi dan komunitas yang luas

Kekurangan:

Fokus pada visualisasi, bukan analisis statistik mendalam
Tidak menyediakan uji statistik (misalnya uji hipotesis)
Fitur analisis tren waktu (misalnya burst detection) tidak selengkap CiteSpace
Kualitas hasil sangat bergantung pada kualitas data dan pembersihan data
Tampilan label bisa tumpang tindih pada peta yang padat
Pembersihan data (misalnya thesaurus) harus dilakukan manual

15. Perbandingan dengan Software Bibliometrik Lain

VOSviewer dan Bibliometrix (Biblioshiny, R): Bibliometrix gratis, menyediakan analisis bibliometrik jauh lebih lengkap (tren tahunan, produktivitas penulis, hukum Lotka dan Bradford, thematic map), tetapi butuh R. VOSviewer lebih mudah dan visualnya lebih jelas.
VOSviewer dan CiteSpace: CiteSpace kuat untuk analisis tren, burst detection, dan timeline, tetapi tampilannya lebih rumit.
VOSviewer dan Publish or Perish: Publish or Perish dipakai untuk mengumpulkan data dari Google Scholar dan lainnya serta menghitung indeks sitasi (h-index, g-index), sedangkan VOSviewer untuk memetakan data. Keduanya sering dipakai bersama.
VOSviewer dan Gephi atau Pajek: Gephi dan Pajek adalah software analisis jaringan umum yang lebih fleksibel, tetapi tidak dirancang khusus untuk data bibliografi.
VOSviewer dan SPSS, JASP, atau Minitab: software statistik tersebut untuk uji statistik pada data survei atau eksperimen, sedangkan VOSviewer untuk pemetaan literatur.

16. Tips Memakai VOSviewer

Rumuskan pertanyaan penelitian dan kata kunci pencarian dengan jelas sebelum mengunduh data.
Gunakan Scopus atau Web of Science agar data lengkap.
Bersihkan data sebelum dianalisis (hapus duplikat dan dokumen yang tidak relevan).
Buat thesaurus file untuk menyatukan kata kunci yang bermakna sama.
Coba beberapa ambang batas sampai peta tidak terlalu padat dan tidak terlalu kosong.
Beri nama tema pada setiap kluster berdasarkan kata-kata dominannya.
Gunakan tiga jenis visualisasi secara bersamaan untuk analisis yang lebih lengkap.
Catat semua pengaturan (jenis analisis, ambang batas, metode penghitungan) agar penelitian bisa direplikasi dan dilaporkan di bagian metode.
Simpan peta (File → Save map) selain menyimpan gambar, agar bisa dibuka dan diubah lagi.
Padukan dengan pembacaan artikel secara langsung, karena peta hanya menunjukkan pola dan bukan pengganti pemahaman isi.

Cari Blog Ini

Shakinah Binti Al - Azahro