Vos Viewer digunakan untuk memvisualkan bibliografi, atau data set yang berisi field bibliografi (judul, pengarang, penulis, jurnal, dst.). Dalam dunia penelitian, VV digunakan untuk analisis bibliometric, mencari topik yang masih ada peluang diteliti, mencari referensi yang paling banyak digunakan pada bidang tertentu dan lainnya.
Tag line Vosviewer, seperti ditulis pada websitenya: Visualizing scientific landscapes.
Ada berbagai fitur pada VV. Tulisan ini didasarkan pada VV 1.6.11.
DATA YANG BISA DIBACA
Untuk data bibliografi, VV mampu membaca dataset dari Web of Science, Scopus, Dimension, dan Pubmed. Selain itu, format dataset RIS, Endnote, dan RefWork juga bisa dibaca VV. Melalui fitur API, VV dapat membaca/mengambil data dari Crossreff, Pubmed PMC, Semantic Scholar, OCC, COCI, Wikidata.
Jika data yang disiapkan ada dalam beberapa file, VV juga mampu membaca multi file sekaligus.
Sementara itu, VV juga bisa membaca/menganalisis term dari abstrak dan title dengan sumber yang sama dengan data di atas.
JENIS ANALISIS
Untuk data bibliografi, VV dapat melakukan berbagai analisis. Dengan beberapa modifikasi, VV bisa juga untuk kepentingan visualisasi data lainnya.
Beberapa catatan angka dalam VV:
Akan ada variasi besar kecilnya garis yang menghubungkan, serta lingkaran. Hal ini berkaitan dengan besar kecilnya angka hasil analisis dari VV.
Misalnya: jika penulis Indonesia dan Jepang lebih banyak berkolaborasi dibanding dengan Indonesia dan India, maka garisnya akan lebih besar. Jika tulisan orang Indonesia lebih banyak dari orang India, maka lingkaran Indonesia akan lebih besar.
Beberapa angka ini terbagi manjadi: link (jejaring yang dimiliki), total link streng (kekuatan link yang dihitung berdasar full atau fractional counting), occurrence (banyaknya kemunculan).
Selain itu ada normalisasi yang bisa dilakukan dengan beberapa metode.
Berikut beberapa jenis analisis dalam VV dan fungsinya.
Co-authorship, menganalisis kolaborasi penulis dengan penulis lain. Analisis akan memvisualkan hasil berdasarkan nama penulis, organisasi penulis, atau negara asal penulis.
Co-occurence menampilkan visualisasi jejaring antar kata kunci.
Citation akan memvisualkan dokumen yang diamati. Dokumen yang diamati/uji akan dihubungkan dengan dokumen lain (yang juga diamati/uji) jika mereka menyitir artikel lain yang sama-sama diamati. Analisis ini berguna untuk memperlihatkan sitasi antar dokumen, bisa dipakai juga untuk melihat self citation penulis.
Model visualisasinya ada beberapa. Diantaranya: dokumennya (yang diamati), jurnalnya, penulisnya, organisasinya, atau negara.
Bibliographic Coupling. Artikel yang diuji/amati akan divisualkan dan dibuat networknya, jika mereka memiliki referensi yang sama. Analisis ini menunjukkan kedekatan kajian antar dokumen yang terhubungkan.
Model visualisasinya ada beberapa. Diantaranya: dokumennya (yang diamati), jurnalnya, penulisnya, organisasinya, atau negara.
Co-citation berbeda dengan Citation dan Bibliographic coupling. Co-citation akan memvisualkan referensi yang digunakan oleh dokumen yang diuji/amati. Referensi akan dihubungkn jika mereka dipakai dalam artikel bersamaan.
Misal referensi 1 dan 2, digunakan oleh artikel A. Maka referensi 1 dan 2 dihubungkan. Jika referensi 1 dan 5 dipakai dalam artikel B, maka selain dengan referensi 2, referensi 1 juga terhubung dengan referensi 5.
Co-citation divisualkan berdasar: referensi yang dikutip, nama jurnalnya, atau masing-masing nama penulis referensinya.
Analisis ini bermanfaat untuk mengetahui referensi yang dominan digunakan oleh sekelompok artikel yang diuji.
Metode penghitungan yang dilakukan oleh VV ada dua: full dan fractional counting. Full counting akan menghitung apa adanya, sedangkan fractional dipengaruhi oleh berapa jumlah co-author dalam sebuah dokumen yang diuji.
Jika data yang ingin dibaca adalah bagian judul atau abstrak, maka VV akan memotong kata dalam judul/abstrak tersebut, kemudian menvisualkan keterkaitan antar potongan kata/term tersebut.
Jika pada dokumen ditemukan ketidak rapihan data, misalnya nama satu orang ditulis dengan beberapa variasi, VV memiliki fitur tesaurus. Fitur ini dengan otomatis akan mengganti beberapa nama (atau term) yang bervariasi ke dalam 1 nama yang kita pilih. Dengan demikian, hasil visualisasi akan lebih rapih.
Tag line Vosviewer, seperti ditulis pada websitenya: Visualizing scientific landscapes.
Ada berbagai fitur pada VV. Tulisan ini didasarkan pada VV 1.6.11.
DATA YANG BISA DIBACA
Untuk data bibliografi, VV mampu membaca dataset dari Web of Science, Scopus, Dimension, dan Pubmed. Selain itu, format dataset RIS, Endnote, dan RefWork juga bisa dibaca VV. Melalui fitur API, VV dapat membaca/mengambil data dari Crossreff, Pubmed PMC, Semantic Scholar, OCC, COCI, Wikidata.
Jika data yang disiapkan ada dalam beberapa file, VV juga mampu membaca multi file sekaligus.
Sementara itu, VV juga bisa membaca/menganalisis term dari abstrak dan title dengan sumber yang sama dengan data di atas.
JENIS ANALISIS
Untuk data bibliografi, VV dapat melakukan berbagai analisis. Dengan beberapa modifikasi, VV bisa juga untuk kepentingan visualisasi data lainnya.
Beberapa catatan angka dalam VV:
Akan ada variasi besar kecilnya garis yang menghubungkan, serta lingkaran. Hal ini berkaitan dengan besar kecilnya angka hasil analisis dari VV.
Misalnya: jika penulis Indonesia dan Jepang lebih banyak berkolaborasi dibanding dengan Indonesia dan India, maka garisnya akan lebih besar. Jika tulisan orang Indonesia lebih banyak dari orang India, maka lingkaran Indonesia akan lebih besar.
Beberapa angka ini terbagi manjadi: link (jejaring yang dimiliki), total link streng (kekuatan link yang dihitung berdasar full atau fractional counting), occurrence (banyaknya kemunculan).
Selain itu ada normalisasi yang bisa dilakukan dengan beberapa metode.
Berikut beberapa jenis analisis dalam VV dan fungsinya.
Co-authorship, menganalisis kolaborasi penulis dengan penulis lain. Analisis akan memvisualkan hasil berdasarkan nama penulis, organisasi penulis, atau negara asal penulis.
Co-occurence menampilkan visualisasi jejaring antar kata kunci.
Citation akan memvisualkan dokumen yang diamati. Dokumen yang diamati/uji akan dihubungkan dengan dokumen lain (yang juga diamati/uji) jika mereka menyitir artikel lain yang sama-sama diamati. Analisis ini berguna untuk memperlihatkan sitasi antar dokumen, bisa dipakai juga untuk melihat self citation penulis.
Model visualisasinya ada beberapa. Diantaranya: dokumennya (yang diamati), jurnalnya, penulisnya, organisasinya, atau negara.
Bibliographic Coupling. Artikel yang diuji/amati akan divisualkan dan dibuat networknya, jika mereka memiliki referensi yang sama. Analisis ini menunjukkan kedekatan kajian antar dokumen yang terhubungkan.
Model visualisasinya ada beberapa. Diantaranya: dokumennya (yang diamati), jurnalnya, penulisnya, organisasinya, atau negara.
Co-citation berbeda dengan Citation dan Bibliographic coupling. Co-citation akan memvisualkan referensi yang digunakan oleh dokumen yang diuji/amati. Referensi akan dihubungkn jika mereka dipakai dalam artikel bersamaan.
Misal referensi 1 dan 2, digunakan oleh artikel A. Maka referensi 1 dan 2 dihubungkan. Jika referensi 1 dan 5 dipakai dalam artikel B, maka selain dengan referensi 2, referensi 1 juga terhubung dengan referensi 5.
Co-citation divisualkan berdasar: referensi yang dikutip, nama jurnalnya, atau masing-masing nama penulis referensinya.
Analisis ini bermanfaat untuk mengetahui referensi yang dominan digunakan oleh sekelompok artikel yang diuji.
Metode penghitungan yang dilakukan oleh VV ada dua: full dan fractional counting. Full counting akan menghitung apa adanya, sedangkan fractional dipengaruhi oleh berapa jumlah co-author dalam sebuah dokumen yang diuji.
Jika data yang ingin dibaca adalah bagian judul atau abstrak, maka VV akan memotong kata dalam judul/abstrak tersebut, kemudian menvisualkan keterkaitan antar potongan kata/term tersebut.
***
Jika pada dokumen ditemukan ketidak rapihan data, misalnya nama satu orang ditulis dengan beberapa variasi, VV memiliki fitur tesaurus. Fitur ini dengan otomatis akan mengganti beberapa nama (atau term) yang bervariasi ke dalam 1 nama yang kita pilih. Dengan demikian, hasil visualisasi akan lebih rapih.
Untuk melengkapi uraian di atas, baca juga beberapa pertanyaan yang bisa dijawab dengan masing-masing jenis analisis di atas yang ada di beberapa paper berikut:
- Zupic, Ivan, and Tomaž Čater. “Bibliometric Methods in Management and Organization.” Organizational Research Methods, vol. 18, no. 3, July 2015, pp. 429–72. SAGE Journals, doi:10.1177/1094428114562629
- Martin, Florence, et al. “Systematic Review of Adaptive Learning Research Designs, Context, Strategies, and Technologies from 2009 to 2018.” Educational Technology Research and Development, vol. 68, no. 4, Aug. 2020, pp. 1903–29. Springer Link, doi:10.1007/s11423-020-09793-2.
- Colicchia, Claudia, and Fernanda Strozzi. “Supply Chain Risk Management: A New Methodology for a Systematic Literature Review.” Supply Chain Management: An International Journal, edited by Richard Wilding, vol. 17, no. 4, June 2012, pp. 403–18. DOI.org (Crossref), doi:10.1108/13598541211246558
- Colicchia, Claudia, et al. “Information Sharing in Supply Chains: A Review of Risks and Opportunities Using the Systematic Literature Network Analysis (SLNA).” Supply Chain Management: An International Journal, vol. 24, no. 1, Jan. 2018, pp. 5–21. Emerald Insight, doi:10.1108/SCM-01-2018-0003
TAMPILAN VISUALISASI
Ada 3 tampilan visualisasi di VV. Network, overlay, dan density visualization.
Network akan memperlihatkan jejaring antar term yang divisualkan. Overlay akan memperlihatkan jejak history penelitian, sedangkan density akan mempelihatkan kerapatan/penekanan pada kelompok penelitian.
Density dapat digunakan untuk melihat bagian riset yang masih jarang dilakukan.
Pada panel sebelah kanan, VV menyiapkan beberapa fitur visualisasi. Misalnya pengaturan weight yang dapat dipilih berdasarkan link, occurence, jumlah dokumen dan lainnya. Pilihan label menggunakan circle atau frame, pengaturan font, max length (untuk mengatur berapa karakter yang akan tampil pada setiap circle/frame.
Sementara pada panel kiri ada beberapa yang bisa dilakukan. Visualisasi bisa disimpan dalam bentuk png, serta penyimpanan hasil kerja VV ke dalam file yang bisa dibuka kemudian. File penyimpanan ini ada dua jenis: map, dan network.
Nah, untuk file hasil penyimpanan berjenis map, akan berisi data yang divisualkan, yaitu: term, occurence, weight, dan lainnya. Data di file map ini bisa dibuka menggunakan spreadsheet untuk ditampilkan dalam tabel.
Fitur lainnya adalah ITEMS. Pada tab ini akan terlihat jumlah items yang divisualkan serta kelompok clusternya. Kita bisa klik salah satu items untuk melihat jejaringnya.
Pada tab ANALYSIS, kita bisa lakukan pilihan normalisasi, seting cluster, dan melakukan rotasi tampilan.
Baca juga:
1. http://www.purwo.co/2019/05/visualisasi-library-and-trend-dan.html
2. http://www.purwo.co/2019/05/menggunakan-vosviewer-online.html
3. http://www.purwo.co/2019/05/koalisi-partai-dalam-vosviewer.html
4. https://www.vosviewer.com/getting-started
5. http://ugm.id/ban
Berikut beberapa video VV dari kanal Perpustakaan FT UGM: