Visualisasi "Library" AND "trend" dan peluang bidang risetnya

Visualisasi ini menggunakan data set dari database Scopus, dengan kata kunci library pada judul artikel, AND trend pada judul artikel. Pencarian dilakukan pada 24 Mei 2019, dengan hasil 420 dokumen.

Kata kunci library AND trend dipilih tanpa alasan jelas. Hehehe. Sepintas saja muncul difikiran, sebagai sarana latihan. 

Dokumen dieksport dalam bentuk csv, dengan field: bibliografi, afiliasi, keyword, dan reference. Dataset kemudian divisualkan menggunakan VosViewer.

author keyword minimal 3

Tampilan di atas merupakan visualisasi author keyword dengan mininal memiliki 3 kemunculan. Terlihat paling dominan adalah kata kunci ACADEMIC LIBRARIES. Terbagi menjadi 9 klaster, terlihat kaitan antar kata kunci. CITATION ANALISYS, misalnya, berkaitan dengan bibliometric dan library management. Citation analysis tidak berhubungan dengan public libraries, artinya analisis sitasi untuk publikasi terkait public libraries belum ada atau kurang dari 3.

Keyword lain, dapat dilihat pada gambar.

author key minimal 4

author key minimal 5

Dengan minimal kemunculan 4, dan 5, kata kunci yang divisualisasi menjadi semakin sedikit. Jejaring antar kata kunci juga semakin jelas, sehingga prediksi tentang kata kunci yang memiliki peluang untuk diteliti menjadi semakin mudah.

co-author minimal 1

Co-authorship dengan minimal 1 artikel, dikelompokkan menjadi 2 klaster. Tidak ada yang dominan sekali, merata dengan fokos merah dan di kelompok hijau.

Biblio Coupling minimal dikutip 1x

Untuk bibliographic coupling dengan dokumen minimal dikutip 1x, memunculkan beberapa klaster. Jejaring pada bibliographic coupling ini menunjukkan bahwa dokumen dan dokumen lain yang terhubung memiliki referensi yang sama. Jika memiliki referensi yang sama, maka ada kemungkinan kemiripan dokumen.

Co-citation minimal 2

Co-citation dengan minimal 2x dikutip memunculkan visualisasi di atas. Tampak, dari artikel berkategori library dan trend, referensi paling banyak digunakan yaitu tulisan Clark, Bower, dan Burlingame. Ketiganya memiliki link 32 (berarti dikutip bersama 32 artikel yang lain), dengan total link strength 192.

Artikel lain seimbang, dengan kisaran link 32, dan link strength 130.

Namun, ada dua artikel yang ada di papan bawah. Keduanya yaitu artikel Goetsch, dan Law, dengan link 32 dan link strength 66.

co author berdasar negara, minimal 1 x

Amerika mendominasi dengan 193 dokumen, serta berjejaring dengan berjejaring dengan penulis dari berbagai negara, kecuali: Vietnam, Portugal dan New Zaeland

term judul minimal 5

Pada visualisasi term pada judul, kata paling banyak muncul yaitu TREND yang muncul sebanyak 238x dan terhubung dengan 10 term lainnya: state, digital library, academic library, university library, library, public library, top trend, medical library. 

Term lain yang belum muncul, bisa diindikasikan belum banyak diteliti, atau jika sudah ada maka jumlahnya kurang dari 5 dokumen.

Judul min 3 full

Untuk melengkapi analisis sebelumnya, di atas merupakan term judul dengan minimal muncul 3x. TREND tidak lagi berdiri sendiri. ACADEMIC LIBRARY menjadi term yang paling banyak dengan 39x, serta terhubung dengan  13 term lainnya.

Abstrak min 10 full

Term pada abstrak dengan minimal 10 kemunculan menggunakan full counting, menunjukkan term RESEARCH paling banyak muncul. Disusul ARTICLE, dan ACADEMIC LIBRARY. 

Salah satu term baru yang muncul yaitu BIG DATA. Term ini muncul bersama dengan beberapa term lainnya. Silakan lihat gambar di bawah ini.

Term Big data dan jejaringnya

Dari gambar di atas, dapat dilihat keterkaitan term BIG DATA, dan kemungkinan peluang penelitiannya. 

*****

Kesimpulan

Penelitian bidang perpustakaan dan informasi, dengan kata kunci "library" AND "trend" di database Scopus dominan dengan topik pada academic libraries. 

Meskipun demikian, peluang riset yang bisa dilakukan masih terbuka luas. Peneliti bisa mencari term/topik yang belum banyak berhubungan dengan topik dominan. Atau dengan mencari visualisasi topik yang hendak diteliti pada hasil di Vos Viewer kemudian melihat jejaringnya, serta menentukan term yang belum berkaitan. Seperti contoh ketika menfokuskan pada term BIG DATA (gambar terakhir).

Referensi yang digunakan, tidak ada yang benar-benar dominan. Hal ini terlihat pada visualisasi co-citation, yang hanya menampilkan satu klaster dengan ukuran label yang tidak jauh berbeda.

-----

Sambisari, 

  Sêtu Kliwon 20 Pasa Be 1952 4.25 sore