Tools pada Software VOSviewer

VOSviewer (Visualization of Similarities Viewer) adalah software gratis buatan Nees Jan van Eck dan Ludo Waltman (CWTS, Universitas Leiden) untuk analisis bibliometrik. Fungsinya membuat, melihat, dan menjelajahi peta jaringan, misalnya peta kata kunci, penulis, jurnal, dan negara. Cocok untuk literature review dan bibliometric analysis.

Catatan: VOSviewer berbasis Java, dan nama menu bisa berbeda antarversi (1.6.x). Menu bar-nya sederhana, sedangkan fitur utama ada di panel Action, Options, dan Items.

0. Tampilan Utama

Panel kiri: tab Action, Options, dan Analysis (tergantung versi).

Area peta (tengah): tampilan peta dengan tiga mode: Network, Overlay, dan Density.

Panel kanan: tab Info, Items, dan Overview.

Menu bar: File, Tools, dan Help.

1. Menu File

Create: membuka wizard pembuatan peta baru.

Open: membuka peta yang sudah disimpan (file map/network).

Save: menyimpan peta (map file dan network file) agar bisa dibuka lagi.

Save screenshot: menyimpan gambar peta (PNG, JPEG, SVG, PDF, tergantung versi).

Export / Save as JSON: ekspor peta untuk dipakai di VOSviewer Online.

Open Online Map / Share: membuka atau membagikan peta di VOSviewer Online.

Recent maps: daftar peta yang baru dibuka.

Exit: keluar dari program.

2. Create Map (Wizard Pembuatan Peta)

Klik File → Create atau tombol Create di tab Action. Ada tiga jenis peta:

a. Create a map based on network data

Untuk data jaringan yang sudah jadi.

Input: map file, network file (hubungan antar item beserta kekuatannya), atau GML file.

Format teks sederhana: satu file berisi daftar item dan satu file berisi pasangan item beserta bobot.

b. Create a map based on bibliographic data

Read data from bibliographic database files:

Web of Science (.txt, tab-delimited atau plain text)

Scopus (.csv)

Dimensions (.csv)

Lens (.csv)

PubMed (.txt)

Read data from reference manager files: format RIS, EndNote, dan RefWorks.

Download data through API: Crossref, OpenAlex, Semantic Scholar, Europe PMC, OpenCitations, Wikidata (tergantung versi).

c. Create a map based on text data

Untuk data teks, misalnya judul dan abstrak.

Input: corpus file (satu dokumen per baris) dan opsional scores file (skor numerik per dokumen).

Atau memakai file bibliografi dengan memilih bagian teks (judul, abstrak, atau keduanya).

Ada juga Read data from reference manager files untuk sumber teks.

3. Jenis Analisis (Type of Analysis)

a. Co-authorship (Kepenulisan Bersama)

Unit analisis:

Authors: kolaborasi antar penulis.

Organizations: kolaborasi antar institusi.

Countries: kolaborasi antar negara.

b. Co-occurrence (Kemunculan Bersama)

Unit analisis:

All keywords: gabungan author keywords dan index keywords.

Author keywords: kata kunci dari penulis.

Index keywords: kata kunci dari database.

Keduanya dihubungkan jika muncul bersama dalam satu dokumen. Ini analisis yang paling sering dipakai untuk mapping tema riset.

c. Citation (Sitasi)

Unit analisis: Documents, Sources (jurnal), Authors, Organizations, Countries. Sebuah item terhubung jika saling mengutip.

d. Bibliographic Coupling

Dua dokumen (atau penulis, jurnal, dll) terhubung jika mengutip referensi yang sama. Cocok untuk melihat kedekatan topik riset terkini.

e. Co-citation

Dua item terhubung jika dikutip bersama oleh dokumen ketiga. Unit: Cited references, Cited sources, Cited authors. Cocok untuk melihat fondasi intelektual suatu bidang.

f. Text-based (Co-occurrence of terms)

Mengekstrak term (frasa istilah) dari judul dan abstrak dengan natural language processing, lalu memetakan kemunculan bersamanya.

Perbedaan penting: Co-occurrence dan Co-authorship melihat kemunculan bersama dalam satu dokumen, sedangkan Bibliographic Coupling dan Co-citation melihat kesamaan referensi.

4. Counting Method dan Threshold

Counting method

Full counting: setiap hubungan bernilai penuh (1).

Fractional counting: bobot dibagi sesuai jumlah penulis atau item (lebih adil untuk dokumen dengan banyak penulis).

Binary counting: dalam analisis teks, istilah dihitung sekali per dokumen.

Threshold (ambang batas)

- Minimum number of occurrences of a keyword: kata kunci yang muncul kurang dari batas ini dibuang. Umumnya 3-5 untuk kata kunci, bergantung ukuran data.

- Minimum number of documents of an author/source/organization/country.

- Minimum number of citations: filter berdasarkan sitasi.

- Maximum number of authors per document: biasanya dibatasi (misal 25) agar dokumen dengan ratusan penulis tidak mengganggu.

- Number of items to select: VOSviewer menampilkan jumlah item yang lolos threshold.

Verify selected items (Choose/Verify)

- Daftar item yang lolos, beserta jumlah kemunculan dan total link strength.

- Centang atau hapus item secara manual (misal membuang kata umum seperti "article" atau "study").

5. Thesaurus File

Tombol Thesaurus file (di bagian co-occurrence atau text analysis) dipakai untuk membersihkan data:

- Menyatukan sinonim, misalnya "islamic bank" dan "islamic banks" menjadi "islamic banking".

- Menyamakan singular dan plural, serta singkatan dengan kepanjangannya.

- Menghapus kata tidak relevan.

- Menyeragamkan nama penulis atau organisasi.

Format file: teks (tab-delimited) dengan kolom label dan replace by. Kolom "replace by" yang dikosongkan berarti item dihapus.

6. Tab Action (Panel Kiri)

Create: membuat peta baru.

Open: membuka peta.

Save: menyimpan peta.

Update map: memperbarui peta setelah pengaturan diubah.

Verify selected items: memeriksa ulang item terpilih.

Screenshot: mengambil gambar peta.

Zoom In / Zoom Out / Zoom to Fit: mengatur pembesaran.

Move / Select: menggeser peta atau memilih item.

Print: mencetak peta.

7. Tab Options (Panel Kiri)

a. Layout

Attraction: kekuatan tarik antar item (default 2).

Repulsion: kekuatan tolak antar item (default 0). Dua pengaturan ini menentukan jarak antar item di peta.

Normalization: metode normalisasi kekuatan hubungan:

- Association strength (default, paling umum).

- Fractionalization.

- LinLog/modularity.

- No normalization.

Random starts, Iterations, Random seed: pengaturan algoritma tata letak. Mengubah seed bisa menghasilkan tampilan peta yang berbeda.

b. Clustering

- Resolution: nilai lebih besar menghasilkan lebih banyak klaster (default 1,00).

- Minimum cluster size: ukuran klaster minimum.

- Merge small clusters: menggabungkan klaster kecil.

- Random starts, Iterations.

- Colors / Clusters: setiap klaster diberi warna berbeda.

c. Visualization (Network & Overlay)

- Scale: ukuran seluruh elemen (item dan label).

- Size variations: perbedaan ukuran item berdasarkan bobot.

- Label size variation: perbedaan ukuran label.

- Weights: atribut bobot item (Occurrences, Documents, Citations, Total link strength).

- Scores: atribut untuk pewarnaan di Overlay (misal Avg. pub. year, Avg. citations, Avg. norm. citations).

- Color scheme: skema warna (Viridis, Inferno, Plasma, dan lainnya).

- Show lines: menampilkan atau menyembunyikan garis penghubung.

- Line size variation: variasi ketebalan garis.

Strength/Min. strength: batas kekuatan garis yang ditampilkan.

- Max. lines: jumlah maksimum garis yang digambar (default 1.000).

- Curved lines: garis melengkung.

Show labels / Hide labels / Frames / Gradient.

Black background: latar gelap.

d. Density

Item density: kerapatan berdasarkan jumlah item di sekitar titik.

Cluster density: kerapatan berdasarkan klaster.

Color scheme density: pilihan warna.

Kernel width: lebar pengaruh tiap item.

Item density gradient: tingkat gradasi.

8. Tiga Mode Visualisasi

a. Network Visualization

- Lingkaran (node): item. Ukuran menunjukkan bobot (umumnya jumlah kemunculan).

- Warna: klaster. Item satu klaster dianggap satu tema.

- Garis: hubungan antar item. Semakin tebal, semakin kuat.

- Jarak: semakin dekat dua item, semakin kuat keterkaitannya.

b. Overlay Visualization

Menampilkan perkembangan waktu atau atribut lain dengan gradasi warna.

Contoh: biru atau ungu untuk kata kunci lama, kuning untuk topik terbaru (Avg. pub. year).

Berguna untuk menemukan tren dan topik baru.

c. Density Visualization

Item Density: area merah/kuning menunjukkan topik padat dan sering dibahas.

Cluster Density: kerapatan per klaster.

Berguna untuk mengenali topik populer dan research gap (area kosong).

9. Panel Kanan

a. Info

Informasi item yang dipilih atau hover: label, klaster, dan atributnya.

Untuk dokumen: judul, penulis, sumber, tahun, DOI, dan sitasi.

b. Items (Daftar Item)

Tabel semua item dengan kolom:

Label: nama item.

Cluster: klaster item.

Weight (Occurrences / Documents): jumlah kemunculan.

Links: jumlah item lain yang terhubung.

Total link strength (TLS): total kekuatan hubungan.

Avg. pub. year: rata-rata tahun publikasi (untuk overlay).

Citations dan Avg. citations.

Avg. norm. citations: sitasi ternormalisasi.

Bisa diurutkan per kolom, dicari, dan disalin ke Excel.

c. Overview

Ringkasan peta: jumlah item, klaster, dan link.

Daftar item per klaster (bagus untuk memberi nama tema tiap klaster).

10. Fitur Pencarian dan Interaksi

Search box: mencari item tertentu.

Klik item: menyorot item dan hubungannya.

Hover: menampilkan label dan informasi.

Drag: menggeser peta.

Scroll: zoom.

Klik kanan: menu konteks (kopi label, lihat dokumen).

11. Menu Tools dan Help

Tools

- Preferences: pengaturan umum (bahasa antarmuka, memori, jumlah dokumen, font).

- Tweak map / Rotate / Flip: memutar atau membalik peta.

- Reset layout: mengembalikan layout awal.

Help

- Manual: panduan resmi (PDF).

- Check for updates: pembaruan.

- About VOSviewer: informasi versi.

- Website: vosviewer.com.

12. Cara Mendapatkan Data

Dari Scopus

- Cari dengan Advanced Search, misal TITLE-ABS-KEY("islamic banking" OR "sharia banking").

- Atur filter tahun, jenis dokumen, dan bahasa.

- Export → CSV, pilih Citation information, Bibliographical information, Abstract & keywords, Funding details, dan Other information (References) bila perlu.

Dari Web of Science

- Cari di Core Collection.

- Export → Other File Formats, Record - Content: Full Record and Cited References, File Format: Plain text atau Tab delimited.

Dari Publish or Perish (Google Scholar/Crossref)

- Hasilnya bisa disimpan sebagai RIS, lalu dipakai di VOSviewer (Read data from reference manager files).

Dari Dimensions, Lens, PubMed, OpenAlex

- Ekspor CSV atau teks sesuai format yang didukung VOSviewer.

Batas ekspor: Scopus 2.000 data per ekspor CSV dan WoS 500 per ekspor. Bagi data besar dalam beberapa file, lalu gabungkan.

13. Alur Kerja Umum

- Tentukan kata kunci dan search string, lalu cari di database.

- Saring data (tahun, jenis dokumen, bahasa, subjek).

- Ekspor ke file (CSV/RIS/TXT).

- Buka VOSviewer → Create → Create a map based on bibliographic data.

- Pilih sumber data dan file.

- Pilih tipe analisis (misal Co-occurrence → All keywords) dan counting method.

- Atur threshold (misal minimal 5 kemunculan).

- Verifikasi daftar item dan siapkan thesaurus untuk menyatukan sinonim.

- Peta jadi, lalu atur Layout, Clustering, Visualization.

- Baca Network, Overlay, Density dan beri nama tiap klaster.

- Simpan peta dan screenshot, lalu tulis interpretasi.

14. Cara Membaca Hasil

- Ukuran node besar: topik dominan.

- Klaster: tema atau subbidang riset.

- Garis tebal dan dekat: topik sering dibahas bersama.

- TLS tinggi: item penting sebagai penghubung.

- Overlay warna terbaru: topik yang sedang naik.

- Area kosong atau item terpencil: peluang research gap.

15. Panduan Memilih Tools

Tujuan - Tools

1. Peta topik riset - Co-occurrence → Author keywords / All keywords

2. Kolaborasi penulis - Co-authorship → Authors

3. Kolaborasi negara - Co-authorship → Countries

4. Kolaborasi institusi - Co-authorship → Organizations

5. Jurnal paling berpengaruh - Citation → Sources

6. Artikel paling berpengaruh - Citation → Documents

7. Topik riset terkini - Bibliographic coupling

8. Fondasi teori bidang - Co-citation → Cited references / Cited authors

9. Analisis dari judul dan abstrak - Text data / Co-occurrence of terms

10. Tren topik dari waktu ke waktu - Overlay Visualization

11. Topik padat dan celah riset - Density Visualization

12. Bersihkan sinonim - Thesaurus file

13. Ubah jumlah klaster - Clustering → Resolution

14. Simpan gambar - File → Save screenshot

16. Contoh Penerapan Perbankan Syariah

Data: Scopus, dengan kata kunci

 "islamic banking" OR "sharia bank" OR "islamic finance".

Analisis: Co-occurrence → Author keywords, minimum 5 kemunculan.

Thesaurus: menyatukan "islamic bank", "islamic banks", "islamic banking" menjadi satu istilah.

Hasil yang bisa dibaca: klaster tema (misalnya profitabilitas, sukuk, fintech syariah, maqashid syariah), topik terbaru lewat Overlay, dan negara paling produktif lewat Co-authorship → Countries.