8 Kesalahan Umum Artikel Bibliometrik
Bibliometrik adalah suatu metode penelitian yang memanfaatkan data statistik untuk menganalisis dan mencatat fenomena literatur ilmiah. Seperti halnya dengan metodologi penelitian lainnya, melakukan analisis bibliometrik juga memiliki tantangan dan hambatan tersendiri. Kesalahan dalam melakukan analisis dapat menghasilkan kesimpulan yang tidak akurat atau bias. Artikel ini akan membahas delapan kesalahan umum yang sering terjadi dalam analisis bibliometrik dan bagaimana cara menghindarinya.
Sumber bacaan
Artikel ini diadaptasi dari tulisan: Fahmi, Aidi. 2023. Common errors and mistakes in bibliometrics analysis study. [link]
8 Kesalahan Umum Artikel Bibliometrik
Data Screening dan Cleaning Tidak Dilakukan
Data screening dan cleaning adalah langkah awal yang krusial dalam proses analisis bibliometrik. Kegagalan dalam melakukan screening dan cleaning data dapat menghasilkan hasil analisis yang tidak valid dan tidak reliabel. Data screening bertujuan untuk mengidentifikasi dan membuang data yang tidak relevan atau berpotensi merusak hasil analisis. Sementara itu, data cleaning bertujuan untuk menghapus data duplikat, mengisi data yang hilang, dan memperbaiki data yang salah.
Kesalahan umum yang sering terjadi adalah tidak melakukan screening awal atas dataset yang telah diunduh. Ini memungkinkan dataset yang dihasilkan dari keywords dalam pencarian di database mengandung dokumen-dokumen yang kurang relevan. Selain itu, beberapa keyword yang memiliki sinonim atau perbedaan penulisan sering kali dibiarkan tanpa proses cleaning.
Ketidaktepatan dalam melakukan data screening dan cleaning dapat menyebabkan data sampah masuk ke dalam analisis, yang kemudian mengarah ke interpretasi dan kesimpulan yang salah. Maka, penting untuk memastikan bahwa proses screening dan cleaning data dilakukan dengan cermat dan hati-hati.
Dataset yang Digunakan Tidak Relevan dengan Topik
Menggunakan dataset yang tidak relevan dengan topik yang diteliti juga merupakan kesalahan umum dalam analisis bibliometrik. Hal ini dapat terjadi saat peneliti tidak melakukan proses seleksi topik dan kata kunci dengan hati-hati. Kesalahan ini berawal dari search query atau strategi pencarian yang kurang tepat dan juga tahap screening dan cleaning dataset yang tidak dilakukan. Hasilnya, dataset yang digunakan dalam analisis mungkin tidak mencerminkan topik penelitian dengan akurat.
Menggunakan dataset yang tidak relevan dapat menghasilkan temuan yang tidak tepat dan menyesatkan. Selain itu, hal ini juga dapat membuat peneliti melewatkan literatur yang relevan dan penting untuk penelitian. Untuk itu, sangat penting untuk memastikan bahwa dataset yang digunakan dalam analisis relevan dengan topik penelitian.
Dataset Tidak Diharmonisasi (Author, Keywords, dll.)
Harmonisasi dataset adalah proses standarisasi dan integrasi data dari berbagai sumber ke dalam satu format yang konsisten. Dalam konteks analisis bibliometrik, harmonisasi sering kali melibatkan proses penyesuaian dan penggabungan berbagai field data, seperti nama penulis dan kata kunci.
Tidak melakukan harmonisasi dataset dapat menyebabkan masalah ketidakakuratan dan inkonsistensi data. Misalnya, keyword yang sama dapat ditulis dengan berbagai cara (sinonim, akronim, istilah atau diksi yang berbeda), membuat analisis bibliometrik menjadi tidak akurat. Untuk itu, sangat penting untuk memastikan bahwa dataset yang digunakan dalam analisis telah diharmonisasi dengan baik.
Jumlah Total Dokumen Sangat Rendah (<100)
Menggunakan jumlah total dokumen yang sangat rendah dalam analisis bibliometrik bisa berpotensi membatasi keandalan dan validitas temuan penelitian. Jumlah sampel yang rendah dapat mengurangi kekuatan statistik analisis dan menghadapkan peneliti pada kesulitan ketika proses visualisasi data.
Selain itu, jumlah total dokumen yang rendah juga bisa berpotensi mempengaruhi generalisabilitas penelitian. Jika jumlah dokumen yang dianalisis terlalu sedikit, hasil analisis mungkin tidak bisa merepresentasikan fenomena secara keseluruhan. Itulah sebabnya, dalam studi bibliometrik Anda perlu menggunakan ratusan atau bahkan ribuan metadata bibliografi.
Materials dan Methods Tidak Transparan
Transparansi dalam bagian materials dan methods merupakan faktor penting dalam penelitian ilmiah, termasuk analisis bibliometrik. Tanpa transparansi, sulit bagi peneliti lain untuk memahami, mereplikasi, atau memvalidasi hasil penelitian.
Ketidaktransparanan dalam materials dan methods dapat menciptakan keraguan terhadap validitas dan reliabilitas hasil penelitian. Maka dari itu, sangat penting untuk menjelaskan secara rinci metode dan prosedur yang digunakan dalam analisis bibliometrik, termasuk software yang digunakan, bagaimana data dikumpulkan, string penelusuran yang digunakan, kapan dataset diunduh, serta bagaimana data diproses (cleaning, harmonisasi, hingga analisis).
Terlalu Banyak Atribut & Analisis yang Dilakukan
Kesalahan lain yang umum dalam analisis bibliometrik adalah melakukan terlalu banyak analisis atau menggunakan terlalu banyak atribut. Hal ini bisa membuat hasil analisis menjadi sulit untuk ditafsirkan dan dipahami tujuan utama penelitiannya.
Selain itu, melakukan terlalu banyak analisis dapat menyebabkan peneliti kehilangan fokus dan tidak mampu mengidentifikasi temuan yang paling penting. Itulah sebabnya, memilih atribut dan analisis yang paling relevan dengan tujuan penelitian menjadi suatu hal yang penting.
Misinterpretasi Temuan dan Klaim yang Berlebihan
Misinterpretasi temuan dan membuat klaim yang berlebihan adalah kesalahan yang sering terjadi dalam penelitian ilmiah, termasuk dalam analisis bibliometrik. Misinterpretasi temuan dapat terjadi saat peneliti tidak memahami sepenuhnya hasil analisis mereka, atau ketika mereka memaksa data untuk mendukung hipotesis atau argumen mereka.
Membuat klaim yang berlebihan juga bisa merusak reputasi peneliti dan merusak kepercayaan masyarakat terhadap penelitian ilmiah. Jadi, menjadi tugas penting untuk selalu melakukan interpretasi temuan dengan hati-hati dan membuat klaim yang didukung oleh bukti yang kuat.
Results & Findings Kurang Diinterpretasi
Kurangnya interpretasi hasil dan temuan adalah kesalahan lain yang sering terjadi dalam analisis bibliometrik. Tanpa interpretasi yang tepat, sulit untuk memahami makna dan relevansi temuan penelitian.
Interpretasi yang kurang juga dapat mengurangi dampak penelitian dan membuatnya kurang berguna bagi masyarakat ilmiah dan masyarakat umum. Maka dari itu, penting untuk selalu menyertakan interpretasi yang jelas dan mendalam untuk setiap hasil dan temuan penelitian.
Penutup
Melakukan analisis bibliometrik dengan benar dapat menjadi tantangan, tetapi dengan memahami dan menghindari kesalahan-kesalahan yang umum terjadi, penelitian Anda bisa menjadi lebih baik. Dengan melakukan screening dan cleaning data yang cermat, memastikan relevansi dan harmonisasi dataset, menggunakan jumlah dokumen yang cukup, menjaga transparansi dalam materials dan methods, membatasi jumlah atribut dan analisis, serta melakukan interpretasi temuan dengan hati-hati dan tidak berlebihan, Anda dapat meningkatkan validitas dan reliabilitas analisis bibliometrik Anda.
Gabung dalam percakapan