Cara Menggunakan SciMAT untuk Science Mapping Analysis

• ⏱️ 13 menit baca • 🧭 Bibliometrik • SciMAT

Pernahkah Anda melihat strategic diagram yang membagi topik menjadi empat kuadran — motor themes, niche themes, emerging/declining themes, basic themes — di jurnal Q1 dan bertanya-tanya: “Bagaimana cara bikinnya?” Jawabannya: SciMAT (Science Mapping Analysis Tool). Berbeda dengan VOSviewer atau Biblioshiny yang hanya memberi snapshot, SciMAT adalah raja analisis longitudinal — ia memetakan evolusi tema dari dekade ke dekade dan menunjukkan jalur evolusi (evolution map) yang tidak bisa dihasilkan tools lain. Berita buruknya: UI-nya bergaya 90-an, instalasi Java ribet, dan learning curve-nya curam. Berita baiknya: artikel ini membuka semua rahasianya. Dan jika Anda ingin hasil profesional tanpa harus bertarung dengan Java, Corvexum siap mengeksekusinya untuk Anda.

Mengapa SciMAT Unggul untuk Analisis Longitudinal?

SciMAT dikembangkan oleh kelompok Soft Computing and Intelligent Information Systems di University of Granada. Ia memiliki tiga senjata pamungkas:

  • Strategic Diagram: memetakan tema berdasarkan centrality (sentralitas eksternal) dan density (perkembangan internal) menjadi empat kuadran klasik — ini “rahasia dapur” banyak artikel Q1 bibliometrik.
  • Evolution Map: menunjukkan bagaimana tema-tema bermigrasi antar-kuadran dari satu periode ke periode berikutnya.
  • Overlapping Map: memperlihatkan tingkat tumpang-tindih tema antar sub-periode.

Ketika reviewer jurnal meminta “bukti dinamika bidang sepanjang 20 tahun terakhir”, SciMAT adalah jawaban terbaik.

Langkah 1: Instalasi & Persiapan Data

SciMAT berbasis Java. Unduh paket lengkap dari situs resmi (scimatio.es), ekstrak, lalu jalankan .jar-nya. Siapkan struktur folder: input, output, dan thesaurus. SciMAT menerima format ISI WoS plain text, Scopus CSV, dan PubMed. Untuk Scopus, gunakan konverter bawaan atau bibliometrix convert2df() terlebih dahulu. Wajib: siapkan file thesaurus (.txt) berisi pasangan sinonim, contoh: artificial intelligence|AI|machine intelligence.

Langkah 2: Preprocessing & Normalisasi

Di menu Data Management, impor dataset lalu jalankan preprocessing: hapus duplikat, terapkan thesaurus, pilih unit analisis (keyword / author / reference). SciMAT menyediakan beberapa metode normalisasi: Cosine, Jaccard, dan Inclusion Index. Untuk keyword co-occurrence, Cosine biasanya pilihan paling aman. Setelah itu pilih algoritma clustering — defaultnya Simple Center Clustering yang bekerja baik untuk sebagian besar kasus.

Langkah 3: Time Slicing & Strategic Diagram

Bagi dataset menjadi beberapa sub-periode (misal 2000-2005, 2006-2010, 2011-2015, 2016-2020, 2021-2026). Klik Run Analysis untuk setiap slice. Output utama:

  • Strategic Diagram per sub-periode: empat kuadran yang menunjukkan posisi setiap tema.
  • Cluster network: jejaring internal tiap tema lengkap dengan dokumen relevan.
  • Performance indicators: jumlah publikasi, sitasi, h-index per tema.

Langkah 4: Evolution Map — Senjata Rahasia

Di menu Evolution, gabungkan hasil antar sub-periode. SciMAT akan menghasilkan evolution map yang menampilkan jalur migrasi tema: tema mana yang bertahan, mana yang berkembang dari basic menjadi motor, dan mana yang meredup dari motor menjadi declining. Inilah yang membuat artikel Anda menonjol — reviewer bisa melihat narasi evolusi bidang Anda dari tahun ke tahun, bukan snapshot statis.

Langkah 5: Export & Pelaporan

SciMAT mengekspor hasil dalam format PNG, CSV, dan laporan HTML lengkap. Untuk artikel jurnal:

  • Ambil strategic diagram tiap sub-periode sebagai figure utama.
  • Ambil evolution map sebagai figure sintesis.
  • Ambil tabel performance indicator untuk bagian hasil.
  • Tulis narasi evolusi berdasarkan peta: “Tema X lahir sebagai niche di periode 1, tumbuh menjadi emerging di periode 2, dan kini menjadi motor theme di periode 5.”
💡 Pro Tip: Bandingkan hasil SciMAT dengan Thematic Map Biblioshiny dan Overlay Visualization VOSviewer. Jika ketiganya mengonfirmasi tema yang sama sebagai emerging/motor, Anda punya bukti berlapis yang hampir tak terbantahkan di mata reviewer Q1.

🎯 Kapan Harus Pakai SciMAT vs Tools Lain?

  1. Ingin analisis evolusi 10-30 tahun? → SciMAT unggul telak.
  2. Ingin snapshot struktur tematik cepat? → VOSviewer atau Biblioshiny thematic map lebih praktis.
  3. Ingin analisis emerging topics dengan burst? → CiteSpace lebih tepat.
  4. Strategi terbaik untuk artikel Q1: kombinasikan SciMAT (evolusi) + Biblioshiny (thematic) + VOSviewer (network) untuk triangulasi bukti.

❓ FAQ

Q: SciMAT berbayar atau gratis?
A: Gratis untuk keperluan akademik. Versi komersial tersedia dengan lisensi terpisah.

Q: Berapa lama belajar SciMAT sampai mahir?
A: 2-4 minggu intensif. Atau serahkan ke Corvexum — hasil profesional siap pakai dalam hitungan hari.

Q: Apakah SciMAT cocok untuk tesis S2?
A: Sangat cocok, terutama untuk thesis berbasis bibliometrik yang butuh bukti evolusi jangka panjang.

🚀 Jangan Biarkan Java dan UI Jadul Menghambat Publikasi Anda

Belajar SciMAT dari nol berarti berminggu-minggu bertarung dengan instalasi Java, error runtime, dan UI tahun 90-an — sementara deadline submission terus mendekat. Satu kesalahan konfigurasi thesaurus bisa merusak seluruh analisis longitudinal Anda. Corvexum mengambil alih beban teknis agar Anda fokus pada argumen akademik:

  • ✅ Instalasi & konfigurasi SciMAT di server dedicated kami
  • ✅ Penyusunan thesaurus profesional + preprocessing data
  • ✅ Time slicing strategis (3-5 sub-periode optimal)
  • ✅ Strategic diagram + evolution map + overlapping map resolusi 300+ DPI
  • ✅ Narasi evolusi siap tempel di bab hasil + konsultasi jurnal target
💬 WhatsApp: +62 888-6329-421
📧 admin@corvexum.com
🌐 corvexum.com/#contact

Email alternatif: corvexum@gmail.com

Artikel ini ditulis oleh tim bibliometrik Corvexum. Karena analisis longitudinal layak mendapat tools yang tepat — dan waktu Anda layak dilindungi.


Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

More posts

/* ============================================ CORVEXUM UNIVERSAL POST JS v2.2 ES5 + TANPA KARAKTER KHUSUS ( kurang-dari dan ampersand ) CTA Tracking + Smooth Scroll + PRISMA Animation ============================================ */ (function () { 'use strict'; function onReady(fn) { if (document.readyState !== 'loading') { fn(); } else { document.addEventListener('DOMContentLoaded', fn); } } onReady(function () { /* 1. CTA Click Tracking (siap untuk GA4/GTM) */ var btns = document.querySelectorAll('.cvx-btn'); var i; for (i = 0; i !== btns.length; i = i + 1) { (function (btn) { btn.addEventListener('click', function () { if (window.console) { if (window.console.log) { window.console.log('CTA Clicked: ' + btn.href); } } }); }(btns[i])); } /* 2. Smooth Scroll untuk anchor internal */ var anchors = document.querySelectorAll('a[href^="#"]'); var j; for (j = 0; j !== anchors.length; j = j + 1) { (function (link) { link.addEventListener('click', function (e) { var href = link.getAttribute('href'); var target = null; if (href) { if (href.length !== 1) { target = document.querySelector(href); } } if (target) { e.preventDefault(); target.scrollIntoView({ behavior: 'smooth', block: 'start' }); } }); }(anchors[j])); } /* 3. Animasi PRISMA Flow Diagram saat scroll into view */ var flows = document.querySelectorAll('.cvx-prisma-flow'); var m; var n; if (flows.length !== 0) { if (typeof window.IntersectionObserver === 'function') { var observer = new window.IntersectionObserver(function (entries) { for (n = 0; n !== entries.length; n = n + 1) { if (entries[n].isIntersecting) { entries[n].target.style.opacity = '1'; entries[n].target.style.transform = 'translateY(0)'; observer.unobserve(entries[n].target); } } }, { threshold: 0.1 }); for (m = 0; m !== flows.length; m = m + 1) { flows[m].style.opacity = '0'; flows[m].style.transform = 'translateY(20px)'; flows[m].style.transition = 'opacity 0.6s ease, transform 0.6s ease'; observer.observe(flows[m]); } } } /* 4. Auto-update tahun di footer (opsional) */ var yearSpans = document.querySelectorAll('.cvx-year'); var currentYear = new Date().getFullYear(); var p; for (p = 0; p !== yearSpans.length; p = p + 1) { yearSpans[p].textContent = String(currentYear); } }); }());