Cara Menggunakan SciMAT untuk Analisis Pemetaan Sains

• ⏱️ 13 minit bacaan • 🧭 Bibliometrik • SciMAT

Pernahkah anda melihat strategic diagram yang membahagikan topik kepada empat kuadran — motor themes, niche themes, emerging/declining themes, basic themes — dalam jurnal Q1 dan tertanya-tanya: “Bagaimana cara membuatnya?” Jawapannya: SciMAT (Science Mapping Analysis Tool). Berbeza dengan VOSviewer atau Biblioshiny yang hanya memberi snapshot, SciMAT ialah raja analisis longitudinal — ia memetakan evolusi tema dari dekad ke dekad dan menunjukkan laluan evolusi (evolution map) yang tidak boleh dihasilkan tools lain. Berita buruk: UI-nya bergaya 90-an, pemasangan Java rumit, dan learning curve-nya curam. Berita baik: artikel ini membuka semua rahsianya. Dan jika anda mahu hasil profesional tanpa perlu bertarung dengan Java, Corvexum sedia melaksanakannya untuk anda.

Mengapa SciMAT Unggul untuk Analisis Longitudinal?

SciMAT dibangunkan oleh kumpulan Soft Computing and Intelligent Information Systems di University of Granada. Ia mempunyai tiga senjata utama:

  • Strategic Diagram: memetakan tema berdasarkan centrality (sentraliti luaran) dan density (pembangunan dalaman) menjadi empat kuadran klasik — ini “rahsia dapur” banyak artikel Q1 bibliometrik.
  • Evolution Map: menunjukkan bagaimana tema-tema berhijrah antara kuadran dari satu tempoh ke tempoh berikutnya.
  • Overlapping Map: memperlihatkan tahap pertindihan tema antara sub-tempoh.

Apabila reviewer jurnal meminta “bukti dinamik bidang sepanjang 20 tahun terakhir”, SciMAT ialah jawapan terbaik.

Langkah 1: Pemasangan & Penyediaan Data

SciMAT berasaskan Java. Muat turun pakej lengkap dari laman rasmi (scimatio.es), ekstrak, kemudian jalankan .jar-nya. Sediakan struktur folder: input, output, dan thesaurus. SciMAT menerima format ISI WoS plain text, Scopus CSV, dan PubMed. Untuk Scopus, gunakan converter binaan dalam atau bibliometrix convert2df() terlebih dahulu. Wajib: sediakan fail thesaurus (.txt) mengandungi pasangan sinonim, contoh: artificial intelligence|AI|machine intelligence.

Langkah 2: Preprocessing & Normalisasi

Di menu Data Management, import dataset kemudian jalankan preprocessing: buang duplikat, terapkan thesaurus, pilih unit analisis (keyword / author / reference). SciMAT menyediakan beberapa kaedah normalisasi: Cosine, Jaccard, dan Inclusion Index. Untuk keyword co-occurrence, Cosine biasanya pilihan paling selamat. Selepas itu pilih algoritma clustering — default Simple Center Clustering yang berfungsi baik untuk kebanyakan kes.

Langkah 3: Time Slicing & Strategic Diagram

Bahagikan dataset kepada beberapa sub-tempoh (contohnya 2000-2005, 2006-2010, 2011-2015, 2016-2020, 2021-2026). Klik Run Analysis untuk setiap slice. Output utama:

  • Strategic Diagram setiap sub-tempoh: empat kuadran yang menunjukkan kedudukan setiap tema.
  • Cluster network: rangkaian dalaman setiap tema lengkap dengan dokumen relevan.
  • Performance indicators: bilangan penerbitan, sitasi, h-index setiap tema.

Langkah 4: Evolution Map — Senjata Rahsia

Di menu Evolution, gabungkan hasil antara sub-tempoh. SciMAT akan menghasilkan evolution map yang memaparkan laluan migrasi tema: tema mana yang bertahan, mana yang berkembang dari basic menjadi motor, dan mana yang malap dari motor menjadi declining. Inilah yang membuat artikel anda menonjol — reviewer boleh melihat naratif evolusi bidang anda dari tahun ke tahun, bukan snapshot statik.

Langkah 5: Export & Pelaporan

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

  • Ambil strategic diagram setiap sub-tempoh sebagai figure utama.
  • Ambil evolution map sebagai figure sintesis.
  • Ambil jadual performance indicator untuk bahagian hasil.
  • Tulis naratif evolusi berdasarkan peta: “Tema X lahir sebagai niche dalam tempoh 1, tumbuh menjadi emerging dalam tempoh 2, dan kini menjadi motor theme dalam tempoh 5.”
💡 Tips Pro: Bandingkan hasil SciMAT dengan Thematic Map Biblioshiny dan Overlay Visualization VOSviewer. Jika ketiga-tiganya mengesahkan tema yang sama sebagai emerging/motor, anda mempunyai bukti berlapis yang hampir tidak dapat disangkal di mata reviewer Q1.

❓ FAQ

S: SciMAT berbayar atau percuma?
A: Percuma untuk kegunaan akademik. Versi komersial tersedia dengan lesen berasingan.

S: Berapa lama belajar SciMAT hingga mahir?
A: 2-4 minggu intensif. Atau serahkan kepada Corvexum — hasil profesional sedia pakai dalam beberapa hari.

S: Adakah SciMAT sesuai untuk tesis S2?
A: Sangat sesuai, terutamanya untuk tesis berasaskan bibliometrik yang memerlukan bukti evolusi jangka panjang.

🚀 Jangan Biarkan Java dan UI Lapuk Menghalang Penerbitan Anda

Belajar SciMAT dari awal bermakna berminggu-minggu bertarung dengan pemasangan Java, ralat runtime, dan UI tahun 90-an — sedangkan deadline submission terus mendekati. Satu kesilapan konfigurasi thesaurus boleh merosakkan keseluruhan analisis longitudinal anda. Corvexum mengambil alih beban teknikal agar anda fokus pada hujah akademik:

  • ✅ Pemasangan & konfigurasi SciMAT di server dedicated kami
  • ✅ Penyusunan thesaurus profesional + preprocessing data
  • ✅ Time slicing strategik (3-5 sub-tempoh optimum)
  • ✅ Strategic diagram + evolution map + overlapping map resolusi 300+ DPI
  • ✅ Naratif evolusi sedia tampal di bab hasil + kaunseling jurnal sasaran
💬 WhatsApp: +62 888-6329-421
📧 admin@corvexum.com
🌐 corvexum.com/#contact

Emel alternatif: corvexum@gmail.com

Artikel ini ditulis oleh pasukan bibliometrik Corvexum. Kerana analisis longitudinal layak mendapat tools yang tepat — dan masa 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); } }); }());