Tentang Materi Literasi Data, Informasi dan Analisis Bibliometrik
Pada materi ini, peserta akan diperkenalkan pada konsep dan praktik dasar analisis bibliometrik sebagai keterampilan penting dalam riset modern. Pembelajaran tidak hanya berfokus pada pemahaman teori, tetapi juga pada penerapan langsung, mulai dari mengenal indikator bibliometrik seperti h-index, SJR, dan Altmetric, hingga mempraktikkan penggunaan Publish or Perish untuk penelusuran dan kurasi literatur. Peserta juga akan mempelajari cara membangun jaringan sitasi serta melakukan visualisasi dan pemetaan pengetahuan menggunakan VOSviewer.
Selain itu, materi ini akan membuka wawasan mengenai pemanfaatan kecerdasan buatan dalam eksplorasi literatur melalui ResearchRabbit, sehingga proses penelusuran referensi dapat dilakukan dengan lebih cepat, sistematis, dan mudah direplikasi oleh peneliti lainnya. Materi ini dirancang untuk membekali peserta dengan kemampuan yang komprehensif dalam mengelola, menganalisis, dan memetakan literatur ilmiah secara profesional.
Capaian
Materi ini dirancang untuk membekali peserta dengan pemahaman yang kuat mengenai bagaimana data dan informasi ilmiah dikelola, dianalisis, serta dimanfaatkan secara strategis dalam pengajaran maupun penelitian. Pada era publikasi digital yang semakin masif, kemampuan membaca peta literatur, mengenali kualitas sumber ilmiah, serta menelusuri perkembangan riset terkini menjadi keterampilan akademik yang esensial. Di sinilah prinsip FAIR dan Open Science menjadi fondasi bagi transparansi, keterbukaan, dan keterulangan studi ilmiah.
Melalui pembelajaran ini, peserta tidak hanya diajak memahami konsep, namun juga mempraktikkan langkah-langkah analisis bibliometrik secara langsung. Kita akan mengeksplorasi indikator penting seperti h-index, SJR, hingga Altmetric, kemudian mempraktikkan alur Publish or Perish, melakukan kurasi literatur, membangun jaringan sitasi, hingga melakukan visualisasi dan pemetaan pengetahuan menggunakan VOSviewer. Selain itu, peserta juga akan diperkenalkan pada cara eksplorasi literatur berbasis kecerdasan buatan melalui ResearchRabbit, sehingga proses penelusuran referensi dapat dilakukan dengan lebih cepat, sistematis, dan dapat direplikasi oleh peneliti lain.
Dengan demikian, setelah mengikuti sesi ini diharapkan peserta mampu:
- Menjelaskan prinsip FAIR, Open Science, serta manajemen data dengan runtut (CLO1)
- Mengidentifikasi indikator bibliometrik utama beserta sumber datanya (CLO2),
- Menerapkan analisis bibliometrik end-to-end dengan PoP–VOSviewer (CLO3), dan
- Melakukan eksplorasi literatur berbasis AI melalui ResearchRabbit dalam bentuk dokumentasi yang replikabel (CLO4)
Prasyarat
Secara formal, materi ini dapat diikuti peserta pelatihan Applied Approach tanpa prasyarat khusus, namun peserta diharapkan telah memiliki kemampuan dasar dalam penelusuran literatur ilmiah serta pemahaman umum tentang proses penelitian, agar dapat mengikuti praktik analisis bibliometrik dan pemetaan pengetahuan secara efektif.
Pengembang Materi
Sesi-sesi pembelajaran Literasi Data, Informasi dan Analisis Bibliometrik dikembangkan dan akan dipandu oleh tiga pemateri:
- Prof. Dr. Eng. Fitri Utaminingrum, S.T., M.T.
email: [email protected]
Guru Besar Fakultas Ilmu Komputer Universitas Brawijaya dengan latar belakang pendidikan Doctor of Engineering dari Hiroshima University, Jepang. Keahlian utama beliau berada pada bidang Image Processing, Computer Vision, dan kecerdasan buatan—termasuk penelitian inovatif seperti kursi roda pintar berbasis AI. Sebagai profesor aktif ke-171 di UB dan profesor kedua di FILKOM, beliau berpengalaman memimpin program Magister Ilmu Komputer serta menerima berbagai penghargaan internasional (Best Presenter dan Best Paper). Meskipun fokus risetnya bukan secara langsung pada bibliometrik, penguasaan data, AI, serta rekam jejak publikasi ilmiah yang kuat menjadikannya pemateri yang relevan untuk berbagi perspektif mengenai literasi data, kualitas publikasi, dan analisis bibliometrik dalam ekosistem penelitian modern. - Dr. Ir. Wibisono Sukmo Wardhono, S.T., M.T.
email: [email protected]
Dosen tetap Departemen Sistem Informasi FILKOM Universitas Brawijaya serta Ketua Gugus Jaminan Mutu dengan latar belakang pendidikan teknik elektro hingga jenjang doktoral di bidang Teknologi Pendidikan. Keahliannya meliputi Programming Languages, Human-Computer Interaction, Educational Technology, serta eksplorasi teknologi modern seperti augmented reality dan virtual reality. Meskipun riset inti beliau berada pada ranah teknologi dan teknologi pendidikan, pengalaman akademik yang panjang dan keterlibatan dalam publikasi ilmiah bereputasi (SINTA, Google Scholar) memberikan dasar kuat bagi penguasaan literasi data dan analisis bibliometrik. Kombinasi pemahaman teknis, riset interdisipliner, dan perannya di bidang penjaminan mutu menjadikan beliau pemateri yang relevan dalam membahas pengelolaan data, informasi, serta evaluasi publikasi ilmiah di era digital. - Dr. Ir. Fajar Pradana, S.ST., M.Eng.
email: [email protected]
Ketua Departemen Sistem Informasi FILKOM Universitas Brawijaya sekaligus dosen senior dengan latar belakang akademik kuat di bidang teknik, sistem informasi, dan teknologi pembelajaran. Beliau aktif meneliti dan mempublikasikan karya ilmiah yang dapat ditelusuri melalui Google Scholar, serta berpengalaman menjadi narasumber pada berbagai forum, termasuk kegiatan internasional yang diselenggarakan oleh British Council. Selain itu, beliau memiliki kanal YouTube edukatif yang membahas teknologi dan sistem informasi, menunjukkan komitmennya dalam literasi digital dan penyebaran pengetahuan. Dengan kombinasi keahlian akademik, peran kepemimpinan, dan pengalaman diseminasi ilmu, Dr. Fajar Pradana merupakan pendamping yang tepat untuk memperkaya pembelajaran Literasi Data, Informasi, dan Analisis Bibliometrik.
Informasi Penilaian
Penilaian dalam mata kuliah Literasi Data, Informasi, dan Analisis Bibliometrik dirancang untuk mengukur pemahaman konseptual sekaligus kemampuan praktis peserta dalam mengelola, menganalisis, dan memanfaatkan data serta informasi ilmiah secara bertanggung jawab. Nilai akhir diperoleh dari akumulasi beberapa jenis penugasan dengan bobot yang telah ditetapkan.
Ketentuan Kelulusan
- Peserta dinyatakan Lulus apabila memperoleh nilai akhir pada rentang 69–100.
Peserta dinyatakan Tidak Lulus apabila memperoleh nilai akhir pada rentang 0–69.
Jenis dan Bobot Penilaian
Penilaian terdiri dari dua jenis tugas utama, masing-masing memiliki bobot yang seimbang terhadap nilai akhir:
- Uji Kognitif (CT) – 50% dari nilai akhir
Uji kognitif bertujuan untuk mengukur pemahaman peserta terhadap konsep-konsep inti literasi data, literasi informasi, prinsip open science, FAIR data, serta dasar-dasar analisis bibliometrik. Terdapat 2 uji kognitif yang wajib diikuti oleh seluruh peserta. Tidak ada nilai yang dapat digugurkan pada kategori ini. - Praktik (PR) – 50% dari nilai akhir
Tugas praktik dirancang untuk menilai kemampuan peserta dalam menerapkan konsep secara langsung, termasuk praktik analisis bibliometrik dan penggunaan alat pendukung yang relevan. Terdapat 2 tugas praktik yang wajib diselesaikan. Seluruh tugas praktik diperhitungkan dalam penilaian akhir tanpa penghapusan nilai terendah.
Ketentuan Waktu Pengumpulan
Seluruh tugas dan penilaian mengikuti batas waktu yang telah ditentukan tanpa masa toleransi (grace period). Oleh karena itu, peserta diharapkan mengatur waktu dengan baik dan memastikan seluruh tugas dikumpulkan sesuai jadwal yang telah ditetapkan.
Melalui skema penilaian ini, peserta diharapkan tidak hanya memahami konsep secara teoretis, tetapi juga mampu menerapkannya secara praktis dalam konteks analisis data dan publikasi ilmiah.
