Grafik Jaringan: Memvisualisasikan Hubungan dan Koneksi dalam Data Penelitian

Diterbitkan 20 Juni 2026 | Terakhir diperbarui 10 Agustus 2026

Bayangkan tumpukan empat puluh makalah terkait yang diubah menjadi satu gambar. Setiap makalah menjadi sebuah titik, setiap kutipan antara dua makalah menjadi sebuah garis, dan kelompok-kelompok yang biasanya membutuhkan berlembar-lembar narasi untuk dijelaskan menjadi terlihat dalam sekali pandang. Itulah ide dasar di balik grafik jaringan , salah satu alat yang lebih literal dalam perangkat visualisasi seorang peneliti. Node mewakili entitas seperti penulis, gen, makalah, atau pasien. Edge mewakili hubungan spesifik antara dua entitas tersebut. Gambar yang dihasilkan membuat struktur terlihat, yang sama sekali tidak terlihat dalam tabel angka.

Panduan ini membahas apa sebenarnya yang ditunjukkan oleh grafik jaringan, bagaimana cara membacanya tanpa latar belakang statistik, di mana teknik ini muncul dalam penelitian yang dipublikasikan, perangkat lunak apa yang saat ini digunakan peneliti untuk membangunnya, dan di mana metode ini paling sering salah. Sebuah contoh singkat yang dikerjakan di tengah panduan ini akan menjelaskan secara manual jaringan enam simpul, karena matematika yang mendasarinya lebih mudah dipahami daripada yang terlihat dari luar.

Memahami Grafik Jaringan: Simpul, Sisi, dan Arah

Setiap grafik jaringan bertumpu pada dua komponen. Node mewakili entitas yang sedang dipelajari, baik itu peneliti individu, gen, rumah sakit, atau negara. Edge mewakili hubungan spesifik antara dua node, dan pilihan hubungan itulah yang mengubah diagram generik menjadi alat penelitian. Jaringan kepenulisan bersama menggambar edge setiap kali dua orang berbagi nama penulis. Jaringan sitasi menggambar edge setiap kali satu makalah mengutip makalah lain. Jaringan interaksi protein menggambar edge setiap kali dua protein berikatan atau mengatur satu sama lain. Tukar hubungannya dan enam titik yang sama dapat mewakili studi yang sama sekali berbeda.

Dua pilihan desain membentuk apa yang dapat diungkapkan oleh grafik jaringan. Arah adalah salah satunya. Dalam grafik tak berarah, sisi antara A dan B bersifat simetris, yang sesuai dengan hubungan seperti kepenulisan bersama atau persahabatan di mana pengaruh berjalan dua arah. Dalam grafik berarah, sisi mengarah ke satu arah, sesuai dengan jaringan sitasi (makalah A mengutip makalah B, bukan sebaliknya) atau jalur rujukan di mana panah itu sendiri memiliki makna.

Bobot adalah hal lainnya. Garis tak berbobot hanya menunjukkan adanya koneksi. Garis berbobot menambahkan angka, misalnya jumlah publikasi bersama antara dua penulis, kekuatan korelasi gen, atau jumlah uji coba yang secara langsung membandingkan dua obat. Bobot biasanya muncul sebagai ketebalan garis atau intensitas warna, memungkinkan pembaca untuk membedakan kolaborasi sementara dari kemitraan selama satu dekade hanya dengan sekali lihat. Siapa pun yang masih mempertimbangkan apakah grafik jaringan adalah pilihan yang tepat untuk kumpulan data tertentu, dibandingkan dengan grafik batang atau diagram sebar yang lebih sederhana, mungkin ingin mempelajari panduan kami tentang memilih jenis grafik yang tepat untuk data Anda sebelum membuat apa pun.

Sebagian besar perangkat lunak menyimpan informasi ini sebagai daftar tepi atau matriks kedekatan di balik layar, tetapi pembaca jarang perlu melihat struktur itu secara langsung. Yang penting untuk interpretasi lebih sederhana. Perhatikan berapa banyak garis yang menyentuh simpul tertentu, perhatikan garis mana yang tebal dan mana yang tipis, dan periksa panah sebelum berasumsi bahwa hubungan tersebut berjalan dua arah.

Contoh Soal: Membaca Grafik Jaringan Kecil

Angka membuat hal ini lebih konkret daripada definisi. Pertimbangkan enam peneliti dalam hibah yang sama, diberi label A hingga F, yang telah menulis setidaknya satu makalah bersama dalam tiga tahun terakhir. Ini adalah contoh yang dibuat untuk mengilustrasikan mekanismenya, bukan temuan dari studi yang dipublikasikan. Peneliti A telah menulis makalah dengan masing-masing dari lima peneliti lainnya. B dan C telah menulis makalah bersama. D dan E telah menulis makalah bersama. F hanya menerbitkan makalah dengan A.

Sentralitas derajat hanyalah penghitungan berapa banyak koneksi langsung yang dimiliki sebuah simpul, dan tabel di atas sudah menjawab pertanyaan tersebut. Peneliti A berada di angka 5, maksimum yang mungkin dalam kelompok enam orang, sementara F berada di angka 1. Angka tunggal itu mengubah cara pembaca harus memperlakukan gambaran tersebut. A adalah pusat yang dilalui seluruh kelompok. Singkirkan A dari jaringan dan tiga fragmen terpisah akan segera muncul, B berpasangan dengan C, D berpasangan dengan E, dan F tidak terhubung dengan siapa pun sama sekali.

Kerapuhan itu memiliki nama. Sentralitas antara (betweenness centrality) mengukur seberapa sering sebuah node berada di jalur terpendek antara dua node lainnya, dan A mendapat skor tinggi pada kedua ukuran ini, karena ia adalah peneliti yang paling terhubung dan satu-satunya jembatan antara pasangan BC dan pasangan DE. Dalam grafik yang lebih besar dan rumit, derajat dan sentralitas antara dapat mengarah ke node yang berbeda sama sekali. Seorang peneliti dengan hanya tiga koneksi langsung masih dapat memiliki skor sentralitas antara yang tinggi jika ketiga tautan tersebut kebetulan menghubungkan bagian-bagian jaringan yang terpisah, bertindak sebagai perantara bahkan tanpa menjadi kolaborator yang paling produktif.

Jaringan kolaborasi nyata menunjukkan fragmentasi yang sama, hanya saja dalam skala yang lebih besar. Khalagi dan rekan-rekannya memetakan jaringan kepenulisan bersama para peneliti osteoporosis Iran di 1,328 dokumen yang diambil dari PubMed, Scopus, dan Web of Science, dan melaporkan 183 penulis yang berada di dalam 13 kelompok terpisah dengan kohesi keseluruhan yang rendah dan aliran informasi yang lambat antar kelompok , sebuah versi skala besar dari perpecahan yang terlihat pada contoh enam simpul di atas.

Sentralitas dan Klaster: Apa yang Diungkapkan oleh Posisi di Dalam Grafik

Derajat dan keterpusatan adalah dua ukuran sentralitas yang paling sering digunakan peneliti, tetapi dua ukuran lainnya juga sering muncul dalam publikasi. Sentralitas kedekatan (closeness centrality) memberi skor pada sebuah node berdasarkan jarak rata-ratanya ke setiap node lain, berguna untuk menemukan siapa yang dapat mencapai bagian jaringan lainnya dengan cepat, relevan dalam pemodelan penyebaran penyakit atau studi difusi informasi. Sentralitas vektor eigen (eigenvector centrality) memberi bobot pada sebuah koneksi berdasarkan pentingnya node di ujung lainnya, sehingga satu tautan dari hub yang sangat terhubung lebih penting daripada beberapa tautan dari node periferal. Algoritma PageRank asli Google adalah varian dari ide yang sama yang diterapkan pada web.

Pengelompokan (clustering) adalah properti struktural lain yang perlu diketahui. Sebuah cluster, kadang-kadang disebut komunitas atau modul, adalah sekelompok node yang terhubung secara padat satu sama lain dan jarang terhubung dengan semua orang di luar kelompok tersebut. Perangkat lunak bibliometrik biasanya melaporkan skor modularitas di samping cluster ini, sebuah angka yang menangkap seberapa rapi jaringan terbagi menjadi kelompok-kelompok yang berbeda daripada membentuk satu massa yang tidak terdiferensiasi. Pemetaan bibliometrik tahun 2026 tentang penelitian periodontitis dan penyakit sistemik menyaring 6,106 catatan menjadi 1,519 studi yang disertakan, menggabungkan pemetaan kepenulisan bersama, penggandengan bibliografi, dan analisis sitasi bersama dan menilai hasilnya dengan skor siluet, modularitas, dan sentralitas secara bersamaan , perangkat yang sama yang dijelaskan di sini, untuk mengkonfirmasi bahwa cluster yang dihasilkan mencerminkan sub-bidang yang sebenarnya dan bukan noise.

Tak satu pun dari angka-angka ini dapat menggantikan penilaian secara mandiri. Sebuah node dengan derajat tinggi dalam jaringan sitasi yang kurang tersaring mungkin hanyalah jurnal besar atau artikel ulasan yang dikutip orang secara sepintas, bukan makalah yang penting secara intelektual, sehingga skor sentralitas paling baik digunakan sebagai titik awal untuk pembacaan yang lebih cermat daripada sebagai penilaian akhir.

Di Mana Grafik Jaringan Muncul dalam Penelitian yang Dipublikasikan

Lima kegunaan tersebut mencakup sebagian besar grafik jaringan yang muncul dalam artikel jurnal, dan masing-masing mengubah apa yang dianggap sebagai simpul dan apa yang dianggap sebagai tepi.

Kepenulisan Bersama dan Jaringan Kolaborasi

Jaringan kepenulisan bersama mengubah urutan nama penulis menjadi struktur, menghubungkan para peneliti yang telah menerbitkan karya bersama dan sering kali memberi bobot pada koneksi tersebut berdasarkan jumlah makalah yang mereka publikasikan bersama. Ogasawara membangun jaringan tersebut untuk penelitian gastroenterologi, dengan memanfaatkan 18,855 makalah yang diterbitkan antara tahun 2000 dan 2023 yang diambil dari Web of Science, untuk menelusuri bagaimana hubungan kolaboratif di bidang tersebut terbentuk dan mengidentifikasi para peneliti yang berada di pusatnya. Logika yang sama dapat diterapkan pada satu departemen atau seluruh disiplin ilmu, dan ini adalah salah satu angka yang paling umum ditambahkan di akhir proses revisi makalah bibliometrik setelah peninjau meminta bukti pola kolaborasi.

Jaringan Interaksi Gen dan Protein

Dalam biologi molekuler, simpul menjadi gen atau protein dan tepi menjadi ikatan fisik, kontrol regulasi, atau ko-ekspresi. Pipeline analisis genomik semakin sering menghasilkan jaringan ini sebagai langkah hilir setelah pengujian ekspresi diferensial, karena daftar gen yang diurutkan saja tidak menjelaskan gen mana yang berinteraksi dengan gen mana. Bab metode Majeed dan Mukhtar tahun 2023 membahas eksplorasi data interaksi protein-protein secara khusus di dalam Cytoscape, memperlakukan perangkat lunak tersebut sebagai titik masuk standar untuk jenis pekerjaan ini di laboratorium biologi sistem. Gen pusat (hub genes), yaitu simpul berderajat tinggi di dalam jaringan ini, seringkali menjadi target pertama eksperimen laboratorium basah, karena mengganggu gen pusat cenderung memengaruhi lebih banyak bagian jaringan daripada mengganggu gen periferal.

Pemetaan Bibliometrik dan Sitasi

Analisis ko-sitasi menghubungkan dua makalah setiap kali makalah ketiga mengutipnya bersama-sama, dengan logika bahwa makalah yang dikutip dalam satu kalimat cenderung memiliki kesamaan intelektual. Huang dan rekan-rekannya menggabungkan ini dengan pemetaan kemunculan bersama kata kunci untuk mempelajari penelitian neuroimaging afasia yang diterbitkan antara tahun 2004 dan 2021, membangun peta jaringan mereka di CiteSpace dan VOSviewer untuk mengungkap titik fokus penelitian dan pergeseran batas-batas bidang tersebut. Jenis grafik jaringan ini telah menjadi hampir seperti gambar standar dalam artikel ulasan sekarang, terutama di bidang-bidang di mana literatur telah berkembang terlalu besar untuk dicakup dengan baik oleh ringkasan naratif tradisional.

Analisis Jaringan Sosial dalam Penelitian Klinis dan Perilaku

Di luar bibliometrik, grafik jaringan memetakan hubungan antar individu secara langsung. Kantek dan rekan-rekannya menggunakan analisis jaringan sosial untuk melacak interaksi pencarian nasihat di antara 70 perawat di dalam satu rumah sakit swasta , mengidentifikasi anggota staf mana yang berfungsi sebagai pusat pengetahuan informal terlepas dari gelar formal mereka. Pendekatan yang terkait tetapi berbeda, analisis jaringan gejala, memperlakukan gejala individu daripada orang sebagai simpul. Rydin dan rekan-rekannya menerapkan metode ini pada depresi, menghubungkan gejala depresi dengan penanda metabolomik dalam struktur jaringan daripada menguji setiap gejala terhadap hasil secara terpisah, sebuah pendekatan yang semakin populer dalam penelitian psikiatri justru karena dapat menunjukkan gejala mana yang berada di pusat suatu gangguan daripada memperlakukan semua gejala sebagai hal yang dapat dipertukarkan. Pembaca yang membangun studi jaringan di sekitar orang daripada makalah mungkin menemukan artikel pendamping kami tentang analisis jaringan sosial dan pemetaan hubungan dalam data penelitian bermanfaat untuk sisi pengumpulan data dari pekerjaan tersebut, dan ulasan khusus kami tentang analisis jaringan di dalam sistem perawatan kesehatan mencakup jaringan rujukan dan koordinasi perawatan secara khusus.

Diagram Jaringan dalam Sintesis Bukti

Meta-analisis jaringan membandingkan tiga atau lebih pengobatan sekaligus dengan menggabungkan bukti langsung dan tidak langsung dari serangkaian uji coba, dan geometri yang menghubungkan pengobatan tersebut sendiri merupakan grafik jaringan, dengan setiap pengobatan sebagai simpul dan setiap perbandingan berbasis uji coba sebagai tepi. Guerrero de Sousa dan rekan-rekannya meninjau 86 meta-analisis jaringan terapi antitrombotik yang diterbitkan antara tahun 2007 dan 2022 , mengevaluasinya berdasarkan daftar periksa pelaporan PRISMA-NMA, dan menemukan bahwa perbandingan yang melibatkan antikoagulan oral kerja langsung mencakup 61 dari 86 tinjauan, suatu konsentrasi yang menjadi jelas saat diagram jaringan digambar daripada dibiarkan tersirat dalam tabel. Layanan meta-analisis jaringan Editverse mencakup pembuatan dan interpretasi diagram ini sebagai bagian dari alur kerja standar, karena jurnal semakin mengharapkannya bersamaan dengan plot hutan.

Perangkat Lunak yang Digunakan Peneliti untuk Membangun Grafik Jaringan

Sejumlah kecil alat mencakup sebagian besar grafik jaringan yang dipublikasikan, dan masing-masing masih mengirimkan pembaruan aktif hingga tahun 2026, bukti bahwa ekosistem tersebut dipelihara dan bukan ditinggalkan.

Pilihan praktis biasanya bergantung pada alur kerja daripada fitur. Peneliti yang ingin mengklik, menyeret, dan melihat hasilnya segera cenderung memilih Gephi, Cytoscape, atau VOSviewer. Peneliti yang membutuhkan analisis jaringan agar sesuai dengan alur kerja statistik yang lebih besar dan dapat direproduksi, bersamaan dengan model regresi atau kumpulan data genomik yang sudah dimuat di R atau Python, cenderung memilih igraph atau NetworkX, lalu mengekspor gambar statis setelah angka-angka ditetapkan. Tinjauan kami tentang perangkat lunak statistik yang digunakan peneliti di SPSS, R, Python, dan Stata mencakup bagaimana alat berbasis kode ini sesuai dengan alur kerja analisis yang lebih luas di luar grafik jaringan secara khusus. Apa pun alat yang menghasilkan gambar, mengekspornya sebagai format vektor (SVG atau PDF daripada PNG beresolusi rendah) menjaga label node tetap terbaca setelah jurnal mengubah ukurannya untuk dicetak, langkah kecil yang mudah dilewati di bawah tekanan tenggat waktu dan sulit diperbaiki setelah makalah diproduksi.

Kesalahan Umum yang Mengubah Diagram Node-Link Menjadi Berantakan

Kegagalan yang paling sering terjadi adalah masalah skala sederhana. Memplot setiap node dan setiap edge dalam dataset dengan ribuan entitas menghasilkan apa yang oleh para praktisi disebut sebagai "gumpalan rambut", yaitu jalinan padat di mana tidak ada koneksi individual yang dapat dibaca. Memfilter koneksi teratas, kluster terbesar, atau subkelompok tertentu sebelum memplot hampir selalu menghasilkan gambar yang lebih bermanfaat daripada menampilkan semuanya sekaligus, asalkan kriteria pemfilteran diungkapkan dalam metode atau keterangan gambar, bukan dibiarkan pembaca menebaknya.

Beberapa masalah lain cukup sering muncul sehingga perlu dilaporkan secara langsung.

• Memperlakukan posisi node sebagai sesuatu yang bermakna dengan sendirinya. Sebagian besar tata letak, khususnya algoritma berbasis gaya tarik-menarik, menempatkan node berdasarkan optimasi yang meminimalkan persilangan tepi, bukan berdasarkan sistem koordinat yang mendasarinya, sehingga dua node yang berdekatan di halaman belum tentu berhubungan kecuali jika ada tepi yang benar-benar menghubungkan keduanya.
• Menambahkan dimensi ketiga untuk efek visual. Grafik jaringan 3D yang berputar dapat terlihat mengesankan dalam presentasi slide, tetapi biasanya membuat perbandingan yang tepat antara panjang sisi dan posisi simpul menjadi lebih sulit daripada lebih mudah setelah dicetak rata di halaman. Panduan kami tentang Grafik 3D dalam penulisan akademis mencakup serangkaian kasus terbatas di mana dimensi ketiga layak mendapat tempatnya.
• Menghapus node terisolasi secara diam-diam. Entitas dengan koneksi nol terkadang disaring sebelum gambar dibuat, yang bisa jadi wajar, tetapi melakukannya tanpa menyebutkannya dalam teks akan mengubah ukuran dan kepadatan jaringan yang tampak.
• Mencampurkan pembacaan berbobot dan tidak berbobot dari angka yang sama. Angka yang mengkodekan kekuatan ikatan melalui ketebalan garis memerlukan legenda yang menjelaskan skalanya, atau pembaca tidak akan tahu apakah garis tebal berarti sepuluh makalah yang dibagikan atau dua.

Serangkaian studi kasus yang terdokumentasi dengan baik tentang bagaimana pilihan grafik memengaruhi interpretasi data mencakup beberapa mode kegagalan ini dengan contoh yang diambil dari gambar yang dipublikasikan, dan memasangkan grafik jaringan dengan bagan pendukung yang lebih sederhana, misalnya, diagram kotak distribusi derajat , sering kali mengkomunikasikan bentuk keseluruhan jaringan lebih cepat daripada diagram node-link saja. Artikel kami tentang menggabungkan jenis grafik ke dalam visualisasi gabungan membahas pemasangan tersebut secara lebih mendalam.

Bagaimana Editverse Mendukung Proyek Network Graph

Membangun grafik jaringan yang siap dipublikasikan biasanya berarti berpindah antara tiga keahlian terpisah: statistik yang mendasarinya, perangkat lunak visualisasi, dan persyaratan gambar khusus jurnal. Layanan visualisasi data Editverse mencakup langkah tengah secara langsung, mengambil kumpulan data yang telah dibersihkan, daftar tepi, matriks korelasi, ekspor bibliometrik, hingga menjadi gambar yang siap dipublikasikan dengan pelabelan yang konsisten, pengkodean simpul dan tepi yang mudah dibaca, dan format yang tahan terhadap proses produksi cetak jurnal.

Untuk manuskrip yang sudah hampir siap untuk disubmit, paket penyuntingan ilmiah premium menggabungkan tinjauan teknis gambar dengan penyuntingan manuskrip lengkap dan dukungan pengajuan ulang, yang berguna ketika seorang peninjau secara khusus menandai gambar jaringan sebagai tidak jelas atau kurang diberi label selama peninjauan sejawat. Peneliti yang menjalankan sintesis bukti daripada studi primer juga dapat memanfaatkan layanan meta-analisis jaringan yang disebutkan sebelumnya dalam panduan ini, yang mencakup pemodelan statistik dan diagram jaringan yang dihasilkan sebagai satu hasil akhir.

Editverse telah bekerja sama dengan para peneliti di bidang ilmu sosial, biologi, dan kedokteran klinis sejak tahun 2020, sehingga dukungan yang diberikan tidak hanya terbatas pada gambar itu sendiri, tetapi juga mencakup teks metode di sekitarnya, keterangan gambar, dan pertanyaan peninjau tentang bagaimana jaringan yang mendasarinya dibangun.