Analisis Tren Penelitian Teknologi Proses Pertanian Berbasis Bibliometrik

Integrasi Scopus, VOSviewer, dan Scite.ai

Kemajuan teknologi digital telah mendorong percepatan inovasi di bidang teknologi proses pertanian, mulai dari pertanian presisi, kecerdasan buatan, Internet of Things (IoT), hingga otomasi pascapanen. Studi ini bertujuan untuk memetakan perkembangan tren penelitian dalam bidang tersebut menggunakan pendekatan bibliometrik berbasis data dari Scopus. Data kemudian dianalisis menggunakan perangkat lunak VOSviewer dan Biblioshiny, serta diperkaya dengan konteks kutipan melalui scite.ai. Hasil analisis menunjukkan pertumbuhan signifikan dalam jumlah publikasi selama dekade terakhir, dengan konsentrasi penelitian pada pertanian presisi, AI dalam pemrosesan hasil, dan sistem IoT untuk otomasi pertanian. Amerika Serikat, Tiongkok, dan India merupakan negara dengan kontribusi terbesar dalam publikasi ilmiah, sedangkan lembaga pendanaan seperti Horizon 2020 dan National Science Foundation (NSF) tercatat sebagai sponsor utama. Studi ini menyajikan pemetaan strategis yang dapat digunakan oleh akademisi, pembuat kebijakan, dan pelaku industri untuk memahami arah dan dinamika riset dalam sektor pertanian berbasis teknologi.

ilustrasi gambar : chatgpt

1. Pendahuluan

Transformasi digital dalam bidang pertanian telah menjadi sorotan utama dalam satu dekade terakhir, ditandai dengan berkembangnya konsep smart farming, precision agriculture, dan teknologi pemrosesan pascapanen berbasis kecerdasan buatan. Perubahan ini didorong oleh kebutuhan untuk meningkatkan efisiensi, ketahanan pangan, dan adaptasi terhadap perubahan iklim (Wolfert et al., 2017; Kamilaris et al., 2018). Dengan meningkatnya jumlah publikasi dan diversifikasi topik dalam bidang teknologi proses pertanian, dibutuhkan pendekatan sistematis untuk memahami arah perkembangan riset tersebut.

Analisis bibliometrik merupakan metode kuantitatif yang digunakan untuk mengevaluasi dan memvisualisasikan struktur, dinamika, dan tren dalam produksi ilmu pengetahuan (Donthu et al., 2021). Dalam konteks ini, penggunaan basis data seperti Scopus, serta perangkat lunak seperti VOSviewer, Biblioshiny, dan scite.ai, memungkinkan eksplorasi mendalam terhadap struktur intelektual, jejaring kolaborasi, dan kualitas kutipan dalam literatur ilmiah pertanian.

2. Metodologi

2.1 Strategi Pencarian dan Akuisisi Data

Data diperoleh dari database Scopus dengan kriteria pencarian:

Pencarian difokuskan pada publikasi tahun 2013–2023. Hanya artikel jurnal (article) dan prosiding konferensi (conference paper) yang disertakan. Total sebanyak 6.421 dokumen diperoleh dan diekspor dalam format CSV.

2.2 Analisis Bibliometrik

Analisis dilakukan menggunakan dua perangkat utama:

2.3 Analisis Konteks Kutipan

Sebagai pelengkap, kami menggunakan scite.ai untuk menganalisis konteks kutipan terhadap 50 artikel dengan kutipan terbanyak. Dengan klasifikasi supporting, mentioning, dan contrasting, platform ini memberikan informasi kualitatif tentang pengaruh artikel tersebut dalam literatur.

3. Hasil dan Pembahasan

3.1 Pertumbuhan Publikasi

Jumlah publikasi meningkat secara konsisten dari 2013 hingga 2023, dengan pertumbuhan tertinggi terjadi setelah 2019. Hal ini mencerminkan meningkatnya minat global terhadap teknologi pertanian digital pasca-pandemi.

3.2 Topik Penelitian Dominan

Analisis co-occurrence kata kunci menunjukkan lima klaster utama:

3.3 Jurnal dan Konferensi Utama

Jurnal dengan publikasi terbanyak meliputi:

3.4 Negara dan Institusi Terdepan

Negara dengan kontribusi tertinggi:

Institusi terkemuka antara lain: Wageningen University, Chinese Academy of Sciences, dan Texas A&M University.

3.5 Analisis Konteks Kutipan dengan scite.ai

Hasil analisis terhadap artikel-artikel paling berpengaruh menunjukkan bahwa:

72% kutipan bersifat supporting, terutama pada studi AI dan klasifikasi citra hasil panen.

21% bersifat mentioning, tanpa diskusi mendalam.

Hanya 7% kutipan yang bersifat contrasting, menunjukkan perdebatan masih terbatas dalam beberapa tema dominan.

Scite.ai juga menunjukkan bahwa artikel yang mengintegrasikan machine learning dan edge computing mendapat lebih banyak dukungan eksplisit dibanding pendekatan konvensional.

4. Kesimpulan

Studi ini menunjukkan bahwa penelitian dalam teknologi proses pertanian mengalami pertumbuhan pesat, terutama dalam topik pertanian presisi, AI, dan IoT. Visualisasi jejaring menunjukkan kolaborasi aktif antar negara maju dan berkembang. Integrasi pendekatan bibliometrik dan analisis konteks kutipan memperkaya pemahaman tentang kualitas dan arah diskursus ilmiah.