Menyoal Kesiapan Jurnal Sinta sebagai Basis Data Klasterisasi Perguruan Tinggi

KEMENDIKBUDRISTEK (Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi) melalui Direktorat Riset, Teknologi, dan Pengabdian kepada Masyarakat (DRTPM) mengumumkan, mulai tahun 2023 klasterisasi perguruan tinggi (PT) didasarkan pada hasil olahan data kinerja perguruan tinggi berbasis Science and Technology Index (Sinta) dalam periode 2019 - 2021 (DRTPM, 2023).

Klasterisasi perguruan tinggi sudah dilakukan sejak 2015, melibatkan perguruan tinggi negeri (PTN) dan perguruan tinggi swasta (PTS). Komponen-komponen penilaiannya meliputi indikator-indikator input, proses, output, dan outcome bidang tridarma perguruan tinggi.

Pada periode 2015-2022, klasterisasi merupakan pemeringkatan perguruan tinggi berdasarkan kualitas kinerja dalam melaksanakan tridharma perguruan tinggi, termasuk di dalamnya kesehatan organisasi. Hasilnya, perguruan tinggi dikelompokkan ke dalam klaster-klaster, dari klaster satu sampai lima.

Semua indikator penciri kualitas kinerja perguruan tinggi menggunakan data yang tersedia di portal Pangkalan Data Dikti/PDDIKTI (pddikti.kemdikbud.go.id/).

Baca juga: Simak Tips Bisa Tembus Artikel Jurnal Internasional Bereputasi

Tujuan klasterisasi untuk meningkatkan mutu perguruan tinggi secara berkelanjutan dalam melaksanakan tridharma, termasuk di dalamnya kesehatan organisasi. Klasterisasi akan menjadi landasan bagi Kemenristekdikti untuk melakukan pembinaan serta meningkatkan kualitas perguruan tinggi.

Sejak tahun 2023 ada perubahan konsep klasterisasi, dari “pemeringkatan” (2015—2022) ke “pemetaan” (2023), dan lebih berfokus atau berbasis pada kinerja penelitian dan pengabdian kepada masyarakat. Semua data indikator penciri kualitas kinerja perguruan tinggi pun beralih dari basis data pada PDDikti ke basis data Science and Technology Index (Sinta) (sinta.kemdikbud.go.id/).

Sosialisasi peralihan basis data kinerja perguruan tinggi dari PDDikti ke Sinta sudah dilakukan DRTPM 2022, dan meminta semua perguruan tinggi untuk melakukan pemutakhiran data serta mengajukan verifikator Lembaga Penelitian dan Pengabdian Masyarakat (LPPM-Sinta ) bagi yang belum.

Klasterisasi sebagai pemetaan, digunakan oleh Kemendikbudristek sebagai metode dalam mengidentifikasi, mengukur kinerja, dan mengelompokkan perguruan tinggi sesuai dengan kualifikasi kinerja perguruan tinggi. Hasilnya, perguruan tinggi diklasterisasi ke dalam empat kelompok, yaitu kelompok mandiri, utama, madya, dan binaan.

Data kinerja perguruan tinggi yang diperhitungkan untuk klasterisasi adalah data yang telah diverifikasi dan divalidasi verifikator LPPM-Sinta perguruan tinggi dalam periode 2019 hingga 2021. Data kinerja meliputi penulis, afiliasi (affiliation), jurnal, penelitian, pengabdian kepada masyarakat (community service), produk/prototipe dan kekayaan intelektual (intellectual property rights/IPR), dan buku.

Setiap perguruan tinggi (yang terdaftar di Sinta) dapat melihat hasil pengukuran data kinerja pada menu (tab) metrics cluster pada profil perguruan tinggi melalui laman sinta.kemdikbud.go.id/ atau pada menu operator di bima.kemdikbud.go.id/. Metrics cluster menyajikan skor dari tujuh kinerja perguruan tinggi berikut.

Pertama, publikasi (skor ternormal 25 persen), meliputi jumlah dan ranking artikel dan prosiding yang terakreditasi, terindeks dan tersitasi, serta buku. Kedua, hak kekayaan intelektual/HKI (skor ternormal 10 persen), meliputi jumlah paten, merek, indikasi geografis, desain industri, desain tata letak sirkuti terpadu/DTLST, rahasia dagang, perlindungan varietas tanaman, dan hak cipta terdaftar).

Ketiga, kelembagaan (skor ternormal 15 persen), meliputi jumlah akreditasi prodi, dan jumlah jurnal terakreditasi. Keempat, riset (skor ternormal 15 persen), meliputi jumlah riset (hibah luar negeri, eksternal, internal, dan jumlah dana penelitian (juta rupiah).

Kelima, pengabdian kepada masyarakat/PKM (skor ternormal 15 persen), meliputi PKM internasional, eksternal, internal perguruan tinggi, dan jumlah dana penelitian. Keenam, sumber daya manusia/SDM (skor ternormal 15 persen), meliputi jumlah reviewer jurnal internasional, dosen (professor, lektor kepala, lektor, asisten ahli, dan non JAFA).

Ketujuh, pendapatan (revenue generating) (skor ternormal 15 persen), misalnya yang diperoleh dari HKI.

Melalui klasterisasi, perguruan tinggi diharapkan dapat mengakselerasikan kinerja dengan skema-skema kolaborasi yang menyatukan dan menyinergikan potensi-potensi perguruan tinggi melalui kolaborasi antar perguruan tinggi lintas klaster dalam peningkatan kualitas penelitian dan pengabdian kepada masyarakat.

Selain itu, klasterisasi perguruan tinggi dapat digunakan oleh Kemdikbudristek sebagai dasar penyusunan peta jalan riset dan rencana strategis, serta sebagai landasan penentuan kewenangan pengelolaan penelitian dan pengabdian kepada masyarakat.

Sinta: Bigdata Kinerja Perguruan Tinggi

Tak dapat disangkal, Sinta yang dikembangkan sejak 2017 merupakan produk inovatif Kemendikbudristek/Badan Riset dan Inovasi Nasional (BRIN) dalam menyediakan sistem informasi bigdata penelitian, publikasi, dan kepakaran yang sangat kompleks dan lengkap berbasis web.

Sebelum ada Sinta, portal yang digunakan sebagai basis data untuk melihat dan mengukur produktivitas kinerja publikasi seorang dosen/peneliti Indonesia masih menggunakan data dan informasi yang disediakan lembaga-lembaga penyedia informasi dan pengindeks dari luar, seperti Google Scholar, DOAJ, Scopus, WoS.

Sejak pengembangan generasi ke-2, Sinta sudah menyatakan diri “goes to global”, dan diklaim sebagai portal pengindeks global seperti Scopus. Karenanya, Sinta kerap pula disebut sebagai Scopus ala Kemenristekdikti/BRIN.

Karenanya, wajar jika Sinta kemudian berevolusi menjadi parameter, tolok ukur, analisis, dan identifikasi tunggal kinerja setiap peneliti, lembaga, dan jurnal di Indonesia; juga parameter untuk mengukur kekuatan penelitian masing-masing lembaga untuk mengembangkan kemitraan kolaboratif, menganalisis tren penelitian dan direktori pakar.

Baca juga: 9 Rekomendasi Situs Jurnal Ilmiah Online dari Kemendikbud

Saat ini Sinta sudah berkembang menjadi Sinta Generasi ke-3, dan telah memiliki sistem penghitungan kinerja yang dikembangkan sendiri, yaitu Sinta Score (overall score dan 3Yr score).

Perhitungan skor kinerja didasarkan pada data-data dari Google Scholar, Garuda, Arjuna, Bima, Rama, DJKI, Perpusnas, Sister, PDDikti, Indonesian Publication Index (IPI), Indonesia Science and Technology Index (Inasti), Scopus, dan WoS. Interoperabilitas Sinta dengan berbagai portal pengindeks tersebut (nasional dan global) telah memungkinkan Sinta dapat menampilkan profil kinerja dosen dan perguruan tinggi dilihat dari tingkat produktivitas publikasi, dan jumlah sitasi atas publikasi ilmiah yang dihasilkan (h-indeks).

Bahkan, Sinta sekaligus menampilkan tiga jenis h-indeks, yaitu h-indeks dari Scopus, WoS, dan Google Scholar. Dengan mengombinasikan ketiga jenis h-indeks tersebut, Sinta dapat menampilkan profil dosen dan institusinya secara utuh dan lengkap, tanpa adanya preferensi kepada lembaga pengindeks tertentu, yang bisa saja dianggap mengabaikan aspek-aspek dari kinerja yang secara nyata merupakan bagian dari kinerja yang bersangkutan.

Input, Sinkronisasi, dan Verifikasi/Validasi

Pertanyaannya, apakah Sinta sudah benar-benar siap menjadi basis data klasterisasi perguruan tinggi, dengan menyediakan data-data indikator penciri kinerja perguruan tinggi secara lengkap, valid, dan terverifikasi/tervalidasi sesuai kebutuhan?

Ada tiga hal yang perlu diperhatikan dan disempurnakan jika akan menjadikan Sinta sebagai basis data klasterisasi perguruan tinggi, yaitu input, sinkronisasi, dan verifikasi data terkait dengan tujuh penciri indikator kinerja perguruan tinggi, sebagaimana dikemukakan di atas yang berbasis pada dosen dan afiliasi (perguruan tinggi).

Input data baik langsung pada portal Sinta maupun pada portal-portal basis data yang terkoneksi dengan Sinta (seperti Google Scholar, BIMA, DJKI, Perpusnas) yang dilakukan secara manual oleh dosen, atau secara otomatis oleh sistem. Pada aspek input ini masih ditemukan sejumlah masalah. Belum semua data tersaji lengkap, valid, dan terpercaya. Di antaranya, belum semua dosen memiliki akun, dan karenanya belum menginput data yang diperlukan.

Misalnya, data dosen pada portal PDDikti terinput 302,856 orang, sedangkan di Sinta terinput 260.573 (86 persen) orang (termasuk peneliti BRIN). Artinya, 42.280 dosen belum teregistrasi dan berakun Sinta, Google Scholar, dan lain-lain. Karena itu, semua data kinerja dosen dan perguruan tinggi afiliasinya yang belum teregistrasi pada Sinta dan Google Scholar pasti tidak terdata secara baik dan lengkap.

Demikian pula, data perguruan tinggi pada PDDikti terinput 4,536, sedangkan pada Sinta terinput 5.389 perguruan tinggi (termasuk lembaga-lembaga riset yang tergabung dalam BRIN). Ada selisih 853 perguruan tinggi yang terdata di Sinta. Mana yang valid?

Persoalan lain adalah banyak input data yang tidak wajar dari sisi kepenulisan. Misalnya, membiarkan/mengabaikan data publikasi yang terdaftar di akunnya walaupun bukan miliknya, atau mengklaim publikasi ilmiah yang sebenarnya bukan miliknya atau dirinya bukan sebagai penulis.

Kejujuran, integritas, dan motivasi personal dan intelektual dari dosen untuk menginput data secara berkala sangat menentukan untuk menghasilkan profiling data kinerja perguruan tinggi secara lengkap, valid, dan terpercaya. Sinkronisasi data, baik internal antardata Sinta, dan eksternal antara Sinta dengan basis-basis sumber data yang terkoneksi dengan Sinta.

Pada kedua aspek ini, data yang tersaji di Sinta juga belum sepenuhnya lengkap, valid, dan terpercaya. Permasalahan sinkronisasi data internal Sinta terjadi karena faktor sistem aplikasi Sinta itu sendiri, programer dan/atau penyedia input data Sinta.

Ditemukan beberapa data internal Sinta yang tidak sinkron satu dengan yang lain. Misalnya data jumlah jurnal terakreditasi Sinta atau Scopus (detail vs diagram); jumlah buku (detail vs diagram); HKI/IPRs (detail vs table/diagram); dan data PKM (total vs detail).

Permasalahan sinkronisasi data eksternal Sinta terjadi karena faktor input data. Pertama, input data oleh dosen tidak dilakukan, salah, tidak lengkap, atau menyesatkan yang ada pada basis-basis data eksternal (misalnya input data Google Scholar).

Kedua, input data dilakukan oleh dosen, dan administrator Sinta tidak bisa dan tidak punya akses untuk menginput, membarui dan/atau memperbaiki data (misalnya input data Google Scholar).

Ketiga, input data dilakukan oleh administrator, dan dosen tidak bisa dan tidak punya akses untuk menginput, membaharui dan/atau memperbaiki data (misalnya input data BIMA/SIMLITABMAS dan GARUDA).

Verifikasi/validasi data Sinta baik oleh administrator/verifikator Sinta yang ditarik dari basis-basis data eksternal (misalnya: Scopus, WoS) maupun oleh verifikator PT/LPPM atas data inputan dosen (Buku, HKI/IPRs). Permasalahan terjadi ketika verifikator belum/tidak melakukan verifikasi/validasi.

Jika ada permasalahan yang terjadi pada ketiga hal tersebut, terutama kinerja publikasi yang memiliki skor ternormal tertinggi (25 persen), tentu akan mengurangi skor kinerja perguruan tinggi, karena data yang ada belum/tidak bisa dihitung dan menjadi skor kinerja.

Namun, kalaupun Sinta belum sepenuhnya dapat menyediakan basis data yang lengkap, valid, dan terpercaya untuk kepentingan klasterisasi PT, juga tidak harus menolak penggunaannya dan meragukan signifikansi dan urgensinya.

Dosen, pengembang dan administrator sistem aplikasi, serta verifikator/validator PT/LPPM harus memiliki komitmen, integritas, dan motivasi yang sama untuk menghasilkan data kinerja yang diperlukan. Mereka harus mampu bergerak secara sinergis untuk menyukseskan klasterisasi perguruan tinggi berbasis data Sinta.