Kamu udah berhasil screening puluhan artikel dan semua lolos kriteria inklusi. Sekarang tibalah tahap yang paling sering bikin mahasiswa kewalahan: ekstraksi data. Ini adalah fase di mana kamu harus baca satu per satu artikel, ambil data yang relevan, dan catat secara konsisten. Tanpa sistem yang bener, proses ini bisa makan waktu berminggu-minggu dan hasilnya berantakan.
Masalahnya, banyak mahasiswa yang nggak tahu data apa aja yang harus diekstrak. Akibatnya, ada data penting yang kelewat atau data yang diekstrak nggak konsisten antar artikel. Ini bikin proses sintesis di tahap selanjutnya jadi sulit dan hasil review dipertanyakan.
Di artikel ini, kamu bakal belajar cara ekstraksi data SLR yang bener dari komponen data yang harus dicatat, template tabel yang bisa langsung dipakai, sampai langkah-langkah praktis biar prosesnya konsisten dan efisien. Ada juga tips milih tools yang sesuai kebutuhan dan cara ngatasin masalah umum yang sering muncul waktu ekstraksi.
Baca Juga: Panduan Lengkap SLR untuk Skripsi dan Penelitian
Apa Itu Ekstraksi Data dalam SLR?
Ekstraksi data adalah proses mengambil informasi penting dari setiap artikel yang lolos screening untuk dianalisis lebih lanjut. Data yang diekstrak mencakup karakteristik studi, metodologi, temuan utama, dan informasi lain yang relevan dengan research question.
Ekstraksi data SLR berbeda dengan sekadar membaca dan merangkum artikel. Dalam SLR, ekstraksi data dilakukan secara sistematis menggunakan form atau tabel yang sudah ditentukan sebelumnya, bukan dengan cara membaca lalu nulis kesimpulan secara subjektif. Tujuannya adalah memastikan data dari semua artikel bisa dibandingkan secara adil dan konsisten.
Proses ini adalah jembatan antara screening dan sintesis. Kalau ekstraksi datanya berantakan, sintesisnya juga ikut berantakan dan hasil review jadi nggak bisa dipercaya. Makanya penting buat bikin sistem ekstraksi yang rapi dari awal, termasuk nentuin format pencatatan yang seragam antar semua artikel yang direview.
Komponen Data yang Harus Diekstrak
Nggak semua data dari artikel perlu dicatat. Fokus pada data yang relevan dengan research question kamu. Berikut komponen utama yang biasanya diekstrak dalam SLR:
| Kategori | Data yang Diekstrak | Contoh |
|---|---|---|
| Identitas Artikel | Penulis, tahun, judul, jurnal, DOI | Santoso, 2024, “AI Writing Tools Effect”, Jurnal Pendidikan |
| Karakteristik Studi | Desain penelitian, lokasi, sampel, durasi | Quasi-experiment, Indonesia, 120 mahasiswa, 1 semester |
| Intervensi | Jenis intervensi, durasi, frekuensi | ChatGPT-based writing assistant, 8 minggu, 3x seminggu |
| Hasil Utama | Nilai rata-rata, standar deviasi, effect size, p-value | Mean 78.5, SD 6.2, p < 0.05 |
| Temuan Kualitatif | Tema, kutipan, interpretasi | Mahasiswa merasa lebih percaya diri |
| Kualitas Studi | Skor quality assessment | Skor 7 dari 10 (CASP) |
Kamu bisa nambah atau ngurangin komponen di atas sesuai kebutuhan. Yang penting setiap data yang diekstrak harus relevan dengan research question dan bisa dijawab oleh artikel yang direview.
Baca Juga: Cara Menentukan Kriteria Inklusi dan Eksklusi SLR
Cara Membuat Tabel Ekstraksi Data
Tabel ekstraksi data adalah alat utamamu. Formatnya bisa Excel, Google Sheets, atau langsung di software SLR kayak Covidence. Berikut template yang bisa kamu pake:
| Kolom | Deskripsi |
|---|---|
| ID Artikel | Nomor unik setiap artikel (AR01, AR02, dst) |
| Penulis dan Tahun | Santoso et al. (2024) |
| Tujuan Studi | Research question spesifik artikel tersebut |
| Desain | Eksperimen, kuasi-eksperimen, survei, kualitatif |
| Partisipan (n) | Jumlah dan karakteristik sampel |
| Intervensi | Detail intervensi yang diberikan |
| Comparator | Kelompok kontrol atau pembanding |
| Outcome | Hasil utama yang diukur |
| Hasil | Data numerik atau temuan kualitatif |
| Kualitas | Skor quality assessment |
Template di atas bisa kamu copy langsung ke Excel atau Google Sheets. Tiap baris adalah satu artikel. Kolomnya bisa ditambah sesuai kebutuhan RQ kamu. Misalnya nambah kolom setting penelitian kalau topik kamu sensitif terhadap lokasi atau konteks.
Langkah-Langkah Ekstraksi Data
Pilot test adalah langkah yang paling sering dilewati. Padahal uji coba form pada 3 sampai 5 artikel pertama bisa ngebantu kamu nangkep masalah sebelum semua artikel diproses. Kalau ada kolom yang nggak nyambung atau data yang ternyata nggak ada di kebanyakan artikel, kamu bisa revisi form sebelum lanjut ke ekstraksi penuh.
- Buat form ekstraksi dan uji coba. Bikin tabel atau form berdasarkan komponen data yang udah ditentukan. Template di atas bisa jadi acuan awal. Uji coba pada 3 sampai 5 artikel dulu untuk liat apakah semua kolom bisa diisi dengan baik. Kalau ada data yang nggak bisa diisi karena kolomnya nggak sesuai, atau ada data penting yang kelewat, revisi form kamu. Jangan langsung ekstrak semua artikel sebelum form dianggap pas.
- Ekstrak data secara sistematis. Baca setiap artikel dari awal sampai akhir, isi semua kolom yang udah ditentukan. Kalau ada data yang nggak disebutkan di artikel, catat sebagai “not reported” — jangan dikosongin atau ditebak. Konsistensi pengisian data sangat penting.
- Lakukan dual extraction (kalau bisa). Idealnya, ekstraksi data dilakukan oleh dua orang secara independen. Hasilnya dibandingkan dan perbedaan didiskusikan. Ini mengurangi risiko human error dan bias. Kalau kamu sendiri, minimal lakukan self-check dengan jeda waktu.
- Catat data quality assessment. Setiap artikel yang diekstrak harus dinilai kualitasnya menggunakan tools yang sesuai dengan jenis studi. Untuk studi kuantitatif pake Cochrane Risk of Bias. Untuk studi kualitatif pake CASP. Untuk survei pake JBI checklist. Data kualitas ini penting buat nentuin bobot temuan di tahap sintesis. Studi dengan kualitas rendah harus diinterpretasi secara hati-hati dibanding studi yang kualitasnya baik.
- Review dan resolusi. Setelah semua artikel diekstrak, review kembali untuk mastiin konsistensi antar baris data. Kalau ada perbedaan antar reviewer, diskusikan dan cari solusi bersama. Kalau ada data yang meragukan atau nggak lengkap, cek lagi ke artikel asli sebelum finalisasi. Jangan asumsi data tanpa verifikasi.
Baca Juga: Cara Membuat Search String untuk SLR
Tools untuk Ekstraksi Data SLR
Ekstraksi data bisa dilakukan pakai berbagai tools, dari yang sederhana sampai yang canggih:
| Tool | Kelebihan | Kekurangan |
|---|---|---|
| Microsoft Excel / Google Sheets | Mudah, fleksibel, bisa kolaborasi real-time | Manual, rawan human error, nggak ada fitur deduplikasi otomatis |
| Covidence | Terintegrasi dari screening ke ekstraksi, support dual review | Berbayar, butuh akses institusi |
| Rayyan | Gratis, bagus buat screening, ada fitur kolaborasi | Fitur ekstraksi terbatas, lebih cocok buat screening |
| NVivo | Cocok buat ekstraksi kualitatif, bisa koding tematik | Berbayar, learning curve tinggi |
| Eppi-Reviewer | Komprehensif, support berbagai tipe data | Berbayar, antarmuka kurang intuitif |
Untuk skripsi S1, Excel atau Google Sheets biasanya udah cukup. Pastiin kamu bikin template yang rapi dengan data validation biar isiannya konsisten. Untuk yang lebih serius kayak tesis atau jurnal, Covidence atau Eppi-Reviewer layak dipertimbangkan.
Kalau kolaborasi dengan teman satu bimbingan, pastiin ada panduan pengisian yang jelas. Format penulisan yang seragam, singkatan yang disepakati, dan contoh pengisian per kolom bakal ngurangin perbedaan antar reviewer secara signifikan. Jangan asumsi semua orang paham cara ngisi yang sama — bikin codebook sederhana sebagai panduan.
Kesalahan Umum Saat Ekstraksi Data
- Nggak ada form ekstraksi sebelumnya. Ekstraksi data tanpa template bikin data acak-acakan dan susah dibandingkan. Selalu bikin form dulu sebelum mulai.
- Data nggak konsisten antar artikel. Satu artikel ditulis detail, artikel lainnya cuma catetan. Ujungnya waktu sintesis, data dari kedua artikel nggak bisa dibandingkan.
- Terlalu banyak data yang diekstrak. Nggak semua data dari artikel perlu dicatat. Fokus pada data yang relevan dengan research question. Ekstraksi semua data yang ada di artikel bikin tabel kamu kebesaran, analisis jadi nggak fokus, dan waktu terbuang percuma.
- Lupa mencatat quality assessment. Kualitas studi harus dicatat dari awal. Kalau nggak, kamu bakal repot waktu interpretasi hasil karena nggak tahu studi mana yang berkualitas dan mana yang lemah.
- Konfirmasi bias. Cenderung mencatat data yang mendukung argumen dan mengabaikan yang bertentangan. Lawan dengan objektivitas dan dokumentasi yang ketat.
Baca Juga: Cara Membuat PRISMA Flowchart untuk SLR
FAQ Seputar Ekstraksi Data SLR
Q: Berapa lama waktu yang dibutuhkan untuk ekstraksi data?
A: Tergantung jumlah artikel dan kompleksitas data. Rata-rata 30 sampai 60 menit per artikel. Kalau artikelnya 30, siapkan waktu 15 sampai 30 jam. Dual extraction bisa bikin waktu 2 kali lipat, tapi hasilnya lebih akurat.
Q: Gimana kalau data yang saya butuhin nggak ada di artikel?
A: Catat sebagai not reported atau NR di tabel. Jangan ditebak, diisi dari sumber lain, atau diabaikan. Di laporan SLR, sebutkan keterbatasan ini sebagai missing data dan jelaskan dampaknya terhadap hasil review. Coba hubungi penulis artikel kalau datanya penting untuk analisis.
Q: Apakah harus pake dua reviewer untuk ekstraksi?
Q: Apakah ekstraksi data dilakukan setelah semua artikel terkumpul?
A: Idealnya iya, tapi bisa juga bertahap. Kumpulin dulu artikel yang lolos screening, baru mulai ekstraksi secara bersamaan. Cara ini bikin kamu lebih konsisten karena bisa liat pola data dari semua artikel sekaligus.
Q: Bagaimana cara memastikan konsistensi antar reviewer?
A: Lakukan uji coba pada 5 artikel yang sama oleh semua reviewer. Hitung persentase kesepakatan. Kalau di atas 80 persen, form dan panduan udah cukup jelas. Kalau di bawah, diskusikan perbedaan dan perbaiki panduan sebelum lanjut.
A: Idealnya iya. Tapi untuk skripsi S1, satu reviewer masih wajar asalkan kamu lakukan self-check dan dokumentasi dengan ketat. Yang penting transparan soal keterbatasan ini di laporan.
Q: Kapan waktu yang tepat untuk quality assessment?
A: Idealnya paralel dengan ekstraksi data atau setelahnya. Jangan dilakukan sebelum screening karena bakal buang waktu pada artikel yang nantinya gugur di ekstraksi. Tapi jangan ditunda sampai setelah sintesis karena bakal susah interpretasi hasil.
Q: Tools apa yang gratis dan recommended?
A: Google Sheets untuk template ekstraksi, Rayyan untuk screening, dan Zotero untuk manajemen referensi. Kombinasi tiga tools ini gratisan dan udah cukup buat SLR skripsi.
Kesimpulan
Ekstraksi data adalah tahap yang paling detail dan makan waktu dalam SLR. Tapi dengan sistem yang bener, proses ini jadi lebih terstruktur dan hasilnya lebih terpercaya.
Yang perlu diingat: bikin form ekstraksi sebelum mulai, uji coba dulu, dokumentasi secara konsisten, catat quality assessment, dan jangan ragu pake tools yang ada. Proses yang rapi di tahap ekstraksi bakal sangat membantu waktu sintesis nanti.
Kalau proses ekstraksi data dan penulisan laporan SLR terasa berat, kamu bisa coba NulisKata yang punya fitur AI Academic Copilot buat bantu ngerjain review literatur, dari parafrase, nyusun template ekstraksi, sampai nulis hasil sintesis akademik.