Ekstraksi Data Systematic Literature Review: Template dan Contoh

Ekstraksi data systematic literature review adalah tahap mengumpulkan informasi yang sama dari setiap studi yang lolos screening ke dalam satu formulir terstruktur, agar semua studi dapat dibandingkan secara adil. Panduan ini menjelaskan item yang perlu diekstraksi menurut PRISMA 2020 dan Cochrane Handbook, memberi template tabel yang siap disalin beserta contoh pengisiannya, serta cara melakukan pilot testing dan ekstraksi oleh dua reviewer. Di bagian akhir, Anda juga akan melihat bagaimana alur kerja seperti JurnalFlow dapat membantu tahap ini tanpa mengambil alih keputusan Anda sebagai peneliti.

Apa Itu Ekstraksi Data dalam Systematic Literature Review?

Ekstraksi data adalah proses mencatat informasi kunci dari setiap studi yang terinklusi, misalnya identitas studi, desain, partisipan, variabel, outcome, dan hasil, ke dalam formulir yang sama untuk semua studi. Formulir yang seragam membuat data antarstudi konsisten sehingga siap dianalisis.

Dalam alur SLR, ekstraksi data dilakukan setelah screening judul-abstrak dan penilaian kelayakan teks lengkap (lihat panduan kriteria inklusi dan eksklusi dan diagram PRISMA 2020), lalu sebelum penilaian risiko bias atau kualitas studi dan sintesis.

Mengapa tahap ini penting? Cochrane Handbook bab 5 menegaskan bahwa data yang dikumpulkan harus akurat, lengkap, dan dapat diakses untuk pembaruan review di kemudian hari (bagian 5.1). Handbook yang sama juga mengingatkan bahwa kesalahan ekstraksi jarang terdeteksi oleh peer reviewer (bagian 5.5.2). Artinya, kualitas ekstraksi sepenuhnya menjadi tanggung jawab tim review.

Perlu dibedakan pula antara ekstraksi dan sintesis. Ekstraksi berarti mengumpulkan dan mencatat apa yang dilaporkan studi. Sintesis berarti menggabungkan, membandingkan, dan menafsirkan data tersebut untuk menjawab pertanyaan penelitian. Mencampur keduanya, misalnya menulis kesimpulan pribadi di kolom hasil, membuat data sulit diverifikasi.

Apa Kata PRISMA 2020 dan Cochrane Handbook tentang Ekstraksi Data

Dua rujukan utama untuk ekstraksi data systematic literature review adalah pernyataan PRISMA 2020 (Page dkk., BMJ 2021;372:n71; teks lengkap di PMC, DOI) dan Cochrane Handbook bab 5 “Collecting data” (Li, Higgins, Deeks; versi 6.5).

PRISMA 2020 mengatur apa yang harus Anda laporkan di bagian metode:

• Item 9 (proses pengumpulan data): jelaskan metode pengumpulan data dari setiap laporan, termasuk berapa reviewer yang mengumpulkan data dari tiap laporan, apakah mereka bekerja secara independen, proses untuk memperoleh atau mengonfirmasi data dari peneliti studi, dan bila relevan, detail alat otomatisasi yang digunakan.
• Item 10a (item data: outcome): daftar dan definisikan semua outcome yang dicari datanya, serta jelaskan apakah semua hasil yang sesuai dengan setiap domain outcome (misalnya semua ukuran, titik waktu, dan analisis) dikumpulkan; jika tidak, jelaskan cara memutuskan hasil mana yang dikumpulkan.
• Item 10b (item data: variabel lain): daftar dan definisikan variabel lain yang dicari, misalnya karakteristik partisipan dan intervensi atau sumber pendanaan, serta asumsi yang dibuat untuk informasi yang hilang atau tidak jelas.

Cochrane Handbook bab 5 mengatur bagaimana ekstraksi dilakukan: gunakan formulir pengumpulan data yang terstruktur (bagian 5.4), uji coba formulir sebelum dipakai (5.4.3), dan libatkan minimal dua orang yang bekerja secara independen untuk mengekstraksi data outcome (5.5.2).

Catatan penting: Cochrane Handbook ditujukan untuk review intervensi kesehatan. Jika SLR Anda berada di bidang pendidikan, manajemen, atau teknik informatika, prinsipnya tetap dapat diadaptasi, tetapi item datanya perlu disesuaikan dengan pertanyaan penelitian Anda. Kerangka seperti PICO untuk merumuskan pertanyaan penelitian membantu menentukan item mana yang relevan.

Item Data yang Perlu Diekstraksi

Tabel 5.3.a Cochrane Handbook mengelompokkan data ke dalam kategori metode studi, partisipan, intervensi, outcome, dan hasil. Berikut adaptasinya untuk SLR lintas bidang:

1. Identitas studi: penulis, tahun, judul, jurnal, negara, DOI, dan sumber pendanaan.
2. Metode studi: desain penelitian, setting, durasi, dan pendekatan analisis.
3. Partisipan atau sampel: jumlah, karakteristik, dan kriteria inklusi studi asli.
4. Intervensi, variabel, atau fenomena: apa yang diteliti dan pembandingnya (jika ada).
5. Outcome: definisi, instrumen pengukuran, dan waktu pengukuran.
6. Hasil: temuan utama serta ukuran efek atau statistik ringkasan bila dilaporkan.
7. Catatan tambahan: keterbatasan yang disebut penulis, kutipan pendukung, dan nomor halaman.

Sesuaikan daftar ini dengan kerangka pertanyaan Anda, baik PICO, PICo, maupun SPIDER. Prinsipnya sederhana: setiap item yang Anda ekstraksi harus berkaitan dengan pertanyaan penelitian atau dibutuhkan untuk menilai studi.

Template Tabel Ekstraksi Data SLR (Siap Disalin)

Salin tabel berikut ke Excel, Google Sheets, atau aplikasi SLR yang Anda gunakan. Satu baris mewakili satu studi.

Beberapa tips desain formulir berdasarkan Cochrane Handbook bagian 5.4:

• Mulai dari hasil akhir. Susun dulu kerangka tabel atau gambar yang ingin Anda tampilkan di bab hasil, lalu turunkan kolom formulir dari sana.
• Kelompokkan item secara logis, misalnya identitas, metode, partisipan, lalu hasil.
• Gunakan pertanyaan tertutup (pilihan tetap) bila memungkinkan, dan selalu sediakan opsi “tidak dilaporkan”.
• Sediakan ruang untuk lokasi sumber dan kutipan, sehingga setiap isian dapat ditelusuri kembali ke teks asli.

Formulir dapat berupa kertas, formulir elektronik, atau sistem khusus. Cochrane menyebut contoh sistem seperti Covidence dan SRDR. Apa pun formatnya, lengkapi dengan kamus data (codebook) singkat: definisi setiap kolom dan cara pengisiannya, agar dua reviewer mengisi dengan cara yang sama. Contoh: “Desain = pilih salah satu: eksperimen, kuasi-eksperimen, survei, studi kasus, kualitatif, lainnya (sebutkan)”.

Contoh Pengisian Tabel Ekstraksi Data

Misalkan Anda menyusun SLR untuk skripsi atau tesis dengan topik “penggunaan e-learning terhadap motivasi belajar mahasiswa”. Berikut contoh pengisian dua baris.

Contoh ilustrasi, bukan studi nyata. Nama studi dan seluruh angka di bawah ini fiktif dan hanya untuk memperlihatkan cara mengisi formulir.

Perhatikan tiga hal dari contoh di atas:

• Tulis “tidak dilaporkan”, bukan menebak. Jika studi tidak menyebutkan instrumen atau sumber pendanaan, catat apa adanya. PRISMA item 10b meminta Anda menjelaskan asumsi untuk data yang hilang atau tidak jelas.
• Catat lokasi sumber, misalnya nomor halaman atau tabel, agar reviewer kedua dan pembimbing dapat memverifikasi dengan cepat.
• Ringkas untuk naskah. Tabel ekstraksi lengkap biasanya disimpan sebagai lampiran atau data tambahan. Di bab hasil skripsi, tesis, atau artikel jurnal Sinta/Scopus, Anda cukup menyajikan tabel karakteristik studi yang lebih ringkas, misalnya kolom penulis-tahun, negara, desain, sampel, dan temuan utama.

Pilot Testing Formulir Ekstraksi

Cochrane Handbook bagian 5.4.3 menyatakan bahwa formulir pengumpulan data perlu diuji coba secara menyeluruh sebelum digunakan, oleh beberapa ekstraktor pada beberapa artikel. Langkah praktisnya:

1. Pilih beberapa studi terinklusi yang beragam (desain dan cara pelaporannya berbeda).
2. Minta setiap ekstraktor mengisi formulir secara terpisah untuk studi yang sama.
3. Bandingkan hasilnya dan periksa: kolom yang ambigu, item yang selalu kosong, informasi penting yang tidak tertampung, dan definisi yang ditafsirkan berbeda.
4. Revisi formulir dan codebook, lalu catat perubahannya untuk transparansi.

Bagian 5.5.3 juga menganjurkan pelatihan ekstraktor di awal dan secara berkala, terutama bila tim terdiri atas mahasiswa yang baru pertama kali menyusun SLR.

Ekstraksi oleh Dua Reviewer dan Cara Menyelesaikan Perbedaan

Menurut Cochrane Handbook bagian 5.5.2, minimal dua orang perlu bekerja secara independen untuk mengekstraksi data outcome; untuk karakteristik studi, cara ini juga sangat dianjurkan. Langkah yang disarankan (bagian 5.5.5):

• Bandingkan hasil kedua reviewer dan identifikasi setiap ketidaksesuaian.
• Selesaikan melalui diskusi sebagai langkah pertama; bila belum sepakat, libatkan pihak ketiga sebagai penengah.
• Tetapkan aturan keputusan di protokol sejak awal, sebelum ekstraksi dimulai.
• Simpan dua versi data: data sebagaimana diekstraksi oleh masing-masing reviewer, dan data hasil konsensus.

Jika informasi penting tidak tersedia, hubungi penulis studi (bagian 5.2.3) dan laporkan prosesnya sesuai PRISMA item 9. Bila data hanya disajikan dalam grafik, bagian 5.5.8 menyebut bahwa data dapat didigitasi dengan perangkat lunak seperti WebPlotDigitizer.

Bagaimana dengan skripsi S1 yang dikerjakan sendiri? Jujurlah di bagian metode bahwa ekstraksi dilakukan oleh satu orang, minta pembimbing atau rekan memeriksa sampel studi, dan laporkan prosedurnya sesuai PRISMA item 9. Transparansi seperti ini jauh lebih baik daripada mengklaim proses yang tidak dilakukan.

Kesalahan Umum saat Ekstraksi Data

• Membuat formulir sambil membaca artikel, sehingga kolom berubah-ubah dan data antarstudi tidak konsisten.
• Menebak data yang tidak dilaporkan alih-alih menulis “tidak dilaporkan”.
• Tidak mencatat lokasi sumber, sehingga isian sulit diverifikasi oleh reviewer kedua atau pembimbing.
• Mencampur ekstraksi dengan interpretasi, misalnya menulis opini di kolom temuan.
• Tidak melaporkan proses ekstraksi di bagian metode, padahal PRISMA 2020 item 9 dan 10 memintanya secara eksplisit. Baca juga mengenal metode PRISMA untuk gambaran pelaporan secara keseluruhan.

Memanfaatkan AI sebagai Asisten Ekstraksi Data

AI dapat membantu ekstraksi data systematic literature review, tetapi perannya adalah asisten, bukan pengganti reviewer. PRISMA 2020 item 9 meminta Anda melaporkan detail alat otomatisasi bila digunakan, jadi penggunaan AI wajib dicatat di bagian metode.

Di JurnalFlow, ekstraksi merupakan bagian dari alur empat langkah dalam satu ruang kerja: 01 Identifikasi (temukan literatur) · 02 Hubungan dan Tren · 03 Screening & Kelayakan (terapkan kriteria) · 04 AI Extraction (Sintesis AI). Pada langkah keempat, Sintesis AI membantu Anda menyusun draf dari studi yang sudah lolos screening, dengan kontrol keputusan penuh tetap di tangan Anda.

Beberapa hal yang perlu Anda pegang:

• Hasil AI adalah draf: dihasilkan AI, verifikasi sebelum digunakan. Periksa setiap isian terhadap teks asli, terutama angka, desain studi, dan instrumen.
• Keputusan akhir tetap milik peneliti, termasuk saat reviewer berbeda pendapat.
• Kolaborasi Antar Tim memudahkan dua reviewer bekerja di proyek yang sama sehingga hasil ekstraksi mudah dibandingkan.

Soal paket: paket Starter (Rp0/bulan) mencakup pencarian jurnal otomatis, tren dan koneksi, kolaborator tim, metode PRISMA, dan sitasi otomatis. Fitur Sintesis AI tersedia di paket Pro (Rp98.500/bulan). Untuk melihat alur lengkapnya, baca cara membuat jurnal SLR dengan JurnalFlow.

Kesimpulan

Ekstraksi data yang baik bertumpu pada lima kebiasaan: formulir terstruktur yang dirancang sebelum membaca studi, pilot testing, ekstraksi oleh dua reviewer secara independen, pencatatan lokasi sumber, dan pelaporan proses sesuai PRISMA 2020 item 9 dan 10. Setelah tabel ekstraksi selesai, Anda siap melangkah ke penilaian kualitas studi dan sintesis. Untuk gambaran tahap-tahap SLR dari awal sampai akhir, lihat panduan membuat SLR untuk skripsi dan tesis.

Pertanyaan yang Sering Diajukan

Apa itu ekstraksi data dalam systematic literature review?

Ekstraksi data adalah proses mencatat informasi yang sama dari setiap studi terinklusi, seperti identitas studi, metode, partisipan, variabel, outcome, dan hasil, ke dalam formulir terstruktur agar studi dapat dibandingkan dan disintesis.

Apa saja yang harus ada di tabel ekstraksi data SLR?

Minimal identitas studi, desain, sampel atau partisipan, intervensi atau variabel, outcome beserta instrumennya, temuan utama, keterbatasan, dan lokasi sumber (halaman atau tabel). Sesuaikan dengan kerangka PICO, PICo, atau SPIDER penelitian Anda.

Apakah ekstraksi data SLR harus dilakukan oleh dua orang?

Cochrane Handbook menganjurkan minimal dua orang bekerja secara independen untuk data outcome, dan sangat dianjurkan pula untuk karakteristik studi. Jika Anda bekerja sendiri, jelaskan keterbatasan ini di bagian metode dan minta pembimbing atau rekan memeriksa sebagian data.

Apa perbedaan ekstraksi data dan sintesis data dalam SLR?

Ekstraksi mengumpulkan apa yang dilaporkan setiap studi tanpa penafsiran. Sintesis menggabungkan, membandingkan, dan menafsirkan data hasil ekstraksi untuk menjawab pertanyaan penelitian.

Bagaimana cara membuat SLR dengan bantuan AI?

Gunakan AI sebagai asisten di tahap tertentu, misalnya pencarian, screening, atau penyusunan draf ekstraksi, lalu verifikasi setiap hasilnya terhadap teks asli. Catat alat yang digunakan di bagian metode sesuai PRISMA 2020 item 9. Keputusan inklusi dan isi akhir tetap ditentukan peneliti.

Bagaimana metode pengumpulan data dalam studi literatur?

Dalam SLR, data dikumpulkan dari studi yang lolos seleksi menggunakan formulir ekstraksi terstruktur yang sudah diuji coba, idealnya oleh dua reviewer independen. Prosesnya, termasuk cara menangani data yang hilang, dilaporkan di bagian metode.

Coba Gratis Sekarang — jurnalflow.com