Kutipan, sebuah kata yang sangat familiar bagi para dosen ataupun peneliti yang selalu berkutat dalam penulisan karya ilmiah. Umumnya saat mengutip, peneliti cenderung mengutip hasil atau pendapat dari penelitian sebelumnya. Tren yang berkembang saat ini telah bergeser, dari mengutip hasil penelitian menjadi mengutip data penelitian. Oleh karenanya muncul istilah Data Citation (Kutipan Data). Bagi beberapa orang mungkin sudah familiar dengan konsep Kutipan Data ini, tapi saya yakin banyak orang yang belum mafhum dan terbiasa menerapkannya (termasuk saya).
Kutipan Data sendiri dipandang sebagai salah satu cara paling penting untuk menetapkan data sebagai output ilmiah yang paling penting. Penerapan Kutipan Data yang mulai berkembang dalam penerbitan artikel ilmiah dan jenis konten lainnya serta membangun jejaring publikasi dengan melakukan tautan-tautan antar sekumpulan data (datasets).
Secara global, upaya terkait pengutipan data bukanlah suatu hal baru. Salah satu inisiatif berskala besar pertama dalam menetapkan Kutipan Data sebagai standar praktik akademis adalah melalui FORCE11 Joint Declaration of Data Citation Principles (JDDCP) pada tahun 2014. Deklarasi tersebut didukung oleh lebih dari 100 organisasi dalam komunitas ilmiah.
Setelah deklarasi tersebut, banyak proyek yang diikuti inisiatif tersebut. FORCE11, dengan salah satu pilot project mereka dalam penerapan Kutipan Data, mengajak para penerbit dan repositori untuk menjadikan Kutipan Data sebagai bagian dari alur proses bisnis mereka serta menerapkan prinsip-prinsip JDDCP. Dalam lingkup Aliansi Data Penelitian (Research Data Alliance), Scholix menjadi kelompok pertama yang mebuat kerangka kerja pertukaran informasi terkait hubungan antara artikel dan dataset. Infrastruktur mereka saat ini merambah ke proyek-proyek seperti Make Data Count dan Enabling FAIR Data,
Kenapa Kutipan Data penting bagi perkembangan Sains?
Setidaknya terdapat tiga alasan penting, yakni:
1. Transparansi dan reproduktifitas
Sebagian besar hasil karya ilmiah yang dipublikasikan saat ini hanyalah berupa ringkasan dari apa yang peneliti lakukan dan temukan. Data yang mendasarinya tidak tersedia, sehingga sulit untuk memverifikasi dan mereplikasi hasil. Jika data selalu tersedia dengan publikasi, transparansi penelitian akan sangat meningkat.
2.Penggunaan Kembali (reuse)
Ketersediaan data mentah memungkinkan peneliti lain untuk menggunakan kembali data. Bukan hanya untuk tujuan replikasi, tetapi untuk menjawab pertanyaan penelitian baru.
3.Penghargaan
Ketika peneliti mengutip data yang mereka gunakan, hal tersebut membentuk sebuah landasan bagi pembentukan sistem penghargaan terhadap data. Saat ini para peneliti tidak benar-benar mendapat keuntungan ketika harus berbagi data mereka, karena tidak ada yang melihat data metrik dan mengukur dampaknya. Kutipan Data adalah langkah pertama menuju perubahan menuju sistem penghargaan terhadap data.
O ya, sudah banyak situs penyedia layanan open data saat ini, diantaranya adalah Data Cite dan figshare. Saya sudah mencoba mebagikan data di fighshare terkait hasil pengukuran kualitas air sungai di Banjarmasin yang bisa di lihat disini.
Indonesian
English