Konteks Health Workforce dalam Lanskap Kesehatan Masyarakat Indonesia
Krisis kecukupan, distribusi, dan kompetensi tenaga kesehatan (health workforce) telah menjadi isu sentral dalam diskursus Kesehatan Masyarakat global pasca-pandemi COVID-19. World Health Organization memproyeksikan defisit 11 juta tenaga kesehatan pada 2030, sementara di Indonesia tantangan tersebut berkelindan dengan persoalan distribusi geografis antara Pulau Jawa dan kawasan Daerah Tertinggal, Perbatasan, dan Kepulauan (DTPK), kesenjangan kualitas pelayanan di Puskesmas dan Rumah Sakit, serta tekanan amanat Universal Health Coverage melalui Program JKN.
Dalam ekosistem tesis pascasarjana Kesehatan Masyarakat, isu Health Workforce tidak lagi cukup ditelaah secara naratif. Mahasiswa magister dituntut menyajikan state of the art yang bertumpu pada bukti bibliometrik kuantitatif—bukan sekadar membaca lima atau enam jurnal lalu menyimpulkan kebaruan riset. Pendekatan bibliometrik dengan VOSviewer menghadirkan peta tematik literatur global yang memungkinkan peneliti pemula melihat “peta percakapan” ilmiah, menemukan zona padat yang sudah jenuh, dan—yang paling bernilai—zona transisi antar klaster yang menyimpan potensi kebaruan tertinggi.
Artikel ini menyajikan laporan riset bibliometrik berbasis korpus 300 artikel jurnal terindeks Scopus dan Crossref rentang 2023–2026 dengan kata kunci pencarian health workforce. Pembedahan dilakukan dengan VOSviewer 1.6.20 untuk menghasilkan tiga visualisasi utama—jaringan (network), overlay temporal, dan densitas—sebagai fondasi empiris untuk merumuskan judul tesis Kesehatan Masyarakat yang novel, kontekstual untuk Indonesia, dan siap dikembangkan dengan pendekatan kuantitatif maupun kualitatif.
Metodologi Bibliometrik: Dari Korpus Mentah ke Peta Tematik
Studi ini menerapkan pendekatan analisis bibliometrik dengan teknik co-occurrence kata kunci untuk memetakan struktur intelektual literatur health workforce. Data primer berupa 300 catatan bibliografi diunduh dari basis data terindeks dalam format RIS, lalu diolah melalui VOSviewer dengan ambang batas minimum 12 kemunculan per term. Distribusi tahun publikasi dalam korpus terdiri atas: 2023 (6 artikel), 2024 (63 artikel), 2025 (81 artikel), dan 2026 (150 artikel)—menandakan korpus didominasi penelitian frontier sehingga sangat relevan sebagai dasar perumusan tesis dengan kebaruan tinggi.
Proses analisis melalui empat tahap berurutan: (1) penyiapan dan pembersihan data RIS, (2) ekstraksi term melalui modul create map based on bibliographic data, (3) verifikasi dan seleksi term berdasarkan skor relevansi, dan (4) pembangkitan tiga jenis visualisasi untuk kepentingan interpretatif yang berbeda. Setiap visualisasi menjawab pertanyaan analitis yang berlainan: jaringan menjawab struktur klaster, overlay menjawab evolusi temporal, dan densitas menjawab konsentrasi riset.
Tabel 1. Daftar 28 Term Terpilih Berdasarkan Skor Relevansi
Skor relevansi VOSviewer mengindikasikan seberapa khas (distinctive) sebuah term terhadap subset dokumen tertentu. Term dengan skor relevansi tinggi menunjukkan kekhususan tematik—berlawanan dengan term umum seperti “health” yang muncul di hampir semua artikel.
| No. | Term | Kemunculan | Skor Relevansi | Interpretasi |
|---|---|---|---|---|
| 1 | person | 15 | 2.22 | Paling khas—fokus person-centred |
| 2 | pandemic | 15 | 1.89 | Konteks pasca-COVID-19 |
| 3 | retention | 15 | 1.77 | Isu retensi tenaga kesehatan |
| 4 | covid | 18 | 1.69 | Disruptor sistemik |
| 5 | lesson | 15 | 1.67 | Pembelajaran krisis |
| 6 | training | 24 | 1.57 | Capacity building |
| 7 | care workforce | 27 | 1.56 | Tenaga perawatan |
| 8 | nurse | 12 | 1.49 | Profesi keperawatan |
| 9 | condition | 12 | 1.46 | Kondisi kerja |
| 10 | demand | 15 | 1.24 | Permintaan tenaga |
| 11 | task | 12 | 1.00 | Task shifting/sharing |
| 12 | healthcare workforce | 21 | 0.87 | Term sinonim utama |
| 13 | middle income country | 12 | 0.71 | Konteks Indonesia (MIC) |
| 14 | universal health coverage | 12 | 0.68 | Jangkar kebijakan |
| 15 | woman | 15 | 0.45 | Gender workforce |
| 16 | policy | 30 | 0.22 | Term frekuensi tinggi |
| 17 | health | 105 | 0.52 | Kata payung—rendah kekhasan |
Tabel di atas memuat 17 dari 28 term terpilih. Pengamatan penting: term dengan kemunculan tinggi (seperti health, policy, analysis) justru memiliki skor relevansi rendah—menandakan bahwa kata-kata ini terlalu umum sehingga kurang membedakan tema. Sebaliknya, person, pandemic, retention, dan covid menempati posisi puncak relevansi—menjadi sinyal bahwa percakapan ilmiah health workforce mutakhir berkutat pada tiga pilar: pendekatan person-centred, pembelajaran pandemi, dan tantangan retensi.
Alur Kerja VOSviewer Langkah demi Langkah
Berikut alur kerja praktis yang dapat direplikasi oleh mahasiswa magister Kesehatan Masyarakat untuk menghasilkan output bibliometrik setara dengan studi ini. Setiap langkah memuat keputusan metodologis yang berimplikasi pada kualitas peta yang dihasilkan.
-
Pengumpulan Data Bibliografi Mentah
Lakukan pencarian di Google Scholar, Scopus, atau Crossref menggunakan Publish or Perish (PoP) dengan kueri kata kunci utama (mis. health workforce). Atur jendela pencarian 2023–2026 untuk menangkap percakapan mutakhir. Ekspor hasil dalam format RIS dengan minimum 200–500 catatan untuk memastikan validitas statistik co-occurrence.
-
Pembersihan dan Penggabungan File
Bila menggunakan beberapa sumber, gabungkan file RIS dengan editor teks. Periksa duplikasi (DOI ganda), bersihkan karakter encoding, pastikan field abstract dan keywords terisi lengkap. Kualitas analisis VOSviewer sangat bergantung pada kelengkapan field abstract.
-
Membuat Map Baru di VOSviewer
Buka VOSviewer ? Create ? Create a map based on bibliographic data. Pilih Read data from bibliographic database files ? tab RIS ? tambahkan file. Pilih jenis analisis Co-occurrence dengan unit analisis All keywords atau Terms extracted from titles and abstracts.
-
Penentuan Ambang Batas Term
Atur minimum number of occurrences. Untuk korpus 300 artikel, nilai 10–15 menghasilkan jumlah term yang manageable (20–40 term). Pada studi ini digunakan ambang 12 yang menghasilkan 28 term—keseimbangan ideal antara kekayaan informasi dan keterbacaan peta.
-
Verifikasi Skor Relevansi
VOSviewer menampilkan tabel term dengan kolom Occurrences dan Relevance. Term dengan kemunculan tinggi tapi relevansi rendah (mis. health, analysis) sebaiknya tidak otomatis dihapus—mereka berfungsi sebagai jangkar konteks. Term yang harus dipertahankan: skor relevansi >1.00 dengan kemunculan ?12.
-
Pembangkitan Tiga Visualisasi
Setelah klik Finish, VOSviewer menampilkan tab Network. Beralihlah ke Overlay (kanan bawah) untuk melihat dimensi waktu, dan ke Density untuk peta panas. Tiga visualisasi ini wajib disertakan dalam laporan tesis karena masing-masing menjawab pertanyaan analitis yang berbeda.
-
Ekspor Visualisasi dan File Map
Simpan setiap visualisasi sebagai PNG resolusi tinggi melalui menu Screenshot. Simpan juga file map (.txt) dan network (.txt) sebagai lampiran tesis untuk reprodusibilitas. Sertakan tabel term lengkap (occurrence, relevance, cluster) di lampiran metodologi.
-
Interpretasi Tematik dan Penurunan Judul
Untuk setiap klaster, identifikasi: (a) tema besar berdasarkan term dominan, (b) gap antar klaster di zona transisi peta densitas, dan (c) tren temporal dari peta overlay. Judul tesis terbaik lahir dari kombinasi term lintas klaster di zona transisi dengan dukungan tren temporal terbaru.
Visualisasi Jaringan: Struktur Empat Klaster Tematik
Visualisasi jaringan VOSviewer menampilkan 28 term sebagai simpul (node) yang terhubung melalui garis berbobot co-occurrence. Ukuran simpul mencerminkan frekuensi kemunculan—tampak jelas bahwa health (105 kemunculan) merupakan simpul terbesar, diikuti policy dan analysis (30 kemunculan masing-masing). Algoritma modularity-based clustering menghasilkan empat klaster tematik yang dibedakan oleh empat warna.
Pembagian klaster tidak bersifat acak. VOSviewer mengelompokkan term berdasarkan kekuatan tautan internal (total link strength). Klaster yang terbentuk mencerminkan komunitas konseptual: term-term yang sering muncul bersamaan dalam artikel yang sama akan terkelompokkan. Berikut sebaran 28 term ke dalam empat klaster:
- Klaster Merah (10 term): article, covid, healthcare workforce, implementation, lesson, nurse, pandemic, paper, task, use
- Klaster Hijau (7 term): australia, care workforce, demand, health, impact, implication, research
- Klaster Biru (6 term): condition, middle income country, person, retention, role, training
- Klaster Kuning (5 term): analysis, policy, universal health coverage, woman, work
Pembacaan struktur jaringan menunjukkan bahwa health berfungsi sebagai jembatan konseptual yang menghubungkan keempat klaster. Pengamatan kedua: klaster merah dan biru berada pada sumbu yang berlawanan—merah berbicara tentang krisis akut (pandemi, implementasi cepat), sementara biru berbicara tentang dimensi struktural jangka panjang (retensi, pelatihan, kondisi). Hubungan kedua klaster ini, terjembatani oleh klaster kuning (kebijakan), merupakan area subur untuk eksplorasi tesis transisi dari krisis ke pembenahan struktural.
Visualisasi Overlay: Evolusi Tematik 2024–2026
Visualisasi overlay mewarnai simpul berdasarkan rata-rata tahun publikasi artikel tempat term muncul. Gradien warna bergerak dari ungu (2024.8) ke kuning (2025.8). Pembacaan ini krusial untuk mengidentifikasi tema usang versus tema baru—mahasiswa magister wajib menghindari mengusung tema usang sebagai judul tesis.
Zona Ungu (Tema Generasi Pertama, 2024.8–2025.0)
Term di zona ungu menandakan tema yang telah lebih dulu mendominasi literatur dan kini relatif jenuh. Pengamatan menunjukkan term pandemic, covid, paper, impact, implication, dan lesson berada di zona ini. Implikasinya, tesis yang sekadar mengulang “dampak pandemi terhadap tenaga kesehatan” tanpa pembingkaian baru akan dianggap memiliki kebaruan rendah.
Zona Kuning (Tema Frontier, 2025.6–2025.8)
Term di zona kuning—implementation, policy, woman, nurse, person, condition, retention—merepresentasikan frontier riset mutakhir. Tujuh term ini menjadi kandidat utama jangkar judul tesis. Perhatikan bahwa term-term ini melintas tiga klaster yang berbeda (merah, biru, kuning), menandakan pergeseran fokus akademik dari respons darurat pandemi menuju penataan ulang struktural sistem tenaga kesehatan.
Zona Hijau-Biru Tua (Tema Mapan, 2025.2–2025.4)
Term health, care workforce, analysis, training, research, demand, dan healthcare workforce berada di zona ini. Mereka adalah tema yang terus diteliti tapi dengan intensitas stabil—cocok dijadikan jangkar konteks (bukan poin kebaruan) dalam tesis.
Visualisasi Densitas: Peta Panas Konsentrasi Riset
Visualisasi densitas menampilkan peta panas (heat map) yang merepresentasikan konsentrasi riset di sekitar setiap term. Area kuning terang menandakan zona padat—tema yang sudah banyak diteliti dan ruangnya jenuh. Area hijau menandakan kepadatan menengah—tema yang sedang berkembang. Area biru gelap menandakan zona transisi—blind spot tempat kebaruan tertinggi tersimpan.
Pengamatan peta densitas studi ini menunjukkan tiga zona panas terang: (1) area health sebagai pusat gravitasi tematik, (2) area analysis–work yang menandakan studi-studi analitis tenaga kerja, dan (3) area policy. Sebaliknya, terdapat zona-zona transisi gelap yang justru menjadi area paling bernilai bagi peneliti tesis pemula. Beberapa zona transisi strategis:
- Zona transisi retention ? covid/pandemic: penelitian retensi pasca-pandemi—sangat sedikit yang menelaah secara terpadu
- Zona transisi middle income country ? universal health coverage: agenda UHC di negara berpenghasilan menengah seperti Indonesia
- Zona transisi woman ? training/retention: jalur karier dan ketahanan tenaga kesehatan perempuan
- Zona transisi task ? policy: kebijakan task shifting formal yang masih jarang dievaluasi
- Zona transisi implementation ? condition: implementasi kebijakan di tengah kondisi kerja yang menantang
Lima zona transisi inilah yang menjadi basis penurunan judul tesis dalam bagian rekomendasi. Strategi cross-cluster ini terbukti konsisten menghasilkan judul dengan novelty tertinggi karena mengisi celah riset yang belum banyak ditelusuri secara terpadu.
Pembacaan Empat Klaster Tematik
Setiap klaster pada peta jaringan VOSviewer merepresentasikan satu komunitas tematik yang koheren. Pembacaan mendalam atas keempat klaster ini menjadi modal interpretatif sebelum menurunkan judul tesis. Berikut analisis klaster demi klaster.
Pembelajaran Pandemi & Implementasi Cepat Tenaga Kesehatan
Klaster ini berpusat pada krisis akut COVID-19 dan respons cepat sistem kesehatan. Term lesson dan implementation menjadi penjembatan antara pengalaman pandemi dengan tindakan operasional, sementara nurse, healthcare workforce, dan task menandai aktor dan mekanisme. Klaster ini telah banyak diteliti—visualisasi overlay menunjukkan term-term di sini sebagian besar berwarna ungu (2024.8–2025.0), menandakan zona yang relatif jenuh.
Permintaan & Dampak Care Workforce dalam Sistem Kesehatan
Klaster ini berbicara tentang dimensi makro: proyeksi permintaan tenaga perawatan (care workforce demand) dan dampaknya pada sistem kesehatan. Kehadiran australia sebagai term menandakan dominasi studi negara maju (high-income country) dalam diskursus permintaan tenaga kesehatan. Klaster ini menjadi titik kontras bagi peneliti Indonesia—kebutuhan replikasi studi permintaan dalam konteks negara berpenghasilan menengah sangat kuat.
Retensi, Pelatihan, dan Kondisi Tenaga Kesehatan di MIC
Klaster ini paling strategis bagi peneliti Indonesia. Kombinasi middle income country + retention + training + condition menandakan komunitas ilmiah yang fokus pada negara seperti Indonesia. Term person dengan skor relevansi tertinggi (2.22) menandai pergeseran paradigma dari pendekatan sistemik ke pendekatan person-centred. Visualisasi overlay menunjukkan banyak term di klaster ini berada di zona kuning (frontier), menjadikan klaster ini ladang subur untuk tesis dengan kebaruan tinggi.
Kebijakan, Universal Health Coverage & Gender dalam Tenaga Kesehatan
Klaster ini terkecil (5 term) tapi paling strategis secara kebijakan publik. Kombinasi policy + universal health coverage + woman mencerminkan agenda ilmiah yang menyatukan kebijakan UHC dengan dimensi gender tenaga kesehatan. Visualisasi overlay menempatkan klaster ini di zona kuning paling terang—artinya inilah arah frontier paling baru. Bagi Indonesia, klaster ini relevan untuk meneliti implementasi JKN dan kesenjangan gender di tenaga bidan, perawat, dan dokter perempuan.
Identifikasi Research Gap Lintas Klaster
Setelah membaca keempat klaster secara terpisah, langkah krusial berikutnya adalah mengidentifikasi ruang transisi antar klaster. Berikut lima gap lintas klaster yang menjadi basis penurunan judul tesis di bagian berikutnya.
| Kode | Kombinasi Klaster | Term Kunci | Skor Novelty |
|---|---|---|---|
| G1 | Klaster 1 ? Klaster 3 | lesson, pandemic × retention, condition | Sangat Tinggi |
| G2 | Klaster 2 ? Klaster 3 | demand, care workforce × middle income country, training | Sangat Tinggi |
| G3 | Klaster 4 ? Klaster 3 | policy, universal health coverage, woman × retention, training | Sangat Tinggi |
| G4 | Klaster 1 ? Klaster 4 | task, implementation × policy, universal health coverage | Tinggi |
| G5 | Klaster 2 ? Klaster 4 | care workforce, demand × universal health coverage, woman | Tinggi |
Lima gap di atas didasarkan pada dua kriteria objektif: (1) zona transisi gelap di peta densitas yang menunjukkan rendahnya konsentrasi riset, dan (2) kehadiran minimal satu term frontier (zona kuning overlay) sebagai jangkar kebaruan. Gap G1, G2, dan G3 mendapat skor “Sangat Tinggi” karena memenuhi kedua kriteria secara optimal serta sangat relevan dengan konteks Indonesia sebagai negara berpenghasilan menengah.
![Interpretasi Peta Riset VOSviewer : Antenatal Care [Kebidanan]](https://idtesis.com/wp-content/uploads/Network-Visualization-60x60_c.png)
