10 Kesalahan dalam Persiapan File Supplementary Data

Pendahuluan

Dalam proses submit artikel ilmiah, kegagalan menyiapkan supplementary data sering menyebabkan penolakan atau permintaan revisi berkepanjangan. Artikel ini membahas 10 Kesalahan dalam Persiapan File Supplementary Data, menyajikan analisis penyebab, solusi praktis, dan checklist agar data tambahan Anda memenuhi standar jurnal nasional maupun internasional.

Mengapa Supplementary Data Penting?

Supplementary data berfungsi melengkapi naskah utama: dataset mentah, kode analisis, video demonstrasi, atau file multimedia yang meningkatkan replikabilitas dan transparansi penelitian. Ketiadaan atau kualitas rendah supplementary data mempengaruhi kredibilitas paper, potensi sitasi, dan penilaian oleh reviewer—termasuk reviewer yang menilai impact factor quartile atau kriteria indeksasi seperti SINTA. Karena itu, persiapan yang benar adalah bagian penting dari strategi publikasi ilmiah.

Cara membaca artikel ini: Struktur Problem → Solusi → Manfaat

Setiap kesalahan disajikan dengan format: (1) gambaran masalah, (2) penyebab umum, (3) solusi teknis langkah demi langkah, dan (4) dampak jika diperbaiki. Di akhir artikel terdapat checklist ringkas dan rekomendasi tools untuk memastikan supplementary data Anda siap untuk pre-submission review.

1. File Tidak Terorganisir atau Tidak Konsisten

Masalah: File tambahan datang tanpa struktur folder, nama file acak, atau tanpa README.

Penyebab: Peneliti sering menganggap supplementary data sekadar lampiran tanpa standar dokumentasi.

Solusi:

• Buat struktur folder logis (mis. /data_raw, /scripts, /figures, /video).
• Gunakan penamaan file yang konsisten: YYYY_Author_TipeDeskripsi_v1.csv.
• Sertakan file README.txt atau README.md yang menjelaskan setiap file, format kolom, dan dependensi perangkat lunak.

Manfaat: Reviewer dan replikator dapat menavigasi data dengan mudah; mengurangi pertanyaan minor yang sering menunda proses review.

2. Format File Tidak Standar atau Proprietary

Masalah: Penggunaan format tertutup (mis. .sav lama, file .prc) yang membuat editor sulit membuka file.

Penyebab: Ketidaktahuan tentang format terbuka/umum untuk data ilmiah.

Solusi:

• Simpan dataset dalam format umum: CSV untuk data tabular, JSON untuk struktur berhierarki, TIFF/MP4 untuk multimedia berkualitas tinggi.
• Jika menggunakan software khusus (mis. SPSS/Stata), sertakan juga export CSV dan skrip analisis asli.

Manfaat: Aksesibilitas meningkat, memudahkan pengindeksan dan penggunaan ulang data oleh komunitas ilmiah.

3. Kurangnya Metadata & Deskripsi Variabel

Masalah: Dataset dikirim tanpa dokumentasi variabel, kode nilai, atau unit ukuran.

Penyebab: Fokus pada hasil statistik, mengabaikan pentingnya metadata untuk replikasi.

Solusi:

• Sertakan file codebook yang menjelaskan nama variabel, definisi, tipe data, unit, dan nilai yang hilang.
• Gunakan standar metadata bila relevan (mis. Dublin Core untuk umum, atau standar domain-spesifik).

Manfaat: Memudahkan reviewer serta penelitian lanjutan yang bereplikasi atau melakukan meta-analisis.

4. Tidak Menyediakan Skrip Analisis (Reproducibility Gap)

Masalah: Hanya hasil akhir yang disediakan tanpa skrip atau kode yang mereplikasi analisis.

Penyebab: Kekhawatiran soal intellectual property atau kurangnya kebiasaan berbagi kode.

Solusi:

• Sediakan skrip analisis (R, Python, Stata) beserta catatan versi paket/library.
• Tambahkan instruksi singkat untuk menjalankan ulang analisis (environment, seed, file input).
• Pertimbangkan containerisasi environment (mis. Dockerfile) untuk analisis kompleks.

Manfaat: Meningkatkan trustworthiness riset dan memudahkan editor melakukan pre-submission review secara teknis.

5. Kualitas Data / File Multimedia Buruk

Masalah: Gambar blur, video resolusi rendah, atau file audio tidak jelas mengurangi nilai bukti pendukung.

Penyebab: Penghematan ukuran file tanpa mempertimbangkan standar minimal kualitas jurnal.

Solusi:

• Gunakan resolusi tinggi untuk gambar dan video (mis. minimal 300 dpi untuk gambar publikasi).
• Compress lossless bila perlu; simpan versi master dan versi distribusi.
• Berikan transkrip untuk file audio/video dan timestamp kunci.

Manfaat: Reviewer dapat menilai metodologi eksperimen/observasi dengan lebih akurat.

6. Masalah Etika & Privasi Data

Masalah: Data yang mengandung informasi pribadi dikirim tanpa anonimisasi atau izin etis.

Penyebab: Kurangnya pemahaman tentang regulasi perlindungan data peserta (mis. informed consent, GDPR-like policies).

Solusi:

• Lakukan de-identifikasi dan anonymization pada data subjek manusia.
• Sertakan dokumen ethical approval dan template informed consent yang relevan.
• Jika data tidak dapat dianonimkan, berikan prosedur akses terkontrol (data repository dengan restricted access).

Manfaat: Menghindari pelanggaran etika yang dapat menyebabkan penolakan atau penarikan artikel.

7. Tidak Menyertakan Lisensi Penggunaan Data

Masalah: Pembaca tidak mengetahui hak reuse atau batasan penggunaan data yang disediakan.

Penyebab: Penulis sering lupa menambahkan file LICENSE atau pernyataan hak cipta.

Solusi:

• Pilih lisensi terbuka yang sesuai (mis. CC BY, CC0) jika ingin reuse luas, atau lisensi terbatas jika diperlukan.
• Sertakan file LICENSE.txt dan pernyataan singkat di README.

Manfaat: Memperjelas hak penggunaan dan mempermudah reuse data dalam studi lanjutan.

8. Tidak Menguji File di Berbagai Platform

Masalah: File hanya diuji di komputer pengarang sehingga editor/reviewer gagal membuka atau menjalankan file tersebut.

Penyebab: Kurangnya kebiasaan melakukan cross-platform testing sebelum submit.

Solusi:

• Uji buka file di platform lain (Windows/Mac/Linux) dan di software alternatif.
• Gunakan repositori publik (mis. Zenodo, Figshare) untuk memeriksa kompatibilitas dan memastikan persistent identifier (DOI).

Manfaat: Menekan risiko teknis yang sering berujung pada revisi administratif.

9. Tidak Menyediakan Versi & Riwayat Perubahan (Versioning)

Masalah: Reviewer bingung versi mana yang final; ada konflik jika banyak revisi.

Penyebab: Tidak menerapkan sistem version control saat mengembangkan supplementary data.

Solusi:

• Gunakan penomoran versi konsisten (v1, v2) dan catat perubahan penting di CHANGELOG.
• Pertimbangkan penyimpanan kode di platform version control seperti GitHub/GitLab, dan link release sebagai artefak yang diamankan.

Manfaat: Memudahkan editor menilai perubahan dari manuskrip awal ke final.

10. Mengabaikan Kebijakan Jurnal & Repository

Masalah: File disiapkan tanpa memperhatikan pedoman jurnal atau repository target (mis. batas ukuran, format yang disarankan).

Penyebab: Penulis sering terlambat membaca author guidelines atau asumsi “semua jurnal sama”.

Solusi:

• Baca kebijakan supplementary data jurnal tujuan secara rinci; perhatikan batas ukuran, format, dan instruksi akses.
• Jika ragu, lakukan pre-submission inquiry atau konsultasi teknis dengan tim editorial.
• Gunakan repository yang sesuai untuk bidang Anda; sertakan persistent identifier (DOI) untuk setiap dataset.

Manfaat: Mempercepat proses penerimaan dan meminimalkan permintaan revisi administratif.

Contoh Kasus & Relevansi Interdisipliner

Pada studi pembelajaran bahasa berbasis multimedia, misalnya penelitian yang membuat cergam animasi berbasis budaya Jawa, file supplementary yang baik dapat berupa paket animasi, skrip perangkat lunak, dan dataset evaluasi (pre-test/post-test). Referensi terkait penggunaan multimedia menunjukkan bahwa penyajian budaya lokal dalam animasi dapat meningkatkan keterlibatan peserta—oleh karena itu, dokumentasi lengkap materi multimedia penting untuk replikasi (Dukut et al., 2018).

Sementara itu, penelitian yang menelaah adopsi teknologi Metaverse dalam pendidikan memerlukan supplementary data berupa simulasi, log interaksi, dan instruksi environment; tanpa dokumentasi teknis, klaim adopsi sulit diverifikasi. Penelitian terkait Metaverse menekankan kebutuhan dokumentasi teknis yang jelas agar temuan dapat dievaluasi di konteks berbeda (Wijayanto, 2022; https://doi.org/10.31219/osf.io/x82cj).

Checklist Pra-Submit: 12 Poin Cepat

• 1. README dan codebook tersedia
• 2. Struktur folder jelas dan nama file konsisten
• 3. Format file umum (CSV, JSON, MP4, TIFF)
• 4. Skrip analisis dan versi paket tercantum
• 5. File multimedia dalam kualitas publikasi
• 6. Lisensi penggunaan data tercantum
• 7. Dokumen ethical approval bila ada data manusia
• 8. File diuji di platform lain
• 9. Versi dan CHANGELOG ada
• 10. Persistent identifier (DOI) jika menggunakan repository
• 11. Kepatuhan pada author guidelines jurnal
• 12. Lakukan pre-submission review internal

Tools & Repositori yang Direkomendasikan

• Turnitin untuk cek orisinalitas naskah; gunakan juga untuk memeriksa overlap data terpublikasi.
• Mendeley atau Zotero untuk manajemen sitasi dan referensi.
• GitHub/GitLab untuk version control dan berbagi skrip analisis.
• Zenodo atau Figshare untuk deposit dataset dan memperoleh DOI.
• Gunakan SINTA sebagai referensi jurnal nasional saat memilih target publikasi: https://sinta.kemdiktisaintek.go.id/.

Praktik Terbaik untuk Pre-Submission Review

Lakukan pre-submission review internal yang mencakup teknikal (menguji skrip), etis (pemeriksaan informed consent), dan editorial (kesesuaian dengan author guidelines). Tim Mahri Publisher merekomendasikan checklist di atas sebagai bagian dari proses pendampingan publikasi. Jika Anda ingin meningkatkan peluang diterima—berdasarkan data tingkat keberhasilan tinggi tim kami—pertimbangkan pendampingan submit untuk mendapatkan masukan terarah dalam tahap ini.

Kesimpulan & Rekomendasi

Memperbaiki 10 Kesalahan dalam Persiapan File Supplementary Data tidak hanya mempercepat proses review tetapi juga meningkatkan reproducibility dan dampak ilmiah karya Anda. Terapkan struktur file konsisten, metadata lengkap, lisensi jelas, dan patuhi kebijakan jurnal. Untuk langkah praktis, gunakan tools yang direkomendasikan dan lakukan pre-submission review. Jika Anda membutuhkan bantuan teknis atau strategi publikasi (termasuk penyesuaian template, proofreading, dan cek plagiarisme), tim Mahri Publisher siap memberikan konsultasi gratis dan pendampingan publikasi.

Butuh percepatan publikasi? Konsultasi gratis tim Mahri Publisher: kunjungi layanan kami di https://mahripublisher.com/publikasi/ atau ajukan order layanan di https://mahripublisher.com/order.

Referensi

• Dukut, E. M., et al. (2018). Model Pembelajaran Bahasa Inggris Interaktif dengan Cergam Animasi Berbasis Budaya. Unika Repositor. (Studi terkait multimedia dalam pengajaran bahasa Inggris—konteks penggunaan materi budaya lokal.)
• Wijayanto, A. (2022). ADOPSI TEKNOLOGI METAVERSE DALAM PENDIDIKAN. https://doi.org/10.31219/osf.io/x82cj
• Journal of Sustainable Community Service (2024). (Contoh jurnal multidisipliner yang memerlukan dokumentasi community service dan data lapangan). https://doi.org/10.55047/jscs.v4i3
• SINTA (2026). Informasi dan peringkat jurnal dikelola oleh Kemdiktisaintek. https://sinta.kemdiktisaintek.go.id/
• Garuda (Rujukan indeks nasional): https://garuda.kemdiktisaintek.go.id/
• ISSN Portal: https://portal.issn.org/
• Google Scholar: https://scholar.google.com/