In statistics and quantitative research methodology, a sample is a set of individuals or objects collected or selected from a statistical population by a defined procedure.^[1] The elements of a sample are known as sample points, sampling units or observations.^{[citation needed]} When conceived as a data set, a sample is often denoted by capital roman letters such ${\displaystyle X}$ and ${\displaystyle Y}$, with its elements expressed in lower-case (e.g., ${\displaystyle x_{3}}$) and the sample size denoted by the letter ${\displaystyle n}$.^[2][3]

Typically, the population is very large, making a census or a complete enumeration of all the individuals in the population either impractical or impossible. The sample usually represents a subset of manageable size. Samples are collected and statistics are calculated from the samples, so that one can make inferences or extrapolations from the sample to the population.

The sample may be drawn from a population without replacement (i.e. no element can be selected more than once in the same sample), in which case it is a subset of a population; or with replacement (i.e. an element may appear multiple times in the one sample), in which case it is a multisubset.^[4]

A complete sample is a set of objects from a parent population that includes all such objects that satisfy a set of well-defined selection criteria.^{[5][failed verification]} For example, a complete sample of Australian men taller than 2 m would consist of a list of every Australian male taller than 2 m. But it wouldn't include German males, or tall Australian females, or people shorter than 2 m. So to compile such a complete sample requires a complete list of the parent population, including data on height, gender, and nationality for each member of that parent population. In the case of human populations, such a complete list is unlikely to exist (the human population being in the billions). But such complete samples are often available in other disciplines, such as the set of players in a major sports league, the birth dates of the members of a parliament, or a complete magnitude-limited list of astronomical objects.

An unbiased (representative) sample is a set of objects chosen from a complete sample, using a selection process that does not depend on the properties of the objects.^[6] For example, an unbiased sample of Australian men taller than 2 m might consist of a randomly sampled subset of 1% of Australian males taller than 2 m. But one chosen from the electoral register might not be unbiased since, for example, males aged under 18 will not be on the electoral register. In an astronomical context, an unbiased sample might consist of that fraction of a complete sample for which data are available, provided the data availability is not biased by individual source properties.

The best way to avoid a biased or unrepresentative sample is to select a random sample, also known as a probability sample. A random sample is defined as a sample where each individual member of the population has a known, non-zero chance of being selected as part of the sample.^[7] Several types of random samples are simple random samples, systematic samples, stratified random samples, and cluster random samples.

A sample that is not random is called a non-random sample or a non-probability sampling.^[8] Some examples of nonrandom samples are convenience samples, judgment samples, purposive samples, quota samples, snowball samples, and quadrature nodes in quasi-Monte Carlo methods.

REFERENCES

1.  Peck, Roxy; Olsen, Chris & Devore, Jay (2008), Introduction to Statistics and Data Analysis (3rd ed.), Belmont, Cal.: Thomson Brooks/Cole, p. 8, ISBN 978-0-495-11873-2, LCCN 2006933904, retrieved 2009-08-04
2. ^ "List of Probability and Statistics Symbols". Math Vault. 2020-04-26. Retrieved 2020-08-21.
3. ^ "What Is the Meaning of Sample Size?". Sciencing. Retrieved 2020-08-21.
4. ^ Borzyszkowski, Andrzej M.; Soko┼éowski, Stefan, eds. (1993), "A characterization of Sturmian morphisms" (PDF), Mathematical Foundations of Computer Science 1993. 18th International Symposium, MFCS'93 Gda┼äsk, Poland, August 30ΓÇôSeptember 3, 1993 Proceedings, Lecture Notes in Computer Science, 711, pp. 281ΓÇô290, CiteSeerX 10.1.1.361.7021, doi:10.1007/3-540-57182-5_20, ISBN 978-3-540-57182-7, Zbl 0925.11026
5. ^ Pratt, J. W., Raiffa, H., and Schaifer, R. (1995). Introduction to Statistical Decision Theory. Cambridge, Mass.: MIT Press. ISBN 9780262161442. MR1326829
6. ^ Lomax, R. G. and Hahs-Vaughan, Debbie L. An introduction to statistical concepts (3rd ed).
7. ^ Cochran, William G. (1977). Sampling techniques (Third ed.). Wiley. ISBN 978-0-471-16240-7.
8. ^ Johan Strydom (2005). Introduction to Marketing (Third ed.). Wiley. ISBN 978-0-471-16240-7.

Kindly download the material 

Analisis bibliometric merupakan sebuah metode kuantitatif untuk menganalisis data bibliografi yang ada di artikel/jurnal. Analisis ini biasanya digunakan untuk menyelidiki referensi artikel ilmiah yang dikutip dalam sebuah jurnal, pemetaan bidang ilmiah sebuah jurnal, dan untuk mengelompokkan artikel ilmiah yang sesuai dengan suatu bidang penelitian.

Metode ini bisa digunakan di bidang sosiologi, humanities, komunikasi, marketing, dan rumpun sosial lain. Pendekatan yang digunakan dalam analisis bibliometric adalah pendekatan citation analysis (analisis kutipan) untuk melihat 1 artikel yang dikutip oleh 1 artikel lain, dan pendekatan co-citation analysis untuk menemukan 2 artikel atau lebih yang dikutip oleh 1 artikel.

Dapat disimpulkan bahwa Bibliometrik merupakan ilmu yang mengkaji tentang kepenulisan dengan menggunakan analisis matematis dan statistik.  Dengan adanya ilmu ini kita akan mengetahui hal-hal tentang kepenulisan, salah satunya ada produktivitas pengarang. Seorang pengarang dapat dinilai produktif atau tidaknya dengan melihat jumlah karya yang ia tulis dalam kurun waktu tertentu, baik itu hasil karya sendiri tanpa membutuhkan penulis lain, ataupun hasil dari kolaborasi antar penulis.

Menurut Ishak (2005), beberapa manfaat bibliometrik dalam perpustakaan adalah sebagai berikut: 

1. Mengetahui majalah inti dalam berbagai disiplin ilmu 

2. Mengetahui arah dan trend ilmu pengetahuan pada berbagai disiplin ilmu 

3. Memperkirakan lengkap atau tidaknya literatur sekunder 

4. Mengetahui subjek-subjek atau bidang-bidang dari disiplin ilmu 

5. Mengetahui kepengarangan 

6. Meramalkan arah perkembangan ilmu pengetahuan masa lalu dan masa mendatang 

7. Mengatur arus masuk informasi dan komunikasi 

8. Mengkaji keusangan dan penyebaran literatur ilmiah 

9. Meramalkan produktivitas penerbit pengarang, organisasi, negara atau seluruh disiplin ilmu.

Jenis-Jenis analisis  bibliometrik

Berikut beberapa ukuran bibliometrik yang umum:

ΓÇó Jumlah kutipan: berapa kali keluaran penelitian muncul dalam daftar referensi dokumen lain (artikel, buku, review, prosiding konferensi, dll). Ditemukan di: Google Scholar, Scopus, dan Web of Science.

ΓÇó Indeks-H: dirancang untuk mengukur produktivitas dan dampak penulis. Ini adalah jumlah terbitan pengarang (h) yang memiliki h atau lebih kutipannya. Ditemukan di: Google Scholar, Scopus, dan Web of Science.

ΓÇó Dampak kutipan berbobot bidang: rasio kutipan yang diterima relatif terhadap rata-rata dunia yang diharapkan untuk bidang subjek, jenis publikasi dan tahun publikasi. Ini dapat diterapkan pada keluaran penelitian atau kelompok keluaran penelitian. Ditemukan di SciVal.

ΓÇó Keluaran dalam persentil teratas: jumlah atau persentase keluaran penelitian dalam publikasi yang paling banyak dikutip di dunia, Inggris, atau negara tertentu. Ditemukan di Scopus dan SciVal.

ΓÇó Faktor Dampak Jurnal: berdasarkan jumlah rata-rata kutipan yang diterima per makalah yang diterbitkan dalam jurnal tersebut dalam dua tahun sebelumnya. Ditemukan di Journal Citation Reports.

ΓÇó CiteScore: jumlah rata-rata kutipan yang diterima dalam satu tahun kalender menurut semua item yang diterbitkan dalam jurnal tersebut selama tiga tahun berikutnya. Ditemukan di Scopus

ΓÇó Peringkat Jurnal SCImago: memberi nilai lebih tinggi pada kutipan dari jurnal yang lebih bergengsi. Ditemukan di Scopus

ΓÇó Scopus SNIP: rasio jumlah kutipan jurnal per makalah dan potensi kutipan di bidang subjeknya. Scopus SNIP menormalkan perbedaan subjek tingkat kutipan. Ditemukan di Scopus.

(Diadaptasi dari Metrics Toolkit berlisensi di bawah lisensi CC-BY 4.0.)

Sofware Bibliometrik

Beberapa penggunaan software dalam melakukan analisis bibliometrik antara lain:

1. Vosviewer

2. HistCit,  

3. BibExcel, 

4. Pajek, 

5. Sci2, 

6. Cytoscape

7. Gephy

Beberapa Software yang terkait dengan Bibliometrik, yaitu:

1. Scopus (scopus.com)
Sebenarnya ini bukan software, tapi lebih ke semacam sistem informasi. Atau lebih tepat lagi disebut sebagai pengindeks.

Scopus, dengan mekanisme tertentu mengindeks berbagai jurnal. Tentunya menggunakan metode dan ada syaratnya. Hasil indeks diolah, kemudian setelah matang, lalu dimakan  sajikan.  Data Scopus ini tidak gratis, namun harus ditebus dengan uang dollar. Informasinya memuat performance jurnal, artikel, negara, peneliti. Termasuk info jejaring dan lainnya.

ScimagoJR (scimagojr.com)
Journal Rank (JR), alias peringkat jurnal. Ya, Scimago ini mengambil data di Scopus, kemudian diolah lagi. Angka hasil olahan digunakan untuk memeringkatkan jurnal. Di Scimago dikenal istilah Q alias Quartile. Ada Q1,2,3,4. Artinya pemeringkatan jurnal dibagi 4. Seperempat terendah, seperempat di atasnya, seperempat di atasnya lagi, dan seperempat paling atas.

PoP (https://harzing.com/resources/publish-or-perish)
 Publish or Perish (PoP). Istilah ini sudah dikenal luas: terbit atau mati. Namun PoP ini juga nama sebuah software. PoP bisa mengambil data dari Google Scholar (google cendikia)  dan menampilkan serta menyimpannya.

Sumber: (Diadaptasi dari Metrics Toolkit berlisensi di bawah lisensi CC-BY 4.0.)

Panduan Penggunaan Vosviewer Dalam melakukan analisis Bibliometrik (Systematic Literature) , bisa anda lihat pada file Pdf dan video pada link sbb: 

http://