Nazroel.id – artikel ini ditulis oleh mahasiswa kandidat doktor, Ferdy Firmansyah, yang berjudul Systematic Review Lebih Mudah dengan Rayyan 

Pada dunia penelitian, systematic review dipandang sebagai metode paling  terpercaya (gold standard) untuk merangkum bukti ilmiah. Metode ini menuntut  peneliti tidak hanya menyajikan hasil penelitian secara individual, tetapi juga  menyeleksi, membandingkan, dan mengintegrasikan ratusan artikel yang relevan.  Tantangannya, melimpahnya literatur sering membuat proses ini rumit dan  memakan banyak waktu. Untuk mengatasi tantangan diatas, kini tersedia Aplikasi  Rayyan yang merupakan sebuah platform digital yang membantu peneliti  menyaring referensi dengan cepat, lebih terorganisir, dan dapat dikerjakan  bersama rekan satu tim secara real-time. 

Apa Itu Rayyan? 

Rayyan adalah sebuah platform digital gratis yang dapat digunakan peneliti  untuk mengelola referensi, menyingkirkan duplikasi, serta melakukan screening  artikel dengan cara yang lebih terstruktur. Keunggulan utamanya terletak pada  tampilan yang sederhana, fitur kolaborasi real-time, serta dukungan kecerdasan  buatan yang mampu memprediksi relevansi artikel.  

Tujuan Rayyan adalah menyediakan dashboard terpadu bagi peneliti untuk  mengatur detail proses mereka, sekaligus memungkinkan kolaborator melihat  kemajuan masing-masing. Dashboard Rayyan ini terdiri dari empat tab, yaitu My  Reviews untuk review yang dibuat sendiri, Collaboration Reviews untuk review  yang melibatkan kolaborasi, Translation Only Reviews untuk terjemahan, dan  Other Reviews untuk review publik. Kelebihan Rayyan antara lain dapat digunakan  secara gratis, mendukung pembuatan dan kolaborasi dalam jumlah review yang  tidak terbatas, serta mampu menampilkan perkembangan kerja dari tim lain.  Selain itu, pengguna dapat mengatur folder review untuk keperluan screening. 

Cara Menggunakan Rayyan

(Rahman, M.M, et al, 2024) 

1. Registrasi

dapat dilakukan  

dengan akun gmail atau ikuti  

langkah berikut: 

Buka situs https://rayyan.ai atau  

langsung  

https://rayyan.ai/users/sign_up.

a. Masukkan email dan  

negara, lalu klik Create  

Account. 

b. Cek email konfirmasi lalu  

klik Confirm my account. 

c. Buat kata sandi dan  

masukkan nama, lalu klik  

Confirm Account. 

d. Pilih jenis keanggotaan (misalnya uji coba gratis). 

e. Setelah masuk ke dashboard, Anda bisa memulai membuat review. 3. Membuat Proyek Baru: Buat review project (title, type, and domain) sesuai  topik penelitian dan undang kolaborator jika perlu. 

2. Mengunggah Referensi

Impor hasil pencarian dari database (PubMed,  Scopus, Web of Science, atau lainnya) dalam format RIS, CSV, BibTeX atau  format lainnya. Sebaiknya gunakan nama file yang sesuai dari berbagai  database. Maksimal unggah 10 dokumen (100 MB) sekali proses. Semua  referensi yang diunggah akan muncul di tengah dashboard.

5. Menghapus Duplikasi

Rayyan otomatis mendeteksi dan menghapus artikel  ganda dengan menggunakan fitur resolve duplicates (juga bisa klik Detect  duplicates). Setelah duplikasi ditemukan, Anda dapat memvalidasi dan  memutuskan apakah akan menghapus atau menyimpan. Dalam hal  manajemen peran, Rayyan membagi akses pengguna ke dalam empat  kategori:  

a. Collaborator yang bisa melakukan hampir semua hal kecuali menghapus  review atau mengundang anggota baru,  

b. Translator yang dapat menerjemahkan abstrak,  

c. Reviewer yang menyaring artikel melalui keputusan  include/exclude/maybe serta menambahkan alasan, label, dan catatan,  d. Viewer yang hanya bisa melihat tanpa mengubah apa pun.  Kolaborator dapat diundang tanpa batas melalui email, dan setelah menerima  undangan, mereka dapat mengakses review yang relevan di tab Collaboration  Reviews. Selain versi web, Rayyan juga tersedia dalam aplikasi mobile untuk  iOS dan Android yang mendukung penggunaan offline. 

6. Screening Judul dan Abstrak 

a. Klik judul review. 

b. Fitur Blind aktif secara default agar reviewer tidak melihat keputusan  reviewer lain (untuk mencegah bias). 

c. Klik Show untuk membuka halaman review. 

d. Pilih artikel untuk melihat detailnya. 

e. Untuk menyertakan artikel → klik Include atau tekan I. 

f. Untuk mengecualikan artikel → klik Exclude atau tekan E, sertakan alasan  jika perlu. 

g. Jika ragu → klik Maybe atau tekan M. 

h. Tambahkan Label (pendek, bisa difilter) atau Notes (catatan panjang, tidak  bisa difilter). 

i. Label ditampilkan dalam kotak biru, catatan disimpan di bagian bawah  detail artikel. 

j. Label/Notes bisa dihapus kapan saja.

7. Screening Full-Text

Reviewer dapat memilih artikel, lalu menambahkan file  PDF melalui fitur Upload PDF full texts. File yang diunggah muncul pada detail  artikel dan dapat dihapus jika tidak sesuai. Jika sudah ada artikel dengan PDF  lengkap, Rayyan menampilkan jumlah artikel yang memiliki full-text. Pada  artikel terpilih lakukan verifikasi kembali pada level full-text serta tuliskan  alasan artikel yang di ekslusi (contoh: tidak tersedia full-text, review, Bahasa,  dan lainnya). Prediksi Relevansi: Rayyan memberikan rekomendasi relevansi  dengan algoritma AI.

8. Ekspor Data

a. Pada halaman review, pilih filter artikel (misalnya included saja). b. Klik Export. 

c. Pilih opsi ekspor:  

• Filtered/ All. 

• Format: RefMan, BibTeX,  

EndNote, CSV. 

• Sertakan/abaikan abstrak,  

keputusan, label, alasan. 

• Format nama penulis: Last, First atau First, Last. 

d. Klik Export. 

e. File ekspor akan dikirim melalui email terdaftar dalam bentuk ZIP, berisi: • File artikel dengan catatan tambahan (keputusan, label, alasan). • File log (histori semua aktivitas: waktu, email pengguna, ID artikel,  keputusan, label, alasan). 

Video tutorial

Manfaat Menggunakan Rayyan 

1. Menghemat waktu screening hingga 40–50%. 

2. Mendukung kerja sama tim lintas institusi secara real-time. 3. Menjamin transparansi dengan catatan alasan eksklusi. 

4. Membantu mempercepat keputusan dengan prediksi relevansi berbasis AI. 

Saat ini sudah banyak peneliti yang menggunakan aplikasi berbasis  Rayyan karena memiliki kemudahan akses, fitur kolaborasi, dan efisiensi waktu  dalam proses systematic review. Berdasarkan penelitian Ouzani, et al (2016) menyebutkan bahwa Rayyan adalah aplikasi web dan mobile gratis yang  dikembangkan untuk mempercepat proses awal systematic review, khususnya  penyaringan judul dan abstrak. Aplikasi ini menggunakan semi-otomatisasi  dengan fitur prediksi berbasis machine learning untuk membantu peneliti memilih  studi yang relevan. Uji coba pada dua Cochrane reviews serta survei pengguna  menunjukkan bahwa Rayyan mampu menghemat waktu rata-rata 40%, bahkan 

hingga lebih dari 50% bagi sebagian pengguna. Fitur yang paling dihargai adalah  kemampuannya dalam screening, pelabelan, dan kolaborasi antar peneliti (Ouzzani et al., 2016). Secara keseluruhan, Rayyan dinilai responsif, intuitif, dan  berpotensi besar meringankan beban peneliti dalam melakukan systematic  

review.  

Beberapa tahun terakhir adopsi aplikasi Rayyan dalam proses systematic  review semakin meningkat seiring dengan kebutuhan peneliti akan metode yang  lebih cepat, efisien, dan kolaboratif dalam penyaringan literatur. Sejumlah studi  terkini (2018–2025) telah mengevaluasi kinerja, keandalan, serta potensi  pengembangan Rayyan dibandingkan perangkat lunak lain, baik dari aspek  efisiensi waktu, akurasi prediksi, maupun pengalaman pengguna. Berbagai  publikasi berikut memberikan gambaran komprehensif mengenai peran Rayyan  sebagai salah satu alat utama dalam mendukung praktik evidence-based research di era digital.

Judul Fokus Penelitian Hasil Utama 

Rayyan for systematic reviews (Johnson & Phillips, 2018) 

Abstract screening using the  automated tool Rayyan (Valizadeh et  al., 2022) 

Performance, Usability, and User  Experience of Rayyan (Yu et al.,  2022) 

Increasing the efficiency of study  selection for systematic reviews (Waffenschmidt et al., 2023) 

Usefulness of machine learning  softwares to screen titles of  systematic reviews (dos Reis et al.,  2023) 

Meninjau kegunaan Rayyan dalam  mendukung systematic review,  khususnya kustomisasi, kolaborasi,  dan relevansi. 

Mengevaluasi efektivitas Rayyan  untuk penyaringan abstrak dalam  diagnostic test accuracy reviews. Menilai performa, kegunaan, dan  pengalaman pengguna Rayyan. 

Membandingkan efisiensi Rayyan  (fitur prioritization) dengan EPPI  Reviewer. 

Membandingkan Rayyan,  Abstrackr, dan Colandr untuk  screening judul. 

Rayyan meningkatkan efisiensi  penyaringan, mempermudah kolaborasi,  serta memberikan pengalaman pengguna  yang intuitif. 

Rayyan mempercepat screening dengan  konsistensi baik, mengurangi beban kerja,  namun tetap butuh validasi manual. Rayyan mempercepat penyaringan, mudah  digunakan, mendukung kolaborasi; masih  perlu peningkatan pada duplikasi & integrasi  software lain. 

EPPI lebih cepat & sensitif pada tahap awal,  namun Rayyan tetap efisien, mudah  digunakan, dan mendukung kolaborasi. Rayyan paling sensitif (78%) & seimbang  dalam efisiensi waktu dan beban kerja,  meski masih ada risiko false negatives.

An Evaluation of the Rayyan Artificial  Intelligence Tool for SLR title/abstract  screening (Ng J et al., 2024) 

An exploration of available methods  and tools to improve the title/abstract  screening process (Affengruber et al.,  2024) 

Streamlining systematic reviews with  large language models (Trad et al.,  2025) 

Comparing Artificial Intelligence and  manual methods in systematic  reviews (Pang et al., 2025) 

Mengevaluasi AI Rayyan dalam  title/abstract screening. 

Mengidentifikasi & mengevaluasi  berbagai perangkat lunak  screening, termasuk Rayyan. 

Mengintegrasikan Rayyan dengan  LLMs untuk otomatisasi lebih luas. 

Membandingkan metode berbasis  AI dengan metode manual dalam  systematic reviews (melibatkan  Rayyan). 

Rayyan mengurangi beban kerja reviewer  dengan percepatan seleksi tanpa  mengorbankan akurasi; tetap perlu validasi  manusia. 

Rayyan menonjol sebagai alat yang mudah  digunakan untuk kolaborasi, mendukung  distribusi tugas, serta memantau kemajuan  screening. 

Rayyan efektif untuk screening &  deduplikasi, sementara LLMs memberi  efisiensi tambahan pada analisis full-text &  ekstraksi data. 

Metode AI memberikan penghematan waktu  signifikan, meski akurasi & validasi manual  tetap krusial; Rayyan menjadi contoh alat AI  yang mendukung tahap awal review.

Sejak diperkenalkan, Rayyan telah menjadi salah satu aplikasi yang paling  banyak digunakan untuk mendukung systematic review. Penelitian awal oleh  Johnson & Phillips, (2018) menekankan nilai tambah Rayyan dari sisi kemudahan  penggunaan, kolaborasi, dan efisiensi. Studi-studi berikutnya semakin  menguatkan temuan ini dengan memberikan bukti empiris. Valizadeh et al., (2022) 

menunjukkan bahwa Rayyan mampu mempercepat penyaringan abstrak dengan  hasil yang konsisten. Studi Valizadeh dkk. (2022) menilai seberapa efektif  Rayyan—alat bantu semiotomatis untuk abstract screening—pada tiga systematic  review diagnostic test accuracy (DTA) dengan total 2.054 rekaman judul/abstrak.  Setelah penyaringan bertahap oleh peneliti, 379 rekaman lanjut ke telaah full-text dan 112 akhirnya masuk ke ulasan akhir. Dengan dua ambang eksklusi, kinerja  Rayyan menunjukkan trade-off yang jelas: pada ambang <2,5 sistem sangat  “peka” (sensitivitas 97–99%) sehingga hampir semua artikel relevan tertangkap,  tetapi “kurang ketat” (spesifisitas 19–58%) karena banyak artikel tidak relevan ikut  lolos; sebaliknya pada ambang ≤2,5 sistem menjadi sangat selektif (spesifisitas  100%) namun “kurang peka” (sensitivitas 1–29%) sehingga banyak artikel relevan  berisiko terlewat. Pesan praktisnya: Rayyan sangat berguna mempercepat seleksi  awal—khususnya untuk menyisihkan artikel yang jelas tidak relevan—namun  verifikasi manual tetap penting demi menjaga kelengkapan inklusi, apalagi pada  topik DTA yang terminologinya beragam. Studi ini memberi panduan realistis: pilih  ambang sesuai prioritas tim (ingin meminimalkan luput → prioritaskan sensitivitas;  ingin irit telaah lanjutan → prioritaskan spesifisitas). Yu et al., (2022) menekankan  aspek usability dan pengalaman pengguna yang positif, meskipun terdapat ruang  untuk perbaikan pada fitur duplikasi dan integrasi perangkat lunak lain. 

Memasuki 2023, penelitian mulai lebih banyak membandingkan Rayyan  dengan perangkat lunak lain. Waffenschmidt et al., (2023) menemukan bahwa  meskipun EPPI Reviewer lebih sensitif dalam identifikasi sitasi pada tahap awal,  Rayyan tetap efisien dan ramah pengguna. Hasil serupa ditunjukkan oleh dos Reis  et al., (2023) yang membandingkan Rayyan dengan Abstrackr dan Colandr;  Rayyan terbukti paling sensitif (78%) sekaligus seimbang dalam hal efisiensi  waktu. Pada 2024, fokus penelitian bergeser ke pemanfaatan kecerdasan buatan 

(AI). Ng J et al., (2024) menilai fitur AI dalam Rayyan dan menemukan bahwa  aplikasi ini dapat mengurangi beban kerja reviewer tanpa mengorbankan akurasi,  meskipun tetap perlu validasi manual. Affengruber et al., (2024) memperluas  perspektif dengan meninjau berbagai alat screening, menempatkan Rayyan  sebagai salah satu aplikasi paling praktis untuk kolaborasi dan distribusi tugas. 

Terakhir, penelitian terbaru (2025) mulai mengeksplorasi integrasi Rayyan  dengan Large Language Models (LLMs) dan metode AI lanjutan. Penelitian ini  membandingkan kinerja Rayyan dan sistem berbasis Large Language Models  (LLMs) dalam penyaringan literatur untuk systematic review. Hasil menunjukkan  bahwa meskipun Rayyan efektif mempercepat screening dengan FNR rendah,  sistem LLM jauh lebih efisien, mampu mengurangi waktu manual hingga 95%  dengan akurasi tinggi. Temuan ini menegaskan potensi LLM sebagai pelengkap  bahkan pengganti Rayyan dalam tahap penyaringan SR di masa depan. (Trad et  al., 2025). Pang et al., (2025) juga memperlihatkan bahwa metode berbasis AI  lebih efisien dibanding manual, namun tetap memerlukan validasi manusia,  dengan Rayyan sebagai contoh aplikasi yang mendukung tahap awal review. 

Secara keseluruhan, penelitian selama tujuh tahun terakhir menunjukkan  bahwa Rayyan telah berevolusi dari sekadar alat screening manual-semi otomatis  menjadi platform berbasis AI yang semakin canggih. Konsistensi temuan utama  adalah: 

1. Efisiensi waktu: rata-rata menghemat hingga 40–50% dibanding screening  manual. 

2. Kolaborasi tim: fitur multi-user dan blind review membuat proses lebih  transparan. 

3. Usability tinggi: mudah digunakan bahkan oleh peneliti dengan  keterampilan teknis terbatas. 

4. Keterbatasan: masih ada kebutuhan validasi manual, risiko false negatives,  serta peningkatan fitur (deduplikasi, integrasi). 

5. Tren ke depan: integrasi dengan AI & LLMs untuk memperluas otomatisasi  hingga analisis teks penuh.

Dengan demikian, dapat disimpulkan bahwa Rayyan merupakan salah satu  aplikasi yang terus berkembang dalam mendukung systematic review. Seiring  dengan integrasi teknologi berbasis AI dan LLMs, Rayyan tidak hanya berfungsi  sebagai alat penyaring literatur yang efisien, tetapi juga berpotensi menjadi  platform komprehensif yang mampu mempercepat, mempermudah, dan  meningkatkan kualitas penelitian berbasis bukti di masa depan.

Referensi 

Affengruber, L., van der Maten, M. M., Spiero, I., Nussbaumer-Streit, B., Mahmić-Kaknjo,  M., Ellen, M. E., Goossen, K., Kantorova, L., Hooft, L., Riva, N., Poulentzas, G.,  Lalagkas, P. N., Silva, A. G., Sassano, M., Sfetcu, R., Marqués, M. E., Friessova, T.,  Baladia, E., Pezzullo, A. M., … Spijker, R. (2024). An exploration of available methods  and tools to improve the efficiency of systematic review production: a scoping  review. BMC Medical Research Methodology, 24(1), 210.  https://doi.org/10.1186/s12874-024-02320-4 

dos Reis, A. H. S., de Oliveira, A. L. M., Fritsch, C., Zouch, J., Ferreira, P., & Polese, J. C.  (2023). Usefulness of machine learning softwares to screen titles of systematic  reviews: a methodological study. Systematic Reviews, 12(1), 68.  https://doi.org/10.1186/s13643-023-02231-3 

Johnson, N., & Phillips, M. (2018). Rayyan for systematic reviews. Journal of Electronic  Resources Librarianship, 30(1), 46–48.  https://doi.org/10.1080/1941126X.2018.1444339 

Ng J, Szydlowski, Gill, Fusco., & Ruiz (2024). An evaluation of the Rayyan artificial  intelligence tool for systematic literature review screening.  https://www.cebm.ox.ac.uk/resources/levels-of-evidence/ocebm-levels-of 

Ouzzani, M., Hammady, H., Fedorowicz, Z., & Elmagarmid, A. (2016). Rayyan—a web and  mobile app for systematic reviews. Systematic Reviews, 5(1), 210.  https://doi.org/10.1186/s13643-016-0384-4 

Pang, X., Saif-Ur-Rahman, K., Berhane, S., Yao, X., Kothari, K., Taneri, P. E., Thomas, J., &  Devane, D. (2025). Comparing Artificial Intelligence and manual methods in  systematic review processes: protocol for a systematic review. Journal of Clinical  Epidemiology, 181, 111738. https://doi.org/10.1016/j.jclinepi.2025.111738 

Rahman, M.M., Nabella, D.M., Tarigan, S.D., Siregar, I.Z., & Purnomo, H. (2024).  Application Module Systematic Review and Meta-analysis 2023.  https://www.colandrapp.com/ 

Trad, F., Yammine, R., Charafeddine, J., Chakhtoura, M., Rahme, M., El-Hajj Fuleihan, G.,  & Chehab, A. (2025). Streamlining systematic reviews with large language models  using prompt engineering and retrieval augmented generation. BMC Medical  Research Methodology, 25(1), 130. https://doi.org/10.1186/s12874-025-02583-5

Valizadeh, A., Moassefi, M., Nakhostin-Ansari, A., Hosseini Asl, S. H., Saghab Torbati, M.,  Aghajani, R., Maleki Ghorbani, Z., & Faghani, S. (2022). Abstract screening using the  automated tool Rayyan: results of effectiveness in three diagnostic test accuracy  systematic reviews. BMC Medical Research Methodology, 22(1), 160.  https://doi.org/10.1186/s12874-022-01631-8 

Waffenschmidt, S., Sieben, W., Jakubeit, T., Knelangen, M., Overesch, I., Bühn, S., Pieper,  D., Skoetz, N., & Hausner, E. (2023). Increasing the efficiency of study selection for  systematic reviews using prioritization tools and a single-screening approach.  Systematic Reviews, 12(1), 161. https://doi.org/10.1186/s13643-023-02334-x 

Yu, F., Liu, C., & Sharmin, S. (2022). Performance, Usability, and User Experience of Rayyan  for Systematic Reviews. Proceedings of the Association for Information Science and  Technology, 59(1), 843–844. https://doi.org/10.1002/pra2.745