Teknik PENGOLAHAN DATA KUALITATIF

DATA KUALITATIF adalah data Non-Angka yang merepresentasikan Kualitas dari sebuah fenomena. Data Kualitatif dapat berupa Kata, Suara, Gambar/Photo, Video, Bau, Rasa, atau Sentuhan/Getaran yang dapat ditangkap oleh Panca Indera dan persepsi manusia.

Terdapat sedikitnya 6 Teknik Pengolahan/Analisis Data KUALITATIF. Penentuan manakah Teknik Pengolahan Data yang paling cocok dengan Data Kualitatif kita tergantung dari TUJUAN Penelitian dan RESEARCH QUESTIONs kita.

1. CONTENT Analysis: yakni teknik pengolahan data kualitatif dengan mengevaluasi detail data dan Pola (pattern)-nya. Sebagai contoh: mengidentifikasi kata atau istilah yang sering muncul dan menghitung frekuensi kemunculannya dan/atau urutan atau penekanan intonasinya.
   Teknik CONTENT Analysis umumnya diawali dengan melakukan CODING kata/data kunci yang ada –> diKELOMPOKKAN menjadi KONSEP (Variabel, Aspek, dll) dengan menghitung jumlah Frekuensi kemunculan coding yang ada sehingga maka metode Pengolahan Data KUALITATIF ini juga akan bersifat KUANTITATIF.
   CONTOH Teknik Content Analysis: mengidentifikasi Faktor Motivasi individu menggunakan teknologi misalnya ditemukan karena faktor “manfaat efisiensi waktu” diperoleh dari respondents yang menjawab dengan kata-kata “urusan cepat selesai”, “biasanya 1 hari kini 5 menit”, “praktis”.
   CONTENT Analysis menuntut Peneliti mampu mengidentifikasi detail-detail penting dari konten data dan pola data yang dikumpulkan!
   
2. THEMATIC Analysis: yakni teknik pengolahan data kualitatif dengan melakukan Coding, melakukan pengelompokkan Coding-Coding menjadi TEMA, dan mengidentifikasi Pola (pattern) Hubungan antar TEMA. Konsep yang disimpulkan dari data-data yang berulang dapat berupa konsep besar yang mewakili data-data tersebut.
   CONTOH Thematic Analysis: Data kata-kata (kalimat) Ratusan Komentar Pasien Klinik Kehamilan saya yang ada di Google Map jika diamati akan dapat saya kelompokkan dalam 8 label Coding, yakni: “Kemampuan Dokter dalam Melayani Pasien”, “Kemampuan Bidan dalam melayani Administrasi”, “Biaya yang murah”, “Lokasi strategis”, “Tempat Parkir mudah”, “USG 4 Dimensi”, “Tempat Nyaman”. Kedelapan label coding tersebut selanjutnya dapat saya kelompokkan lagi menjadi 3 TEMA yakni: “Kualitas Dokter”, “Kualitas Bidan”, dan “Lokasi & Fasilitas”.
   THEMATIC Analysis cocok untuk menganalisis data PENGALAMAN atau PENDAPAT. Lebih detail tentang Metode Thematic Analysis dapat dibaca di posting saya di: https://notes.its.ac.id/tonydwisusanto/2024/05/04/thematic-analysis/
   
3. NARATIVE Analysis: MENDENGARKAN participants BERCERITA dan menganalisis apa Artinya? Dari cerita seseorang dapat diidentifikasi makna Eksplisit (kata/ungkapan yang disampaikan) dan makna Implisit (bagaimana cara dia mengungkapkan) yang mengambarkan perasaan atau sudut pandangnya.
   CONTOH Narative Analysis: Mendengarkan alasan seorang Penjahat mengapa melakukan tindakan kriminalnya adalah salah satu cara untuk memperoleh gambaran kualitas Sistem Hukum dari sudut pandang seorang pelaku kejahatan.
   NARATIVE Analysis menuntut Peneliti memiliki Kemampuan MENDENGARKAN participants!
   
4. INTERPRETATIVE PHENOMENOLOGICAL Analysis (IPA): teknik analisis persepsi seseorang terkait pengalaman/kejadian hidup pribadi yang pernah dialaminya.
   CONTOH IPA: penelitian terkait persepsi seseorang selama di penjara karena kasus narkoba, atau persepsi seseorang selama kecanduan Game Online selama bertahun-tahun.
   
5. DISCOURSE Analysis: mengevaluasi Komunikasi/Interaksi Tertulis atau Verbal atau dengan kata lain teknik Menganalisis BAHASA di Konteks Sosialnya (siapa yang menyampaikan? kapan waktunya? di mana tempatnya? Budaya yang berlaku seperti apa? dll). Memahami makna sebenarnya dari apa yang disampaikan dengan memahami konteks yang berlaku adalah salah satu bentuk dan tujuan DISCOURSE Analysis.
   CONTOH: Menemukan banyak dosen dapat berbincang dengan rektor dengan bahasa yang nyantai adalah salah satu indikator budaya organisasi Perguruan Tinggi tersebut lebih bersifat horisontal dan tidak terlalu birokratif.
   DISCOURSE Analysis membutuhkan Tujuan Penelian & Research Questions yang jelas! sehingga Peneliti dapat fokus pada topik atau konsep implisit tertentu yang ingin diungkap dan kesimpulan konsep implisit tersebut hanya dapat diambil apabila tahapan analisis sudah “matang” yakni terkonfirmasi berulang-ulang hingga kecil kemungkinan muncul makna lain apalagi yang bersifat berlawanan.
   
6. GROUNDED Analysis/Theory: Bertujuan membangun TEORI BARU dengan Membuka Pikiran terhadap berbagai kemungkinan temuan (tidak di-drive oleh Hipotesis atau teori sebelumnya). “Biarkan DATA BERBICARA!” 🙂
   Dalam metode Grounded Theory terdapat 3 teknik analisis data yakni: Open Coding, Axial Coding, dan Selective Coding. Detail tentang 3 Teknis Analisis Data Quantitative dalam Metode Penelitian Grounded Theory ini dapat dibaca di posting saya: https://notes.its.ac.id/tonydwisusanto/2024/05/05/metode-analisis-data-qualitative-open-coding-axial-coding-selective-coding/

Manakah Teknik Analisis Data Kualitatif yang paling cocok tergantung dari TUJUAN PENELITIAN dan RESEARCH QUESTIONs kita. Sebagai contoh: bila penelitian kita bertujuan mengungkap Pengaruh BUDAYA dalam pemanfaatan Teknologi maka Teknik DISCOURSE Analysis akan cocok, atau jika penelitian kita bertujuan mengungkap pengalaman seseorang yang menjadi korban Investasi Online maka Teknik IPA akan lebih cocok.

Yuk untuk lebih mengendapkan pemahaman kita tentang 6 Teknik Analisis Data KUALITATIF ini saya berikan contoh Penelitian yang sama yakni PENELITIAN e-GOVERNMENT, topik penelitian saya:
– jika penelitian saya bertujuan untuk mengidentifikasi FAKTOR-FAKTOR APA yang Memotivasi staf Pemda menggunakan salah satu aplikasi SPBE, maka Teknik CONTENT ANALYSIS cocok untuk digunakan;
– jika penelitian saya bertujuan untuk merangkum faktor-faktor tersebut ke dalam Variabel umum misal “SDM”, “KEUANGAN”, dan “KEPEMIMPINAN” maka Teknik THEMATIC Analysis lebih cocok digunakan;
– jika penelitian saya bertujuan untuk mengamati FAKTOR IMPLISIT yang dapat diungkap dari komunikasi verbal dan tertulis, misal Pengaruh BUDAYA ORGANISASI bagi Inovasi SPBE di Pemda, maka DISCOURSE Analysis cocok untuk digunakan;
– jika penelitian saya bertujuan Menggali PENGALAMAN PRIBADI seorang Pemimpin Daerah bagaimana ia Berhasil membangun SPBE dari keterbatasan anggaran dan permasalahan kompleks daerah hingga berhasil maka Teknik IPA cocok;
– jika penelitian saya bertujuan untuk Memodelkan PROSES TAHAPAN-TAHAPAN PENGAMBILAN KEPUTUSAN Adopsi sebuah Teknologi e-Government oleh seorang pemimpin maka Teknik NARATIVE Analysis dapat lebih cocok;
– jika penelitian saya bertujuan untuk mengidentifikasi faktor yang mampu Meningkatkan Motivasi staf Pemda untuk menggunakan sebuah aplikasi SPBE berdasarkan data empiris dan dengan berulang-ulang mengujinya hingga selalu terverifikasi maka Teknik GROUNDED Analysis cocok untuk penelitian ini.

Akhirnya yang harus selalu diingat bahwa Setiap Teknik Analisis Data juga memiliki kelebihan dan kelemahan, sehingga umumnya peneliti MENGGABUNGKAN LEBIH DARI 1 TEKNIK ANALISIS DATA = “TRIANGULATION” tapi konsekuensinya membutuhkan lebih banyak waktu.