Metode Teknik Analisis Data Kualitatif pada Grounded Theory

Perkembangan ilmu pengetahuan telah melahirkan banyak teknik analisis data yang digunakan dalam berbagai bidang. Kondisi ini mendorong para ahli berusaha untuk mulai mengembangkan berbagai teknik analisis data sejalan dengan menyelesaikan permasalahan khususnya dalam riset ataupun penelitian. Salah satu teknik analisis data yang digunakan dalam penelitian kualitatif adalah grounded theory. 

Grounded theory merupakan metode riset kualitatif yang menggunakan suatu set prosedur yang sistematik untuk mengembangkan suatu teori secara induktif tentang suatu fenomena. Metode ini dimulai dari suatu pernyataan yang masih kabur dan akhirnya menghasilkan teori yang dikumpulkan dari berbagai data.

Grounded theory pada awalnya dikembangkan pada tahun 1960-an oleh ahli sosiologi Barney Glaser dan Anselm Strauss yang hasil riset mereka, Discovery of Grounded Theory, diterbikan pada tahun 1967. Kemudian, mereka berbeda pendapat. Strauss cenderung untuk berkonsentrasi dalam menentukan prosedur dalam mengaplikasikan pendekatan, sedangkan Glaser menentang perubahan apapun dari gagasan awalnya. Dua versi grounded theory kemudian muncul, Straussian dan Glaserian. 

Dalam kajian-kajian yang berkaitan dengan komunikasi dan manajemen, pendekatan Straussian lebih popular, walaupun kedua format Glaserian dan Straussian terus berubah perlahan-lahan dari tahun ke tahun seiring dengan banyaknya peneliti yang menggunakan pendekatan tersebut. Kira-kira bagaimana penerapan grounded theory dalam penelitian kualitatif? Simak artikel selengkapnya disini!

1. Mengenal Apa itu Grounded Theory

Grounded theory merupakan suatu metode kualitatif untuk menghasilkan pengembangan teori baik dengan pendekatan induktif dan deduktif. Tujuan Grounded theory adalah menghasilkan hipotesis berdasarkan ide konseptual. Metode riset kualitatif ini dapat dijelaskan baik dalam riset kualitatif maupun kuantitatif. Tujuan metode Grounded Theory adalah untuk menilai efek dari perilaku sosial. 

Perbedaannya dengan riset etnografi yaitu etnografi mengungkapkan suatu pertanyaan mengapa seseorang berpikir apa yang dia lakukan dan mengapa hal itu dilakukan. Sedangkan pendekatan fenomenologi berupaya menilai bagaimana seseorang menceritakan pengalamannya.

Baca juga: Implementasi Teknik Analisis Data dengan Matriks BCG

2. Kapan Menggunakan Grounded Theory

Penelitian Grounded Theory pertama kali diperkenalkan oleh Barney & Anselm Strauss pada tahun 1967. Penelitian ini dilakukan apabila peneliti melakukan observasi atau berpartisipasi dalam perilaku sosial dan mencoba untuk mengerti perilaku tersebut. Grounded theory ditemukan oleh dua sosiolog Glaser dan Strauss, dalam riset bersama tentang pasien yang meninggal dunia di rumah sakit. 

Kedua sosiolog ini kemudian mengembangkan suatu metode riset kualitatif yang dikenal sebagai ‘Grounded theory’. Di dalam hubungan antara pertanyaan riset dan metode riset, maka grounded theory dimulai dari suatu pertanyaan yang masih kabur dan akhirnya menghasilkan teori yang dikumpulkan dari berbagai data. Dengan demikian, pendekatan ini bukan untuk mengidentifikasi dan membuktikan suatu hipotesis.

3. Cara Mengumpulkan Data dari Grounded Theory

Dalam grounded theory pengambilan data dilakukan dengan menggunakan wawancara yang pertanyaannya tidak terstruktur yaitu melalui interview yang dikenal dengan istilah unstructured interview. Suatu wawancara tidak terstruktur merupakan interaksi antara pewawancara dengan responden, dimana pewawancara hanya mempunyai rencana pertanyaannya atau rencana hal-hal atau konteks/topik yang akan ditanyakannya. 

Pertanyaan tersebut biasanya merupakan pertanyaan yang umum dan bukan merupakan sekumpulan pertanyaan spesifik yang harus ditanyakan dengan perkataan tertentu dan dengan urutan tertentu.

Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif

4. Tahapan Penelitian Grounded Theory

Ada empat tahap dari cara analisis data dalam GT setelah melakukan transkrip dan mengumpulkan data, antara lain (Glaser, 1992):

• Tahap pengkodean/ ‘Open Coding’. Tujuannya untuk mengidentifikasi kata kunci dari semua data yang dikumpulkan
• Tahap pembentukan konsep atau ‘Axial Coding’ dengan tujuan untuk mengumpulkan kode-kode yang sama isinya yang memungkinkan data dikelompokkan menjadi kategori yang saling berhubungan dan terbentuk konsep-konsep
• Tahap kategorisasi/ ‘Selective Coding’ dengan tujuan mengelompokkan konsep yang dibentuk kemudian dipilih yang ada hubungannya dengan pembentukan teori untuk masalah riset.
• Tahap pembentukan teori ditujukan untuk menjelaskan subjek yang diteliti dengan memperkuat dengan teori-teori yang sudah ada dan studi literatur. Tahap ini sering disebut ‘theoretical note’.

Urutan dari analisis data sebagaimana digambarkan dalam skema 1 yaitu dimulai dari mengumpulkan data dengan kemungkinan melakukan interpretasi dan analisis pada waktu mengumpulkan data, dilanjutkan pada tahap analisis data.

Kemudian, diteruskan dengan pembentukan konsep, dimulai tahap pertama pemberian kode pada substansi. Setelah ditemukan kata kunci yang saling berhubungan, maka dihasilkan kategori-kategori.

Kategori yang berhubungan akan menghasilkan konsep. Tahap selanjutnya dengan memilih konsep utama sesuai dengan masalah yang diteliti untuk menyelesaikan masalahnya, dengan melalui pengurangan sampel, mempelajari kepustakaan yang mendukung konsep utama tersebut, dan memilihnya sehingga membentuk suatu konsep yang terpilih sebagai variabel inti untuk menunjang teori yang akan dihasilkan

Ingin berkarir di bidang data science tapi, tidak memiliki background pendidikan yang linier? Sudah mencoba belajar otodidak tapi malahan overdosis materi? Mengingat skill data science terbilang cukup banyak yang wajib dikuasai salah satunya adalah memahami algoritma data science nya hingga tahap penerapannya pada dataset. 

Yuk, coba free module Introduction to Data Science with R dan python dari DQLab sekarang. Signup melalui form dibawah ini kemudian pilih menu learn. Setelah itu kamu sudah bisa menikmati pembelajaran yang praktis dan aplikatif dan jago algoritma data science bersama DQLab! Tunggu apa lagi? Yuk, signup sekarang dan mulai belajar Module Premium di DQLab!

Penulis: Reyvan Maulid