Teknik Analisis Data Deskriptif Kualitatif Terpopuler
Data kualitatif mengacu pada hampir semua data yang œbukan angka. Dengan kata lain, jenis data ini bukan hal yang diukur menggunakan skala tetap, statistik kompleks atau matematika. Data kualitatif sering berbentuk transkrip wawancara, dokumen, dan jawaban survei terbuka tetapi juga dapat melibatkan interpretasi gambar dan video.
Dengan kata lain, kualitatif tidak hanya terbatas pada data berbasis teks. Sederhananya, penelitian kualitatif berfokus pada kata-kata, deskripsi, konsep atau ide sedangkan penelitian kuantitatif berfokus pada angka dan statistik.
Dalam berbagai kasus, data kualitatif menjadi tantangan dan memakan waktu untuk dianalisis dan ditafsirkan. Di akhir tahap pengumpulan data yang membutuhkan banyak waktu, kemungkinan kita akan memiliki banyak halaman data berbasis teks atau audio yang membutuhkan waktu berjam-jam untuk di-cleaning.
Ada banyak jenis analisis data kualitatif yang memiliki tujuan berbeda serta memiliki kekuatan dan kelemahan yang unik. Pada artikel kali ini kita akan membahas metode atau teknik analisis data deskriptif kualitatif yang paling populer dan banyak digunakan oleh data analyst dalam menyelesaikan berbagai permasalahan.
1. Content Analysis
Content analysis merupakan teknik analisis data deskriptif kualitatif yang paling umum. Pada tingkat yang paling sederhana, content analysis digunakan untuk mengevaluasi pola dalam konten misalnya, kata, frasa, gambar atau sumber komunikasi. Misalnya kumpulan artikel surat kabar atau pidato politik.
Dengan content analysis, kita dapat mengidentifikasi frekuensi ide yang dibagikan atau dibicarakan. Contohnya, berapa kali seorang Kardashian disebutkan di Twitter. Kita juga dapat mengidentifikasi pola interpretasi yang lebih dalam misalnya dengan mengidentifikasi frasa atau kata dalam pamflet wisata yang menyoroti India sebagai negara kuno.
Baca juga: Teknik Analisis Data Populer 2022 yang Sering Diimplementasikan
2. Narrative Analysis
Narrative analysis adalah teknik analisis data deskriptif kualitatif dengan cara mendengarkan orang bercerita dan menganalisis apa artinya. Karena cerita memiliki tujuan fungsional untuk membantu kita memahami dunia, kita dapat memperoleh insight tentang cara orang menghadapi dan memahami realitas dengan menganalisis cerita mereka dan cara mereka bercerita.
Kita bisa menggunakan analisis naratif untuk mengeksplorasi apakah sesuatu yang dikatakan itu penting. Misalnya, narasi seorang tahanan yang mencoba membenarkan kejahatan mereka dapat memberikan insight mengenai pandangan mereka tentang dunia dan sistem peradilan.
3. Discourse Analysis
Discourse analysis adalah teknik analisis data deskriptif kualitatif untuk menganalisis bahasa dalam konteks sosialnya. Dengan kata lain, data analyst akan menganalisis bahasa seperti percakapan, pidato, dan lain sebagainya dalam budaya dan masyarakat tempat bahasa itu terjadi.
Misalnya, seorang data analyst dapat menganalisis bagaimana seorang petugas kebersihan berbicara kepada seorang CEO, atau bagaimana politisi berbicara tentang terorisme. Cara kedua profesi tersebut berbicara akan sangat berbeda karena dipengaruhi oleh nilai-nilai sosial di sekitarnya.
4. Thematic Analysis
Thematic analysis adalah teknik analisis data deskriptif kualitatif yang bertujuan untuk melihat pola dalam kumpulan data. contohnya, kumpulan wawancara atau transkrip hasil forum group discussion. Thematic analysis mengambil kumpulan data yang seringkali cukup besar dan mengelompokkannya menurut kesamaan dan tema.
Tema-tema ini membantu data analyst untuk memahami konten dan memperoleh makna dari data yang telah dikumpulkan. Dengan teknik ini, data analyst dapat menganalisis 100 ulasan tentang restoran sushi populer untuk mengetahui pendapat pelanggan tentang tempat tersebut. Dengan meninjau data, data analyst kemudian akan mengidentifikasi tema yang muncul berulang kali dalam data, misalnya œbahan segar atau œstaf yang ramah.
Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif
Data yang diproduksi di era modern adalah data bervolume besar dengan percepatan pertumbuhan data yang tinggi. Hal ini menyebabkan data analyst membutuhkan tools yang powerfull untuk menganalisis data tersebut. Yuk pelajari bahasa pemrograman R dan Python bersama DQLab!
Untuk kamu yang masih awam dengan bahasa pemrograman tidak perlu khawatir karena modul ini didesain untuk beginner hingga expertise. Klik button di bawah ini atau sign up melalui DQLab.id untuk menikmati modul gratis "Introduction to Data Science" sebagai pengenalan sebelum belajar bahasa pemrograman lebih jauh lagi.
Penulis: Galuh Nurvinda K
Editor: Annissa Widya Davita