4 Contoh Teknik Analisis Data Kualitatif yang Akurat

Pada ilmu data science, dikenal data kuantitatif dan data kualitatif. Secara sederhana, data ini sama dengan dibagi menjadi data numerik dan data non-numerik. Data kualitatif (data non-numerik) memiliki metode khusus yang perlu diterapkan agar dapat diubah ke dalam informasi yang berguna. Namun, bagaimana cara mengukur dan menganalisis suatu data yang bersifat non numerik? Sebelum mengenal hal tersebut, kita perlu tahu definisi analisis data kualitatif.

Salah satu teknik pengolahan data adalah analisis data kualitatif. Analisis data kualitatif adalah proses mengorganisir, menganalisis, dan menginterpretasikan data non-numerik menjadi sebuah informasi atau trend untuk nantinya digunakan sebagai acuan dalam mengembangkan sebuah produk atau kebutuhan customer. Contoh data kualitatif adalah data hasil wawancara, catatan riset, data observasi yang dibedakan berdasarkan kategori, data komentar customer terhadap suatu produk, dan data lainnya yang tersajikan dalam tulisan. 

Tentu data dalam bentuk ini perlu metode khusus agar dapat dianalisa. Tidak seperti halnya data kuantitatif yang lebih mudah secara langsung menggunakan metode statistik. Nah kali ini akan dibahas implementasi teknik analisis data kualitatif sehingga menghasilkan infromasi yang akurat.

1. Content Analysis

Analisis konten (content analysis) adalah suatu metode penelitian yang mengubah suatu teks, subjek pada media tulis, foto, video, atau audio menjadi data kuantitatif sehingga dapat dengan mudah digunakan untuk mengidentifikasi area pengembangan suatu produk. Salah satu tools yang bisa digunakan adalah Lexalytics. Tools ini akan membantu kalian mengenali pola pada suatu teks.

Sebagai contoh sederhana, misalnya kalian mengadakan survei kepuasan pelanggan. Kalian memberikan pertanyaan esai untuk mengetahui pengalaman atau sudut pandang pelanggan setelah menggunakan produk kalian. Akan sangat melelahkan jika harus membaca satu persatu data survei tersebut. Dengan tools analisis konten, maka kalian akan dengan mudah mendapatkan jawabannya.

Salah satu cara yang dilakukan tools adalah mengubah teks tersebut dalam suatu kategori ekspresi dan mengelompokkan jawaban-jawaban yang memenuhi kriteria kategori tersebut. Meski demikian, ada beberapa kelemahan dari metode ini. Kelemahan tersebut diantaranya adalah:

• Hasil bisa jadi kurang akurat karena human error. Misal terlalu banyak typo sehingga sulit dianalisis.

• Data bersifat subjektif. Data kualitatif tidak memiliki standar ukur dengan angka yang pasti. Interpretasi bisa saja berbeda dari masing-masing analisator.

• Masih terbilang sulit diterapkan jika data sudah cukup besar dan teks mulai kompleks.

Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif

2. Thematic Analysis

Analisis tematik (thematic analysis) adalah proses mengolah data kualitatif untuk diketahui bentuk pola atau tematik yang ada pada data tersebut. Salah satu tools yang bisa digunakan adalah Dovetail. Mungkin terdengar hampir sama dengan content analysis, namun berikut dua perbedaan yang cukup jelas antara thematic analysis dan content analysis:

• Content analysis dapat digunakan pada data kualitatif dan kuantitatif. Pada data kualitatif digunakan untuk mengetahui frekuensi penggunaan teks tertentu.

• Thematic analysis hanya dapat digunakan pada data kualitatif dan berfokus pada mengidentifikasi pola atau tematik apa yang sesuai pada teks tersebut. 

  
  

Contoh penggunaan thematic analysis adalah proses mengembangkan UI/UX aplikasi. Berdasarkan feedback dari pelanggan, kalian dapat mengidentifikasi pola atau bagian penting yang menjadi fokus utama perbaikan. Misalnya, navigasi yang buruk atau interface yang kurang menarik. Thematic analysis memiliki beberapa kelemahan yaitu:

• Untuk suatu data dengan narasi yang panjang, cukup sulit untuk diidentifikasi polanya.

• Thematic analysis tidak memperhatikan konteks pada data kualitatif.

• Sama halnya dengan content analysis, thematic analysis bersifat subjektif karena tidak memiliki standar tertentu dalam menginterpretasikannya. 

  
  

3. Narrative Analysis

Jika suatu data memiliki unsur cerita di dalamnya, akan lebih baik Sahabat DQ menggunakan narrative analysis. Narrative analysis lebih memberikan banyak insight karena memiliki data-data penting yang tidak hanya berkaitan dengan konteks, namun juga waktu, tempat, spesifikasi produk, pengalaman penggunaan produk, dan mungkin terdapat saran yang juga bisa menjadi bahan pertimbangan. Kompleksitas data tersebut dapat dianalisis menggunakan tools Delve atau ATLAS. 

Dari penjelasan tersebut dapat disimpulkan beberapa kelebihan dari narrative analysis yaitu:

• Mengenal lebih dalam pelanggan dan sudut pandangnya terhadap produk tertentu

• Dapat membuat atau mengembangkan produk lebih spesifik karena adanya informasi yang detail

• Memperoleh profil pelanggan secara tidak langsung dan lengkap sesuai segmentasinya

Namun demikian, ada pula beberapa kelemahan dari narrative analysis yaitu:

• Membutuhkan waktu lebih lama karena kompleksitas data

• Narrative analysis tidak dapat dilakukan secara otomatis atau dibuat modelnya agar secara langsung bisa digunakan berulang untuk data yang berbeda

• Tetap bersifat subjektif karena tidak memiliki skala atau standar interpretasi yang pasti.

Baca juga : Contoh Teknik Analisis Data Dalam Penelitian Kuantitatif

4. Discourse Analysis

Analisis wacana (discourse analysis) adalah sebuah metode analisis teks, audio, atau video untuk mengetahui keterhubungan teks tersebut terhadap suatu konteks. Pada keberlangsungan sebuah bisnis, metode analisis ini cukup penting bagi tim marketing. Ini akan membantu tim untuk mengetahui aturan atau ide yang sedang berlangsung di pasar dan mendapatkan alasan mengapa hal ini penting bagi pelanggan. Dengan demikian, discourse analysis memudahkan perusahaan untuk tetap mengikuti perkembangan market secara tepat. 

Berikut beberapa kelebihan dari discourse analysis:

• Dengan mudah mengikuti perkembangan pasar karena dapat menjelaskan alasan dari suatu fenomena

• Dengan mudah mengetahui strategi kompetitor

Namun discourse analysis juga memiliki beberapa kelemahan, diantaranya:

• Sama halnya analisis data kualitatif lainnya, interpretasi bersifat subjektif

• Pendekatan yang dilakukan lebih luas sehingga perlu kreativitas dalam analisa

• Membutuhkan waktu yang lebih lama dibandingkan teknik analisa lainnya

Penjelasan di atas adalah bagian kecil dari teknik analisis data. Kalian tentu perlu memperdalam pemahaman teknik analisis lainnya. Hal ini karena setiap jenis data memiliki pendekatan analisis yang berbeda agar hasil atau informasi yang diperoleh akurat. Tak perlu khawatir mencari sumber belajar yang mudah dipahami, karena DQLab akan membantu kalian belajar dengan proses yang menyenangkan. 

Semua modul pembelajaran disesuaikan bagi pemula yang baru belajar ilmu data. Tidak hanya berisi materi, modul pembelajaran DQLab juga berisi beragam studi kasus sehingga lebih tergambarkan penerapannya. Kalian juga dapat bergabung dengan komunitas yang membantu kalian untuk saling berdiskusi. Tunggu apa lagi, segera signup di DQLab, yuk!

Penulis : Dita Feby 

Editor : Annissa Widya