Apa itu Metode Analisa Data dalam Penelitiaan? #2

 

3. Kapan sebaiknya Anda menggunakan analisis konten?

Analisis konten adalah alat yang berguna yang memberikan wawasan tentang tren komunikasi. Misalnya, Anda dapat menggunakan forum diskusi sebagai dasar analisis dan melihat jenis hal yang dibicarakan anggota serta cara mereka menggunakan bahasa untuk mengekspresikan diri. Analisis isi bersifat fleksibel karena dapat diterapkan pada tingkat individu, kelompok, dan kelembagaan.

Analisis konten biasanya digunakan dalam penelitian yang tujuannya adalah untuk lebih memahami faktor-faktor seperti perilaku, sikap, nilai, emosi, dan pendapat. Misalnya, Anda dapat menggunakan analisis konten untuk menyelidiki suatu masalah dalam masyarakat, seperti miskomunikasi antar budaya. 

Dalam contoh ini, Anda dapat membandingkan pola komunikasi pada peserta dari budaya yang berbeda, yang memungkinkan Anda membuat strategi untuk menghindari kesalahpahaman dalam interaksi antar budaya.

Contoh lain dapat mencakup melakukan analisis isi pada publikasi seperti buku. Di sini Anda dapat mengumpulkan data tentang tema, topik, penggunaan bahasa, dan pendapat yang tercermin dalam teks untuk menarik kesimpulan mengenai kecenderungan politik (seperti konservatif atau liberal) dari publikasi tersebut.

4. Bagaimana melakukan analisis konten kualitatif

Analisis konten konseptual dan relasional berbeda dalam hal proses tepatnya; namun, ada beberapa kesamaan. Mari kita lihat ini dulu – yaitu, proses generiknya:

- Rekap pertanyaan penelitian Anda
- Melakukan bracketing untuk mengidentifikasi bias
- Operasikan variabel Anda dan kembangkan skema pengkodean
- Kodekan data dan lakukan analisis Anda

Langkah 1 – Rekap pertanyaan penelitian Anda

Itu selalu berguna untuk memulai sebuah proyek dengan pertanyaan penelitian, atau setidaknya dengan gagasan tentang apa yang Anda cari. Faktanya, jika Anda telah menghabiskan waktu membaca blog ini, Anda akan tahu bahwa sangat berguna untuk meringkas pertanyaan penelitian, maksud dan tujuan Anda saat melakukan hampir semua kegiatan penelitian. Dalam konteks analisis konten, sulit untuk mengetahui apa yang perlu dikodekan dan apa yang tidak, tanpa pandangan yang jelas tentang pertanyaan penelitian.

Misalnya, jika Anda membuat kode percakapan yang berfokus pada masalah dasar keadilan sosial, Anda mungkin akan bertemu dengan berbagai topik yang mungkin tidak relevan dengan penelitian Anda. Namun, jika Anda mendekati kumpulan data ini dengan maksud khusus untuk menyelidiki pendapat tentang masalah gender, Anda akan dapat berfokus pada topik ini saja, yang memungkinkan Anda untuk membuat kode hanya apa yang perlu Anda selidiki.

Langkah 2 – Renungkan perspektif dan bias pribadi Anda

Sangat penting bagi Anda untuk merenungkan prakonsepsi Anda sendiri tentang topik yang ada dan mengidentifikasi bias yang mungkin Anda seret ke dalam analisis konten Anda – ini disebut “bracketing“. Dengan mengidentifikasi ini di muka, Anda akan lebih menyadarinya dan kecil kemungkinannya memengaruhi analisis Anda secara tidak sadar.

Misalnya, jika Anda akan menyelidiki bagaimana komunitas berbicara tentang akses yang tidak setara ke perawatan kesehatan, penting untuk menilai pandangan Anda untuk memastikan bahwa Anda tidak memproyeksikannya ke pemahaman Anda tentang opini yang diajukan oleh komunitas. Jika Anda memiliki akses ke bantuan medis, misalnya, Anda tidak boleh membiarkan ini mengganggu pemeriksaan Anda tentang akses yang tidak setara.

Langkah 3 – Operasikan variabel Anda dan kembangkan skema pengkodean

Selanjutnya, Anda perlu mengoperasionalkan variabel Anda. Tapi apa artinya itu? Sederhananya, itu berarti Anda harus mendefinisikan setiap variabel atau konstruk. Berikan setiap item definisi yang jelas – apa artinya (termasuk) dan apa yang tidak berarti (tidak termasuk). Misalnya, jika Anda menyelidiki pandangan anak-anak tentang makanan sehat, pertama-tama Anda perlu menentukan kelompok/rentang usia apa yang Anda lihat, lalu tentukan juga apa yang Anda maksud dengan "makanan sehat".

Dalam kombinasi dengan hal di atas, penting untuk membuat skema pengkodean, yang berisi informasi tentang variabel Anda (bagaimana Anda mendefinisikan setiap variabel), serta proses untuk menganalisis data. Untuk ini, Anda akan merujuk kembali ke bagaimana Anda mengoperasionalkan/mendefinisikan variabel Anda sehingga Anda tahu cara membuat kode data Anda.

Misalnya, saat membuat kode, kapan Anda harus memberi kode makanan sebagai "sehat"? Apa yang membuat pilihan makanan sehat? Apakah karena tidak adanya gula atau lemak jenuh? Apakah karena adanya serat dan protein? Sangat penting untuk memiliki variabel yang jelas untuk mencapai pengkodean yang konsisten – tanpa ini, analisis Anda akan menjadi sangat berlumpur, dengan sangat cepat.

Bersambung ke Bagian #3