RPS minggu 13 · 2x50 menit

Analisis Data Kualitatif

Pertemuan 12 — Metode Riset Bisnis Lanjutan

Dari transkrip mentah menuju argumen yang dapat dipertanggungjawabkan: koding, kategorisasi, dan trustworthiness sebagai disiplin keputusan riset, bukan sekadar "membaca lalu menyimpulkan".

Selamat datang kembali, Anda baru saja menuntaskan dua pertemuan tentang analisis data kuantitatif dan teknik multivariat — hari ini kita berpindah paradigma menuju analisis data kualitatif, yang bagi banyak praktisi terasa lebih "lunak" padahal justru menuntut disiplin metodologis yang sama ketatnya. Sebagai manajer dan profesional S2, Anda mungkin sudah terbiasa membaca hasil wawancara pelanggan atau notulen fokus grup di kantor, tetapi hari ini kita akan membedah bagaimana proses itu diubah menjadi bukti riset yang kredibel dan dapat diaudit, bukan sekadar kesan pribadi peneliti. Kita akan memakai kasus nyata seperti riset perilaku konsumen Tokopedia dan studi budaya organisasi BUMN sebagai bahan diskusi sepanjang sesi. Siapkan pengalaman Anda menangani data non-angka di tempat kerja, karena itu akan menjadi jembatan utama menuju konsep-konsep hari ini.

Bagian 1 dari 3

Fondasi & Ragam Pendekatan Analisis Kualitatif

Diskusi kelas: apakah riset kualitatif di lingkungan bisnis Anda selama ini benar-benar "riset", atau sekadar kumpulan kutipan yang mendukung kesimpulan yang sudah ditentukan sejak awal?

Posisi Analisis Kualitatif dalam Riset Bisnis S2

Mengapa Bukan Sekadar "Baca lalu Simpulkan"

Data kualitatif = tebal makna (thick description), bukan sekadar tebal halaman — kualitas bergantung pada kedalaman interpretasi, bukan volume transkrip.
Paradigma interpretivis mengasumsikan realitas dikonstruksi secara sosial (Guba & Lincoln, 1994) — beda fundamental dari asumsi positivis di P10–P11.
Nilai riset ditentukan oleh audit trail: apakah orang lain bisa menelusuri bagaimana Anda sampai pada temuan itu.

Implikasi bagi Riset Tesis MM Anda

Kualitatif cocok untuk pertanyaan "mengapa" dan "bagaimana" — bukan pengganti kuantitatif saat data numerik tersedia dan cukup.
Reviewer/penguji tesis MM akan menilai rigor proses, bukan hanya kekayaan narasi kutipan informan.
Analisis kualitatif yang baik justru mempercepat sidang — struktur koding yang jelas membuat temuan mudah dipertahankan.

Peta Pendekatan Analisis Kualitatif

Pendekatan	Fokus Pertanyaan	Kapan Dipakai di Riset Bisnis
Analisis Tematik (Braun & Clarke, 2006)	Pola makna berulang lintas data	Eksplorasi persepsi konsumen/karyawan — paling umum di tesis MM
Grounded Theory (Strauss & Corbin, 1998)	Membangun teori baru dari data	Fenomena baru tanpa teori memadai — mis. adopsi UMKM ke e-commerce
Studi Kasus (Yin, 2018)	Kedalaman kontekstual satu/beberapa unit	Strategi satu perusahaan, mis. transformasi digital BRI
Analisis Naratif	Struktur cerita & kronologi	Perjalanan karier eksekutif, kisah kewirausahaan
Analisis Wacana	Bahasa & kekuasaan dalam teks	Laporan tahunan, komunikasi krisis korporat

Untuk mayoritas tesis MM: analisis tematik adalah pilihan default yang paling defensible secara waktu dan sumber daya — kuasai ini dulu sebelum melirik grounded theory penuh.

Bagian 2 dari 3

Proses Koding: dari Data Mentah ke Kategori Bermakna

Diskusi kelas: kalau dua peneliti membaca transkrip yang sama, seberapa besar kemungkinan mereka menghasilkan kode yang sama — dan apa yang harus dilakukan bila hasilnya berbeda jauh?

Tahapan Koding Sistematis (Miles, Huberman & Saldaña, 2014)

Open Coding → Axial Coding → Selective Coding

Open coding: label baris-demi-baris tanpa kerangka apriori — biarkan data "bicara" dulu.
Axial coding: kelompokkan kode menjadi kategori, cari relasi sebab-akibat/konteks antar-kategori.
Selective coding: pilih kategori inti (core category) yang mengikat seluruh narasi temuan.

Perangkat Bantu untuk Manajer-Peneliti

CAQDAS (NVivo, Atlas.ti) mempercepat pengelolaan, bukan pengganti judgment analitis Anda.
Codebook tertulis wajib ada — definisi tiap kode + contoh kutipan, direvisi iteratif.
Simpan versi codebook per iterasi — ini bagian dari audit trail yang akan ditanyakan penguji.

Hitung dari Nol: Menghitung Cohen's Kappa Antar-Koder

Kasus: dua koder independen menandai 50 kutipan wawancara kepuasan nasabah sebuah bank digital sebagai "puas" atau "tidak puas". Sepakat pada 41 dari 50 kutipan.

Langkah	Perhitungan	Nilai
1. Persentase kesepakatan teramati (Po)	41 / 50	Po = 0,82
2. Kesepakatan acak yang diharapkan (Pe)	Koder A: 30 "puas" (60%), 20 "tidak" (40%); Koder B: 28 "puas" (56%), 22 "tidak" (44%) → (0,60x0,56) + (0,40x0,44)	Pe = 0,336 + 0,176 = 0,512
3. Cohen's Kappa	(Po - Pe) / (1 - Pe) = (0,82 - 0,512) / (1 - 0,512)	kappa = 0,308 / 0,488 = 0,631
4. Interpretasi (Landis & Koch, 1977)	0,61-0,80 = kesepakatan "substansial"	Substansial, belum "hampir sempurna"

kappa = 0,631 masih di bawah ambang 0,70 yang lazim disyaratkan jurnal Q1 — codebook perlu direvisi dan koding kedua diulang pada kategori yang paling sering berbeda.

Coba Sendiri: Hitung Kappa dari Tabel Koding Anda

Ubah jumlah kesepakatan dan distribusi kategori tiap koder pada widget untuk melihat nilai Kappa dan kategorinya berubah langsung.

Hitung dari Nol: Menentukan Saturasi Data (Sampel)

Kasus: riset wawancara mendalam terhadap pemilik UMKM kuliner Semarang tentang adopsi pembayaran digital (QRIS).

Langkah	Perhitungan	Nilai
1. Kode baru per wawancara ke-1 s.d. 5	12, 9, 6, 3, 1 kode baru	Menurun tajam
2. Kode baru per wawancara ke-6 s.d. 8	1, 0, 0 kode baru	0 kode baru sejak wawancara ke-7
3. Aturan saturasi (Guest, Bunce & Johnson, 2006)	Berhenti bila 2-3 wawancara berturut-turut tanpa kode baru	Syarat terpenuhi pada wawancara ke-8
4. Ukuran sampel final	8 wawancara + 2 wawancara konfirmasi (buffer)	n = 10 informan

Saturasi bukan angka magis "n=15" yang sering dikutip tanpa dasar — justifikasi ukuran sampel HARUS ditunjukkan lewat kurva penurunan kode baru seperti ini, bukan sekadar diklaim dalam metodologi.

Ilustrasi: Peta Kategori dari Open Coding menuju Tema Inti

Gunakan diagram ini untuk memperlihatkan secara visual bagaimana open coding di sebelah kiri, kutipan-kutipan mentah seperti "harga mahal" dan "aplikasi lemot", secara bertahap mengalir menjadi kategori pada axial coding, lalu menyatu menjadi satu tema inti pada selective coding di sebelah kanan. Tekankan bahwa panah-panah ini bukan otomatis oleh perangkat lunak, melainkan hasil keputusan analitis peneliti yang harus bisa dijustifikasi. Ajak mahasiswa membandingkan ini dengan kasus nyata churn pelanggan aplikasi digital seperti Gojek atau layanan streaming, di mana kombinasi persepsi nilai dan kualitas layanan sering menjadi tema inti penjelas mengapa pelanggan berhenti berlangganan. Tanyakan apakah struktur peta kategori seperti ini pernah mereka lihat di laporan riset internal perusahaan tempat mereka bekerja.

Bagian 3 dari 3

Trustworthiness: Standar Kualitas Pengganti Validitas-Reliabilitas

Diskusi kelas: jika riset kualitatif tidak bisa diuji dengan p-value, bagaimana Anda meyakinkan direksi atau penguji tesis bahwa temuan Anda bukan sekadar opini pribadi peneliti?

Kerangka Trustworthiness (Lincoln & Guba, 1985)

Kriteria	Padanan Kuantitatif	Teknik Pemenuhan
Credibility	Validitas internal	Member checking, triangulasi sumber/metode, prolonged engagement
Transferability	Validitas eksternal	Thick description konteks — biarkan pembaca menilai kesesuaian ke konteks lain
Dependability	Reliabilitas	Audit trail: codebook, memo, log keputusan analitis tersimpan rapi
Confirmability	Objektivitas	Reflexivity statement — peneliti eksplisit soal posisi & potensi bias diri

Empat kriteria ini bukan checklist kosmetik di bab metodologi — penguji tesis MM yang berpengalaman akan menguji tiap klaim ini secara spesifik saat sidang.

Kerangka Analisis Kasus, Langkah demi Langkah

Langkah	Pertanyaan Kunci	Output yang Diharapkan
1. Familiarisasi	Sudahkah saya membaca ulang seluruh transkrip tanpa terburu koding?	Catatan kesan awal (memo)
2. Open coding	Label apa yang muncul murni dari kata-kata informan?	Daftar kode mentah
3. Axial coding	Kode mana yang saling terkait atau menjadi sebab-akibat?	Kategori beserta definisinya
4. Triangulasi	Apakah kategori ini konsisten lintas sumber data (wawancara, dokumen, observasi)?	Matriks triangulasi
5. Selective coding	Tema inti apa yang mengikat semua kategori menjadi satu narasi?	Pernyataan tema inti
6. Member checking	Apakah informan kunci setuju interpretasi ini mewakili pengalaman mereka?	Konfirmasi/revisi temuan

Gunakan kerangka ini sebagai checklist saat Anda mengerjakan Bab 4 (Hasil & Pembahasan) riset kualitatif Anda sendiri.

Mini-Kasus: Riset Budaya Organisasi Pasca-Merger BUMN

Situasi (ilustrasi)

Dua BUMN sektor logistik merger; direksi ingin tahu mengapa turnover karyawan naik ~18% pasca-merger.
Tim riset internal melakukan 22 wawancara mendalam lintas level & unit eks-organisasi lama.
Data numerik (survei engagement) sudah ada tetapi tidak menjelaskan "mengapa" — inilah alasan kualitatif dipilih.

Keputusan Manajerial yang Digantungkan pada Analisis

Apakah retensi butuh intervensi budaya (integrasi identitas) atau intervensi kompensasi?
Unit mana yang paling berisiko kehilangan talenta kunci dalam 6 bulan ke depan?
Tema inti "kehilangan identitas organisasi lama" mengarahkan direksi ke program transisi budaya, bukan sekadar kenaikan gaji.

Pelajaran kunci: analisis kualitatif yang rigor mengubah "turnover naik 18%" (angka) menjadi "mengapa" yang dapat ditindaklanjuti secara spesifik oleh direksi — inilah nilai tambah riset kualitatif dalam pengambilan keputusan bisnis.

Perangkap Umum yang Merusak Kredibilitas Analisis

Kesalahan Metodologis

Cherry-picking kutipan yang mendukung hipotesis awal peneliti (confirmation bias).
Codebook dibuat setelah analisis selesai, bukan dikembangkan iteratif sepanjang proses.
Klaim saturasi tanpa bukti kurva kode baru seperti yang dihitung sebelumnya.

Kesalahan Pelaporan

Kutipan informan ditampilkan tanpa konteks — pembaca tidak tahu siapa, kapan, situasi apa.
Tidak ada reflexivity statement padahal peneliti adalah insider organisasi yang diteliti.
Tema inti dinyatakan sebagai fakta absolut, bukan interpretasi yang dibatasi konteks (transferability).

Peran Perangkat Lunak (CAQDAS) secara Proporsional

Fungsi	NVivo / Atlas.ti Membantu	Tetap Tanggung Jawab Peneliti
Pengelolaan data	Menyimpan, mencari, menandai ribuan halaman transkrip secara efisien	Menentukan apa yang layak dikutip & dianalisis
Visualisasi	Membuat matriks & peta kode otomatis dari tag yang Anda beri	Menginterpretasikan makna di balik pola visual tersebut
Reliabilitas	Menghitung intercoder agreement (mis. Kappa) secara instan	Merevisi codebook bila reliabilitas rendah

Perangkap paling sering: menganggap "sudah pakai NVivo" setara "sudah rigor". Perangkat lunak mempercepat pekerjaan mekanis, tidak menggantikan judgment analitis yang tetap sepenuhnya di tangan Anda.

Latihan Kelas: Koding Cepat Kutipan Wawancara

Instruksi (kerja berpasangan, 15 menit)

Setiap pasangan menerima 5 kutipan wawancara singkat tentang alasan karyawan menolak kebijakan hybrid working di kantor Anda masing-masing (boleh rekaan berbasis pengalaman nyata).
Lakukan open coding secara independen dalam pasangan, lalu bandingkan label yang dihasilkan.
Diskusikan: di mana Anda sepakat, di mana berbeda, dan mengapa perbedaan itu muncul?
Rangkum satu kategori axial yang menaungi minimal 3 dari 5 kutipan tersebut.
Satu pasangan akan diminta mempresentasikan hasil secara singkat ke kelas.

Menulis Temuan Kualitatif agar Meyakinkan Penguji & Direksi

Struktur Naratif yang Kuat

Tema → bukti (kutipan representatif) → interpretasi → kaitan ke literatur/teori.
Kutipan dipilih karena representatif, bukan karena paling dramatis.
Setiap tema harus bisa dijawab: "berapa banyak informan yang mendukung pola ini?"

Menjembatani ke Rekomendasi Manajerial

Tema inti diterjemahkan menjadi implikasi keputusan konkret, bukan hanya deskripsi.
Batasi klaim sesuai transferability — jangan generalisasi berlebihan ke seluruh organisasi.
Persiapkan diri Anda untuk pertanyaan "so what" dari direksi maupun penguji tesis.

Kaitan ke Bab Metodologi & Persiapan Sidang

Yang Wajib Ada di Bab 3 (Metodologi) Riset Kualitatif Anda

Justifikasi paradigma & pendekatan (tematik/studi kasus/dsb.) dikaitkan ke pertanyaan riset.
Prosedur koding eksplisit: siapa mengkoding, berapa putaran, bagaimana perbedaan diselesaikan.
Bukti pemenuhan empat kriteria trustworthiness — bukan janji, tapi bukti konkret per kriteria.
Pernyataan posisi peneliti (reflexivity) bila relevan dengan konteks organisasi yang diteliti.

Bab metodologi yang lemah pada riset kualitatif adalah alasan tersering revisi besar pasca-sidang — investasikan waktu di sini setara dengan Bab 4.

Triangulasi Multi-Sumber: Memperkuat Kredibilitas Temuan

Sumber Data	Apa yang Dicari	Konvergen dengan Tema "Value Gap"?
Wawancara mendalam (22 informan)	Narasi alasan turnover naik	Ya — dominan di 15 dari 22 informan
Dokumen internal (notulen rapat, email keluhan)	Jejak keluhan formal sebelum resign	Ya — pola serupa di 3 unit berbeda
Observasi non-partisipan (rapat tim)	Dinamika komunikasi lintas eks-organisasi lama	Sebagian — terlihat di 2 dari 4 rapat diamati

Konvergensi lintas tiga sumber data inilah yang mengangkat temuan dari "opini satu wawancara" menjadi "bukti yang credible" — inti dari triangulasi metode (Denzin, 1978).

Penutup & Jembatan

Dari Rigor Koding Menuju Analisis Kualitatif Lanjutan

Diskusi kelas: teknik apa lagi yang Anda butuhkan bila data Anda bukan hanya wawancara satu putaran, melainkan multi-sumber (wawancara, dokumen, observasi) yang harus disatukan menjadi satu argumen koheren?