CHAPTER 16
DI SUSUN OLEH
DEPARTEMEN AKUNTANSI
UNIVERSITAS HASANUDDIN
2020
QUALITATIVE DATA ANALYSIS
PENGANTAR
Data kualitatif adalah data yang berbentuk kata-kata. Contoh data kualitatif adalah
catatan wawancara, transkrip kelompok fokus, jawaban atas pertanyaan terbuka, transkripsi
rekaman video, kisah pengalaman dengan produk di Internet, artikel berita, dan sejenisnya.
Data kualitatif dapat berasal dari berbagai macam primer sumber dan / atau sumber
sekunder, seperti individu, kelompok fokus, catatan perusahaan, publikasi pemerintah, dan
Internet. Analisis data kualitatif ditujukan untuk membuat kesimpulan yang valid dari data yang
dikumpulkan dalam jumlah yang sangat banyak.
Wawancara ini dirancang untuk mendorong peserta mendeskripsikan insiden tertentu Analisis
naratif
Naratif adalah sebuah cerita atau “sebuah kisah yang melibatkan narasi dari rangkaian
peristiwa dalam suatu urutan yang diplot terungkap dalam waktu” (Denzin, 2000). Analisis
naratif adalah pendekatan yang bertujuan untuk mendapatkan dan meneliti cerita kita
menceritakan tentang diri kita sendiri dan implikasinya bagi hidup kita. Data naratif sering
dikumpulkan melalui wawancara.
dalam konteksnya atau riwayat hidupnya. Dengan cara ini, analisis naratif berbeda dari
metode penelitian kualitatif lainnya; itu difokuskan pada proses atau urutan temporal, misalnya
dengan memperoleh informasi tentang anteseden dan konsekuensi dari insiden tertentu untuk
menghubungkan insiden ini dengan insiden lainnya. Analisis naratif dengan demikian telah
digunakan untuk mempelajari pembelian impulsif (Rook, 1987), tanggapan pelanggan terhadap
iklan (Mick & Buhl, 1992), dan hubungan antara penyedia layanan dan konsumen (Stern,
Thomson & Arnould, 1998).
Induksi analitik
Strategi lain (yang lebih umum) dari analisis data kualitatif adalah induksi analitik.
Induksi analitik adalah sebuah Pendekatan analisis data kualitatif di mana penjelasan universal
fenomena dicari oleh kumpulan data (kualitatif) hingga tidak ada kasus yang tidak sesuai dengan
penjelasan hipotetis suatu fenomena ditemukan. Induksi analitik dimulai dengan definisi (kasar)
dari suatu masalah (“mengapa orang menggunakan mariyuana” adalah contoh terkenal),
dilanjutkan dengan penjelasan hipotetis tentang masalah tersebut (misalnya, “orang
menggunakan mariyuana untuk kesenangan”), dan kemudian melanjutkan dengan pemeriksaan
kasus (misalnya, pengumpulan data melalui wawancara mendalam). Jika suatu kasus tidak sesuai
dengan hipotesis peneliti (misalnya, "Saya menggunakan mariyuana untuk alasan kesehatan"),
peneliti baik mendefinisikan kembali hipotesis atau mengecualikan kasus "menyimpang" yang
tidak mengkonfirmasi hipotesis. Analitik induksi melibatkan penalaran induktif - bukan deduktif
-, memungkinkan untuk modifikasi hipotetis Penjelasan fenomena selama proses melakukan
penelitian.
DATA BESAR
"Big data" adalah istilah yang popular saat ini yang biasa digunakan untuk
menggambarkan pertumbuhan eksponensial dan ketersediaan data dari sumber digital di dalam
dan di luar organisasi. Istilah aslinya terkait dengan volume data yang tidak dapat diproses dan
dianalisis (secara efisien) dengan metode dan alat tradisional. Definisi asli big data berfokus pada
data terstruktur, tetapi sebagian besar peneliti dan praktisi telah menyadari bahwa banyak
informasi berada dalam masif, tidak terstruktur atau data semi-terstruktur, seperti teks (seperti
weblog, Twitter, dan Facebook), gambar, clickstream, dan / atau video.
Teknologi baru memiliki kemampuan untuk mengukur, merekam, dan menggabungkan
data tersebut dan itulah sebabnya data besar memiliki potensi besar untuk membuat kemajuan
cepat di banyak disiplin ilmu dan meningkatkan pengambilan keputusan dalam organisasi.
Karakteristik utama dari big data adalah volumenya, variasi dan kecepatannya, dimana volume
mengacu pada jumlah data, variasi mengacu pada berbagai jenis data, dan kecepatan mengacu
pada kecepatan data tersedia dari proses bisnis, jaringan sosial, perangkat seluler, dan sejenisnya.
Terkadang, tambahan "V" dikedepankan, terutama kejujuran, yang mengacu pada bias,
kebisingan, dan ketidaknormalan yang sering muncul dalam data besar. Data besar memiliki
banyak janji bagi organisasi dan manajer. Namun, itu juga memberi mereka yang baru tantangan
dan dilema, misalnya terkait bagaimana data besar harus dikelola, diproses, dan dianalisis. Itulah
sebabnya banyak organisasi merasa sulit untuk berhasil mengeksploitasi nilai dalam big data.