(24-240) Translate Indo - Qualitative Data Analysis - A Methods Sourcebook (PDFDrive)

Machine Translated by Google
1
pengantar
Ringkasan Bab
Bab ini memperkenalkan pembaca pada perspektif rekan penulis tentang sifat, tujuan, dan genre penelitian
kualitatif yang dipilih, dan komponen analisis data kualitatif yang saling berhubungan. Kami menawarkan
panduan yang direkomendasikan untuk berbagai pembaca buku ini dan menetapkan parameter dari apa yang
akan kami bahas dalam teks.
Isi
Tujuan Buku Ini
Sifat Buku Ini
Audiens
Mendekati
Orientasi Kami
Genre Penelitian Kualitatif
Pendekatan Analisis Data Kualitatif
Metode Analitik: Beberapa Fitur Umum
Sifat Data Kualitatif
Sifat Umum
Kekuatan Data Kualitatif
Pandangan Kami tentang Analisis Data Kualitatif
Kondensasi Data
Tampilan Data
Menggambar dan Memverifikasi Kesimpulan
Saran untuk Pembaca
Mahasiswa dan Peneliti Pemula Lainnya
Peneliti Berpengalaman
Pengajar Mata Kuliah Metode Penelitian Kualitatif
Penutupan dan Transisi
Tujuan Buku Ini

Kami menulis buku ini untuk menjawab kebutuhan yang dihadapi oleh para peneliti di semua bidang ilmu manusia.
Sederhananya, bagaimana kita bisa menarik makna yang valid dan dapat dipercaya dari data kualitatif, dan metode analisis
apa yang dapat kita gunakan yang praktis dan akan memberi kita pengetahuan yang dapat diandalkan oleh kita dan orang lain?
Data kualitatif adalah sumber deskripsi dan penjelasan yang beralasan dan kaya tentang proses manusia.
Dengan data kualitatif, seseorang dapat mempertahankan aliran kronologis, melihat peristiwa mana yang
menyebabkan konsekuensi, dan mendapatkan penjelasan yang bermanfaat. Selain itu, data kualitatif yang baik
lebih cenderung mengarah pada temuan kebetulan dan integrasi baru; mereka membantu peneliti melampaui
konsepsi awal dan menghasilkan atau merevisi kerangka kerja konseptual. Akhirnya, temuan dari studi kualitatif
yang dianalisis dengan baik memiliki kualitas yang “tidak dapat disangkal”. Kata-kata, terutama yang diatur ke
dalam kejadian atau cerita, memiliki rasa yang konkret, jelas, dan bermakna yang seringkali terbukti jauh lebih
meyakinkan bagi pembaca—peneliti lain, pembuat kebijakan, atau praktisi—daripada halaman ringkasan angka.
Perluasan penyelidikan kualitatif dari tahun 1970-an dan seterusnya sangat fenomenal. Sekarang ada
Perluasan penyelidikan kualitatif dari tahun 1970-an dan seterusnya sangat fenomenal. Sekarang ada banyak
buku pegangan (misalnya, Denzin & Lincoln's, 2012, The SAGE Handbook of Qualitative Research; Gubrium,
Holstein, Marvasti, & McKinney's, 2012, The SAGE Handbook of Interview Research), buku teks teladan (Charmaz's,
2006, Constructing Grounded Theory ; Creswell's, 2013, Penyelidikan Kualitatif dan Desain Penelitian), jurnal peer-
review bergengsi (Qualitative Inquiry, Qualitative Health Research), buletin dan forum online (SAGE Publications'
Methodspace, The Qualitative Report), konferensi tahunan (Kongres Internasional untuk Penyelidikan Kualitatif,
Institut Internasional untuk Metodologi Kualitatif), dan kelompok minat khusus kualitatif di beberapa asosiasi
profesional utama (American Educational Research Association).
Namun, di tengah hiruk pikuk aktivitas ini, kita harus memperhatikan beberapa masalah yang meresap yang
belum hilang. Isu-isu ini termasuk padat karya (dan ekstensif selama berbulan-bulan atau bertahun-tahun)
pengumpulan data, seringnya kelebihan data, integritas peneliti, tuntutan waktu pemrosesan dan pengkodean data,
kecukupan pengambilan sampel ketika hanya beberapa kasus yang dapat dikelola, generalisasi dari temuan,
kredibilitas dan kualitas kesimpulan, dan kegunaannya dalam dunia kebijakan dan tindakan.
Meskipun banyak peneliti, mulai dari mahasiswa pascasarjana yang menulis disertasi hingga peneliti
berpengalaman, bekerja sendiri dalam proyek mereka dan seringkali berfokus pada satu kasus, pekerjaan kualitatif
menjadi lebih kompleks. Semakin banyak, kita melihat studi metode campuran yang menggabungkan penyelidikan
kualitatif dan kuantitatif, yang dilakukan oleh tim peneliti yang bekerja dengan metode pengumpulan dan analisis
data yang sebanding. Dan pendekatan baru yang menarik untuk penyelidikan kualitatif menarik inspirasi mereka
dari puisi, sastra dramatis, seni visual, dan genre kreatif lainnya untuk menyajikan dan mewakili kehidupan sosial
dengan cara yang segar dan menggugah.
Beberapa peneliti kualitatif masih menganggap analisis sebagai bentuk seni dan bersikeras pada pendekatan
intuitif. Kita dibiarkan dengan peneliti yang memberi tahu kita tentang kategori dan pola yang diambil dari banyaknya
data lapangan, dengan cara yang tidak dapat direduksi atau bahkan tidak dapat dikomunikasikan. Kami tidak benar-
benar tahu bagaimana peneliti mendapatkan dari 1.000 halaman catatan lapangan dan transkripsi ke kesimpulan
akhir, yang mungkin ditaburi dengan ilustrasi yang hidup.
Buku ini ditulis dengan keyakinan bahwa, sebagai peneliti kualitatif, kita perlu terus membagikan keahlian kita—
yakni, metode sistematis dan eksplisit yang kita gunakan untuk menarik kesimpulan. Kami membutuhkan metode
yang kredibel, dapat diandalkan, dan dapat ditiru secara kualitatif . Itulah kebutuhan alamat buku kami.
Sifat Buku Ini

Ini adalah buku pedoman metode praktis untuk semua peneliti yang menggunakan data kualitatif. Tapi itu tidak
dimaksudkan sebagai teks yang komprehensif; kami tidak membahas hal-hal seperti bagaimana cara masuk ke
situs, cara menulis catatan lapangan, atau cara memfasilitasi wawancara peserta. Kami ingin berbagi pengalaman
kami dan rekan-rekan lainnya dalam merancang dan menggunakan metode analisis data kualitatif. Penekanan kuat
ditempatkan pada tampilan data—matriks dan jaringan—yang melampaui teks naratif biasa. Setiap metode
penyajian dan analisis data dijelaskan dan diilustrasikan secara rinci, dengan saran praktis untuk penggunaan dan
adaptasi peneliti dengan perangkat lunak yang dapat diakses dan program dasar.
Audiens
Buku ini untuk melatih para peneliti di semua bidang yang pekerjaannya, baik dasar maupun terapan,
melibatkan masalah analisis data kualitatif aktual.
Bagian penting dari audiens tersebut adalah peneliti awal— mahasiswa pascasarjana atau anggota fakultas
karir awal—bekerja dengan data kualitatif. Kami telah menjumpai banyak siswa yang memulai disertasi kualitatif
atau proyek penelitian yang terkadang merasa kewalahan dan terbebani. Dengan mempertimbangkannya, kami
menjaga agar bahasanya mudah diakses dan mendukung, dan kami menawarkan saran untuk menggunakan buku
ini dalam kursus metode penelitian kualitatif.
Penonton lainnya adalah staf spesialis dan manajer, yang mengandalkan informasi kualitatif sebagai a
bagian rutin dari pekerjaan mereka dan yang membutuhkan metode praktis untuk memanfaatkannya sebaik mungkin.
Banyak contoh yang digunakan dalam buku ini diambil dari penelitian pendidikan, baik milik kami maupun milik orang lain. Kami juga
menyertakan diskusi yang relevan untuk disiplin lain—perawatan kesehatan, antropologi, sosiologi, psikologi, bisnis, ilmu politik,
administrasi publik, evaluasi program, seni, ilmu perpustakaan, studi organisasi, kriminologi, komunikasi manusia, studi keluarga, dan
penelitian kebijakan— untuk menggarisbawahi bahwa metodenya generik, bukan bidang terbatas.
Beberapa metode yang dilaporkan di sini tumbuh dari beberapa studi kasus organisasi yang dilakukan oleh tim peneliti. Tapi jangan
putus asa jika Anda bekerja sendiri, studi Anda hanya memiliki satu kasus, atau Anda berfokus pada tingkat individu atau kelompok kecil.
Ada banyak contoh yang relevan untuk Anda, bersama dengan saran yang ditargetkan.
Pendekatan Ini
adalah buku sumber, bukan buku pegangan yang komprehensif. Kami telah mencoba menyatukan serangkaian sumber daya yang
dapat digunakan untuk mendorong penggunaannya dan, di atas segalanya, untuk merangsang pengembangan, pengujian, dan
penyempurnaan lebih lanjut. Kita juga cenderung pragmatis. Kami percaya bahwa setiap metode yang berhasil—yang akan menghasilkan
makna yang jelas, dapat diverifikasi, dan kredibel dari sekumpulan data kualitatif—memiliki kegunaan, terlepas dari asal-usulnya.
Buku ini adalah tentang melakukan analisis. Kami membahas pertanyaan tentang desain penelitian dan pengumpulan data hanya
karena berkaitan dengan analisis dan hanya secara sepintas membahas hal-hal seperti akses ke situs lapangan dan membangun
kepercayaan dengan peserta. Orang lain telah menangani masalah ini berulang kali dan dengan baik; kami mengutip pekerjaan mereka
di sepanjang jalan dan merujuk Anda ke bibliografi beranotasi Lampiran untuk informasi lebih lanjut.
Kami telah mengambil pendekatan sekonkret dan langsung, tetap dekat dengan pembaca dan melayani sebagai panduan yang
membantu melalui wilayah yang tidak rata. Meskipun di setiap bab kami bertujuan untuk memberikan kerangka intelektual yang koheren
untuk metode tertentu, kami selalu menekankan kerja langsung dengan data aktual. Untuk setiap metode yang diuraikan, kami
memberikan contoh spesifik dengan detail yang cukup sehingga pembaca dapat melihat cara kerjanya, dapat mencoba metode tersebut,
dan yang terpenting, dapat merevisi metode tersebut di masa mendatang.
Metode ini dapat dikelola dan mudah, meskipun beberapa tampilan mungkin, pada awalnya, tampak menakutkan. Jangan biarkan
mereka mengintimidasi Anda; mereka adalah contoh, bukan standar praktik. Mereka tidak membutuhkan pelatihan yang lama atau kosa
kata khusus. Kita dapat menambahkan bahwa pengalaman menemukan metode analisis dan menggunakan/menyesuaikannya dari
orang lain telah menjadi pengalaman yang produktif. Pesan terkuat dari buku ini bukanlah bahwa metode khusus ini harus diterapkan
dengan hati-hati, tetapi pembuatan, pengujian, dan revisi metode analisis yang sederhana, praktis, dan efektif tetap menjadi prioritas
tertinggi bagi peneliti kualitatif.
Akhirnya, buku ini ditulis untuk berbagi pengalaman, dialog, dan pembelajaran yang dibutuhkan oleh analisis data kualitatif yang baik.
Kami tetap yakin bahwa metode yang konkret dan dapat dibagikan memang milik kita semua. Dalam beberapa dekade terakhir, kami
menemukan bahwa menyempurnakan dan mengembangkan metode analisis pada proyek baru memiliki hasil yang jelas; juga,
kepercayaan kami terhadap temuan kami lebih besar, dan kredibilitas untuk penelitian, praktik, dan khalayak kebijakan kami ditingkatkan.
Kami berharap bahwa pengalaman kami akan bermanfaat bagi kolega kami, seperti pengalaman mereka bagi kami.
Orientasi Kami
Menurut kami, adalah bermanfaat bagi para peneliti untuk memperjelas preferensi mereka. Untuk mengetahui bagaimana seorang
peneliti menafsirkan bentuk dunia sosial dan bertujuan untuk memberi kita penjelasan yang kredibel tentangnya adalah dengan
mengetahui lawan bicara kita.
Kami melabeli diri kami sebagai realis pragmatis. Kami percaya bahwa fenomena sosial ada tidak hanya dalam pikiran tetapi juga di
dunia — dan bahwa beberapa hubungan yang cukup stabil dapat ditemukan di antara kekacauan kehidupan yang istimewa. Ada
keteraturan dan urutan yang menghubungkan fenomena.
Dari pola-pola ini, kita dapat memperoleh konstruksi yang mendasari kehidupan individu dan sosial. Fakta bahwa
sebagian besar konstruksi tersebut tidak terlihat oleh mata manusia tidak membuatnya tidak valid. Lagi pula, kita semua
dikelilingi oleh mekanisme fisik yang sah yang, paling tidak, kita sadari dari jarak jauh.
Hubungan manusia dan masyarakat memiliki keunikan dan ketidakkonsistenan yang membuat pendekatan realis
untuk memahaminya menjadi lebih kompleks—namun bukannya tidak mungkin. Tidak seperti peneliti dalam fisika, kita
harus bersaing dengan institusi, struktur, praktik, dan konvensi yang direproduksi dan diubah orang. Makna dan niat
manusia bekerja dalam kerangka struktur sosial ini — struktur yang tidak terlihat tetapi tetap nyata. Dengan kata lain,
fenomena sosial, seperti bahasa, keputusan, konflik, dan hierarki, ada di dunia dan memberi pengaruh kuat pada
aktivitas manusia karena orang menafsirkannya dengan cara yang sama. Hal-hal yang diyakini menjadi nyata dan dapat
ditanyakan.
Kami setuju dengan interpretivists yang menunjukkan bahwa pengetahuan adalah produk sosial dan sejarah dan
bahwa "fakta" datang kepada kita sarat dengan teori. Kami menegaskan keberadaan dan pentingnya yang subjektif,
fenomenologis, dan pembuatan makna di pusat kehidupan sosial. Tujuan kami adalah untuk mendaftar dan melampaui
proses ini dengan membuat pernyataan dan membangun teori untuk menjelaskan dunia nyata yang terikat dan sarat
perseptual — dan untuk menguji pernyataan dan teori ini dalam berbagai disiplin ilmu kami.
Pengujian kami tidak menggunakan logika deduktif positivisme klasik. Sebaliknya, penjelasan kami mengalir dari
penjelasan tentang bagaimana perbedaan struktur menghasilkan peristiwa yang kami amati. Kami ingin memperhitungkan
peristiwa, bukan sekadar mendokumentasikan urutannya. Kami mencari individu atau proses sosial, mekanisme, atau
struktur inti dari peristiwa yang dapat ditangkap untuk memberikan deskripsi kausal dari kekuatan yang paling mungkin
bekerja.
Paradigma untuk melakukan penelitian sosial selalu bergeser di bawah kaki kita. Pandangan kami adalah bahwa
berbagi lebih banyak tentang keahlian kami adalah penting dan mungkin untuk mengembangkan metode praktis untuk
menilai kebaikan kesimpulan kami. Kita mungkin menghadapi risiko formalisasi ketika kita membedah dan menyusun
kembali prosedur analitik yang digunakan oleh peneliti kualitatif, tetapi bukan yang besar. Bagi kami, penelitian
sebenarnya lebih merupakan kerajinan (dan kadang-kadang, seni) daripada kepatuhan yang berlebihan terhadap aturan
metodologis. Tidak ada penelitian yang benar-benar sesuai dengan metodologi standar; masing-masing meminta peneliti
untuk membengkokkan metodologi ke keunikan latar atau kasus. Paling tidak, kita perlu mengetahui apa yang
sebenarnya dilakukan peneliti kualitatif ketika mereka mengumpulkan dan menganalisis data dari lapangan.
Pembaca yang melihat metode dalam buku sumber ini akan menganggapnya sebagai metode yang teratur, dengan
tingkat formalisasi yang baik. Banyak kolega lebih memilih perjalanan yang lebih santai dan terbuka melalui data
mereka, dan kami berharap mereka baik-baik saja. Kami telah memilih ketelitian dan kejelasan dalam buku ini, bukan
hanya karena itu cocok untuk kami tetapi karena deskripsi yang tidak jelas tidak banyak berguna bagi orang lain.
Perhatikan, bagaimanapun, bahwa beberapa teknik dalam buku ini membutuhkan pemikiran metaforis, representasi
kreatif, dan bahkan asosiasi bebas. Dan keseluruhan struktur teks memungkinkan beberapa teknik digunakan dan yang
lainnya dikesampingkan. Kami menyarankan Anda untuk melihat ke balik formalisme yang tampak dan mencari tahu
apa yang akan berguna dalam pekerjaan Anda sendiri.
Genre Penelitian Kualitatif

Penelitian kualitatif dapat dilakukan dalam banyak cara, banyak dengan tradisi panjang di belakangnya.
Untuk melakukan semua keadilan tidak mungkin dilakukan di sini. Untuk tujuan kita, pertanyaannya adalah sebagai
berikut: Apa yang dikatakan genre (tipe) penelitian kualitatif terpilih tentang analisis? Dan dapatkah kita melihat beberapa
tema dan praktik umum?
Saldaña (2011b) menjelaskan lebih dari 20 genre penelitian kualitatif yang berbeda dari lebih banyak tersedia untuk
peneliti, mulai dari tradisi mapan seperti etnografi, teori grounded, fenomenologi, studi kasus, dan analisis isi untuk
genre penelitian kualitatif yang lebih progresif, seperti sebagai penyelidikan puitis, penyelidikan naratif, etnodrama,
autoetnografi, dan duoetnografi.
Setiap pendekatan (beberapa di antaranya akan dibahas nanti) umumnya akan menggunakan bentuk-bentuk tertentu
Setiap pendekatan (beberapa di antaranya akan dibahas nanti) umumnya akan menggunakan bentuk analisis tertentu
dengan datanya. Grounded theory, misalnya, menggunakan serangkaian siklus pengkodean kumulatif dan memo analitik
reflektif untuk mengembangkan kategori utama untuk pembuatan teori. Fenomenologi cenderung melihat data secara
tematis untuk mengekstrak esensi dan esensi makna partisipan. Penelitian metode campuran mengintegrasikan data dan
analisis kualitatif dan kuantitatif untuk pendekatan inkuiri yang lebih multidimensi. Inkuiri puitis, inkuiri naratif, dan
etnodrama mengadopsi dan mengadaptasi konvensi sastra fiksi untuk memberikan pengalaman partisipan nonfiksi dalam
bentuk puitis, biasa, dan dramatis, berlawanan dengan format penulisan ilmiah/akademis tradisional dan konvensional.
Metodologi utama antropologi sosial — etnografi — tetap dekat dengan bentuk penyelidikan naturalis: yaitu, (a) kontak
yang diperluas dalam komunitas tertentu; (b) kepedulian terhadap peristiwa sehari-hari maupun yang tidak biasa; (c)
partisipasi langsung atau tidak langsung dalam kegiatan lokal, dengan perhatian khusus diberikan pada deskripsi kekhasan
lokal; (d) fokus pada perspektif dan interpretasi individu tentang dunia mereka; (e) instrumentasi pra-terstruktur yang relatif
sedikit, tetapi sering menggunakan rekaman audio dan video yang lebih luas; dan (f) pengamatan yang lebih terarah
daripada tradisi penelitian lainnya.
Metode etnografi cenderung ke arah deskriptif. Tugas analisis adalah menjangkau berbagai sumber data dan
memadatkannya. Tentu saja, dalam memutuskan apa yang akan ditinggalkan, apa yang akan ditonjolkan, apa yang harus
dilaporkan pertama dan terakhir, apa yang harus dihubungkan, dan gagasan utama apa yang penting, pilihan analitik
dibuat terus menerus.
Genre seperti analisis konten, analisis percakapan, dan analisis wacana memberi perhatian cermat pada nuansa dan
makna yang tertanam dari setiap kata dalam korpus data sebagai bagian dari proses analitik mereka, sedangkan genre
seperti penelitian berbasis seni visual dan fotosuara menempatkan keunggulan. pada kekuatan gambar untuk mewakili
pengalaman manusia. Sejarah lisan mendokumentasikan masa lalu, sementara penelitian tindakan membayangkan dan
bekerja untuk masa depan yang lebih baik. Autoetnografi mengkaji diri sendiri, sementara duoetnografi mengkaji diri
dalam hubungannya dengan orang lain—yang juga meneliti diri sendiri.
Tujuan bagian ini bukan untuk mendeskripsikan setiap genre penelitian kualitatif yang tersedia bagi Anda, tetapi untuk
berfokus pada beberapa fitur umum yang muncul di sebagian besar genre penelitian kualitatif. Kami mencantumkan
beberapa di antaranya di sini, menyadari bahwa beberapa contoh tidak ada:
• Penelitian kualitatif dilakukan melalui kontak yang intens dan/atau berkepanjangan dengan partisipan dalam latar
naturalistik untuk menyelidiki kehidupan sehari-hari dan/atau luar biasa dari individu, kelompok, masyarakat, dan
organisasi.
• Peran peneliti adalah untuk memperoleh gambaran menyeluruh (sistemik, menyeluruh, dan terintegrasi) dari
konteks yang diteliti: pengaturan sosialnya, cara kerjanya, dan aturan eksplisit dan implisitnya.
• Relatif sedikit instrumentasi standar yang digunakan. Peneliti sendiri pada hakikatnya adalah instrumen utama
dalam penelitian. • Peneliti mencoba untuk menangkap data tentang persepsi peserta lokal dari dalam
melalui proses perhatian yang mendalam, pemahaman empati, dan menangguhkan atau mengelompokkan prasangka
tentang topik yang sedang didiskusikan.
• Sebagian besar analisis dilakukan dengan kata-kata. Kata-kata dapat dirakit, subcluster, atau
dipecah menjadi segmen-segmen. Mereka dapat diatur ulang untuk memungkinkan peneliti membandingkan,
membedakan, menganalisis, dan membangun pola dari mereka. • Membaca melalui bahan-bahan empiris
(yaitu, data), peneliti dapat membangun tema dan pola tertentu yang dapat ditinjau dengan peserta. • Tugas
utamanya adalah menjelaskan cara orang-orang dalam latar tertentu memahami, akun
untuk, mengambil tindakan, dan mengelola situasi sehari-hari mereka.

• Banyak interpretasi dari materi ini yang mungkin, tetapi beberapa lebih menarik karena alasan teoretis
atau atas dasar kredibilitas dan kepercayaan.
Fitur-fitur ini mungkin lebih relevan untuk studi naturalistik, tetapi dikonfigurasi dan digunakan
berbeda dalam tradisi penelitian tertentu.
Pendekatan Analisis Data Kualitatif

Ketika Anda telah melakukan penelitian kualitatif selama kami melakukannya, genre mulai kabur. Sebagai realis
pragmatis, kita tidak lagi menganut satu aliran pemikiran, atau berlatih hanya dalam batas-batas satu pendekatan
filosofis tertentu. Metode dan teknik analitik data yang kami gunakan selama beberapa dekade terakhir adalah "sedikit
ini dan sedikit itu," digunakan atas dasar "sesuai kebutuhan". Ini bukan untuk menunjukkan bahwa kami melakukan
improvisasi dengan bodoh saat kami menemukan apa yang harus dilakukan selanjutnya. Sebaliknya, kami cukup
berhati-hati dan rajin dalam metodologi dan pekerjaan analitik kami.
Seiring waktu, metode yang disertakan dalam buku ini hampir menjadi karya khas—cara “Miles and Huberman”
dalam menganalisis data kualitatif. Tetapi jika Anda meminta peneliti kualitatif mapan untuk mendeskripsikan metode
Miles dan Huberman, Anda akan mendengar beragam pendapat, mulai dari deskriptor positif seperti "sistematis",
"ketat", dan "otoritatif" hingga deskriptor negatif seperti "kuno", " membingungkan”, dan (favorit pribadi) “positivis
berbulu domba”. Tambahkan Saldaña sebagai rekan penulis baru untuk edisi ketiga teks ini, dan evolusi metode ini
terus berlanjut.
Kami bertiga tidak menganut salah satu genre penelitian kualitatif tertentu—kami adalah "eklektik tanpa malu-
malu", seperti kata pepatah populer. Tapi urutan analitik kami yang digambarkan di seluruh buku ini mungkin paling
dekat dengan metode etnografi, dengan beberapa teknik pinjaman dari grounded theory. Ini bergerak dari satu
inferensi induktif ke yang lain dengan mengumpulkan data secara selektif, membandingkan dan membedakan materi
ini dalam pencarian pola atau keteraturan, mencari lebih banyak data untuk mendukung atau memenuhi syarat
kelompok yang muncul ini, dan kemudian secara bertahap menarik kesimpulan dari hubungan antara data baru
lainnya. segmen dan kumpulan konseptualisasi kumulatif.
Metode Analitik: Beberapa Fitur Umum

Kami telah mengamati ciri-ciri yang berulang dalam banyak pendekatan analisis kualitatif. Sepintas lalu, mungkin
ada beberapa pasangan yang tidak dapat didamaikan—misalnya, pencarian hubungan yang sah (antropologi sosial)
versus pencarian esensi—yang mungkin tidak melampaui individu dan yang memberikan diri mereka sendiri pada
berbagai interpretasi yang meyakinkan (fenomenologi). Namun, beberapa praktik analitik dapat digunakan di berbagai
jenis penelitian kualitatif. Berikut adalah serangkaian gerakan analitik yang cukup klasik yang disusun secara berurutan:
• Menetapkan kode atau tema ke kumpulan catatan lapangan, transkrip wawancara, atau dokumen •
Menyortir dan memilah-milah materi yang diberi kode ini untuk mengidentifikasi frasa, hubungan yang serupa
antara variabel, pola, tema, kategori, perbedaan yang jelas antara subkelompok, dan urutan umum
• Mengisolasi pola dan proses ini, serta kesamaan dan perbedaan, dan membawanya ke lapangan dalam
gelombang pengumpulan data berikutnya
• Mencatat refleksi atau komentar lain dalam catatan, jurnal, dan memo analitik • Secara
bertahap mengelaborasi sekumpulan kecil pernyataan, proposisi, dan generalisasi yang mencakup konsistensi
yang terlihat dalam database
• Membandingkan generalisasi tersebut dengan kumpulan pengetahuan formal dalam bentuk

konstruksi atau teori
Tantangan analitik bagi semua peneliti kualitatif adalah menemukan deskripsi dan penjelasan yang koheren yang
masih mencakup semua kesenjangan, ketidakkonsistenan, dan kontradiksi yang melekat dalam kehidupan pribadi
dan sosial. Risikonya adalah memaksakan logika, keteraturan, dan kemungkinan yang membentuk pembuatan teori
pada sifat kehidupan sosial yang tidak seimbang, terkadang acak.
Kami akan kembali ke fitur berulang seperti ini, sambil mengakui keragaman yang diinginkan
Kami akan kembali ke fitur berulang seperti ini, sambil mengakui keragaman yang diinginkan dari pendekatan
analitik yang sekarang digunakan. Namun, selanjutnya, kita perlu mundur selangkah untuk bertanya, “Data seperti apa
yang sebenarnya kita hadapi dalam studi kualitatif?”
Sifat Data Kualitatif

Sifat Umum
Dalam buku ini, kami berfokus terutama pada data dalam bentuk kata—yaitu, bahasa dalam bentuk teks yang
diperluas. Data kualitatif juga dapat muncul sebagai gambar diam atau gambar bergerak, tetapi kami tidak menangani
bentuk ini secara ekstensif (lihat Lampiran untuk judul yang direkomendasikan dan panduan untuk data visual).
Kata-kata yang kami kumpulkan dan analisis berdasarkan pengamatan, wawancara, dokumen, dan artefak.
Kegiatan pengumpulan data ini biasanya dilakukan di dekat pengaturan lokal untuk jangka waktu yang berkelanjutan.
Data semacam itu biasanya tidak segera dapat diakses untuk dianalisis tetapi memerlukan beberapa jenis pemrosesan:
Catatan lapangan mentah perlu diperluas dan diketik, rekaman audio perlu ditranskripsi dan diperbaiki, dan foto perlu
didokumentasikan dan dianalisis.
Tapi kata-kata yang kami lampirkan pada pengalaman kerja lapangan pasti dibingkai oleh konsep implisit kami, dan
pemrosesan catatan lapangan itu sendiri bermasalah. Kata-kata yang kita pilih untuk mendokumentasikan apa yang
kita lihat dan dengar di lapangan tidak akan pernah benar-benar “objektif”; mereka hanya bisa menjadi interpretasi kita
atas apa yang kita alami. Demikian pula, transkripsi rekaman audio dapat dilakukan dengan banyak cara yang akan
menghasilkan teks yang agak berbeda. Dan pengaruh nilai-nilai pribadi peneliti , sikap, dan keyakinan dari dan
terhadap kerja lapangan tidak dapat dihindari.
Dengan kata lain, data kualitatif tidak begitu banyak tentang perilaku melainkan tentang tindakan (yang membawa
serta niat dan makna dan mengarah pada konsekuensi). Beberapa tindakan relatif mudah; yang lain melibatkan
"manajemen kesan"—bagaimana orang ingin orang lain, termasuk peneliti, melihat mereka. Selanjutnya, tindakan
tersebut selalu terjadi dalam situasi tertentu dalam konteks sosial dan sejarah, yang sangat mempengaruhi bagaimana
mereka ditafsirkan baik oleh orang dalam maupun peneliti sebagai orang luar.
Dengan demikian, kesederhanaan yang tampak dari data kualitatif menutupi banyak kerumitan, membutuhkan
banyak perhatian dan kesadaran diri dari pihak peneliti.
Kekuatan Data Kualitatif

Salah satu fitur utama dari data kualitatif yang dikumpulkan dengan baik adalah bahwa data tersebut berfokus pada
peristiwa biasa yang terjadi secara alami dalam latar alami, sehingga kita memiliki pemahaman yang kuat tentang
seperti apa “kehidupan nyata” itu. Keyakinan itu ditopang oleh groundedness lokal, fakta bahwa data dikumpulkan di
dekat situasi tertentu. Penekanannya adalah pada kasus tertentu, sebuah fenomena yang terfokus dan terbatas yang
tertanam dalam konteksnya. Pengaruh konteks lokal tidak dihilangkan tetapi diperhitungkan. Kemungkinan untuk
memahami masalah laten, mendasar, atau tidak jelas sangat kuat.
Fitur lain dari data kualitatif adalah kekayaan dan keutuhannya, dengan potensi kuat untuk mengungkap
kompleksitas; data semacam itu memberikan "deskripsi tebal" (Geertz, 1973) yang jelas, bersarang dalam konteks
nyata, dan memiliki cincin kebenaran yang berdampak kuat pada pembaca.
Selain itu, fakta bahwa data tersebut biasanya dikumpulkan selama periode yang berkelanjutan membuatnya kuat
untuk mempelajari proses apa pun (termasuk sejarah); kita bisa jauh melampaui snapshot dari "apa?" atau "berapa
banyak?" tentang bagaimana dan mengapa hal-hal terjadi sebagaimana adanya—dan bahkan menilai sebab-akibat
seperti yang sebenarnya terjadi dalam latar tertentu. Dan fleksibilitas studi kualitatif yang melekat (waktu dan metode
pengumpulan data dapat bervariasi seiring berjalannya studi) memberikan keyakinan lebih lanjut bahwa kami benar-
benar memahami apa yang sedang terjadi.
Data kualitatif, dengan penekanannya pada pengalaman hidup orang-orang, pada dasarnya cocok untuk
menemukan makna yang ditempatkan orang pada peristiwa, proses, dan struktur kehidupan mereka dan untuk
menghubungkan makna-makna ini dengan dunia sosial di sekitar mereka.
Kami membuat tiga klaim lain untuk kekuatan data kualitatif, yang akan kami kembalikan di bab selanjutnya. Mereka sering
dianjurkan sebagai strategi terbaik untuk penemuan, untuk menjelajahi area baru, dan untuk mengembangkan hipotesis. Selain
itu, kami menggarisbawahi potensi kuat mereka untuk menguji hipotesis, melihat apakah prediksi tertentu bertahan. Akhirnya,
data kualitatif berguna ketika seseorang perlu melengkapi, memvalidasi, atau menerangi data kuantitatif yang dikumpulkan dari
latar yang sama.
Kekuatan data kualitatif terpusat pada kompetensi analisisnya

dilakukan. Apa yang kita maksud dengan analisis?
Pandangan Kami tentang Analisis Data Kualitatif
Kami melihat analisis sebagai tiga alur aktivitas yang bersamaan: (1) pemadatan data, (2) tampilan data, dan (3) penarikan/
verifikasi kesimpulan. Kami akan mengeksplorasi masing-masing komponen ini secara lebih mendalam saat kami melanjutkan
membaca buku ini. Untuk saat ini, kami hanya membuat beberapa komentar secara keseluruhan.
Kondensasi Data
Pemadatan data mengacu pada proses pemilihan, pemfokusan, penyederhanaan, abstraksi, dan/atau transformasi data yang
muncul dalam korpus (badan) lengkap catatan lapangan tertulis, transkrip wawancara, dokumen, dan bahan empiris lainnya.
Dengan memadatkan, kami membuat data lebih kuat.
(Kami menghindari reduksi data sebagai istilah karena itu menyiratkan bahwa kami melemahkan atau kehilangan sesuatu dalam
prosesnya.)
Seperti yang kita lihat, kondensasi data terjadi terus menerus sepanjang hidup proyek yang berorientasi kualitatif. Bahkan
sebelum data benar-benar dikumpulkan, kondensasi data antisipatif terjadi ketika peneliti memutuskan (seringkali tanpa
kesadaran penuh) kerangka konseptual mana, kasus mana, pertanyaan penelitian mana, dan pendekatan pengumpulan data
mana yang akan dipilih. Saat pengumpulan data berlangsung, episode kondensasi data selanjutnya terjadi: menulis ringkasan,
pengkodean, mengembangkan tema, menghasilkan kategori, dan menulis memo analitik. Proses kondensasi/transformasi data
berlanjut setelah pekerjaan lapangan selesai, hingga laporan akhir selesai.
Pemadatan data bukanlah sesuatu yang terpisah dari analisis. Ini adalah bagian dari analisis. Keputusan peneliti — potongan
data mana yang akan dikodekan dan mana yang akan ditarik, label kategori mana yang paling baik meringkas sejumlah
potongan, cerita mana yang berkembang untuk diceritakan — semuanya adalah pilihan analitik. Pemadatan data adalah suatu
bentuk analisis yang menajamkan, memilah, memfokuskan, membuang, dan mengorganisasikan data sedemikian rupa sehingga
kesimpulan “akhir” dapat ditarik dan diverifikasi.
Dengan kondensasi data, kami tidak selalu berarti kuantifikasi. Data kualitatif dapat diubah dalam banyak cara: melalui
seleksi, melalui ringkasan atau parafrase, melalui penggolongan dalam pola yang lebih besar, dan seterusnya. Kadang-kadang,
mungkin berguna untuk mengubah data menjadi besaran (misalnya, analis memutuskan bahwa program yang dilihat memiliki
tingkat keefektifan "tinggi" atau "rendah"), tetapi ini tidak selalu diperlukan.
Tampilan Data
Aliran utama kedua dari aktivitas analisis adalah tampilan data. Secara umum, tampilan adalah kumpulan informasi yang
terorganisasi dan terkompresi yang memungkinkan penarikan kesimpulan dan tindakan. Dalam kehidupan sehari-hari, tampilan
bervariasi dari pengukur bensin hingga koran hingga pembaruan status Facebook. Melihat tampilan membantu kita memahami
apa yang sedang terjadi dan melakukan sesuatu—baik menganalisis lebih lanjut atau mengambil tindakan—berdasarkan
pemahaman itu.
Bentuk tampilan yang paling sering untuk data kualitatif di masa lalu adalah teks yang diperluas. Seperti yang akan kita catat
nanti, teks (dalam bentuk, katakanlah, 1.000 halaman catatan lapangan) sangatlah tidak praktis. Itu tersebar, berurutan daripada
simultan, terstruktur dengan buruk, dan sangat besar. Hanya menggunakan
teks yang diperluas, seorang peneliti mungkin merasa mudah untuk melompat ke kesimpulan yang tergesa-gesa, parsial, dan tidak berdasar.
Manusia tidak terlalu kuat sebagai pemroses informasi dalam jumlah besar. Teks yang diperluas membebani kemampuan pemrosesan
informasi kami dan memangsa kecenderungan kami untuk menemukan pola penyederhanaan. Atau kita secara drastis kelebihan informasi
yang jelas, seperti peristiwa menarik yang muncul dari halaman 124 catatan lapangan setelah bagian yang panjang dan "membosankan".
Halaman 89 sampai 123 mungkin diabaikan, dan kriteria pembobotan dan pemilihan mungkin tidak pernah dipertanyakan.
Selama pekerjaan kami, kami menjadi yakin bahwa tampilan yang bagus adalah jalan utama menuju analisis kualitatif yang kuat. Tampilan
yang dibahas dan diilustrasikan dalam buku ini mencakup banyak jenis matriks, grafik, bagan, dan jaringan. Semua dirancang untuk
mengumpulkan informasi yang terorganisir menjadi bentuk yang ringkas dan dapat diakses dengan segera sehingga analis dapat melihat apa
yang terjadi dan menarik kesimpulan yang dibenarkan atau melanjutkan ke langkah analisis berikutnya yang disarankan oleh tampilan mungkin
berguna.
Seperti kondensasi data, pembuatan dan penggunaan tampilan tidak terpisah dari analisis—itu adalah bagian dari analisis. Merancang
tampilan — memutuskan baris dan kolom matriks untuk data kualitatif dan memutuskan data mana, dalam bentuk apa, harus dimasukkan ke
dalam sel — adalah kegiatan analitik.
(Perhatikan bahwa mendesain tampilan juga memiliki implikasi kondensasi data yang jelas .)
Dalam buku ini, kami menganjurkan tampilan yang lebih sistematis, kuat, dan mendesak sikap yang lebih inventif, sadar diri, dan iteratif
terhadap pembuatan dan penggunaannya. Seperti yang telah kami buat dalam tulisan kami sebelumnya, "Anda tahu apa yang Anda
tampilkan."
Menggambar dan Memverifikasi Kesimpulan

Alur kegiatan analisis yang ketiga adalah penarikan kesimpulan dan verifikasi. Dari awal pengumpulan data, analis kualitatif
menginterpretasikan apa yang dimaksud dengan mencatat pola, penjelasan, alur sebab akibat, dan proposisi. Peneliti yang kompeten
memegang kesimpulan ini dengan ringan, mempertahankan keterbukaan dan skeptisisme, tetapi kesimpulannya tetap ada, awalnya samar-
samar, kemudian semakin eksplisit dan membumi. Kesimpulan “final” mungkin tidak muncul sampai pengumpulan data selesai, tergantung
pada ukuran korpus catatan lapangan; metode pengkodean, penyimpanan, dan pengambilan yang digunakan; kecanggihan peneliti; dan
tenggat waktu yang diperlukan untuk dipenuhi.
Gambar kesimpulan, dalam pandangan kami, hanyalah setengah dari konfigurasi Gemini. Kesimpulan juga diverifikasi saat analis
melanjutkan. Verifikasi mungkin sesingkat pemikiran kedua yang melintas di benak analis selama penulisan, dengan perjalanan singkat
kembali ke catatan lapangan; atau mungkin menyeluruh dan rumit, dengan argumentasi panjang dan ulasan di antara rekan kerja untuk
mengembangkan "konsensus intersubjektif" atau dengan upaya ekstensif untuk mereplikasi temuan di kumpulan data lain. Makna yang
muncul dari data harus diuji kebenarannya, kekokohannya, keterkonfirmasiannya—yakni validitasnya. Jika tidak, kita akan mendapatkan
cerita menarik tentang apa yang terjadi tetapi tidak diketahui kebenaran dan kegunaannya.
Kami telah menyajikan ketiga aliran ini—kondensasi data, tampilan data, dan penarikan/verifikasi kesimpulan—sebagai jalinan sebelum,
selama, dan setelah pengumpulan data dalam bentuk paralel, untuk membuat domain umum yang disebut "analisis". Tiga aliran juga dapat
direpresentasikan seperti yang ditunjukkan pada Tampilan 1.1—tampilan jaringan pertama kami. Dalam pandangan ini, ketiga jenis aktivitas
analisis dan aktivitas pengumpulan data itu sendiri membentuk proses siklus yang interaktif. Peneliti terus bergerak di antara keempat simpul
ini selama pengumpulan data dan kemudian berpindah-pindah antara memadatkan, menampilkan, dan menarik/memverifikasi kesimpulan
untuk sisa penelitian.
Pengkodean data, misalnya (kondensasi data), mengarah pada ide-ide baru tentang apa yang harus dimasukkan ke dalam matriks
(penampilan data). Memasukkan data membutuhkan pemadatan data lebih lanjut. Saat matriks terisi, kesimpulan awal ditarik, tetapi itu
mengarah pada keputusan, misalnya, menambahkan kolom lain ke matriks untuk menguji kesimpulan.
Dalam pandangan ini, analisis data kualitatif adalah usaha yang berkelanjutan dan berulang. Masalah pemadatan data, tampilan, dan
penarikan/verifikasi kesimpulan berperan secara berturut-turut saat episode analisis mengikuti satu sama lain. Proses seperti itu sebenarnya
tidak lebih kompleks, secara konseptual, daripada mode analisis yang digunakan peneliti kuantitatif. Seperti rekan kualitatif mereka, mereka
pasti begitu
disibukkan dengan kondensasi data (cara menghitung, standar deviasi), dengan tampilan (tabel korelasi, cetakan regresi), dan dengan penarikan
kesimpulan/verifikasi (tingkat signifikansi, perbedaan kelompok eksperimen/kontrol). Tetapi aktivitas mereka dilakukan melalui metode yang
sudah dikenal dan terdefinisi dengan baik; dipandu oleh kanon; dan biasanya lebih berurutan daripada iteratif atau siklis. Peneliti kualitatif
berada dalam posisi yang lebih cair dan lebih humanis.
Jadi, seperti yang telah kami sarankan, analisis kualitatif perlu didokumentasikan dengan baik sebagai sebuah proses—terutama untuk
membantu kita belajar. Kita perlu memahami dengan lebih jelas apa yang terjadi saat kita menganalisis data, untuk merefleksikan,
menyempurnakan metode kita, dan membuatnya lebih umum digunakan oleh orang lain.
Tampilan 1.1
Komponen Analisis Data: Model Interaktif
Sumber: Miles, MB, & Huberman, AM (1994). Analisis data kualitatif: Buku sumber yang diperluas (edisi ke-2). Thousand
Oaks, CA: Publikasi Sage.
Saran untuk Pembaca

Rekomendasi untuk apa yang harus dilakukan pembaca dengan buku tertentu sering kali lancang, keliru, atau keduanya. Penulis tidak
memiliki kendali atas siapa yang membaca buku mereka atau apa yang mungkin berguna bagi pembaca. Namun demikian, kami menawarkan
beberapa saran untuk berbagai jenis pengguna.
Mahasiswa dan Peneliti Pemula Lainnya
Kami memberikan beberapa saran langsung di sini, dengan mengingat bahwa Anda akan sering bekerja sendiri, biasanya terus
satu kasus, dan mungkin merasa khawatir dengan kualitas studi Anda—disertasi atau tidak.
1. Buku ini berfokus pada analisis. Gunakan buku pengantar lainnya untuk membantu dasar-dasarnya
kerja lapangan (lihat Lampiran untuk judul dan sumber daya yang direkomendasikan).
2. Belajar dengan melakukan. Gunakan studi Anda sendiri (apakah itu dalam tahap perencanaan atau sedang berjalan) sebagai
sarana dan terapkan pada metode yang relevan di setiap bab.
3. Kompensasi masalah karena harus bekerja sendiri dengan mencari seseorang untuk menjadi teman atau mentor yang kritis
untuk menanggapi pekerjaan Anda saat Anda melanjutkan.
4. Simpan catatan atau jurnal informal tentang apa yang sedang Anda hadapi. Taktik ini akan membantu Anda
belajar dan akan berguna ketika Anda menulis studi Anda.
5. Jangan khawatir tentang nama tampilan tertentu yang mirip jargon; masalahnya adalah apa yang bisa ditampilkan
lakukan untukmu.
6. Musuh terbesar pembelajaran Anda adalah kekhawatiran yang menggerogoti bahwa Anda tidak "melakukannya dengan benar".
Karya disertasi cenderung mendorong hal itu. Tetapi masalah analitik apa pun dapat didekati dengan banyak cara yang berguna.
Kreativitas—yaitu, menemukan jalan keluar dari masalah—jelas merupakan sikap yang lebih baik.
Peneliti Berpengalaman
Ini adalah buku sumber. Kolega telah memberi tahu kami bahwa mereka telah menggunakannya dalam beberapa cara:
1. Browsing: Buku berisi berbagai macam materi, jadi cukup menjelajahinya dalam sebuah
cara yang tidak terstruktur dapat bermanfaat.
2. Pemecahan masalah: Siapa pun yang membuka buku ini memiliki masalah yang kurang lebih didefinisikan secara khusus dalam
melakukan analisis data kualitatif. Indeks telah dirancang untuk menjadi "peka masalah" untuk memungkinkan akses mudah ke
bagian buku yang sesuai. Isi juga dapat digunakan dengan cara ini.
3. “A to Z”: Beberapa pembaca lebih suka membaca buku secara berurutan, dari awal sampai akhir. Kita punya
mengatur buku sehingga masuk akal seperti itu.
4. Penggunaan operasional: Untuk pembaca yang melakukan proyek penelitian kualitatif yang sedang berlangsung, baik sendiri atau
dengan rekan kerja, ada gunanya membaca bagian tertentu yang berfokus pada tugas analisis yang akan datang (misalnya,
pembentukan pertanyaan penelitian, pengkodean, tampilan dengan urutan waktu), kemudian diskusikan mereka dengan kolega
yang ada, dan akhirnya merencanakan langkah selanjutnya dalam proyek, merevisi metode yang diuraikan di sini atau
mengembangkan yang baru.
5. Konsultasi penelitian: Buku ini dapat digunakan oleh orang-orang dengan peran penasehat atau konsultan dalam memulai dan
melanjutkan proyek penelitian. Dengan asumsi identifikasi masalah yang baik, seorang konsultan penelitian dapat bekerja dengan
klien baik dalam mode pemecahan masalah atau pelatihan langsung untuk membantu dalam desain proyek yang bijaksana dan
mengatasi masalah awal.
Pengajar Mata Kuliah Metode Penelitian Kualitatif

Beberapa rekan telah menggunakan buku ini sebagai teks utama, yang lain sebagai pelengkap. Dalam kedua kasus tersebut, saran kami
adalah melibatkan siswa dalam pengumpulan dan analisis data secara aktif. Buku ini tidak dirancang untuk membantu dalam jenis kursus
metode yang “tentang” penelitian kualitatif dan tidak memberikan pengalaman langsung dalam melakukannya. Data aktual diperlukan.
Untuk setiap topik, kami telah menggunakan pendekatan pembelajaran seperti ini, dilakukan oleh individu atau bekerja
pasangan, yang tetap bersama selama lokakarya:
1. Kuliah pengantar dan/atau membaca untuk mengklarifikasi poin-poin konseptual utama dari bagian 2. Tugas pembelajaran
singkat (misalnya, menggambar kerangka kerja konseptual, mengkodekan kutipan data, mendesain template matriks, menggambar
jaringan, menginterpretasikan formulir isian matriks, atau menulis analisis awal)
3. Membandingkan produk individu atau pasangan, menggambar generalisasi, dan mendiskusikan penerapan metode di masa mendatang
Prinsip umum yang sama berlaku saat buku digunakan dalam mata kuliah selama satu semester, meskipun cakupannya akan lebih dalam.
Latihan sementara yang berfokus pada tugas penelitian aktual, yang dikritik di kelas, sangat produktif. Dokumentasi diri yang aktif dan reflektif
melalui catatan atau jurnal pribadi juga bermanfaat.
Pendahuluan ini memberikan beberapa dasar singkat untuk sisa buku ini. Analisis sedang dilakukan, jadi mari kita lanjutkan di bab
berikutnya ke keputusan desain penelitian persiapan yang nantinya akan memainkan peran penting dalam pekerjaan analitik.
2
Desain dan Manajemen Penelitian
Ringkasan Bab
Bab ini menjelaskan hal-hal awal dan teknis yang terlibat dalam desain penelitian kualitatif.
Topik inti tersebut meliputi kerangka kerja konseptual, pertanyaan penelitian, pengambilan sampel, instrumentasi,
pertimbangan metode campuran, dan pengelolaan data dengan komputer dan perangkat lunak.
Isi
pengantar
Desain Ketat Versus Longgar: Beberapa Trade-Off
Membangun Kerangka Konseptual
Deskripsi dan Rasional
Contoh
Nasihat
Merumuskan Pertanyaan Penelitian
Contoh
Nasihat
Mendefinisikan Kasus
Contoh
Nasihat
Sampling: Membatasi Pengumpulan Data
Fitur Utama Sampling Kualitatif
Strategi Pengambilan Sampel Umum
Pengambilan Sampel Dalam Kasus
Pengambilan Sampel Banyak Kasus
Contoh
Nasihat
Peralatan
Contoh
Nasihat
Menghubungkan Data Kualitatif dan Kuantitatif
Pendekatan untuk Desain Metode Campuran
Isu Manajemen Berkaitan dengan Analisis
Penggunaan Komputer dan Perangkat Lunak
Manajemen data
Perencanaan Kepegawaian dan Waktu
Catatan
pengantar
Pada tahap proposal dan pada tahap perencanaan awal dan permulaan proyek penelitian kualitatif, banyak keputusan desain dibuat—
beberapa secara eksplisit dan tepat, yang lain secara implisit, beberapa tanpa disadari, dan yang lainnya secara default. Peneliti kualitatif
mulai memusatkan perhatian pada masalah penelitian, partisipan yang akan diobservasi, data yang akan dikumpulkan, dan bagaimana data
tersebut akan dikelola dan dianalisis.
Buku ini adalah tentang analisis, tetapi kita juga perlu membahas desain penelitian. Keputusan desain studi dapat, dalam arti sebenarnya,
dilihat sebagai analitik — semacam kondensasi data antisipatif — karena memengaruhi analisis selanjutnya dengan mengesampingkan
variabel dan hubungan tertentu dan memperhatikan yang lain; mereka menggambarkan gerakan analitik Anda. Beberapa keputusan desain
terutama bersifat konseptual: kerangka konseptual dan pertanyaan penelitian, pengambilan sampel, definisi kasus, instrumentasi, dan sifat
data yang akan dikumpulkan. Lainnya, meskipun muncul dalam kedok masalah manajemen, sama-sama fokus: bagaimana data akan
disimpan, diatur, dan diproses dan perangkat lunak komputer apa yang dapat digunakan untuk mendukung pekerjaan.
Di sini kita tidak bisa berurusan secara menyeluruh dengan desain penelitian kualitatif; lihat Lampiran untuk judul-judul yang
direkomendasikan tentang subjek tersebut. Dalam bab ini, kita membahas isu-isu analitik yang muncul sebagai studi terfokus dan terorganisir.
Kami memberikan contoh spesifik tetapi ingin menekankan bahwa masalah ini harus ditangani secara unik dan fleksibel dalam studi tertentu.
Rancangan penelitian kualitatif orang lain tidak selalu dapat ditiru oleh orang lain. Dan keputusan desain awal hampir selalu mengarah pada
desain ulang.
Desain Ketat Versus Longgar: Beberapa Trade-Off
Sebelum kerja lapangan, seberapa besar bentuk desain penelitian kualitatif? Peneliti mana pun, tidak peduli seberapa tidak terstruktur
atau induktifnya, datang ke kerja lapangan dengan beberapa ide orientasi. Seorang sosiolog mungkin fokus pada keluarga atau organisasi
dan, melalui lensa dan filter tersebut, akan mencari data yang ditandai dengan konsep disiplin khusus seperti "5 rs": peran, hubungan, aturan,
rutinitas, dan ritual. Jika peneliti itu melihat lemari atau ruang makan siang, itu bukan dengan mata seorang arsitek atau juru masak tetapi
dengan minat pada apa yang dikatakan ruangan dan isinya tentang pola yang dibagikan oleh orang-orang yang menggunakannya. Seorang
psikolog akan mengarahkan secara berbeda terhadap fenomena yang sama, mungkin berfokus pada motivasi, kecemasan, dan dinamika
komunikasi antarpribadi.
Beberapa peneliti kualitatif meminimalkan desain pra-terstruktur. Mereka menganggap proses sosial terlalu kompleks, terlalu relatif, terlalu
sulit dipahami, atau terlalu cair untuk didekati dengan kerangka konseptual yang eksplisit atau instrumen standar. Mereka lebih memilih
pendekatan yang lebih terstruktur, muncul, dan berlandaskan induktif untuk mengumpulkan data: Kerangka konseptual mereka akan
cenderung muncul dari lapangan selama studi; pertanyaan penelitian yang penting hanya akan menjadi jelas secara bertahap; pengaturan
yang berarti dan peserta tidak akan dipilih sebelum kerja lapangan tetapi hanya setelah orientasi awal ke lokasi lapangan.
Studi yang sangat induktif dan dirancang secara longgar masuk akal ketika peneliti berpengalaman memiliki banyak waktu dan menjelajahi
budaya asing, fenomena yang dipelajari, atau proses sosial yang sangat kompleks. Tetapi jika Anda baru dalam studi kualitatif dan sedang
melihat fenomena yang lebih dipahami dalam budaya atau subkultur yang sudah dikenal, desain induktif yang longgar mungkin membuang-
buang waktu. Kerja lapangan selama berbulan-bulan dan studi kasus yang banyak mungkin hanya menghasilkan beberapa banalitas.
Desain yang lebih ketat adalah kursus yang lebih bijaksana bagi para peneliti yang bekerja dengan konstruksi yang digambarkan dengan
baik. Faktanya, kita harus ingat bahwa penelitian kualitatif dapat menjadi konfirmasi langsung—yakni, dapat berusaha untuk menguji atau
menjelaskan lebih lanjut suatu konseptualisasi. Desain yang lebih ketat juga memberikan kejelasan dan fokus bagi para peneliti pemula yang
khawatir tentang prosedur dan kelebihan beban.
Jadi sebuah kasus dapat dibuat untuk desain kualitatif yang ketat dan terstruktur sebelumnya dan untuk desain yang longgar dan muncul.
Sebagian besar penelitian kualitatif berada di antara dua ekstrem ini. Tapi seberapa pra-struktur desain penelitian kualitatif seharusnya?
Tergantung waktu yang tersedia, seberapa banyak yang sudah diketahui tentang fenomena yang diteliti, instrumen yang sudah tersedia, dan
analisis yang akan dilakukan.
Semakin longgar desain awalnya, semakin tidak selektif pengumpulan datanya; semuanya tampak penting pada awalnya
jika Anda menunggu konsep kunci atau keteraturan muncul dari kasus, dan menunggu itu bisa memakan waktu lama.
Peneliti, tenggelam dalam data, akan membutuhkan waktu berbulan-bulan untuk menyelesaikannya. Anda mungkin memiliki
waktu seperti itu jika sedang mengerjakan disertasi atau didanai oleh hibah jangka panjang, tetapi sebagian besar proyek
dibatasi waktu.
Kedua, kerja lapangan mungkin melibatkan penelitian banyak kasus daripada studi kasus tunggal. Jika pekerja lapangan
yang berbeda beroperasi secara induktif, tanpa kerangka kerja atau instrumentasi umum, mereka pasti akan berakhir
dengan dilema ganda kelebihan data dan kurangnya komparabilitas lintas
kasus.
Kemudian, juga, kita tidak boleh lupa mengapa kita berada di lapangan sejak awal: untuk mendeskripsikan dan
menganalisis pola keterkaitan. Memulai dengan mereka (secara deduktif) dan secara bertahap (secara induktif) keduanya
mungkin. Dalam kehidupan konseptualisasi, kita membutuhkan kedua pendekatan tersebut—dan mungkin membutuhkannya
dari beberapa peneliti lapangan—untuk menarik banyak fakta dan temuan ke dalam serangkaian generalisasi yang luas
dan koheren.
Akhirnya, sebagai peneliti, kami memiliki latar belakang pengetahuan. Kami melihat dan menguraikan detail, kerumitan,
dan seluk-beluk yang akan luput dari perhatian pengamat yang kurang berpengetahuan. Kami tahu beberapa pertanyaan
untuk ditanyakan, insiden mana yang harus diperhatikan dengan cermat, dan bagaimana minat teoretis kami diwujudkan
di lapangan. Tidak "memimpin" dengan kekuatan konseptual Anda bisa jadi hanya merugikan diri sendiri.
Jelas, trade-off terlibat di sini. Dalam penelitian banyak kasus, misalnya, semakin longgar kerangka awal, semakin
setiap peneliti dapat menerima keistimewaan lokal—tetapi perbandingan lintas kasus akan sulit diperoleh, dan biaya serta
beban informasi akan sangat besar. Desain yang terkoordinasi dengan ketat menghadapi dilema yang berlawanan: Mereka
menghasilkan temuan yang lebih ekonomis, sebanding, dan berpotensi digeneralisasikan, namun kurang peka terhadap
huruf besar-kecil dan mungkin memerlukan membengkokkan data keluar dari bentuk kontekstual untuk menjawab
pertanyaan analitik lintas kasus. Apakah Anda memilih satu ujung kontinum atau yang lain untuk studi khusus Anda harus
menjadi keputusan Anda. Tetapi titik tengah di antara yang ekstrem adalah posisi lain, dan mungkin yang diambil oleh
sebagian besar peneliti kualitatif.
Membangun Kerangka Konseptual

Kerangka konseptual menjelaskan, baik secara grafis maupun dalam bentuk naratif, hal-hal utama yang harus dipelajari
—faktor kunci, variabel, atau konstruksi—dan dugaan keterkaitan di antara mereka.
Kerangka dapat sederhana atau rumit, masuk akal atau teori didorong, deskriptif atau kausal.
Kerangka kerja konseptual hanyalah versi terbaru dari peta peneliti dari wilayah yang sedang diselidiki. Saat pengetahuan
penjelajah tentang medan meningkat, peta menjadi lebih terdiferensiasi dan terintegrasi. Dengan demikian, kerangka kerja
konseptual dikembangkan pada awal studi dan berkembang seiring berjalannya studi.
Kerangka kerja konseptual memaksa Anda untuk selektif—memutuskan variabel mana yang paling penting, hubungan
mana yang mungkin paling bermakna, dan, sebagai konsekuensinya, informasi apa yang harus dikumpulkan dan dianalisis
—setidaknya di awal. Jika beberapa peneliti terlibat, kerangka kerja membantu mereka mempelajari fenomena yang sama
dengan cara yang memungkinkan analisis lintas kasus pada akhirnya.
Pembangunan teori bergantung pada beberapa konstruksi umum yang menggolongkan segunung rincian.
Konstruksi seperti budaya, kecerdasan sosial, dan identitas adalah label yang kita berikan pada "tempat sampah" intelektual
yang berisi banyak tindakan, keadaan, variabel, kategori, proses, dan peristiwa yang berbeda. Peneliti mana pun, tidak
peduli seberapa induktif pendekatannya, tahu tempat sampah mana yang mungkin berperan dalam penelitian dan apa
yang mungkin ada di dalamnya. Sampah berasal dari teori, dari pengalaman pribadi, dan (seringkali) dari tujuan umum
penelitian yang dibayangkan. Menetapkan tempat sampah, menamainya, dan memperjelas keterkaitannya membantu
mengarahkan Anda menuju kerangka kerja konseptual.
Contoh
Kerangka konseptual pertama-tama menentukan siapa dan apa yang akan (dan tidak akan) dipelajari. Tampilan
2.1 adalah potongan pertama, upaya draf pertama untuk membuat daftar, dalam bentuk grafik, berbagai pengaruh
pada satu guru kelas.
Ilustrasi ini mengidentifikasi orang-orang (Pengawas Sekolah Negeri, Pakar Bacaan Distrik, dll.) dan “benda”
atau dokumen/kebijakan resmi (Buku Teks Mandat Negara, Standar Distrik dan Kurikulum, dll.) yang diidentifikasi
oleh peneliti sebagai berpengaruh pada instruksional guru kelas. praktek dengan murid-muridnya. Ada
pengelompokan umum tentang siapa dan apa berdasarkan tingkat, negara bagian, distrik, dan lokal, dan hierarki
pengawasan/otoritas dan distribusi kekuasaan dari atas ke bawah.
Kita lihat di sini fungsi pemfokusan kerangka kerja konseptual. Beberapa, tidak semua, aktor sosial dalam daftar
panjang ini akan dipelajari, bersama dengan beberapa, tidak semua, aspek aktivitas mereka. Misalnya, peneliti
mungkin tidak dapat, karena aksesibilitas, untuk mewawancarai Pengawas Sekolah Negeri atau Anggota Dewan
Sekolah Negeri secara langsung. Tapi dia pasti bisa mengakses dokumen publik dan catatan bisnis resmi mereka
dari risalah rapat dewan sekolah negeri yang diterbitkan. Setelah semua izin diperoleh, Guru Seni Bahasa itu
sendiri akan diwawancarai beberapa kali dan diamati mengajar di beberapa ruang kelasnya. Dokumen seperti RPP
dan contoh tugas siswa yang dinilai akan ditinjau. Hanya beberapa hubungan dalam kerangka konseptual ini yang
akan dieksplorasi, jenis proses tertentu didokumentasikan, dan analisis tertentu dibuat—setidaknya di awal.
Sekarang untuk kerangka kerja konseptual yang sedikit lebih kompleks (baca “berantakan”) menggunakan beberapa aspek yang
sama dari penelitian ini saat mereka berevolusi.
Tampilan 2.2 menyertakan tempat sampah dan label yang sama persis dengan Tampilan 2.1, tetapi susunan
dan panah pengaruhnya berbeda. Ada lebih sedikit simetri (mendukung bahwa jaringan mencerminkan dunia sosial
"asimetris" tempat kita hidup), hierarki baru, dan serangkaian hubungan timbal balik yang berbeda.
Peneliti mendapatkan tampilan ini setelah menghabiskan beberapa waktu mengamati dan mewawancarai Guru
Seni Bahasa. Standar dan Pengujian Negara adalah faktor utama yang memengaruhi praktiknya dan pengalaman
kelas siswa. Dari semua pemain dari Tampilan 2.1 yang terdaftar secara hierarkis, beberapa sebenarnya cukup
periferal menurut perspektif Guru Seni Bahasa; ini tercantum di bagian bawah layar, dengan panah putus-putus
menuju tempat sampah utama yang menunjukkan pengaruh minimal.
Tiga faktor utama lainnya yang peneliti pelajari dan tafsirkan sebagai yang paling menonjol adalah Kepala
Sekolah guru, dan “obsesinya” untuk meningkatkan nilai tes standar sekolah; Lokakarya Pendidikan Guru Dalam
Jabatan Distrik (yang dipuji dan dianggap oleh guru “sangat berguna bagi saya dan anak-anak saya”); dan Buku
Teks Mandat Negara (yang sangat menekankan penulisan di atas apresiasi sastra untuk seni bahasa).
Tampilan 2.1
Kerangka Konseptual Draf Pertama untuk Guru Studi Kasus dan Pengaruhnya pada Praktiknya
Tampilan seperti ini dapat dianggap sebagai konfirmasi sebagian jika peneliti dapat mengunjungi guru Seni
Bahasa lain di sekolah yang sama dan di sekolah lain di luar distrik untuk menentukan apakah lingkungan pengaruh
mereka juga memasukkan faktor yang sama. Hipotesis kerja untuk pengujian lapangan yang peneliti kembangkan
setelah mempelajari dan menganalisis tampilan ini adalah sebagai berikut: Mandat pendidikan memanifestasikan
dirinya terutama sebagai produk preskriptif yang dikenakan pada pendidik dan siswanya. Secara keseluruhan, apa
yang diilustrasikan oleh Tampilan 2.2 adalah bahwa kerangka kerja konseptual berkembang seiring dengan
berlanjutnya studi dan gambaran yang lebih besar menjadi lebih jelas.
Pada rangkaian kami dari desain eksplorasi ke konfirmasi, Tampilan 2.1 lebih dekat ke akhir eksplorasi dan
Tampilan 2.2 ke yang lebih konfirmasi. Mari kita lihat studi yang sama sekali baru dengan kerangka kerja konseptual
tentang pertengahan antara kontinum eksplorasi-konfirmasi (lihat Tampilan 2.3).
1
Kerangka kerja ini sangat menarik karena memaparkan "studi peningkatan sekolah" yang darinya kami (Miles
dan Huberman) menggambar banyak tampilan kami selanjutnya (lihat juga Huberman & Miles, 1983, 1984).
Luangkan waktu untuk meninjau tampilan untuk melihat bagaimana semua bagian cocok satu sama lain dan untuk
melihat apa yang mengarah ke apa yang telah kami letakkan panah arah. Ini adalah kerangka konseptual awal kami
tentang bagaimana kami merasakan inovasi program pendidikan akan terungkap di sejumlah lokasi sekolah
sepanjang waktu.
Alih-alih tempat sampah orang dan dokumen, kami memberi label tempat sampah kami sebagai peristiwa
(misalnya, "Sejarah sebelumnya dengan inovasi"), pengaturan (misalnya, "Masyarakat, kantor distrik"), proses
(misalnya, "Perubahan persepsi dan praktik pengguna") , dan konstruksi teoretis (misalnya, "Aturan organisasi, norma ....").
Beberapa hasil dihipotesiskan (“Tingkat pelembagaan”), tetapi sebagian besar bersifat terbuka (“Keuntungan dan
kerugian yang dirasakan”). Panah arah mengikuti aliran waktu, tetapi beberapa taruhan masih dibuat bahwa
sebagian besar bantuan datang lebih awal dan perubahan timbal balik akan terjadi di antara
inovasi, penggunanya, dan organisasi.
Tampilan 2.2
Pengaruh Utama pada Praktek Guru Seni Bahasa
Tampilan 2.3
Kerangka Konseptual untuk Studi Lapangan “Peningkatan Sekolah” Multikasus, Versi Awal
Sumber: Huberman, AM, & Miles, MB (1984). Inovasi dari dekat: Cara kerja perbaikan sekolah. New York: Pleno.
Ini adalah ringkasan yang sangat umum. Ini juga merupakan brief yang dapat berubah dalam perjalanan, seperti konseptual ini
kerangka melakukannya. Saat peneliti kualitatif mengumpulkan data, mereka merevisi kerangka kerjanya—membuatnya lebih
tepat, mengganti tempat sampah yang lemah secara empiris dengan yang lebih bermakna, dan mengatur ulang hubungan.
Kerangka konseptual, kemudian, adalah tampilan analitik pertama Anda. Ini adalah representasi visual dari ide konseptual
utama Anda tentang sebuah studi dan bagaimana mereka berinteraksi dan saling mempengaruhi satu sama lain. Kami tidak
merasa bahwa ada perbedaan preskriptif antara pemetaan orang dan proses etnografi dan fenomenologi, misalnya. Tetapi
selalu ingat bahwa kerangka kerja konseptual menceritakan suatu kisah. Mereka berkembang, representasi satu halaman dari
penelitian Anda sedang berlangsung, sebanding dengan papan cerita pembuat film, yang pertama kali menggambar di atas
kertas apa yang pada akhirnya akan mereka dokumentasikan dalam video digital.
Nasihat
Berikut adalah beberapa saran yang meringkas dan memperluas apa yang telah diulas di bagian ini:
1. Kerangka konseptual paling baik dilakukan secara grafis daripada dalam teks. Harus mendapatkan seluruh kerangka
pada satu halaman mengharuskan Anda untuk menentukan tempat sampah yang menampung fenomena diskrit,
memetakan kemungkinan keterkaitan, membagi variabel yang berbeda secara konseptual atau fungsional, dan
bekerja dengan semua informasi sekaligus.
2. Berharap untuk melakukan beberapa versi, sejak awal. Mungkin ada banyak cara
mewakili variabel utama karena ada variabel untuk diwakili, tetapi beberapa — biasanya, potongan selanjutnya —
lebih elegan daripada yang lain.
3. Jika studi Anda memiliki lebih dari satu peneliti, mintalah setiap peneliti lapangan melakukan pemotongan kerangka kerja
sejak dini dan kemudian bandingkan beberapa versi. Prosedur ini akan menunjukkan, secara harfiah, di mana kepala
setiap orang berada. Ini biasanya mengarah pada penjelasan tentang area yang kontroversial atau berkabut yang jika
tidak akan muncul di kemudian hari.
4. Hindari kerangka kerja tanpa risiko—yaitu kerangka yang mendefinisikan variabel pada tingkat yang sangat global
dan memiliki panah dua arah di mana-mana. Penghindaran ini pada dasarnya sama dengan membuat keputusan
yang tidak fokus dan sedikit lebih baik daripada strategi masuk tanpa pandang bulu ke lapangan untuk melihat apa
yang harus diceritakan oleh situs. Namun, Anda dapat memulai dengan omnibus atau kerangka kerja umum sebagai
cara untuk mendapatkan yang lebih selektif dan spesifik.
5. Teori sebelumnya dan penelitian empiris, tentu saja, merupakan masukan yang penting. Ini membantu untuk
menyusun kerangka orientasi Anda sendiri dan kemudian memetakan ke dalamnya variabel dan hubungan dari
literatur yang tersedia, untuk melihat di mana tumpang tindih, kontradiksi, kualifikasi, dan perbaikan.
adalah.
Untuk pembahasan lebih lanjut tentang kerangka kerja konseptual dan bagaimana mereka mempengaruhi dan memengaruhi
semua aspek penelitian, lihat Ravitch dan Riggan (2012).
Merumuskan Pertanyaan Penelitian

Pertanyaan penelitian mewakili aspek penyelidikan yang paling ingin dieksplorasi oleh peneliti.
Pertanyaan penelitian mungkin umum atau khusus, deskriptif atau jelas. Perumusan pertanyaan penelitian dapat mendahului,
mengikuti, atau terjadi bersamaan dengan pengembangan kerangka konseptual. Mereka juga dapat dirumuskan di awal atau
nanti dan dapat disempurnakan atau dirumuskan kembali selama kerja lapangan.
Ini adalah langkah langsung dari kerangka konseptual ke pertanyaan penelitian. Jika saya memiliki tempat sampah berlabel
"Buku Teks yang Dimandatkan Negara", seperti pada Tampilan 2.1, dengan panah dari tempat sampah itu diarahkan ke "Guru
Seni Bahasa", saya secara implisit bertanya pada diri sendiri beberapa pertanyaan tentang bagaimana buku teks memengaruhi
praktik guru (misalnya, Di bagaimana buku teks seni bahasa yang diamanatkan negara membentuk kurikulum guru seni
bahasa?). Jika saya memiliki panah dua arah antara “Seni Bahasa
Guru” dan “Siswa,” seperti pada Peragaan 2.2, pertanyaan saya berkaitan dengan hubungan timbal balik antara mereka dan
dinamika interpersonal pendidikan (misalnya, metode belajar-mengajar seperti apa yang paling baik mempersiapkan siswa untuk
ujian mandat negara dalam seni bahasa? ?).
Jika kerangka konseptual saya lebih dibatasi, begitu pula pertanyaan saya. Pada Tampilan 2.2, “Dewan Sekolah Distrik”
hanya memiliki sedikit pengaruh dan pengaruh terhadap guru. Mungkin ada satu pertanyaan penelitian tentang Dewan untuk
memverifikasi dampaknya yang tidak penting, tetapi tidak banyak waktu atau upaya yang akan dihabiskan untuk mengejar faktor
minimal ini.
Apa manfaat pertanyaan-pertanyaan ini bagi saya? Mereka memberi tahu saya apa yang paling ingin saya ketahui atau yang
pertama; pengumpulan data saya akan lebih fokus. Saya juga mulai membuat beberapa keputusan sampling implisit. Saya hanya
akan melihat beberapa aktor dalam beberapa konteks yang berurusan dengan beberapa masalah. Pertanyaan-pertanyaan itu
juga mulai mengarahkan saya pada perangkat pengumpulan data—observasi, wawancara, pengumpulan dokumen, atau bahkan
kuesioner. Akhirnya, pertanyaan penelitian mulai mengoperasionalkan kerangka konseptual dan membuat asumsi teoretis awal
menjadi lebih eksplisit.
Sebagai contoh lain, ambil masalah pemahaman kerja polisi (van Maanen, 1979). Jika Anda menggunakan pendekatan
induktif, Anda menjelajahi semua aspek pekerjaan polisi secara terbuka. Tetapi ada begitu banyak sehingga Anda tidak dapat
melihat semuanya. Dan di mana Anda akan mempelajarinya? Anda tidak dapat melihat ke mana-mana.
Dan kapan? Jika Anda menunda keputusan itu selama beberapa bulan hingga Anda menghabiskan beberapa waktu, katakanlah
di kantor polisi, itu hanya mencerminkan dua keputusan pengambilan sampel diam-diam (mulai dari kantor polisi, lalu periksa
kembali setelah beberapa saat).
Misalkan pertanyaan penelitian implisit adalah "Bagaimana cara kerja penangkapan dan pemesanan?" Pilihan itu segera
mengecualikan banyak masalah lain dan mengarah pada pilihan pengambilan sampel dan instrumentasi (misalnya, menggunakan
observasi daripada dokumen resmi; pemilihan berbagai jenis tersangka, kejahatan, gaya menangkap tersangka, dan jenis
petugas). Keputusan pengambilan sampel dan instrumentasi ini, seringkali tidak jelas, sebenarnya berfokus pada latar, aktor,
proses, dan peristiwa yang akan dipelajari. Singkatnya, pertanyaan penelitian, implisit atau eksplisit, juga menyarankan
kemungkinan jenis analisis.
Tampilan kerangka kerja konseptual menunjukkan tempat sampah dan panah relasional yang disukai peneliti saat mereka
memetakan dan mengukir fenomena sosial. Mereka menggunakan ini secara eksplisit atau implisit untuk memutuskan pertanyaan
mana yang paling penting dan bagaimana mereka harus mendapatkan jawabannya. Kami percaya bahwa penelitian yang lebih
baik terjadi ketika Anda membuat kerangka kerja Anda (dan pilihan terkait pertanyaan penelitian, kasus, pengambilan sampel,
dan instrumentasi) secara eksplisit, daripada mengklaim kemurnian induktif.
Contoh Studi
peningkatan sekolah kami (Miles dan Huberman) menunjukkan bagaimana kerangka konseptual terkait dengan perumusan
pertanyaan penelitian. Lihat kembali Tampilan 2.3, di mana kumpulan variabel utama dari penelitian ini ditampilkan. Lihat kolom
ketiga, berlabel “Keputusan Adopsi”. Bagian-bagian komponennya tercantum di dalam bin: keputusan untuk mengadopsi, rencana
implementasi, dan dukungan untuk implementasi. Maka, tugasnya adalah memutuskan apa yang ingin Anda ketahui tentang
topik-topik ini. Prosedur yang kami gunakan adalah mengelompokkan pertanyaan penelitian spesifik di bawah pertanyaan yang
lebih umum, seperti yang ditunjukkan pada Tampilan 2.4.
Perhatikan pilihan yang dibuat dalam setiap area topikal. Misalnya, dalam dua area pertama, hal utama yang ingin kita ketahui
tentang keputusan untuk mengadopsi adalah siapa yang terlibat, bagaimana keputusan itu dibuat, dan seberapa penting proyek
ini relatif terhadap yang lain. Semua pertanyaan tampaknya lebih bersifat fungsional daripada teoretis atau deskriptif—mereka
berkaitan dengan menyelesaikan sesuatu.
Tampilan 2.4
Pertanyaan Penelitian Umum dan Khusus Terkait Keputusan Adopsi (School Improvement
Belajar)
Bagaimana keputusan adopsi dibuat?

Siapa yang terlibat (misalnya, kepala sekolah, pengguna, orang kantor pusat, dewan sekolah, lembaga luar)?
Bagaimana keputusan dibuat (gaya top-down, persuasif, konsultatif, kolegial-partisipatif, atau delegasi)?
Seberapa besar prioritas dan sentralitas yang dimiliki program baru pada saat keputusan adopsi?
Berapa banyak dukungan dan komitmen yang ada dari administrator?
Seberapa penting bagi guru, dilihat dari rutinitas mereka, kegiatan “biasa”, dan inovasi lain yang sedang dipikirkan atau dicoba?
Secara realistis, seberapa besar hal itu tampak dalam skema hal-hal?
Apakah itu acara satu kali atau salah satu dari rangkaian?
Apa komponen dari rencana awal untuk implementasi?

Ini mungkin termasuk pelatihan front-end, pemantauan dan debugging/pemecahan masalah tak terduga, dan dukungan
berkelanjutan.
Seberapa tepat dan rumit rencana ini?
Apakah orang-orang puas dengan itu pada saat itu?
Apakah itu menangani semua masalah yang diantisipasi?
Apakah kondisi yang diperlukan untuk implementasi dipastikan sebelum dimulai?

Ini mungkin termasuk komitmen, pemahaman, bahan dan peralatan, keterampilan, alokasi waktu, dan cadangan organisasi.
Apakah ada kondisi penting yang dianggap hilang? Mana yang paling hilang?
Perhatikan juga bahwa, secara konseptual, lebih banyak yang terjadi daripada yang kita lihat dalam kerangka konseptual.
"Kondisi yang diperlukan" di bagian keempat pertanyaan menunjukkan bahwa para peneliti memiliki beberapa gagasan apriori
(ditentukan sebelumnya) tentang faktor mana yang membuat kesiapan terbesar.
Ketika pertanyaan penelitian semacam itu dioperasionalkan, upaya akan dilakukan untuk menentukan apakah kondisi ini ada
atau tidak ada di berbagai lokasi lapangan dan apakah hal itu membuat perbedaan dalam pelaksanaan proyek. Ini adalah contoh
bagaimana pertanyaan penelitian dimasukkan langsung ke dalam pengumpulan data. Tentu saja, peneliti lapangan akan
memperhatikan kondisi lain yang belum terbayangkan, yang diperlukan, dan gagasan tentang kondisi yang diperlukan mungkin
tidak dipertahankan selama penelitian.
Nasihat
1. Bahkan jika Anda berada dalam mode yang sangat induktif, ada baiknya memulai dengan beberapa hal umum
pertanyaan penelitian. Mereka memungkinkan Anda untuk memperjelas tentang apa, dalam domain umum, yang paling
menarik. Mereka membuat implisit menjadi eksplisit, tanpa harus membekukan atau membatasi visi Anda.
2. Jika Anda tidak yakin dengan prioritas Anda atau tentang cara menyusunnya, mulailah dengan pertanyaan penelitian yang
tidak jelas dan kemudian coba hilangkan. Sebagian besar pertanyaan penelitian tidak langsung muncul begitu saja, tidak
peduli seberapa berpengalaman peneliti atau seberapa jelas bidang studinya.
3. Merumuskan lebih dari selusin pertanyaan penelitian umum mencari masalah. Anda dapat dengan mudah kehilangan
hutan karena pepohonan dan memecah-mecah kumpulan data. Memiliki banyak pertanyaan mempersulit untuk
melihat tautan yang muncul di berbagai bagian database dan untuk mengintegrasikan temuan. Seperti yang kita lihat
di Tampilan 2.4, solusi untuk proliferasi pertanyaan penelitian adalah penggunaan pertanyaan utama, masing-masing
dengan subpertanyaan, untuk kejelasan dan kekhususan.
Ini juga membantu untuk mempertimbangkan apakah ada pertanyaan kunci, "hal yang benar-benar ingin Anda ketahui".
4. Terkadang lebih mudah untuk menghasilkan kerangka kerja konseptual setelah Anda membuat daftar pertanyaan penelitian.
Anda melihat daftar tema umum, konstruksi umum, implisit atau eksplisit
hubungan, dan seterusnya, dan kemudian mulai memetakan kerangka dasar yang menggabungkan potongan-
potongan ini. Beberapa peneliti beroperasi paling baik dalam mode ini.
5. Dalam studi kasus ganda, pastikan semua pekerja lapangan memahami setiap pertanyaan dan melihatnya
pentingnya. Studi multi-kasus harus lebih eksplisit, sehingga beberapa peneliti dapat disejajarkan saat mereka
mengumpulkan informasi di lapangan. Pertanyaan yang tidak jelas atau pemahaman yang berbeda dapat membuat data
tidak dapat dibandingkan di seluruh kasus.
6. Setelah daftar pertanyaan penelitian dibuat dan diasah, periksa untuk memastikannya masing-masing
pertanyaan adalah, pada kenyataannya, diteliti. Hapus pertanyaan-pertanyaan yang Anda atau peserta Anda tidak punya
alat untuk menjawabnya, atau Anda tidak bisa mengukurnya (secara kualitatif atau kuantitatif).
7. Pertahankan pertanyaan penelitian, dan tinjaulah selama kerja lapangan. Kedekatan ini akan memfokuskan pengumpulan
data; Anda akan berpikir dua kali sebelum mencatat apa yang peserta makan siang atau di mana mereka memarkir
mobil mereka. Kecuali sesuatu memiliki hubungan yang jelas, langsung, atau berpotensi penting dengan pertanyaan
penelitian, itu tidak boleh menggemukkan catatan lapangan Anda.
Mendefinisikan Kasus

Peneliti kualitatif sering bergumul dengan pertanyaan "apa kasus saya" dan "di mana kasus saya berhenti". Secara abstrak, kita
dapat mendefinisikan kasus sebagai fenomena yang terjadi dalam konteks yang terbatas. Kasusnya, pada dasarnya, adalah unit
analisis Anda. Studi mungkin hanya satu kasus atau beberapa.
Tampilan 2.5 menunjukkan hal ini secara grafis: Ada fokus atau “jantung” penelitian, dan batas yang agak tidak pasti menentukan
tepi kasus: apa yang tidak akan dipelajari.
Contoh
Apa saja contoh kasusnya? Kadang-kadang "fenomena" dapat berupa individu dalam konteks yang ditentukan, seperti yang
disarankan oleh Tampilan 2.1 dan 2.2: seorang guru Seni Bahasa dan rangkaian kelasnya dengan siswa sekolah menengah
pertama selama semester musim semi 18 minggu—semester yang sama dengannya. siswa akan mengikuti tes "bertaruh tinggi"
standar yang diamanatkan negara dalam seni bahasa.
Perhatikan bahwa "hati" di sini adalah guru. Batas tersebut mendefinisikan siswa dan situs sekolahnya sebagai konteks utama.
Peneliti tidak akan, misalnya, mewawancarai ibu guru atau mengunjungi fasilitas penitipan anak tempat guru meninggalkan anaknya
sendiri selama hari kerja. Pembatasan juga berdasarkan waktu: Tidak ada informasi yang akan dikumpulkan setelah semester
musim semi berakhir dalam 18 minggu dan nilai ujian standar telah dilaporkan.
Tampilan 2.5
Kasus sebagai Unit Analisis
Kita juga dapat berharap bahwa batas akan ditentukan lebih lanjut dengan operasi pengambilan sampel , yang akan kita lakukan
diskusikan nanti. Misalnya, peneliti ini tidak akan mewawancarai konselor sekolah, hanya kepala sekolah dan, jika relevan, guru
seni bahasa lainnya.
Sebuah kasus juga dapat didefinisikan oleh
• peran (kepala sekolah, CEO, pengawas perawat), • kelompok

kecil (pria Afrika-Amerika di lingkungan dalam kota, batu tingkat perguruan tinggi
band, kelompok pendukung penyintas kanker payudara),
• organisasi (sekolah taman kanak-kanak, perusahaan pembuat chip komputer, American Sociological Association), •
ruang dan lingkungan (mal tempat "nongkrong" remaja, pengunjung di Vietnam Veterans Memorial Mall di
Washington DC, lalu lintas pejalan kaki di malam hari Las Vegas Strip), • sebuah komunitas atau pemukiman (French
Quarter of New Orleans, sebuah desa di Tanzania, Distrik Tenderloin San Francisco),
• episode atau pertemuan (voting untuk pertama kalinya, "one night stand," insiden intimidasi di sebuah
taman bermain sekolah dasar),
• sebuah acara (rapat panitia pencarian, upacara kelulusan SMA, malam tahun baru di
Time Square Kota New York),
• periode waktu (sehari dalam kehidupan petugas pemadam kebakaran, liburan musim semi, bagaimana pelanggan menggunakan waktu mereka
antara memesan makanan dari server dan mengirimkannya ke meja mereka), • suatu proses
(belanja bahan makanan dan menyiapkan makanan, mengatur dan mengelola
konferensi, adopsi dan implementasi program pendidikan inovatif di distrik sekolah),
• budaya atau subkultur (perempuan Afrika-Amerika di bidang akademisi, waria Los Angeles, “pemain skater”), atau •
sebuah bangsa (Yunani selama periode krisis ekonomi abad ke-21, Amerika selama
siklus pemilihan presiden 2012).
Kasus tunggal adalah bagian dari banyak penelitian kualitatif dan bisa sangat jelas dan mencerahkan, terutama jika dipilih
menjadi "kritis", ekstrim atau unik, atau "penyataan", seperti yang disarankan Yin (2009). Tetapi kasusnya mungkin tidak monolitik.
Yin lebih lanjut menunjukkan bahwa kasus mungkin memiliki subkasus yang tertanam di dalamnya. Studi kasus sekolah mungkin
berisi kasus ruang kelas tertentu; studi kasus bangsal rumah sakit mungkin memiliki kasus hubungan dokter-pasien tertentu di
dalamnya.
Kami menyarankan bahwa banyak kasus memberi peneliti pemahaman yang lebih dalam tentang proses dan hasil kasus,
kesempatan untuk menguji (tidak hanya mengembangkan) hipotesis, dan gambaran yang baik tentang penyebab yang didasarkan
secara lokal. Pertanyaan tentang kasus mana yang akan disertakan dalam sampel dibahas di bawah ini.
Komentar tentang notasi: Terkadang kami lebih suka—dan menggunakan di sana-sini dalam buku ini—kata situs karena
mengingatkan kita bahwa sebuah “kasus” selalu terjadi dalam latar sosial dan fisik tertentu; kita tidak dapat mempelajari kasus
individu tanpa konteksnya seperti yang sering dilakukan oleh peneliti kuantitatif.
Nasihat
1. Mulai secara intuitif, tetapi ingat fokus dan bangun ke luar. Pikirkan siapa dan apa yang akan Anda lakukan
tidak belajar sebagai cara untuk menegaskan batas-batas.
2. Tentukan kasus sedini mungkin selama penelitian. Dengan kerangka konseptual awal dan pertanyaan penelitian, sebaiknya
Anda sedikit tegas tentang siapa dan apa yang Anda definisikan sebagai sebuah kasus; yang akan membantu
mengklarifikasi lebih lanjut kerangka kerja dan pertanyaannya.
3. Ingatlah bahwa pengambilan sampel akan menentukan kasus lebih lanjut.
4. Perhatikan beberapa dimensi kasus: sifat konseptualnya , ukuran sosialnya , fisiknya
lokasi, dan jangkauan temporalnya .
Sampling: Membatasi Pengumpulan Data

Pengambilan sampel melibatkan keputusan tidak hanya tentang orang mana yang akan diamati dan/atau diwawancarai,
tetapi juga tentang latar, peristiwa, dan proses sosial. Studi kasus ganda juga menuntut pilihan yang jelas tentang jenis kasus
mana yang akan dimasukkan. Studi kualitatif membutuhkan pemfokusan ulang dan penggambaran ulang parameter studi secara
terus menerus selama kerja lapangan, tetapi beberapa seleksi awal masih diperlukan. Kerangka kerja konseptual dan pertanyaan
penelitian dapat membantu menetapkan fokus dan batasan untuk pengambilan sampel keputusan.
Pengambilan sampel mungkin terlihat mudah. Sebagian besar penelitian kualitatif mengkaji satu “kasus”—beberapa fenomena
yang tertanam dalam satu latar sosial. Tetapi pengaturan memiliki subset (sekolah memiliki ruang kelas, ruang kelas memiliki
klik, klik memiliki individu), jadi memutuskan di mana mencarinya tidaklah mudah. Dan sebanyak yang Anda inginkan, Anda tidak
dapat mempelajari semua orang di mana pun melakukan segalanya.
Pilihan Anda—untuk melihat atau berbicara dengan siapa, di mana, kapan, tentang apa, dan mengapa—membatasi kesimpulan
yang dapat Anda tarik dan seberapa percaya diri Anda dan orang lain tentang mereka. Pengambilan sampel sangat penting
untuk analisis selanjutnya.
Bagaimanapun, fenomena sosial berkembang biak (pelajaran sains, teknik bertanya guru, ketidakteraturan siswa, penggunaan
inovasi); mereka juga harus dijadikan sampel. Dan pertanyaan tentang pengambilan sampel banyak kasus menambah lapisan
kerumitan lainnya. Bagaimana kita mengatur itu semua? Kami membahas beberapa prinsip umum dan menyarankan referensi
yang berguna untuk bantuan terperinci.
Fitur Utama Sampling Kualitatif

Peneliti kualitatif biasanya bekerja dengan sampel kecil orang, bersarang dalam konteksnya dan mempelajarinya secara
mendalam—tidak seperti peneliti kuantitatif, yang mengincar lebih banyak kasus tanpa konteks dan mencari signifikansi statistik.
Sampel kualitatif cenderung purposive daripada acak. Sampel dalam studi kualitatif biasanya tidak sepenuhnya ditentukan
sebelumnya tetapi dapat berkembang setelah kerja lapangan dimulai. Pilihan awal peserta membawa Anda ke pilihan yang
serupa dan berbeda; mengamati satu kelas peristiwa mengundang perbandingan dengan yang lain; dan memahami satu
hubungan kunci dalam latar mengungkapkan segi-segi yang harus dipelajari pada orang lain. Ini adalah pengambilan sampel
berurutan yang digerakkan secara konseptual.
Pengambilan sampel dalam penelitian kualitatif melibatkan dua tindakan yang terkadang menarik ke arah yang berbeda.
Pertama, Anda perlu menetapkan batasan: untuk menentukan aspek kasus Anda yang dapat Anda pelajari dalam batas waktu
dan kemampuan Anda, yang terhubung langsung dengan pertanyaan penelitian Anda, dan yang mungkin menyertakan contoh
dari apa yang ingin Anda pelajari. . Kedua, pada saat yang sama, Anda perlu membuat kerangka konseptual untuk membantu
Anda mengungkap, mengonfirmasi, atau mengkualifikasikan proses atau konstruksi dasar yang melandasi studi Anda. Tampilan
2.2 menunjukkan bahwa kerangka penelitian ini terutama tentang tekanan dan konsekuensi dari pengujian yang dimandatkan
negara pada seorang guru seni bahasa dan murid-muridnya.
Sampling kualitatif sering kali didorong oleh teori, baik "di depan" atau secara progresif, seperti dalam mode teori beralas.
Misalkan Anda sedang mempelajari bagaimana remaja mengembangkan persahabatan dan Anda hanya bisa melihat satu
sekolah menengah. Pada awalnya, itu tampak sangat terbatas. Tetapi jika Anda memilih situs menurut teori yang relevan, Anda
mungkin memilih situs yang memiliki jangkauan luas dan keragaman siswa dalam hal jenis kelamin, ras/etnis, kelas sosial
ekonomi, orientasi seksual, latar belakang agama, dan sebagainya. Ini akan memungkinkan Anda untuk menguji teori bahwa
persahabatan menjadi lebih selektif—yaitu, mendiskriminasi—ketika banyak pilihan tersedia bagi remaja. Dan Anda akan
mengambil sampel dalam setiap kelas (mahasiswa baru, mahasiswa tingkat dua, junior, senior) untuk proses perkembangan
tertentu yang diharapkan seperti pembentukan klik, orientasi pendatang baru, penggunaan teknologi untuk memelihara
persahabatan, dan seterusnya. Anda mungkin juga menemukan bahwa acara-acara tertentu, seperti waktu makan siang dan
kegiatan ekstrakurikuler olahraga dan seni yang terorganisir, sangat kaya dengan tindakan sosialisasi, dan kemudian Anda akan
mengambil sampel dengan lebih hati-hati untuk ini. Pengambilan sampel seperti ini, baik di dalam maupun di seluruh kasus,
menempatkan inti dari konstruksi umum dan hubungannya. Kita bisa melihat proses generik; generalisasi kami bukan untuk
"semua remaja" tetapi untuk teori yang ada atau baru tentang bagaimana
karya pengembangan persahabatan.
Strategi Pengambilan Sampel Umum
Erickson (1986) menyarankan urutan pengambilan sampel yang umum dan menyalurkan, bekerja dari luar ke dalam
inti suatu latar. Misalnya, dalam mempelajari sekolah, dia akan mulai dengan komunitas sekolah (data sensus, berjalan-
jalan di sekitar lingkungan) dan kemudian memasuki sekolah dan ruang kelas, tinggal beberapa hari untuk mengetahui
frekuensi dan kejadian berbagai peristiwa. Dari sana, fokus akan diperketat: peristiwa, waktu, dan lokasi tertentu.
Namun, secara berkala, Erickson akan mengikuti garis pengaruh ke lingkungan sekitar untuk menguji kekhasan dari apa
yang ditemukan di kelas tertentu dan untuk mendapatkan perbaikan yang lebih baik pada pengaruh dan faktor penentu
eksternal.
Ada berbagai strategi pengambilan sampel yang tersedia untuk peneliti kualitatif (Patton, 2002, 2008), dalam kasus
yang kompleks atau lintas kasus. Mereka dapat dipilih sebelumnya atau dapat berkembang selama pengumpulan data
awal. Tidak mungkin menentukan strategi pengambilan sampel mana yang terbaik untuk setiap jenis penelitian, karena
ada terlalu banyak kondisi unik dalam setiap proyek (pertanyaan penelitian khusus, lokasi dan kasus tertentu, dll.).
Tetapi Anda harus dapat memberikan pembenaran kepada pembaca Anda mengapa Anda memilih jenis pengambilan
sampel tertentu daripada yang lain.
Pengambilan sampel acak adalah standar emas penelitian kuantitatif tetapi digunakan cukup minimal dalam penelitian
kualitatif karena pengambilan sampel acak kadang-kadang dapat membuat Anda bias. Pengambilan sampel kami
cenderung lebih strategis dan bertujuan karena kami berfokus pada konteks kasus yang unik.
Memang, ada kalanya kita memilih sebuah kasus untuk dipelajari karena dapat diakses oleh kita secara geografis dan
segera—sebuah bentuk convenience sampling.
Bagaimana strategi pengambilan sampel memengaruhi analisis? Pengambilan sampel variasi maksimum, misalnya,
melibatkan pencarian kasus outlier untuk melihat apakah pola utama masih berlaku, sedangkan pengambilan sampel
homogen berfokus pada orang dengan karakteristik demografis atau sosial yang serupa. Kasus kritis adalah contoh
yang "membuktikan" atau mencontohkan temuan utama. Pencarian dengan sengaja untuk kasus yang dikonfirmasi dan
disconfirming, kasus ekstrim atau menyimpang, dan kasus tipikal berfungsi untuk meningkatkan kepercayaan pada
kesimpulan. Beberapa strategi bermanfaat bagi analisis pembangunan teori induktif (misalnya, pengambilan sampel
oportunistik atau bola salju) . Kasus-kasus yang penting secara politis adalah peserta yang “menonjol” yang mungkin
perlu disertakan (atau dikecualikan) karena mereka terkait dengan isu sensitif politik yang diantisipasi dalam analisis.
Strategi lain dapat digunakan untuk pemilihan peserta sebelum pengumpulan data. Sebagai contoh, Goetz dan
LeCompte (1984) menawarkan (a) sampling komprehensif —memeriksa setiap kasus, contoh, atau elemen dalam
populasi tertentu; (b) pemilihan kuota —mengidentifikasi subkelompok utama dan kemudian mengambil nomor acak dari
masing-masing; (c) pemilihan kasus reputasi —contoh yang dipilih atas rekomendasi seorang ahli atau peserta kunci;
dan (d) pemilihan kasus yang sebanding —memilih individu, lokasi, dan kelompok berdasarkan karakteristik relevan
yang sama dari waktu ke waktu (strategi replikasi).
Sebagian besar strategi ini akan meningkatkan kepercayaan pada temuan analitik atas dasar keterwakilan.
Strategi pengambilan sampel yang telah kita diskusikan dapat diterapkan baik di dalam maupun di seluruh kasus.
Mari beralih ke beberapa masalah inti di masing-masing domain ini.
Pengambilan Sampel Dalam Kasus
Peneliti kuantitatif biasanya menganggap kasus sebagai individu. Mereka mengambil sampel orang dan kemudian
mengumpulkan "poin data" yang sebanding dari masing-masing orang. Sebaliknya, kasus kualitatif dapat memiliki definisi
yang luas mulai dari individu hingga peran, kelompok, organisasi, proses, dan budaya.
Tetapi bahkan ketika kasusnya adalah individu, peneliti kualitatif memiliki banyak keputusan pengambilan sampel dalam
kasus: Kegiatan, proses, peristiwa, waktu, lokasi, dan mitra peran mana yang akan saya sampel?
Pengambilan sampel dalam kasus hampir selalu bersarang — misalnya , mempelajari anak-anak di dalam kelas di
dalam sekolah di dalam lingkungan, dengan gerakan teratur naik turun tangga itu. Untuk sebuah
pasien bypass kardiovaskular, kami mungkin ingin mencicipi diet dan aktivitas olahraganya; proses memahami, menerima, dan bertindak
atas nasihat medis; acara seperti wawancara masuk dan keluar; periode waktu, termasuk pra-rumah sakit, rawat inap, dan pasca-rumah
sakit (setiap 2 minggu sekali); lokasi, termasuk ruang pemulihan, bangsal, dan rumah pasien; dan mitra peran, termasuk dokter pasien,
perawat bangsal, ahli diet, dan pasangan.
Poin utama kedua adalah bahwa pengambilan sampel semacam itu harus didorong secara teoretis —apakah teori itu ditentukan
sebelumnya atau muncul seiring berjalannya waktu, seperti dalam "pengambilan sampel teoretis" teori dasar tradisional.
Pilihan peserta, episode, dan interaksi harus didorong oleh pertanyaan konseptual, bukan oleh kepedulian terhadap keterwakilan. Untuk
mendapatkan konstruk, seperti negosiasi, kita perlu melihat contoh yang berbeda, pada momen yang berbeda, di tempat yang berbeda,
dengan orang yang berbeda. Perhatian utama adalah dengan kondisi di mana konstruk atau teori beroperasi, bukan dengan generalisasi
temuan ke pengaturan lain.
Poin ketiga adalah bahwa pengambilan sampel dalam kasus memiliki kualitas iteratif atau “bergulir”, bekerja dalam gelombang
progresif seiring berjalannya studi. Pengambilan sampel bersifat investigasi; kami adalah detektif otak, menemukan jawaban atas
pertanyaan penelitian kami. Kami mengamati, berbicara dengan orang, dan mengambil artefak dan dokumen. Itu membawa kita ke
sampel peserta dan pengamatan baru, dokumen baru. Pada setiap langkah di sepanjang jejak bukti, kami membuat keputusan
pengambilan sampel untuk mengklarifikasi pola utama, melihat perbedaan, mengidentifikasi pengecualian atau contoh yang tidak sesuai,
dan mengungkap contoh negatif—di mana pola tersebut tidak berlaku. Kesimpulan analitik kami sangat bergantung pada pilihan
pengambilan sampel dalam kasus yang kami buat.
Jadi pengambilan sampel dalam kasus membantu kita melihat konfigurasi lokal secara mendalam. Apa yang dapat dilakukan
penambahan kasing untuk kita, dan bagaimana cara membuat sampel kasing?
Pengambilan Sampel Banyak Kasus
Sampling banyak kasus menambah keyakinan pada temuan. Dengan melihat berbagai kasus yang serupa dan kontras, kita dapat
memahami temuan kasus tunggal, mendasarkannya dengan menentukan bagaimana dan di mana dan, jika mungkin, mengapa hal itu
terjadi. Kami dapat memperkuat presisi, validitas, stabilitas, dan kepercayaan dari temuan. Dengan kata lain, kami mengikuti strategi
replikasi (Yin, 2009).
Jika suatu temuan berlaku dalam satu latar dan, berdasarkan profilnya, juga berlaku dalam latar yang sebanding tetapi tidak dalam kasus
yang kontras, temuan tersebut lebih kuat.
Dengan studi banyak kasus, apakah masalah generalisasi berubah? Intinya, tidak. Kami menggeneralisasi dari satu kasus ke kasus
berikutnya berdasarkan kecocokan dengan teori yang mendasarinya, bukan dengan alam semesta yang lebih besar. Pilihan kasus
biasanya dibuat atas dasar konseptual , bukan atas dasar perwakilan.
Kasus-kasus sering disusun dalam sebuah kontinum (misalnya, siswa yang sangat berbakat hingga siswa yang kurang berprestasi),
dengan sedikit contoh dari masing-masingnya, atau kasus-kasus tersebut dikontraskan (misalnya, remaja yang asertif dan pasif). Properti
unik lainnya dapat ditambahkan (misalnya, beberapa remaja asertif berasal dari kota, beberapa dari daerah pedesaan).
Karena para peneliti studi kasus memeriksa latar yang utuh dengan detail yang sangat kecil, mereka tahu betul bahwa setiap latar memiliki
beberapa sifat yang sama dengan yang lainnya , beberapa sifat yang sama dengan yang lain, dan beberapa sifat yang tidak dimiliki oleh
yang lain. Namun demikian, pengambilan sampel multi-kasus memberi kami keyakinan bahwa teori kami yang muncul bersifat umum,
karena kami telah melihatnya berhasil—dan tidak berhasil—dengan cara yang dapat diprediksi.
Berapa banyak kasus yang harus dimiliki studi kasus ganda? Pertanyaan ini tentu saja tidak dapat dijawab dengan alasan statistik.
Kita harus menangani masalah ini secara konseptual: Berapa banyak kasus, dan dalam kerangka pengambilan sampel seperti apa, yang
akan memberi kita kepercayaan pada generalisasi analitik kita? Itu juga tergantung pada seberapa kaya dan kompleks pengambilan
sampel dalam kasus. Dengan kompleksitas yang tinggi, sebuah studi dengan lebih dari 10 kasus atau lebih bisa menjadi berat. Ada terlalu
banyak data untuk dipindai secara visual dan terlalu banyak permutasi untuk diperhitungkan. Dan masalah koordinasi praktis dan
intelektual di antara banyak peneliti menjadi sangat besar setelah Anda menjadi staf lebih dari lima orang. Namun, kami telah melihat
banyak studi kasus di tahun 20-an dan 30-an; harga data biasanya lebih tipis.
Jika kami terpaksa merekomendasikan nomor tertentu, kami akan menyarankan lima penelitian yang kaya
Jika kami terpaksa merekomendasikan nomor tertentu, kami akan menyarankan lima kasus yang banyak diteliti sebagai minimum
untuk kecukupan pengambilan sampel multi-kasus. (Kami telah membaca studi kualitatif luar biasa yang membandingkan hanya dua,
tiga, dan empat kasus, tetapi penulisnya tidak menegaskan adanya generalisasi.)
Contoh
Misalkan kita ingin berurusan dengan "pekerjaan polisi." Contoh ini tidak memiliki kerangka konseptual orientasi melainkan perspektif
umum tentang proses sosial, terutama bagaimana orang secara harfiah "memahami" lingkungan kebiasaan mereka. Keputusan untuk
mengeksplorasi perspektif ini dengan mempelajari penangkapan dan pemesanan tersangka di satu kantor polisi adalah contoh yang baik
dari pilihan pengambilan sampel. Anda bisa bertanya, “Bagaimana hukum ditafsirkan oleh orang yang menegakkannya dalam situasi
tatap muka?” dan kemudian pilih petugas polisi sebagai sampel dari orang-orang tersebut. Atau Anda dapat langsung beralih dari domain
umum ke pengambilan sampel peristiwa dan proses dan bertanya, "Bagaimana petugas polisi menginterpretasikan undang-undang saat
menangkap dan memesan tersangka?"
Bagaimanapun Anda melanjutkan, parameter pengambilan sampel sebagian ditentukan oleh kerangka kerja konseptual dan
pertanyaan penelitian: pekerjaan polisi, interpretasi aturan, penangkapan, dan pemesanan. Masih ada ruang untuk pilihan dalam setiap
dimensi studi, tetapi alam semesta sekarang jauh lebih terbatas dan terfokus.
Untuk memahami serangkaian pilihan pengambilan sampel awal yang minimal di alam semesta ini, mari kita buat daftar beberapa opsi:
Parameter Pengambilan Sampel Pilihan yang Mungkin
Pengaturan Pos polisi, mobil patroli, TKP, tempat tinggal tersangka atau tempat nongkrong Petugas polisi
dengan karakteristik yang berbeda (misalnya, pangkat, senioritas, pengalaman, ras/suku,
Pelaku/peserta kepercayaan, pendidikan) dan tersangka dengan atribut yang berbeda (umur, ras/etnis,
kepercayaan , pendidikan, jenis pelanggaran)
Acara Penangkapan, pemesanan, kemungkinan pengejaran tersangka, dan pembenaran

post hoc pemesanan kepada orang lain Melakukan penangkapan, melakukan
Proses pemesanan, terkait dengan tersangka, menafsirkan undang-undang, membenarkan undang-
undang, umumnya menegosiasikan penegakan hukum di dalam kantor polisi
Peneliti mungkin harus menyentuh sebagian besar atau semua dasar ini agar pertanyaan penelitian terjawab dengan baik. Basis
pertama biasanya adalah pengaturan — katakanlah, stasiun polisi. Dari sana, beberapa opsi muncul:
1. Mulailah dengan kantor polisi, satu jenis petugas polisi, semua pemesanan selama hari kerja, dan semua contoh interaksi sosial
seputar perilaku “legal” dan “ilegal” yang terjadi.
2. Mulailah dengan kantor polisi dan semua jenis petugas, pemesanan, dan pembenaran untuk
pemesanan.
3. Mulailah dengan satu petugas, dan ikuti petugas melalui beberapa episode pengejaran, penangkapan, pemesanan, dan
pembenaran untuk mereka.
4. Mulailah dengan pemesanan di stasiun polisi, lalu menyusun kembali acara sebelumnya.
Seorang ahli etnografi yang berangkat untuk "berkeliaran" di sebuah kawasan terus-menerus membuat keputusan pengambilan
sampel tentang apa yang akan diamati, dengan siapa akan diajak bicara, apa yang akan ditanyakan, apa yang akan ditulis, dan apakah
akan tinggal di satu ruangan atau lainnya. Dan pilihan-pilihan ini, pada gilirannya, ditentukan oleh pertanyaan-pertanyaan yang diajukan
dan perspektif—baik implisit maupun eksplisit—yang menentukan mengapa pertanyaan-pertanyaan ini, dan bukan yang lain, yang
ditanyakan.
Pertanyaan tentang kepraktisan juga menghadapi kita. Ada jumlah waktu yang terbatas, dengan akses variabel ke
aktor dan acara yang berbeda, dan banyak masalah logistik. Menjadi selektif memerlukan beberapa pengekangan dalam
kelas data yang Anda kejar. Di sini kami mungkin menyarankan beberapa pedoman. Misalnya, data yang berguna akan (a)
mengidentifikasi petunjuk penting baru , (b) memperluas area informasi, (c) menghubungkan atau menjembatani elemen
yang sudah ada, (d) memperkuat tren utama, (e) memperhitungkan informasi lain. sudah ada, (f) mencontohkan atau
memberikan lebih banyak bukti untuk tema penting, dan (g) mengkualifikasikan atau menyangkal informasi yang ada.
Terakhir, pengambilan sampel hanya berarti: mengambil bagian yang lebih kecil dari alam semesta yang lebih besar. Jika
saya mulai dengan konsep yang dikembangkan dengan baik, saya dapat berfokus pada satu kantor polisi dan satu jenis
petugas polisi yang melakukan satu jenis pemesanan; jika ide saya terbukti, saya dapat membuat pernyataan tentang
pemesanan yang mungkin berlaku untuk petugas lain dan kantor polisi lainnya. Tetapi untuk menguji dan memverifikasi klaim
tersebut dan untuk menetapkan generalitas analitiknya, saya harus beralih ke beberapa stasiun polisi lainnya dengan
karakteristik yang serupa dan kontras. Di sini sekali lagi, tujuan utamanya adalah untuk memperkuat validitas konseptual
penelitian, tetapi prosedurnya juga membantu menentukan kondisi di mana temuan tersebut berlaku.
Proses kunci dapat diidentifikasi di awal atau secara bertahap—sering kali melalui kode pola, memo analitik, dan ringkasan
sementara (akan dijelaskan di bab selanjutnya). Menjadi eksplisit tentang proses dan mengumpulkan data yang sebanding
pada mereka akan mendorong komparabilitas lintas kasus dan memberi Anda akses yang lebih mudah ke konstruksi inti
yang mendasari saat Anda masuk lebih dalam ke pengumpulan data.
Nasihat
1. Jika Anda baru dalam penelitian kualitatif, yakinlah bahwa tidak pernah ada cukup waktu untuk melakukannya
belajar. Jadi mengambil taktik "Saya akan mulai dari suatu tempat dan mengambilnya dari sana" adalah meminta
masalah. Mungkin merupakan ide yang baik untuk memulai dengan sampel fallback dari peserta dan subset: hal-
hal yang harus Anda bahas berdasarkan apa yang Anda ketahui pada saat itu. Sampel itu akan berubah nanti tetapi
kurang dari yang Anda kira.
2. Berpikir dalam kerangka pengambilan sampel saja baik untuk kesehatan studi Anda. Jika Anda berbicara dengan
satu jenis peserta, Anda perlu mempertimbangkan mengapa jenis peserta ini penting dan, dari sana, siapa lagi
yang harus diwawancarai atau diobservasi.
3. Dalam kasus yang rumit, ingatlah bahwa Anda mengambil sampel orang untuk mengetahui karakteristik latar,
peristiwa, dan proses. Ini berarti berhati-hati terhadap ketergantungan yang berlebihan pada pembicaraan atau
pengamatan peserta sambil mengabaikan pengambilan sampel untuk peristiwa penting, interaksi dalam pengaturan
yang berbeda, dan episode yang mewujudkan pola yang muncul dalam penelitian. Pilihan pengambilan sampel
pada awal studi mungkin bukan yang paling relevan atau kaya data. Tinjauan sistematis dapat mempertajam pilihan
awal dan akhir.
4. Dalam penelitian kualitatif, seperti juga dalam penelitian survei, ada bahaya pengambilan sampel juga
nyaris. Kunjungi sumber yang paling sedikit dan paling relevan dengan studi. Tetapi juga penting untuk bekerja
sedikit di pinggiran—berbicara dengan orang-orang yang bukan inti dari fenomena itu tetapi bertetangga
dengannya, dengan orang-orang yang tidak lagi terlibat secara aktif, dengan para pembangkang dan pemberontak
dan eksentrik. Menghabiskan satu hari di desa, sekolah, lingkungan, atau klinik yang bersebelahan juga sepadan
dengan waktu, bahkan jika Anda tidak mengerti maksudnya pada saat itu. Anda dapat belajar banyak dan
mendapatkan informasi yang kontras dan komparatif yang dapat membantu Anda memahami fenomena yang ada
dengan "mengalihkan pusat" diri Anda dari cara tertentu dalam melihat kasus Anda yang lain.
5. Luangkan waktu untuk memeriksa apakah kerangka pengambilan sampel Anda layak. Pastikan waktunya ada,
sumber daya ada, akses yang diperlukan ke orang dan tempat dipastikan, dan kondisinya tepat untuk
melakukan pekerjaan dengan hati-hati. Rencanakan untuk belajar sedikit lebih sedikit, daripada lebih banyak,
dan “simpan” waktu ekstra. Jika Anda selesai, waktunya milik Anda untuk umpan yang lebih luas atau lebih dalam di lapangan.
6. Tiga jenis contoh memiliki hasil yang bagus. Yang pertama adalah yang tampaknya "khas" atau
contoh “perwakilan”. Jika Anda dapat menemukannya, coba cari yang lain. Yang kedua adalah contoh
“negatif” atau “tidak meyakinkan”; itu memberi Anda batasan kesimpulan dan titik variasi terbesar. Yang ketiga
adalah contoh "luar biasa" atau "tidak sesuai". Contoh ini akan memungkinkan Anda untuk mengkualifikasikan
temuan Anda dan untuk menentukan variasi atau kontinjensi dalam pola utama yang diamati. Dengan sengaja
mengejar contoh negatif dan atipikal juga
sehat itu sendiri; itu mungkin memaksa Anda untuk mengklarifikasi konsep Anda, dan mungkin memberi tahu Anda bahwa Anda
memang mengambil sampel terlalu sempit.
7. Terapkan beberapa kriteria pada rencana pengambilan sampel pertama dan selanjutnya. Berikut daftar periksa, rangkuman
apa yang telah kami katakan dan menyebutkan beberapa masalah mendasar:
• Apakah pengambilan sampel relevan dengan kerangka konseptual dan pertanyaan penelitian Anda?
• Apakah fenomena yang Anda minati akan muncul? Prinsipnya, bisakah mereka muncul? • Apakah rencana
Anda meningkatkan generalisasi temuan Anda, jika relevan, baik melalui

kekuatan konseptual atau melalui keterwakilan?
• Dapatkah deskripsi dan penjelasan yang dapat dipercaya dihasilkan, yang sesuai dengan kehidupan nyata? • Apakah
rencana sampling layak dalam hal waktu, uang, akses ke orang, dan Anda sendiri
gaya kerja?
• Apakah rencana sampling etis, dalam hal isu-isu seperti informed consent, manfaat dan risiko potensial, dan
hubungan dengan peserta (lihat bab berikutnya)?
Peralatan
Instrumentasi terdiri dari metode khusus untuk mengumpulkan data: Mereka mungkin berfokus pada informasi yang terorganisir
secara kualitatif atau kuantitatif dan mungkin terstruktur secara longgar hingga ketat. Perhatikan bahwa istilah instrumentasi mungkin
berarti sedikit lebih dari beberapa perangkat steno untuk mengamati dan merekam peristiwa. Namun perlu diperhatikan juga, bahwa
meskipun instrumentasi berupa wawancara terbuka atau observasi kerja lapangan, beberapa pilihan teknis harus dibuat: Apakah
catatan akan dibuat? Dari jenis apa?
Apakah transaksi akan direkam secara audio atau video? Ditranskripsi?
Kami telah menekankan bahwa kerangka kerja konseptual, pertanyaan penelitian, dan rencana pengambilan sampel memiliki peran
fokus dalam sebuah penelitian. Mereka memberikan beberapa arahan kepada peneliti, sebelum dan selama kerja lapangan, dengan
mengklarifikasi apa yang ingin dia ketahui dari siapa dan mengapa. Mengetahui apa yang ingin Anda ketahui, setidaknya pada awalnya,
mengarah pada pertanyaan tentang bagaimana Anda akan mendapatkan informasi itu. Pertanyaan itu, pada gilirannya, membatasi
analisis yang dapat Anda lakukan. Jika saya ingin mengetahui bagaimana tersangka ditangkap dan ditahan, saya dapat memutuskan
untuk mewawancarai orang-orang yang terkait dengan aktivitas ini (petugas polisi, tersangka, dan pengacara), mengamati pemesanan,
dan mengumpulkan dokumen terkait penangkapan (misalnya, peraturan, transkrip interogasi ). Jika diizinkan, saya juga dapat memotret
pemesanan atau merekamnya secara digital.
Tapi berapa banyak instrumentasi ini yang harus dirancang sebelum terjun ke lapangan? Dan berapa banyak struktur yang harus
dimiliki instrumen tersebut?
Kvale dan Brinkmann (2009) menunjukkan bahwa selama wawancara terbuka banyak interpretasi terjadi di sepanjang jalan. Orang
yang menggambarkan "dunia kehidupan" nya menemukan hubungan dan pola baru selama wawancara; peneliti yang sesekali
meringkas atau merefleksikan apa yang telah didengar, sebenarnya sedang memadatkan dan menafsirkan aliran makna. Data tidak
dikumpulkan melainkan ditulis bersama. (Namun perhatikan bahwa hal yang sama dapat terjadi bahkan ketika pertanyaan wawancara
jauh lebih terstruktur dan terfokus.)
Berapa banyak pra-perencanaan dan penataan instrumentasi yang diinginkan? Ada beberapa kemungkinan jawaban: "sedikit" (yaitu,
hampir tidak ada instrumentasi sebelumnya) hingga "banyak" (dari instrumentasi sebelumnya, terstruktur dengan baik) hingga
"tergantung" (pada sifat penelitian). Setiap pandangan memiliki argumen pendukung; mari kita tinjau dalam bentuk kapsul (Tampilan
2.6 adalah ringkasan dari beberapa masalah utama dalam memutuskan jumlah instrumentasi front-end yang sesuai).
Argumen untuk Instrumentasi Sedikit Sebelumnya
1. Instrumen yang dirancang sebelumnya dan terstruktur membutakan peneliti ke lokasi. Jika yang terpenting
fenomena atau konstruksi yang mendasari bekerja di lapangan tidak ada dalam instrumen, mereka akan diabaikan atau
disalahartikan.
2. Instrumentasi sebelumnya biasanya dilucuti dari konteks untuk tujuan universalitas, keseragaman,
2. Instrumentasi sebelumnya biasanya dilucuti dari konteks untuk tujuan universalitas, keseragaman,
dan keterbandingan. Tetapi penelitian kualitatif hidup dan bernafas dengan melihat konteksnya; kekhususanlah yang
menghasilkan keumuman, bukan sebaliknya.
Tampilan 2.6
Instrumentasi Sebelumnya: Faktor Keputusan Utama
3. Banyak studi kualitatif melibatkan satu kasus dengan sedikit orang yang terlibat. Siapa yang butuh
kuesioner, jadwal observasi, atau tes—yang biasanya berfungsi untuk menghasilkan distribusi yang ekonomis, sebanding,
dan parametrik untuk sampel besar?
4. Bagian terbesar dari kerja lapangan terdiri dari membuat catatan lapangan, merekam peristiwa (percakapan, rapat), dan
mengambil barang (dokumen, produk, artefak). Instrumentasi adalah nama yang salah. Beberapa pertanyaan orientasi,
beberapa judul untuk pengamatan, dan formulir analisis dokumen kasar dan siap adalah semua yang Anda butuhkan di
awal—mungkin semua yang Anda perlukan selama studi.
Argumen untuk Banyak Instrumentasi Sebelumnya
1. Jika Anda tahu apa yang Anda cari, tidak ada alasan untuk tidak merencanakan terlebih dahulu bagaimana mengumpulkannya
informasi.
2. Jika jadwal wawancara atau jadwal observasi tidak fokus, terlalu mubazir
informasi akan dikumpulkan. Kelebihan data akan mengganggu efisiensi dan kekuatan analisis.
3. Menggunakan instrumen yang sama seperti dalam studi sebelumnya adalah satu-satunya cara kita dapat berkomunikasi lintas studi.
Kalau tidak, pekerjaan itu tidak akan ada bandingannya, kecuali dengan cara yang sangat global. Kami membutuhkan
instrumen umum untuk membangun teori, untuk meningkatkan penjelasan atau prediksi, dan untuk membuat rekomendasi
tentang praktik.
4. Peneliti yang bias atau kurang informasi akan mengajukan pertanyaan sebagian, membuat catatan selektif, membuat
pengamatan yang tidak dapat diandalkan, dan informasi yang menyimpang. Data akan menjadi tidak valid dan tidak dapat diandalkan. Menggunakan
instrumen yang divalidasi dengan baik adalah jaminan terbaik dari temuan yang dapat diandalkan dan bermakna.
Argumen untuk "Tergantung"

1. Jika Anda menjalankan studi eksplorasi, sebagian besar deskriptif, Anda tidak benar-benar mengetahuinya
parameter atau dinamika suatu setting sosial. Jadi instrumentasi awal yang berat atau perangkat tertutup tidak sesuai.
Namun, jika Anda melakukan studi konfirmasi , dengan pertanyaan penelitian yang relatif terfokus dan sampel orang,
peristiwa, dan proses yang terikat dengan baik, maka desain instrumen yang terstruktur dengan baik adalah pilihan
yang logis. Dalam studi tertentu, mungkin ada aspek eksplorasi dan konfirmasi yang membutuhkan struktur front-end
diferensial, atau bisa ada waktu eksplorasi dan konfirmasi, dengan eksplorasi sering diminta di awal dan konfirmasi
mendekati akhir.
2. Sebuah studi kasus tunggal memerlukan persiapan awal yang lebih sedikit daripada studi banyak kasus . Yang terakhir
mengharapkan perbandingan lintas kasus, yang memerlukan beberapa standarisasi instrumen sehingga temuan dapat
diletakkan berdampingan dalam proses analisis. Demikian pula, studi berdiri bebas memiliki lebih sedikit kendala
daripada studi multimetode . Sebuah studi dasar seringkali membutuhkan pengorganisasian yang lebih awal daripada
studi terapan, evaluasi, atau kebijakan . Dalam kasus terakhir, fokusnya lebih ketat dan instrumentasi lebih dekat dengan
variabel yang diminati.
3. Banyak tergantung pada definisi kasus dan tingkat analisis yang diharapkan. Seorang peneliti yang mempelajari iklim
kelas di sekolah dasar mungkin memilih untuk melihat secara intensif di 3 dari 35 ruang kelas gedung dan mungkin
akan tepat untuk memulai dengan perangkat instrumen yang lebih longgar dan berorientasi. Namun, jika upaya
dilakukan untuk mengatakan sesuatu tentang bagaimana masalah iklim kelas tertanam dalam budaya kerja bangunan
secara keseluruhan, instrumen yang lebih terstandarisasi dan tervalidasi—survei guru atau jadwal wawancara kelompok
—mungkin juga diperlukan.
Kami berpikir bahwa ada kebijaksanaan dalam ketiga sikap menuju instrumentasi front-end dan tingkat strukturnya. Cari tahu
terlebih dahulu jenis studi apa yang Anda lakukan dan jenis instrumen apa yang mungkin Anda perlukan pada saat-saat berbeda
dalam studi itu, dan kemudian kerjakan yang dibutuhkan di awal. Namun dalam semua kasus, seperti yang telah kami kemukakan,
jumlah dan jenis instrumentasi harus merupakan fungsi dari fokus konseptual, pertanyaan penelitian, dan kriteria pengambilan
sampel Anda. Jika tidak, ekornya kemungkinan besar akan mengibas-ngibaskan anjing, dan analisis selanjutnya akan menderita.
Contoh
Bagaimana desain instrumen front-end didorong dengan cara yang berbeda oleh ruang lingkup dan fokus studi?
Kami memberikan contoh, menunjukkan campuran instrumentasi pradesain dan open-ended yang mengikuti implikasi dari kerangka
kerja konseptual dan pertanyaan penelitian, tanpa mengunci terlalu ketat. Kembali ke studi perbaikan sekolah.
Ini adalah studi multi-kasus (N = 12), dan fenomena yang diteliti cukup baik (tetapi tidak sepenuhnya) dipahami dari penelitian
sebelumnya. Kedua poin ini menunjukkan bahwa beberapa instrumen front-end kemungkinan akan diminta. Satu pertanyaan
penelitian penting dalam penelitian ini adalah: Dengan cara apa orang mendefinisikan ulang, mengatur ulang, atau menemukan
kembali program baru agar berhasil menggunakannya?
Melihat kembali Tampilan 2.3, kita dapat melihat bahwa pertanyaan berasal dari kotak keempat, “Siklus Transformasi”, dan di
dalam kotak tersebut, dari kluster variabel pertama, “Perubahan inovasi seperti yang disajikan kepada pengguna.” Penelitian empiris
sebelumnya dan teori kognitif dan sosial-psikologis membawa kita pada gagasan bahwa orang akan beradaptasi atau menemukan
kembali praktik saat menggunakannya.
Keputusan pengambilan sampel sangat mudah. Pertanyaan tersebut secara khusus ditujukan kepada para guru, dan untuk
mendapatkan jawabannya, kita harus mengamati atau mewawancarai mereka atau, idealnya, melakukan keduanya. Kita harus
mencontoh peristiwa seperti pertemuan pertama guru dengan inovasi dan proses seperti menilai kekuatan dan kelemahannya dan
membuat perubahan di dalamnya agar sesuai dengan praktik seseorang.
Mari kita lihat komponen wawancara instrumentasi . Kami mengembangkan panduan wawancara semi terstruktur. Setiap
peneliti lapangan sangat akrab dengan panduan ini tetapi memiliki kebebasan untuk menggunakannya
cara yang menyenangkan secara pribadi untuk mengajukan dan mengurutkan pertanyaan dan mengelompokkannya secara tepat
untuk responden yang berbeda.
Panduan ini dirancang setelah pekerjaan lapangan dimulai. Gelombang awal kunjungan lapangan telah dilakukan untuk
memahami konteks, para peserta, dan bagaimana proses peningkatan sekolah tampaknya bekerja secara lokal. Dari pengetahuan
itu, kami pergi untuk pemahaman yang lebih dalam dan lebih luas.
Tampilan 2.7
Kutipan Dari Panduan Wawancara, Studi Peningkatan Sekolah
33. Mungkin Anda memiliki gagasan tertentu tentang caranya ______ melihatmu sekarang, tapi tetap berpikir kembali
bagaimana hal itu pertama kali terlihat oleh Anda, tepat sebelum siswa datang. Bagaimana menurut Anda saat itu?
Probe:
___ Terhubung dengan jelas, dibedakan vs. tidak terhubung, membingungkan
___ Jelas cara memulai vs. luar biasa, sulit
___ Kompleks (banyak bagian) vs. sederhana dan lugas
___ Preskriptif dan kaku vs. fleksibel dan dapat dimanipulasi
34. Bagian aspek apa yang tampaknya siap digunakan, hal-hal yang menurut Anda akan berjalan dengan baik?
35. Bagian atau aspek apa yang sepertinya belum dikerjakan, belum siap digunakan?
36. Bisakah Anda menjelaskan apa yang sebenarnya Anda lakukan selama seminggu atau lebih sebelum Anda mulai
______ menggunakan siswa?
Probe:
___ Membaca
___ Menyiapkan bahan
___ Perencanaan
___ Berbicara (dengan siapa, tentang apa)
___ Pelatihan
....
40. Apakah Anda membuat perubahan dalam format standar program sebelum Anda mulai menggunakannya
dengan siswa? Perubahan apa yang Anda pikir mungkin tidak berhasil, hal-hal yang tidak Anda sukai, hal-hal yang tidak
dapat Anda lakukan di sekolah ini?
Probe:
___ Hal-hal turun
___ Hal-hal yang ditambahkan, dibuat
___ Hal-hal yang direvisi
Sekarang untuk mendalami panduan di dekat titik di mana pertanyaan penelitian akan dieksplorasi (lihat Tampilan 2.7).
Pewawancara memulai dengan membawa peserta kembali ke waktu sebelum dia menggunakan inovasi dengan siswa, menanyakan
konteks terperinci—apa yang terjadi, siapa koleganya, dan perasaan apa yang mereka miliki.
Pertanyaan 33 sampai 36 bergerak maju sepanjang waktu, menanyakan bagaimana inovasi itu terlihat, sudah siap
atau bagian yang belum jadi, dan apa yang guru lakukan untuk mempersiapkan penggunaannya. Pertanyaan 40 datang langsung
ke pertanyaan penelitian, menilai perubahan pra-penggunaan yang dilakukan dalam inovasi. Probe dapat ditangani dengan
berbagai cara: sebagai alat bantu untuk membantu pewawancara menyempurnakan pertanyaan, sebagai petunjuk untuk item
yang mungkin terlewatkan oleh peserta, atau sebagai subpertanyaan yang berasal dari penelitian sebelumnya. Nanti dalam
wawancara, pertanyaan yang sama muncul kembali saat pewawancara membangkitkan pandangan retrospektif guru tentang
penggunaan awal dan selanjutnya, kemudian beralih ke masa sekarang (“Perubahan apa yang Anda buat sekarang?”) dan masa
depan (“Perubahan apa yang Anda pertimbangkan? ”).
Nasihat
Memikirkan istilah desain instrumen sejak awal akan memperkuat pengumpulan data seiring berjalannya waktu. Jika Anda
secara teratur bertanya, "Mengingat pertanyaan penelitian itu, bagaimana saya bisa mendapatkan jawaban?" itu akan
mempertajam keputusan pengambilan sampel (saya harus mengamati / mewawancarai kelas orang ini, peristiwa ini, proses
tersebut), membantu memperjelas konsep, dan membantu menetapkan prioritas untuk pengumpulan data aktual. Anda juga
akan mempelajari keterampilan mendesain ulang instrumentasi saat pertanyaan baru, subsampel baru, dan jalur penyelidikan baru berkemb
Orang dan latar dalam studi lapangan dapat diamati lebih dari satu kali. Tidak semuanya bermuara pada satu wawancara
atau observasi. Dalam penelitian kualitatif, hampir selalu ada kesempatan kedua.
Jadi instrumentasi front-end bisa direvisi—sebenarnya, harus direvisi. Anda belajar bagaimana mengajukan pertanyaan dalam
istilah situs dan melihat dengan mata baru pada sesuatu yang mulai muncul selama kunjungan pertama. Instrumentasi dapat
dimodifikasi dengan mantap untuk mengeksplorasi petunjuk baru, menjawab pertanyaan penelitian yang direvisi, atau
mewawancarai kelas peserta baru.
Dalam penelitian kualitatif, masalah validitas dan reliabilitas instrumen sebagian besar bergantung pada keterampilan peneliti.
Pada dasarnya, seseorang mengamati, mewawancarai, dan merekam, sambil memodifikasi perangkat observasi, wawancara,
dan merekam dari satu kunjungan lapangan ke kunjungan berikutnya. Jadi, Anda perlu bertanya tentang diri Anda dan kolega
Anda: Seberapa valid dan andalkah orang ini sebagai instrumen pengumpulan-informasi? Bagi kami, beberapa penanda peneliti
kualitatif yang baik sebagai instrumen adalah
• keakraban yang baik dengan fenomena dan latar yang diteliti; • pendekatan
multidisiplin, berlawanan dengan landasan sempit atau fokus dalam satu pendekatan
disiplin;
• keterampilan investigasi yang baik, kemampuan menarik orang keluar, dan perhatian cermat terhadap detail; •
merasa nyaman, ulet, dan tidak menghakimi dengan peserta di lingkungan tersebut; dan • rasa keterlibatan empati
yang tinggi, diimbangi dengan rasa objektif yang tinggi
kesadaran.
Meskipun ketidaktahuan dengan fenomena atau pengaturan memungkinkan untuk desentering yang subur, hal itu juga dapat
menyebabkan kerja lapangan yang relatif naif, mudah disesatkan, dan mudah teralihkan, bersamaan dengan pengumpulan data
yang terlalu banyak. Pada keseimbangan, kami percaya bahwa praktisi yang cerdas seringkali merupakan instrumen penelitian
yang lebih baik dalam studi kualitatif: lebih tajam, lebih halus, lebih penuh perhatian, ramah orang, bijak duniawi, dan lebih cepat
mengasah proses inti dan makna tentang kasus tersebut.
Menghubungkan Data Kualitatif dan Kuantitatif
Kita harus menghadapi kenyataan bahwa angka dan kata sama-sama dibutuhkan jika kita ingin memahami dunia.
Pertanyaannya bukanlah apakah kedua jenis data dan metode yang terkait dapat dihubungkan selama desain studi tetapi apakah
hal itu harus dilakukan, bagaimana hal itu akan dilakukan, dan untuk tujuan apa.
Kedua jenis data tersebut dapat produktif untuk tujuan deskriptif, eksplorasi, induktif, dan pembukaan. Dan keduanya bisa
produktif untuk tujuan penjelasan, konfirmasi, dan pengujian hipotesis. Misalnya, pengukuran yang hati-hati, sampel yang dapat
digeneralisasikan, kontrol eksperimental, dan alat statistik dari studi kuantitatif yang baik adalah aset berharga. Ketika mereka
digabungkan dengan pemahaman yang dekat, mendalam, dan kredibel tentang konteks dunia nyata yang kompleks yang
mencirikan kebaikan
studi kualitatif, kami memiliki campuran yang sangat kuat.
Dilihat dari sisi lain, data kualitatif dapat membantu sisi kuantitatif studi selama desain dengan membantu pengembangan konseptual
dan instrumentasi. Mereka dapat membantu selama pengumpulan data dengan mempermudah akses dan pengumpulan data. Selama
analisis, mereka dapat membantu dengan memvalidasi, menafsirkan, mengklarifikasi, dan mengilustrasikan temuan kuantitatif, serta
melalui penguatan dan revisi teori.
Metode campuran adalah genre inkuiri yang telah mendapat tempat di beberapa kalangan penelitian.
Apakah Anda memilih untuk menggunakan beberapa bentuk komponen kuantitatif dalam studi kualitatif Anda merupakan keputusan
epistemologis dan metodologis yang harus didorong oleh kebutuhan studi Anda—bukan oleh keinginan untuk menjadi trendi. Alasan yang
paling sering dikutip untuk mencampurkan kedua genre adalah (a) untuk memberikan tekstur analitik pada karya Anda, (b) untuk
mengkompensasi kekurangan satu genre dengan kekuatan genre lainnya, dan (c) untuk memodifikasi atau memperkuat temuan analitik
saat hasil dari setiap genre mendukung, menguatkan, atau saling bertentangan.
Ada, tentu saja, tradisi yang panjang dan berkembang dengan baik dalam menangani data kualitatif secara kuantitatif: analisis isi, di
mana masalahnya adalah menghitung frekuensi dan urutan kata, frasa, atau konsep tertentu yang ditemukan dalam data. Dalam studi
multikasus, adalah mungkin untuk membuat peringkat kasus dan memanfaatkan ketersediaan teknik statistik nonparametrik untuk
membandingkannya. Perhatikan juga tradisi penggunaan informasi kuantitatif dalam kerja lapangan antropologis; Bernard (2011)
menyertakan kompilasi metode yang bermanfaat.
Pendekatan untuk Desain Metode Campuran

Kami melihat keterkaitan kualitatif-kuantitatif pada tiga tingkatan. Yang pertama adalah tingkat "menghitung", di mana informasi
kualitatif dapat dihitung secara langsung (katakanlah, berapa kali seorang dokter menyela pasien selama wawancara) atau diubah menjadi
besaran peringkat atau skala (misalnya, di kelas guru ini, " penguasaan sedang” daripada “rendah” dari inovasi tertentu telah terjadi).
Tingkat kedua adalah keterkaitan antara tipe data yang berbeda, di mana informasi kualitatif (misalnya, dari wawancara terbuka)
dibandingkan dengan data numerik (misalnya, dari survei yang diisi oleh orang yang sama).
Yang ketiga adalah desain studi secara keseluruhan, seperti pendekatan multimetode yang digambarkan dalam Tampilan 2.8 atau
yang lebih kompleks; semua mungkin melibatkan kombinasi studi kasus, survei, eksperimen, dan studi pengukuran yang tidak mencolok.
Dalam Desain 1, kerja lapangan melibatkan kumpulan kuantitatif dan kualitatif yang mantap dan terintegrasi
data, sesuai kebutuhan untuk memahami kasus yang dihadapi.
Desain 2 menunjukkan survei multi-gelombang, dilakukan secara paralel dengan kerja lapangan yang berkelanjutan. Gelombang survei
pertama dapat menarik perhatian pada hal-hal yang harus dicari oleh pekerja lapangan, temuan kerja lapangan berikutnya dapat
menyebabkan revisi pada Gelombang 2 survei, dan seterusnya.
Desain 3 mengganti dua jenis pengumpulan data, dimulai dengan kerja lapangan eksplorasi dan mengarah ke pengembangan
instrumentasi kuantitatif, seperti kuesioner. Temuan kuesioner dapat dikembangkan lebih lanjut dan diuji secara sistematis dengan kerja
kualitatif putaran berikutnya.
Tampilan 2.8
Desain Ilustrasi yang Menghubungkan Data Kualitatif dan Kuantitatif

Desain 4 menunjukkan gaya lain yang bergantian: Survei awal membantu mengarahkan pekerja lapangan ke fenomena
penting; pekerja lapangan bergerak untuk mengembangkan pemahaman konseptual yang kuat dan dekat tentang
bagaimana segala sesuatu bekerja; dan percobaan kuantitatif dirancang untuk menguji beberapa hipotesis yang dihasilkan,
mungkin bersaing.
Berikut adalah beberapa contoh dari berbagai desain metode campuran.
Tingkat Penghitungan Selama
studi peningkatan sekolah kami, kami secara bertahap menjadi sadar akan pentingnya mobilitas pekerjaan dan melihat
orang-orang di lokasi kami yang telah berganti pekerjaan (bergerak ke atas, ke luar, ke samping, atau ke bawah).
Mengetahui berapa banyak orang yang pindah (75, untuk 12 lokasi) terbukti membantu, berapa banyak dari mereka yang
pindah karena pengalaman mereka dengan inovasi (83%), dan berapa banyak yang benar-benar naik (35%).
Kami juga mengubah beberapa data wawancara menjadi skala penilaian atau besaran: tingkat tekanan yang dirasakan
guru untuk mengadopsi suatu inovasi, kepuasan mereka dengan bantuan yang mereka terima, atau “kekasaran” atau
“kelancaran” penerapannya. Karena kasus kami adalah sekolah, bukan individu, konversi ini mencakup pemeriksaan
wawancara dari orang yang berbeda, pemeriksaan tingkat kesepakatan, dan sampai pada peringkat tingkat situs. Skala
tiga hingga lima poin tampaknya paling mudah dan paling dapat diandalkan: misalnya,
• 5 = tinggi, 4 = sedang/ tinggi, 3 = sedang, 2 = sedang/ rendah, 1 = rendah • 5 = halus, 4

= sebagian besar halus, 3 = campuran, 2 = kasar, 1 = sangat kasar
Dalam tampilan dan analisis, kami bertujuan untuk menjaga agar angka atau besaran seperti ini terkait erat dengan
kata-kata yang menjadi dasar penilaian kami dan untuk menjaga agar kata-kata tersebut tetap terkait dengan konteksnya.
Menghubungkan Jenis Data
Kell (1990) mempelajari efek komputer pada pengajaran dan pembelajaran di kelas. Tim peneliti berulang kali
mengunjungi ruang kelas di enam distrik sekolah selama satu tahun ajaran, melakukan wawancara dengan guru dan
administrator, serta melakukan observasi kelas secara sistematis. Mereka juga meminta guru untuk menyelesaikan dua
kuesioner standar yang berbeda sebanyak tiga kali sepanjang tahun, yang mencakup orientasi teoretis mereka untuk
membaca dan kekhawatiran mereka tentang adopsi dan penggunaan inovasi. Dengan demikian, kedua tipe data tersebut
terkait erat, dan memungkinkan Kell untuk mempelajari perubahan yang terjadi sepanjang tahun ajaran.
Desain Multimetode
McCammon, Saldaña, Hines, dan Omasta (2012) menerima tanggapan survei email dari 234
McCammon, Saldaña, Hines, dan Omasta (2012) menerima tanggapan survei email dari 234 peserta tentang pengalaman
seni sekolah menengah mereka. Survei meminta informasi demografis (misalnya, jenis kelamin, tahun kelulusan sekolah
menengah atas, status sekolah menengah atas) dan peringkat untuk serangkaian pertanyaan (4 = sangat setuju, 3 = setuju, 2 =
tidak setuju, 1 = sangat tidak setuju) dan menyediakan ruang untuk komentar kualitatif terbuka untuk petunjuknya. Informasi
demografis memberikan statistik deskriptif seperti persentase, peringkat yang disediakan sarana dan statistik lainnya untuk
berbagai uji t , dan tanggapan survei terbuka diberi kode dan dianalisis secara kualitatif.
Rancangan multimetode ini memungkinkan kami untuk membandingkan rata-rata antara berbagai pengelompokan (misalnya,
antara pria dan wanita) dan menerapkan uji t dua sisi untuk mengetahui perbedaan statistik yang signifikan (p < 0,05), diikuti
dengan perbandingan kode secara kualitatif. Setelah beberapa pertanyaan awal, kami mengamati pembuktian paradigmatik:
Dengan kata lain, semakin rendah dan signifikan tingkat p , semakin banyak perbedaan kualitatif yang muncul di antara kelompok;
sebaliknya, ketika tingkat p sedang atau tinggi, semakin sedikit perbedaan kualitatif yang dapat kami deteksi di antara kelompok.
Fenomena ini dalam data kami sendiri diselaraskan dengan teori analitik metodologis campuran (Tashakkori & Teddlie, 2003)
dan memandu keputusan kami tentang apakah hasil kuantitatif pantas untuk ditindaklanjuti dan diselidiki secara kualitatif.
Secara keseluruhan, pertimbangkan apakah studi Anda dapat memperoleh manfaat dari aspek atau komponen kuantitatif.
Pikirkan tujuan dan pikirkan ke depan: Mengingat pertanyaan penelitian saya dan audiens untuk laporan studi saya, akankah
informasi kualitatif cukup atau haruskah itu dilengkapi dengan kumpulan data numerik?
Ingat juga bahwa, selama desain studi, Anda sedang menyiapkan sistem sosial proyek. Jika Anda seorang peneliti tunggal,
dapatkah Anda mengelola kedua jenis informasi tersebut? Dukungan teknis apa yang mungkin Anda butuhkan? Kami
menyarankan untuk mencari dan menggunakan mentor yang dapat memberi saran kepada Anda, mengkritik produk, dan
memberikan perspektif berbeda yang mendukung. Jika Anda adalah bagian dari tim peneliti, apa konsekuensi dari pembagian
kerja tertentu? Dalam pengalaman kami, misalnya, memisahkan peneliti kualitatif dan kuantitatif dapat memberi makan
perbandingan negatif, stereotip, dan argumen steril tentang "data mana yang lebih Anda percayai."
Isu Manajemen Berkaitan dengan Analisis
Bagaimana studi kualitatif dikelola sejak Hari 1 sangat memengaruhi jenis analisis yang dapat dilakukan, dan seberapa
mudahnya. Studi kualitatif, terutama yang dilakukan oleh peneliti tunggal atau mahasiswa pascasarjana pemula, terkenal karena
kerentanannya terhadap manajemen studi yang buruk. Kvale dan Brinkmann (2009) menunjukkan dalam analisis menghibur
mereka tentang pertanyaan naif “Bagaimana saya menemukan metode untuk menganalisis 1.000 halaman transkrip wawancara
yang telah saya kumpulkan?” bahwa jawaban pertama adalah “Jangan pernah melakukan penelitian wawancara sedemikian rupa
sehingga Anda berada dalam situasi di mana Anda mengajukan pertanyaan seperti itu” (hlm. 189–190).
Kami tidak berpura-pura mendalami isu-isu manajemen studi tetapi ingin menunjukkan serangkaian isu dan keputusan desain
terkait dengan implikasi kuat untuk analisis. Kami mengilustrasikan sepanjang jalan dengan contoh singkat dan memberikan
saran, sebagian besar dari pengalaman kami sendiri dan pengetahuan rekan kerja.
Kami membahas tiga topik secara bergantian: (1) penggunaan komputer dan perangkat lunak, (2) manajemen data, dan (3)
perencanaan kepegawaian/waktu.
Penggunaan Komputer dan Perangkat Lunak
Sudah sewajarnya Anda memerlukan komputer desktop atau laptop yang bagus untuk melakukan penelitian kualitatif. Catatan
lapangan yang ditulis tangan atau didiktekan, bersama dengan rekaman audio, harus diubah menjadi teks yang dapat dianalisis,
yang kemudian perlu diringkas, ditampilkan, dan digunakan untuk menarik dan memverifikasi kesimpulan. Juga adil untuk
mengatakan bahwa peneliti yang tidak menggunakan perangkat lunak di luar program seperti Microsoft Word akan terhambat
dibandingkan dengan mereka yang melakukannya. Tampilan 2.9 mencantumkan beberapa
tugas paling umum dan sering dilakukan peneliti kualitatif pada komputer desktop atau laptop.
Tampilan 2.9
Penggunaan Perangkat Lunak Komputer dalam Studi Kualitatif
1. Membuat catatan di lapangan 2.

Menulis atau menyalin catatan lapangan 3. Editing:
mengoreksi, memperluas atau merevisi catatan lapangan 4. Coding:
melampirkan kata kunci atau tag ke segmen teks untuk memungkinkan pengambilan nanti 5.
Penyimpanan: menyimpan teks database yang terorganisir 6. Pencarian dan pengambilan: menemukan
segmen teks yang relevan dan membuatnya tersedia untuk
inspeksi
7. Data “linking”: menghubungkan segmen data yang relevan satu sama lain, membentuk kategori, cluster atau jaringan
informasi
8. Memo analitik: menulis komentar reflektif pada beberapa aspek data, sebagai dasar untuk
analisis yang lebih dalam
9. Analisis isi: menghitung frekuensi, urutan atau lokasi kata dan frasa 10. Tampilan data: menempatkan data
yang dipilih dalam format yang padat dan teratur, seperti matriks jaringan, untuk diperiksa
11. Penarikan kesimpulan dan verifikasi: membantu analis untuk menginterpretasikan data yang ditampilkan dan untuk menguji atau
mengkonfirmasi temuan
12. Pembangunan teori: mengembangkan penjelasan temuan yang sistematis dan koheren secara konseptual; pengujian
hipotesis
13. Pemetaan grafis: membuat diagram yang menggambarkan temuan atau teori 14.
Menyusun laporan sementara dan laporan akhir
“Perangkat lunak apa yang terbaik?” tidak dapat dijawab secara bermakna. Anda harus spesifik tentang jenis database
yang Anda bangun dalam proyek Anda dan tentang jenis analisis yang akan Anda lakukan.
Microsoft Word dan Excel (atau program serupa) adalah persyaratan minimum. Word menyertakan banyak fitur tata letak dan
memungkinkan Anda membuat tabel kompleks untuk tampilan dengan mudah. Excel paling berguna untuk membangun matriks
sederhana dan terutama untuk menyimpan data survei kualitatif dan mengambil data kuantitatif melalui perhitungan dan
pengujian statistik terpilih—sebuah anugerah untuk studi metode campuran (lihat Tampilan 2.10).
Adapun CAQDAS (Perangkat Lunak Analisis Data Kualitatif Berbantuan Komputer), ada beberapa opsi yang tersedia,
beragam dalam kompleksitas, biaya, dan fungsi yang tersedia. Situs web program ini menyediakan tutorial online atau
perangkat lunak demonstrasi/unduhan manual dari versi terbarunya:
• AnSWR: www.cdc.gov/hiv/topics/surveillance/resources/software/answr • ATLAS.ti:

www.atlasti.com
• CAT (Perangkat Analisis Pengkodean): cat.ucsur.pitt.edu/ • Hapus:

www.dedoose.com
• DiscoverText: www.discovertext.com
• HyperRESEARCH: www.researchware.com • MAXQDA:

www.maxqda.com • NVivo: www.qsrinternational.com •
Penambang QDA: www.provalisresearch.com • Qualrus:
www.qualrus.com
• Qualrus: www.qualrus.com •
Transana: www.transana.org (untuk materi data audio dan video) • QDA
Pakan: www.pressure.to/qda/
Tampilan 2.10
Lembar Spread Excel Dengan Data Kualitatif dan Kuantitatif
Program CAQDAS tertentu, seperti AnSWR dan Weft QDA, tidak dikenai biaya. Program khusus online
seperti Wordle (www.wordle.net) menggunakan fungsi analitik konten dasar namun menampilkan hasil dalam
susunan visual yang menarik.
Kami tidak merekomendasikan satu program di atas yang lain, dan Anda mungkin menemukan bahwa ruang
lingkup studi Anda sangat kecil sehingga program CAQDAS bahkan mungkin tidak diperlukan. Tetapi perangkat
lunak ini sangat diperlukan untuk studi longitudinal, skala besar, atau multisite dan studi dengan foto digital dan
data video (lihat Tampilan 2.11). Anda harus memilih salah satu yang tampaknya sesuai dengan kebutuhan
riset dan cara kerja pribadi Anda (atau yang memungkinkan akses banyak pengguna untuk proyek riset tim).
CAQDAS adalah cara pertama dan terpenting untuk menyimpan dan memelihara korpus data Anda. Program
yang dipilih dapat menampilkan secara visual kode mana yang telah Anda tetapkan ke potongan data mana
melalui grafik yang jelas dan sekilas. Fungsi pencarian dan pengambilan mereka memungkinkan akses cepat
untuk membangun kategori dan memungkinkan Anda menguji firasat, hipotesis, dan pertanyaan Anda; mereka
juga menyimpan catatan operasi ini untuk dokumentasi analitik. Beberapa program juga menampilkan
kemampuan kuantitatif/statistik untuk studi metode campuran, dan paket CAQDAS yang lebih canggih dapat
membangun jaringan semantik atau tampilan dengan node dan garis yang menunjukkan keterkaitan antara
potongan data. Saldaña telah menemukan bahwa fitur pemodelan CAQDAS untuk gambar tampilan jaringan
sangat membantu dan lebih mudah digunakan daripada fitur karya seni yang memakan waktu dari program
berbasis teks. Tampilan 2.12 (dari McCammon et al., 2012, hlm. 14) mengilustrasikan model kompleks variabel
interaksi yang mengarah pada kepercayaan diri peserta untuk berpartisipasi dalam kelas dan aktivitas pidato
dan teater sekolah menengah. Model awalnya digambar dengan perangkat lunak NVivo 8.
Tampilan 2.11
Tangkapan Layar NVivo 10 dari Wawancara Video Digital Berkode

Sumber: Courtesy of QSR International, www.qsrinternational.com.
Masih ada perdebatan di lapangan tentang kegunaan program perangkat lunak ini untuk data
analisis. CAQDAS tidak secara otomatis menganalisis data kualitatif untuk pengguna, tetapi program ini memungkinkan tampilan
data monitor selektif dan kode yang Anda tetapkan dalam berbagai konfigurasi untuk tinjauan peneliti dan pemikiran analitik tentang
berbagai kumpulan dan maknanya.
Tidak ada program perangkat lunak tunggal yang dapat melakukan semuanya dengan baik. Anda mungkin berakhir dengan
beberapa program, masing-masing dengan kekuatan tertentu, bukan dengan satu paket serba guna. Beberapa program CAQDAS
menyertakan fitur luar biasa untuk mendukung analisis, tetapi ada kurva pembelajaran yang curam untuk sebagian besar program.
Investasikan waktu Anda dengan bijak, dan habiskan lebih banyak untuk menganalisis data dan bukan untuk mencari tahu operasi
dan sintaks program perangkat lunak. Pikirkan secara kritis tentang apa yang Anda butuhkan saat proyek dan karier penelitian Anda
berkembang.
Kerjakan awalnya pada tingkat literasi komputer yang nyaman bagi Anda, secara teknis, dan perluas pemahaman Anda dengan
bantuan teman yang keterampilan komputernya lebih kuat dari Anda.
Meskipun tutorial yang disertakan dengan program dapat membantu, cara terbaik untuk mempelajari program baru adalah dengan
menggunakannya pada tugas nyata, dengan seorang mentor untuk konsultasi. Luangkan waktu dalam desain studi Anda untuk
mempelajari perangkat lunak baru. Lihat Lampiran untuk judul yang direkomendasikan dalam cetakan untuk melengkapi penggunaan
program teks dasar dan CAQDAS.
CAQDAS adalah bidang yang bergerak cepat. Berharap informasi di sini menjadi usang karena program disempurnakan dan
program baru muncul. Lihat Bazeley (2007), Friese (2012), Lewins and Silver (2007), dan Richards (2009) untuk literatur pendamping
dan panduan praktis dengan program komersial utama. Juga, lihat Hahn (2008) untuk pengelolaan dan analisis data kualitatif
dengan perangkat lunak Microsoft Office. Banyak program CAQDAS dibahas dan ditinjau di forum online untuk pengguna: http://
caqdas.soc.surrey.ac.uk/. Lebih lanjut tentang CAQDAS akan dibahas di bab-bab selanjutnya.
Manajemen data
Gagasan manajemen data sudah tidak asing lagi bagi para peneliti kuantitatif; mereka telah diajari untuk berpikir dalam kerangka
kumpulan data yang sistematis, buku kode, dokumentasi variabel yang ditentukan, catatan analisis yang dilakukan, dan seterusnya.
Manajemen data sama—bahkan mungkin lebih—penting bagi peneliti kualitatif. Biasanya, sejumlah besar data berasal dari beberapa
sumber, kasus, atau situs dan terkadang menyertakan kumpulan data numerik juga.
Masalah utamanya adalah memastikan (a) data yang dapat diakses dan berkualitas tinggi; (b) dokumentasi analisis apa saja
yang telah dilakukan; dan (c) retensi data dan analisis terkait setelah studi selesai. Banyak pertanyaan yang muncul, tetapi intinya
adalah: Apa yang perlu saya antisipasi dalam hal kebutuhan manajemen data? Seberapa teliti saya harus?
Tampilan 2.13 menampilkan daftar kebutuhan ideal yang ingin disertakan dalam data yang dikelola dalam proyek dan disimpan
setelah proyek selesai. Apakah Anda harus menyiapkan semua ini, menggunakan semuanya, dan menyimpan semuanya? Tidak.
Apakah Anda akan lebih baik jika memikirkan kemungkinan-kemungkinan ini dan kepentingan relatifnya selama desain penelitian?
Ya. Apakah lebih mudah melakukannya dengan perangkat lunak yang tepat? Ya, dua atau tiga kali lebih mudah.
Beberapa program CAQDAS secara otomatis menghasilkan dan menyimpan materi semacam ini seiring berjalannya waktu. Tetapi
Anda juga memerlukan tempat fisik yang terorganisir dengan baik untuk penyimpanan dan pengambilan catatan lapangan mentah,
audio dan media terkait, hard copy yang telah diedit, dan sebagainya. Pengaturan awal adalah kuncinya, namun perkirakan untuk
merevisi dan memperluas sistem manajemen data Anda seiring berjalannya waktu. Dewan peninjau kelembagaan (dibahas lebih
lanjut di Bab 3) juga dapat memberlakukan persyaratan khusus untuk manajemen data, seperti penggunaan nama samaran dan
penyimpanan yang aman, untuk memastikan anonimitas dan kerahasiaan peserta.
Tampilan 2.13
Apa yang Harus Disimpan, Diambil Dari, dan Dipertahankan
1. Bahan baku: catatan lapangan, rekaman, dokumen lokasi
2. Data yang diproses sebagian: penulisan, transkripsi, versi awal, dan selanjutnya dikoreksi,
Versi “cleaned”, “commented-on” 3. Data yang
dikodekan: penulisan dengan kode tertentu yang dilampirkan 4. Skema

pengkodean atau buku kode, dalam iterasi yang berurutan 5. Memo atau materi
analitik lainnya: refleksi peneliti tentang makna konseptual dari itu
data
6. Catatan pencarian dan pengambilan: informasi yang menunjukkan potongan kode atau segmen data mana
peneliti mencari selama analisis, dan bahan yang diambil; rekaman tautan yang dibuat di antara segmen-segmen
7. Tampilan data: matriks atau jaringan yang digunakan untuk menampilkan informasi yang diambil, bersama dengan
teks analitik yang terkait. Versi revisi dari ini
8. Episode analisis: dokumentasi tentang apa yang Anda lakukan, langkah demi langkah, untuk menyusun tampilan dan
menulis teks analitik
9. Teks laporan: draf berurutan dari apa yang tertulis pada desain, metode, dan temuan
belajar
10. Log kronologis umum atau dokumentasi pekerjaan pengumpulan dan analisis data 11. Indeks semua
materi di atas
Beberapa peneliti lebih suka menyimpan setiap bentuk dan unit data sebagai file komputer yang terpisah, tetapi dalam folder
yang dikategorikan. Misalnya, folder berlabel “Wawancara” berisi file “Wawancara 1—Janice”, “Wawancara 2—Janice”, dan
seterusnya. Lainnya lebih suka memberi label folder berdasarkan kasus atau situs, dengan subfolder yang sesuai, seperti folder
bernama “Janice Data” dengan subfolder “Wawancara,”
“Observasi Partisipan”, “Foto”, dan sebagainya.
Saldaña merekomendasikan satu dokumen master untuk studi kasus kualitatif satu orang, jangka pendek. Semua data
ditempatkan dalam satu file "berfungsi" (dengan kumpulan data asli dan lengkap dalam file cadangan terpisah) dan akhirnya
dipadatkan dan diubah menjadi laporan akhir. Kutipan wawancara, setelah kondensasi, tersedia sebagai kutipan peserta untuk
laporan akhir. Potongan data terkait dipotong-dan-ditempel bersama sebagai bentuk kategorisasi seketika.
Ingatlah bahwa sebagian besar data penelitian tidak tergantikan. Jika hilang, terhapus, dirusak, atau rusak, Anda kurang
beruntung. Cadangkan semua pekerjaan Anda. Dan Anda tidak akan pernah terlalu terobsesi dengan manajemen data yang hati-
hati
• proyek yang kompleks, multikasus, multipeneliti, multimetode yang menjadi kacau jika tidak direncanakan dengan baik;
• proyek berisiko tinggi di mana banyak yang bergantung pada hasil dan bidang Anda sedang menunggu jawaban
yang dipertahankan dengan baik;
• proyek yang Anda yakini penting atau bahkan pasti; dan • proyek yang
Anda harapkan atau sedang Anda cari audit eksternalnya.
Perencanaan Kepegawaian dan Waktu
Studi kualitatif secara kronis disebut "padat karya", tetapi detailnya jarang diberikan.
Di sini, kami juga mengandalkan pengalaman kami dan rekan kerja.
Siapa yang akan melakukan pekerjaan itu, dan berapa lama waktu yang diperlukan? Pertanyaan polos ini menutupi lebih
banyak kerumitan daripada yang sering Anda duga. Kami telah mengatakan bahwa peneliti tunggal, baru atau berpengalaman,
harus menemukan teman, mitra, mentor, atau kolega yang kritis yang dapat memberikan perspektif alternatif, dukungan, dan
perlindungan dari bias. Dalam studi yang memiliki lebih dari satu staf, akan selalu ada keragaman pengalaman, latar belakang,
dan keterampilan.
Kompleksitas itu berarti bahwa sistem sosial dari proyek tersebut perlu mendapat perhatian; itu tidak akan berkembang
Kompleksitas itu berarti bahwa sistem sosial dari proyek tersebut perlu mendapat perhatian; itu tidak akan berkembang secara
otomatis. Sangat penting untuk membangun hubungan yang kuat dengan mitra penelitian atau dengan staf yang lebih besar.
Kami merasa berguna, misalnya, mencurahkan banyak waktu awal untuk mengerjakan masalah inti (kerangka kerja konseptual,
pertanyaan penelitian, pengambilan sampel) dan untuk masalah pemeliharaan yang lebih umum, seperti harapan dan kekhawatiran
tentang proyek, laporan tentang "apa lagi yang terjadi dalam hidup saya," dan pedoman prosedural untuk kerja bersama. Tim peneliti
tidak dibangun dalam sehari. Luangkan waktu dengan sengaja untuk memulai hubungan antara Anda dan mitra penelitian Anda, atau
berfungsinya tim peneliti.
Satu aturan praktis lain yang menurut kami berguna: Hindari pembagian kerja senior-junior yang tajam, seperti meminta junior
melakukan kerja lapangan dan senior melakukan analisis dan penulisan. Orang-orang senior perlu terlibat langsung dalam pendataan
agar dapat merasakan setting lapangan seperti apa.
Anda tidak bisa menjadi peneliti utama dalam studi lapangan tanpa menghabiskan waktu di lapangan. Orang junior akan berfungsi
dengan buruk sebagai "tangan sewaan". Keduanya perlu secara aktif dan saling terlibat dalam memikirkan proyek dan makna temuan
yang muncul.
Pada awalnya, orang jarang memiliki semua keterampilan yang mereka butuhkan untuk belajar. Luangkan waktu untuk mempelajari
masalah seperti kefasihan dengan perangkat lunak baru, penggunaan metode pengkodean baru, atau menggambar tampilan data.
Perkiraan waktu yang kami gunakan terlihat seperti ini: Untuk setiap hari kerja lapangan, perkirakan akan dihabiskan
• 2 atau 3 hari memproses catatan lapangan (menulisnya, mengoreksi, dll.) jika berupa audio atau video
rekaman sedang ditranskrip, kelipatan dapat berjalan dari 4 hingga 8, tergantung pada kehalusan detail dan keakraban
transkrip dengan konten; Pengkodean 1 atau 2 hari (tergantung pada kehalusan dan kerumitan skema yang berkembang);
•
dan 1 atau 2 hari menyelesaikan pajangan dan tulisan (tergantung jumlah dan jenis pajangan).
•
Ini adalah pengganda untuk satu kasus. Dalam studi kasus ganda, Anda (a) mengalikan dengan jumlah kasus, (b)
mempertimbangkan analisis lintas kasus apa yang akan dilakukan dan seperti apa laporan dalam kasus dan lintas kasus, dan (c)
membuat estimasi total hari.
Kami telah melihat langkah substantif yang berfungsi untuk memfokuskan pengumpulan data dan memadatkannya.
Langkah-langkah ini termasuk kerangka kerja konseptual yang sistematis dari variabel atau konsep dan keterkaitannya, pertanyaan
penelitian yang selanjutnya mendefinisikan penyelidikan, mendefinisikan inti dan parameter studi melalui definisi kasus,
merencanakan pengambilan sampel dalam kasus dan banyak kasus, dan membuat instrumentasi. Semua langkah ini berfungsi
untuk membatasi dan mendukung analisis. Semua dapat dilakukan secara induktif dan developmental sebelum pengumpulan
data. Desain mungkin ketat atau longgar. Pilihan tersebut tidak hanya bergantung pada gaya penelitian pilihan Anda, tetapi juga
topik dan tujuan penelitian, teori yang tersedia, dan keakraban peneliti dengan latar yang sedang dipelajari.
Isu-isu desain tambahan yang membuat perbedaan besar dalam analisis termasuk bagaimana data kualitatif dapat dihubungkan
dengan informasi kuantitatif dari pengaturan yang sama, dan serangkaian isu-isu manajemen mur-dan-baut. Keputusan hati-hati
tentang perangkat lunak komputer mana yang akan digunakan untuk tujuan apa yang perlu dibuat. Rencana sistematis untuk
manajemen data—penyimpanan dan pengambilan segala sesuatu mulai dari data mentah hingga laporan studi akhir—sama
pentingnya. Membangun hubungan kolega dan staf yang baik sangat penting, seperti perencanaan waktu awal dan berulang.
Pada bab selanjutnya, kita akan mengkaji dimensi yang lebih manusiawi dari kerja lapangan dan analisis
melalui perspektif peserta dan kewajiban etis kita kepada mereka.
Catatan
1. Saat kami (Miles dan Huberman) memiliki kesempatan untuk berkolaborasi dalam studi lapangan besar,
kami langsung melakukannya. Proyek tersebut merupakan kajian diseminasi inovasi pendidikan yang dilakukan
selama 1979–1983. Banyak contoh dalam teks ini berasal dari penelitian itu. (Informasi lebih rinci muncul di edisi
pertama dan kedua buku ini.)
Studi ini bersarang dalam studi perbaikan sekolah yang lebih besar, meliputi 145 gedung sekolah dan hampir
4.000 orang di seluruh Amerika Serikat yang terlibat dalam penerapan inovasi pendidikan. Bergabung dengan
dua rekan, Beverly Loy Taylor dan Jo Anne Goldberg, kami berulang kali mengunjungi sampel bertingkat dari 12
lokasi lapangan di seluruh negeri selama tahun ajaran 1979-1980, dengan kontak tindak lanjut tahun berikutnya
untuk memverifikasi temuan utama.
Volume data yang dikumpulkan meliputi 440 wawancara, 85 observasi, sejumlah 259 dokumen, dan 2.713
halaman catatan lapangan yang ditranskrip. Wawancara dan catatan observasi didiktekan dan ditranskrip. Kami
mengembangkan satu set tampilan data umum dan, untuk masing-masing dari 12 lokasi lapangan,
menggunakannya untuk menarik kesimpulan, menghasilkan laporan kasus mulai dari 70 hingga 140 halaman,
dengan format umum. Analisis lintas kasus kami selanjutnya dibangun dari bagian yang sesuai dari 12 laporan
kasus. Dalam studi lapangan multi-kasus kedua, kami mereplikasi banyak teknik untuk mengumpulkan,
memadatkan, dan menganalisis data kualitatif dari studi peningkatan sekolah, menemukan bahwa teknik-teknik
tersebut “melakukan perjalanan” dengan cukup baik.
Dalam perjalanan analisis lintas kasus, kami memulai studi lain, yang disponsori oleh National Institute of
Education. Tugasnya adalah mendokumentasikan prosedur yang kami gunakan untuk analisis, mulai dari
pengkodean awal catatan tingkat situs hingga analisis lintas kasus yang lebih jelas. Setiap analisis dimasukkan
ke dalam formulir dokumentasi diri yang terperinci; latihan ini memberikan banyak ilustrasi dan aturan praktis
dalam buku ini. Kami belajar banyak melalui seminar pengajaran di Amerika Serikat, Kanada, Eropa Barat, dan
Australia. Isu generik analisis data kualitatif menjadi lebih jelas karena mereka dihadapkan tidak hanya lintas
peneliti tetapi juga lintas budaya.
3
Masalah Etis dalam Analisis
Ringkasan Bab
Bab ini mensurvei masalah etika dan dilema yang mungkin dihadapi oleh peneliti selama kerja lapangan. Pertanyaan
diajukan untuk mempertimbangkan isu-isu seperti persetujuan peserta, manfaat, risiko, kerahasiaan, dan kepemilikan data.
Isi
pengantar
Perjanjian Dengan Peserta Studi

Masalah Etika
Kelayakan Proyek
Kompetensi
Penjelasan dan persetujuan
Manfaat, Biaya, dan Timbal Balik

Bahaya dan Risiko
Kejujuran dan Kepercayaan
Privasi, Kerahasiaan, dan Anonimitas

Intervensi dan Advokasi
Integritas dan Kualitas Riset
Kepemilikan Data dan Kesimpulan
Penggunaan dan Penyalahgunaan Hasil
Konflik, Dilema, dan Trade-Off

pengantar
Kita tidak bisa hanya berfokus pada kualitas pengetahuan yang kita hasilkan, seolah-olah kebenarannyalah yang
terpenting. Kita juga harus mempertimbangkan potensi “kekeliruan” dari tindakan kita sebagai peneliti kualitatif dalam
hubungannya dengan orang-orang yang hidupnya kita pelajari, dengan kolega kita, dan dengan mereka yang mensponsori
pekerjaan kita. Semua peneliti harus berpedoman pada prinsip klasik perilaku manusiawi: Pertama, jangan merugikan.
Setiap peneliti kualitatif yang bertanggung jawab merenungkan pertanyaan moral dan etika seperti berikut: Apakah proyek saya
benar-benar layak dilakukan? Apakah saya mengeksploitasi orang dengan penelitian saya? Apakah responden berhak melihat
laporan saya? Apa gunanya anonimitas jika orang dan kolega mereka dapat dengan mudah mengenali diri mereka sendiri dalam
laporan saya? Ketika mereka melakukannya, mungkinkah itu menyakiti atau merusak mereka? Apa yang harus saya lakukan jika
saya mengamati tindakan berbahaya selama kerja lapangan saya? Siapa yang memiliki data, dan siapa yang memiliki laporan?
Literatur kualitatif penuh dengan kesaksian menyedihkan atas pertanyaan semacam itu, dibumbui dengan kalimat yang
diawali dengan “Saya tidak pernah menyangka. . .” dan “Seandainya saja saya tahu bahwa
menyadari
. . .” dan
bahwa
“Saya. .baru
.” Kita
kemudian
perlu
memperhatikan etika dari apa yang kita lakukan sebelum, selama, dan setelah belajar.
Kami tidak dapat mulai menangani semua masalah etika, tetapi kami berharap dapat mengatasi beberapa masalah yang
terlibat dan meningkatkan kesadaran etis sebanyak yang kami bisa. Dalam bab ini, kami menjelaskan kesepakatan dengan
peserta dan isu-isu spesifik yang sering muncul dalam penelitian kualitatif, mengeksplorasi implikasinya terhadap analisis.
Kami kemudian memeriksa beberapa konflik, dilema, dan pertukaran yang terlibat dan menyimpulkan dengan beberapa
saran umum.
Perjanjian Dengan Peserta Studi

Biasanya, peserta studi dan peneliti perlu mencapai beberapa kesepakatan eksplisit tentang harapan bersama. Maksud kami di
sini adalah untuk memeriksa aspek-aspek yang berhubungan dengan analisis dari perjanjian yang dibuat dengan mereka yang
kehidupan sehari-harinya diperiksa. Masalah utamanya adalah ekspektasi eksplisit apa yang ingin kami bangun dengan peserta
studi yang akan mempertahankan dan meningkatkan kualitas kesimpulan kami.
Pertama-tama, kita mungkin berpikir tentang "kesepakatan meta": Apakah kita merenungkan model polivokal dengan status
setara , di mana peneliti dan peserta bersama-sama menceritakan kisah mereka? Atau apakah kita menuju model penelitian tindakan
kolaboratif atau partisipatif , di mana peneliti bergabung dengan orang-orang yang menghadapi masalah di komunitas mereka untuk
membantu mereka mempelajari dan menyelesaikannya? Atau akankah ini menjadi model yang lebih tradisional yang membedakan
peneliti dari peserta yang menjadi sasaran penelitian? Dua model pertama menyiratkan lebih banyak kontrol bersama atas desain
dan pelaksanaan proyek daripada yang terakhir.
Apa pun hubungan dasar yang tersirat dalam kesepakatan meta tersebut, beberapa hal perlu diklarifikasi dengan peserta sejak
awal. (Penting untuk diingat bahwa hal-hal ini mungkin tidak sepenuhnya dipahami oleh kedua belah pihak sampai penelitian
terungkap.) Peragaan 3.1 menyajikan masalah yang dapat dianggap sebagai elemen dari serangkaian ekspektasi awal. Banyak
kesepakatan yang berbeda dapat dicapai. Kami mengomentari implikasi dari beberapa untuk melakukan analisis.
Kesepakatan pengumpulan data (lihat Pertanyaan 2 pada Gambar 3.1) yang mencakup keterlibatan aktif peserta, seperti
penulisan jurnal, terancam ketika partisipasi tersebut dipaksakan, bahkan secara halus (lihat Pertanyaan 3). Kesepakatan semacam
itu juga cenderung menggerakkan penelitian ke arah desain dan pengarahan penelitian bersama (Pertanyaan 4).
Ketidakjelasan tentang kerahasiaan (Pertanyaan 5), seperti ketika seorang peneliti secara sukarela atau tidak sengaja
menyampaikan komentar peserta kepada orang lain, seringkali memiliki efek "mengering" atau distorsi pada pengumpulan data
selanjutnya; hubungan mungkin tegang, dan analisis selanjutnya mungkin bias.
Hal yang sama berlaku untuk anonimitas (Pertanyaan 6). Seorang individu, kelompok, atau organisasi yang sebelumnya tidak
dijamin tidak dapat diidentifikasi dalam laporan studi dapat memberikan data yang bias (disensor sendiri, defensif, dan cerah) jika
diyakini bahwa akun yang akurat dan dapat diidentifikasi akan membahayakan kepentingan tertentu. Bagaimanapun, anonimitas
individu sulit atau tidak mungkin dipastikan ketika studi kasus suatu kelompok atau organisasi dibaca oleh anggotanya. (Kesepakatan
alternatif adalah dengan menggunakan nama asli sejak awal; dalam keadaan ini, individu hanya memberikan informasi yang mereka
anggap publik atau tidak merusak. Ini juga memiliki aspek penyempitan kesimpulan.)
Tampilan 3.1
Pertanyaan untuk Kesepakatan Dengan Peserta Studi
1. Berapa banyak waktu dan upaya yang akan dilakukan?
2. Jenis pengumpulan data apa yang terlibat (misalnya, observasi, wawancara, penulisan jurnal, kehidupan
sejarah)?
3. Apakah partisipasi bersifat sukarela?
4. Siapa yang akan merancang dan mengarahkan studi?
5. Apakah materi dari peserta akan diperlakukan secara rahasia?

6. Apakah anonimitas peserta akan dipertahankan?
7. Siapa yang akan menghasilkan produk deskriptif dan eksplanatif?
8. Apakah peserta akan meninjau dan mengkritik produk sementara dan produk akhir?
9. Manfaat apa yang akan didapat baik bagi peserta maupun peneliti?
Kesepakatan tipikal adalah bahwa peneliti akan menghasilkan produk penelitian (Pertanyaan 7). Kesepakatan ini bertumpu
pada asumsi tradisional bahwa peneliti yang dipersiapkan dengan baik akan mendapatkan data yang baik dan akan menarik
kesimpulan yang beralasan. Namun, dalam beberapa model, keahlian berada pada peserta seperti halnya pada peneliti. Model
penelitian tindakan kolaboratif atau partisipatif menyiratkan bahwa keahlian peserta dikembangkan melalui fasilitasi peneliti
selama proses—misalnya, dalam proyek berbasis masyarakat. Dalam kedua kasus tersebut, isu “kebaikan analisis” sama
mendesaknya dengan model tradisional (lihat Bab 11).
Produk studi kadang-kadang diberikan kembali kepada peserta (Pertanyaan 8) sebagai cara memberikan pemeriksaan
anggota atas keakuratan deskripsi, penjelasan, dan interpretasi. Kesepakatan dapat bervariasi: Apakah seseorang melihat
materi tentang kasusnya sebelum orang lain melakukannya? Bisakah individu atau kelompok menyensor atau memveto materi,
atau bahkan memblokir publikasi? Atau apakah kesepakatan hanya bahwa kesalahan fakta akan diperbaiki dan interpretasi
alternatif akan dimasukkan dalam catatan kaki? Kesepakatan semacam itu dapat meningkatkan kualitas data dan kesimpulan
akhir, tetapi juga dapat menghasilkan kesimpulan yang terpotong atau terdistorsi jika seseorang telah diberi, dan menggunakan,
hak penyensoran.
Peneliti biasanya mendapat manfaat (Pertanyaan 9) dari studi mereka melalui wawasan, pengakuan, promosi, hibah baru,
dan konsultasi. Itu sebabnya mereka terus meneliti. Manfaat peserta sering diajukan secara samar di awal: "kesempatan untuk
berefleksi", "mengklarifikasi ide", "mempelajari apa yang dilakukan orang lain". Kesepakatan awal yang menyebutkan bantuan
(seperti dalam penelitian kolaboratif), konsultasi atau pelatihan, penulisan bersama, atau royalti bersama sebagai manfaat yang
diharapkan dapat meningkatkan kualitas data dan kesimpulan. Jika manfaatnya tidak terwujud, kualitas data dan kesimpulan
mungkin akan menurun.
Kami menawarkan saran terakhir ini tentang perjanjian dengan peserta studi:
1. Perjelas dalam pikiran Anda seperti apa kesepakatan Anda dengan peserta yang Anda inginkan. Komit ke kertas sebagai
sarana untuk berdiskusi dengan mereka saat menegosiasikan entri dan akses. Setelah kesepakatan jelas, salinan
ringkasan penelitian dan aturan dasarnya sangat membantu untuk penelitian yang memiliki banyak peserta.
2. Memasukkan dalam rencana pengumpulan data sebuah prosedur eksplisit untuk mencatat peserta
pemahaman (atau kesalahpahaman) perjanjian, termasuk segala ancaman terhadap kualitas data atau kesimpulan
yang Anda lihat.
3. Para peneliti yang berpegang pada peraturan Institutional Review Board (IRB) mereka mungkin memiliki peraturan yang spesifik
persyaratan yang dikenakan pada mereka yang memengaruhi hubungan peneliti-peserta, kesepakatan, dan
protokol pengumpulan data.
Masalah Etika
Sebagian besar profesi memiliki kode etik yang terdefinisi dengan baik, yang mencakup pedoman mulai dari hak peserta
penelitian hingga bentuk hubungan peneliti-peserta yang tidak pantas.
Organisasi yang tunduk pada IRB atau badan pengawas yang sebanding juga memberikan pedoman untuk mendapatkan izin,
menjaga kerahasiaan, bekerja dengan anak di bawah umur, dan masalah hukum lainnya. Tetapi kerja lapangan dan dilema
yang menyertainya seringkali tidak dapat diprediksi dan spesifik lokasi. Selain itu, pertanyaan penelitian, instrumentasi, dan
pengambilan sampel semuanya dapat berkembang selama studi kualitatif, membuat persyaratan IRB untuk perincian ini harus
ditentukan secara tepat sebelum studi dimulai hampir tidak mungkin untuk dipatuhi. Namun demikian, beberapa perencanaan
dan pemikiran diperlukan untuk penerapan dan peninjauan.
Kami sekarang menguraikan beberapa masalah dan masalah etika tertentu untuk refleksi.
Kelayakan Proyek
Tanyakan pada diri Anda: Apakah studi yang saya renungkan layak dilakukan? Apakah ini akan berkontribusi secara
signifikan ke domain yang lebih luas daripada pendanaan saya, peluang publikasi saya, dan karier saya? Dan apakah itu sesuai
dengan nilai-nilai yang penting bagi saya?
Implikasi untuk Analisis Secara
umum, sebuah studi yang hanya bersifat oportunistik, tanpa signifikansi yang lebih besar atau makna yang nyata bagi
Anda, kemungkinan akan dilakukan dengan cara yang dangkal, dengan kurang perhatian pada desain, pengumpulan
data, dan analisis. Laporan akan ditulis untuk "terlihat bagus" daripada benar. Kesimpulan awal mungkin tidak perlu
dipertanyakan; analisis tindak lanjut dengan hipotesis saingan mungkin jarang terjadi. Tidak ada salahnya mengambil
proyek penelitian yang ditugaskan untuk mendapatkan penghasilan pribadi. Tetapi jika Anda memiringkan temuan Anda
untuk mengakomodasi dan menyenangkan penyandang dana Anda, Anda menjadi terlibat dan tidak jujur.
Kompetensi
Tanyakan pada diri sendiri: Apakah saya (dan rekan-rekan saya) memiliki keahlian untuk melakukan studi dengan kualitas yang baik? Atau
(karena peneliti, baik pemula maupun yang berpengalaman, selalu mengeksplorasi hal-hal yang mereka tidak tahu caranya) apakah saya siap
untuk belajar dan diawasi, dilatih, dan dikonsultasikan? Apakah bantuan seperti itu tersedia?
Implikasi untuk Analisis
Ketidakmampuan yang tidak diakui (atau tidak dipahami), menurut kami, bertanggung jawab atas pola kelemahan
analitik tertentu dalam studi kualitatif: akumulasi sejumlah besar data yang dikumpulkan dengan buruk, tidak dianalisis,
dan menarik kesimpulan yang dangkal dan tergesa-gesa saat tenggat waktu semakin dekat. Gambaran ini sering terjadi
ketika peneliti tunggal gagal mencari bantuan dari teman, kolega, atau mentor. Mahasiswa pascasarjana sering
memahami kurangnya pengalaman mereka sendiri tetapi terkadang tidak dapat memperoleh dukungan dan bantuan dari
guru atau pengawas disertasi mereka. Itu namanya malpraktek penelitian.
Penjelasan dan persetujuan
Tanyakan pada diri Anda: Apakah orang yang saya pelajari memiliki informasi lengkap tentang apa yang akan dilibatkan dalam penelitian ini?
Apakah persetujuan mereka untuk berpartisipasi diberikan secara bebas—sepenuhnya sukarela dan tanpa paksaan? Apakah hirarki persetujuan
(misalnya, anak-anak, orang tua, guru, administrator) mempengaruhi keputusan tersebut?
Peraturan IRB sangat ketat namun menyeluruh dalam hal perekrutan peserta sukarela, memberi tahu mereka tentang tujuan studi, dan
memastikan hak mereka selama proyek berlangsung.
Penelitian dengan anak di bawah umur atau populasi rentan lainnya (mis., tahanan, wanita hamil) mencakup panduan tambahan untuk proses
perizinan, seperti mendapatkan persetujuan orang tua dan izin anak-anak.
persetujuan.
Jadilah buku terbuka dengan proyek Anda; ini akan membantu mengembangkan rasa percaya antara Anda dan individu di lingkungan
tersebut. Juga, akui bahwa peserta sangat membantu peneliti dengan menjadi sukarelawan untuk menjadi bagian dari penelitian ini. Hormati
pemberian waktu, wawasan, dan privasi mereka, karena arti dasar dari “data” bukanlah sesuatu yang dikumpulkan tetapi sesuatu yang diberikan .
Jika anak-anak dan remaja adalah bagian dari campuran, mereka juga memiliki suara dalam masalah ini. Hanya ada kesempatan yang sangat
langka ketika penelitian rahasia dan penipuan diperlukan untuk integritas tujuan proyek penelitian (misalnya, menyelidiki proses sosial manusia
yang terlibat dalam aktivitas ilegal). Jika Anda memiliki sesuatu yang disembunyikan dari peserta, lebih baik itu untuk alasan yang bagus.
Persetujuan yang lemah biasanya menghasilkan data yang buruk. Responden akan berusaha melindungi diri mereka sendiri dalam hubungan
yang tidak dipercaya atau yang dibentuk hanya dengan peneliti oleh atasan. Ketidakjelasan tentang tahap analisis selanjutnya juga dapat
merusak kualitas studi dan kepentingan orang-orang dalam kasus tersebut. Jika Anda berencana untuk menggunakan "pemeriksaan anggota"
untuk memverifikasi atau memperdalam kesimpulan, harapan dan prosedur spesifik tersebut harus jelas saat studi berlangsung. Mengamankan
izin peserta bukanlah satu rintangan yang harus dilompati; dialog dan negosiasi ulang yang berkelanjutan diperlukan selama penelitian.
Manfaat, Biaya, dan Timbal Balik
Tanyakan pada diri Anda: Apa yang harus diinvestasikan peserta dalam waktu, energi, atau sumber daya keuangan? Apa
akankah masing-masing pihak dalam studi tersebut memperoleh keuntungan karena telah mengambil bagian? Apakah saldonya seimbang?
Seperti yang kami sarankan sebelumnya, peneliti sering kali "dibayar" dengan satu atau lain cara. Mereka biasanya menikmati
pekerjaan mereka dan belajar darinya, mereka mungkin mendapatkan disertasi darinya, dan makalah, artikel, dan buku mereka
tidak hanya berkontribusi pada bidang mereka tetapi juga dapat memberi mereka pengakuan, royalti, pendanaan baru, dan
peningkatan karier.
Peserta studi memiliki serangkaian manfaat yang agak berbeda: Mereka dapat didengarkan, mereka dapat memperoleh
wawasan atau pembelajaran, mereka dapat meningkatkan praktik pribadi mereka, program atau kebijakan yang melibatkan
mereka dapat diperkuat, dan mereka dapat memperoleh bantuan dalam mengambil tindakan efektif pada beberapa masalah
berulang. Tetapi peserta studi jarang berbagi dalam publikasi, dan biasanya mereka tidak menjadi terkenal. Sebagian besar tidak
dibayar untuk kontribusi penelitian mereka.
Pertanyaan tentang biaya dan siapa yang menanggungnya adalah penting. Waktu peneliti dilunasi—biasanya tidak sepenuhnya
—dalam bentuk tunai atau nilai kelas atau persetujuan disertasi. Peserta penelitian biasanya harus mengambil waktu dari atau
di luar apa pun yang mereka lakukan dan biasanya tidak diberi imbalan. Organisasi lokal mungkin memiliki biaya tambahan
(misalnya, untuk guru pengganti).
Kekhawatiran peserta studi tentang ketidaksetaraan manfaat dan biaya membahayakan akses dan menipisnya
data. Namun kami selalu tergerak dan takjub ketika orang-orang terus berbicara kepada kami dengan penuh
perhatian, mengundang kami ke dalam kehidupan mereka hari demi hari, ketika manfaat bagi mereka tampak begitu
tipis, begitu tidak berwujud, dan seringkali begitu tertunda.
Para peneliti berbeda-beda dalam perspektif mereka tentang mengkompensasi peserta mereka secara moneter (misalnya,
menawarkan kartu hadiah atau token $20,00 untuk setiap jam waktu wawancara). Beberapa orang merasa bahwa tawaran uang
mungkin terlalu memengaruhi respons peserta menjadi lebih menyenangkan dan positif daripada yang sebenarnya mereka
pikirkan. Peneliti lain merasa bahwa profesional kelas pekerja, seperti guru dan pekerja sosial, pantas mendapatkan semacam
kompensasi finansial atas waktu dan pendapat mereka yang berharga. Ini adalah masalah yang harus diselesaikan oleh masing-
masing peneliti individu dan proyek khususnya.
Para peneliti lalu lintas dalam pemahaman. Sebagian besar peserta studi disibukkan dengan tindakan—bagaimana bekerja
dan hidup lebih baik. Dapat dikatakan bahwa jika Anda mendekati pekerjaan analitik Anda dengan pengertian yang lebih dalam
tentang implikasi tindakannya, pemahaman Anda akan lebih dalam—dan manfaatnya bagi peserta lebih merata.
Bahaya dan Risiko
Tanyakan pada diri Anda: Apa yang dapat dilakukan penelitian ini untuk menyakiti orang-orang yang terlibat? Seberapa besar kemungkinan kerusakan
seperti itu akan terjadi?
Kerugian bagi peserta dapat datang dalam banyak jenis: dari pukulan hingga harga diri atau "tampak buruk" bagi orang lain,
hingga ancaman terhadap kepentingan, posisi, atau kemajuan seseorang dalam organisasi, hingga hilangnya dana untuk suatu
program, dan seterusnya, hingga untuk dituntut atau ditangkap. Informasi dari studi kualitatif tidak pernah bebas nilai, dan
mungkin memiliki konsekuensi negatif.
Harm memotong dua arah. Kami menyukai kisah yang diceritakan oleh seorang reporter New York Times yang bertanya
kepada seorang pengedar narkoba apakah dia benar-benar merasa nyaman untuk berbicara terus terang. Dealer itu berkata
dengan riang, “Tentu. Jika saya tidak menyukai apa yang Anda tulis, saya akan membunuh Anda.” Sebagai peneliti, kami kadang-
kadang diancam dengan litigasi dan peringatan untuk campur tangan dengan lembaga pendanaan kami ketika draf laporan
dianggap mengancam kepentingan utama.
Sieber (1992) menunjukkan bahwa penting untuk memikirkan berbagai kerentanan terhadap bahaya. Orang (dan institusi)
yang lebih rentan termasuk mereka yang terlihat secara publik, kekurangan sumber daya atau otonomi, distigmatisasi, dilemahkan
atau dilembagakan, tidak dapat berbicara sendiri,
terlibat dalam tindakan ilegal, atau terlalu dekat terkait dengan yang dipelajari.
Menetapkan tingkat risiko untuk potensi bahaya sangat sulit—mungkin tidak mungkin—dalam studi kualitatif.
Adalah bijaksana untuk berasumsi bahwa kemungkinan beberapa jenis bahaya lebih baik daripada yang lain dan mempertimbangkan terlebih
dahulu cara untuk mengurangi kemungkinan itu.
Implikasi untuk Analisis Seperti halnya
manfaat dan biaya yang tidak adil, jika diperkirakan akan terjadi kerugian, akses dan kualitas data dapat terganggu.
Prospek kerugian yang akan segera terjadi—yang mungkin terjadi saat laporan dibuat untuk peserta lokal, sponsor, atau lembaga pendanaan—
dapat menyebabkan tekanan pada Anda untuk merevisi atau menghapus kesimpulan atau menyensornya sendiri terlebih dahulu.
Kejujuran dan Kepercayaan
Tanyakan pada diri Anda: Apa hubungan saya dengan orang yang saya pelajari? Apakah saya mengatakan yang sebenarnya? Apakah kita
saling percaya?
Sebagian besar peneliti kualitatif tidak mungkin berbohong, menipu, atau mencuri dalam pekerjaan mereka. Tapi janji yang diingkari tidak
diketahui. Dan beberapa peneliti telah melaporkan responden yang menipu tentang sifat sebenarnya dari penyelidikan (seperti dalam beberapa
studi observasi partisipan seperti studi Humphreys [1970] tentang homoseksual, di mana ia menyamar sebagai "ratu pengawas" di dalam toilet
umum).
Biasanya, ketidakjujuran lebih halus. Pekerja lapangan dapat memproyeksikan "persona palsu" (pendengar yang ramah atau calon orang
dalam) untuk mendapatkan pengetahuan atau akses. Pada beberapa tingkat, seperti dicatat oleh van Maanen (1979), setiap kali pekerja
lapangan bekerja untuk “menembus garis depan”, kekerasan simbolik sedang dilakukan: “Orang-orang, pada tingkat tertentu, dibujuk, dibujuk,
didorong, ditekan, dan kadang-kadang hampir diperas. untuk memberikan informasi kepada peneliti bahwa mereka mungkin lebih memilih untuk
melindungi” (hal. 545). Selalu ada batasan moral yang ditarik secara individual untuk kekerasan ini: Seorang peneliti mungkin memutuskan untuk
tidak memaksakan masalah yang rumit, atau meninggalkan adegan yang memalukan. Namun demikian, pertanyaan tentang seberapa koersif
dan tidak autentiknya hubungan dengan responden tidak dapat diabaikan, atau dihilangkan dengan ketentuan suci bahwa "hubungan saya
sepenuhnya jujur".
Implikasi untuk Analisis Jika orang merasa
dikhianati oleh Anda ketika mereka membaca sebuah laporan, hampir tidak mungkin bagi mereka untuk menerimanya sebagai interpretasi
yang masuk akal tentang apa yang terjadi, karena sikap defensif alami mereka ketika "kebenaran menyakitkan", sebagaimana mungkin, dan
perasaan marah mereka karena telah disesatkan.
Penipuan dan pengingkaran janji—khususnya jika manfaat dan biaya tidak adil atau kerugian telah terjadi—akan membuat kelanjutan penyelidikan
bermasalah. Kami akan bersalah tidak hanya kepada responden kami tetapi juga kolega kami.
Kami tidak akan berpura-pura memiliki jawaban yang mudah atau sangat mudah untuk kategori etika yang licin ini
dilema. Yang bisa kami sampaikan hanyalah beberapa saran klasik: Jika ragu, katakan yang sebenarnya.
Privasi, Kerahasiaan, dan Anonimitas

Tanyakan pada diri Anda: Dengan cara apa studi akan mengganggu, lebih dekat dengan orang daripada yang mereka inginkan? Bagaimana
apakah informasi akan dijaga? Seberapa dapat diidentifikasi individu dan organisasi yang dipelajari?
Sieber (1992) membuat pembedaan yang bermanfaat ini di antara tiga istilah, yang sering membingungkan atau
digunakan secara bergantian dalam praktik penelitian:
• Privasi: kendali atas akses orang lain ke diri sendiri dan informasi terkait atau penjagaan batasan terhadap pemberian informasi yang
dilindungi atau penerimaan informasi yang tidak diinginkan • Kerahasiaan: kesepakatan dengan seseorang atau organisasi tentang
apa yang akan dilakukan (dan tidak boleh dilakukan) dengan data mereka— mungkin termasuk kendala hukum
• Anonimitas: kurangnya pengidentifikasi, informasi yang akan menunjukkan individu atau

organisasi menyediakan data yang mana
Seperti yang dicatat Sieber, masalah privasi sering tidak kentara dan disalahpahami oleh peneliti, muncul hanya ketika ada keengganan
yang tidak terduga, curahan informasi di luar apa yang ingin dikatakan orang tersebut, atau kepercayaan yang didengar oleh orang lain.
Privasi, sebagian, adalah tentang kerahasiaan.
Kerahasiaan dan anonimitas biasanya dijanjikan—terkadang sangat dangkal—dalam kesepakatan awal dengan responden. Misalnya,
kecuali peneliti menjelaskan dengan sangat jelas seperti apa kasus umpan balik itu, orang mungkin tidak menyadari bahwa mereka tidak
akan anonim sama sekali bagi orang lain dalam latar yang membaca kasus tersebut.
Masalah privasi, kerahasiaan, dan anonimitas mengambil giliran baru ketika media visual seperti foto dan video digital digunakan
dalam pengumpulan dan pelaporan data. Individu dan kelompok masih perlu memiliki kendali atas bagaimana mereka digambarkan, dan
dapat menolak invasi privasi (misalnya, dengan memveto gambar atau urutan tertentu), tetapi kemungkinan anonimitas hampir pasti hilang,
bahkan dengan efek blur wajah atau tiling digital.
Implikasi untuk Analisis Ketika Anda
menyadari bahwa privasi telah terancam, gerakan analitik baru (misalnya, data dari sumber lain) mungkin diperlukan untuk melindungi
kualitas data. Jika privasi sebenarnya telah dilanggar, pertanyaan tentang dampak laporan ketika diumpankan kembali ke responden
menjadi penting; dapatkah informasi yang terlibat dihubungkan dengan orang yang dapat diidentifikasi?
Menggunakan pemeriksaan anggota untuk memverifikasi atau memperluas interpretasi dan kesimpulan membantu mengatasi masalah
anonimitas, terutama jika Anda memulai dengan responden yang paling rentan sebelum berpindah ke lingkaran yang lebih luas; mereka
biasanya (walaupun tidak selalu) dapat melihat informasi yang akan mengidentifikasi mereka dan dengan demikian mengancam
kepentingan mereka.
Masalah dasar identifikasi ketika kasus adalah situs yang kompleks harus dipertimbangkan sebelum dan selama persiapan laporan.
Penduduk setempat hampir selalu dapat mengetahui (atau akan berasumsi) siapa yang sedang digambarkan. Anda mungkin perlu berbuat
salah dalam melindungi anonimitas, jika sudah dijanjikan, dan mengandalkan dialog dan negosiasi untuk tindakan korektif sebelum laporan
diselesaikan.
Perjanjian kerahasiaan eksplisit tentang di mana data mentah dan analisis akan disimpan, dan siapa yang akan memiliki akses ke
sana, mungkin meningkatkan kualitas data dengan meningkatkan kepercayaan. Namun, pengadilan biasanya tidak memperlakukan data
peneliti ilmu sosial sebagai komunikasi yang diistimewakan secara hukum. Jika suatu kasus dibawa ke litigasi, dokumen Anda dan data
lainnya dapat menjadi bukti “tidak rahasia”.
Intervensi dan Advokasi

Tanyakan pada diri sendiri: Apa yang harus saya lakukan ketika saya melihat perilaku berbahaya, ilegal, atau salah dari orang lain
selama penelitian? Haruskah saya berbicara untuk kepentingan siapa pun selain kepentingan saya sendiri? Jika ya, kepentingan siapa
yang saya anjurkan?
Ambil contoh, contoh nyata kebrutalan polisi yang disaksikan oleh van Maanen (1983) dan ditulis dalam catatan lapangannya. Meski
tidak membantu polisi, dia juga tidak memprotes atau mengintervensi. Dengan demikian, dia melindungi polisi secara default dan
menghindari mendukung korban. Belakangan, dalam gugatan yang diajukan oleh petugas polisi terhadap sebuah surat kabar, van Maanen
memilih untuk melindungi kepentingan petugas patroli dengan menolak mengeluarkan catatan lapangannya.
Pilihan etis tidak selalu begitu dramatis, tetapi pilihan itu tetap ada ketika kita melihat guru yang acuh tak acuh, malpraktik medis, anak
yang dilecehkan, atau bukti penyalahgunaan dana—dan apakah atau tidak melaporkannya. Pilihan etis juga hadir ketika kita mempelajari
orang-orang yang melanggar hukum saat kita mempelajarinya: pengedar dan pengguna narkoba, kepala agen korup, pelacur dan mucikari
dan pelanggannya, geng kekerasan, penggelapan uang, dan sebagainya. Penting untuk mengetahui lebih banyak tentang penyimpangan;
tetapi apakah kita entah bagaimana memaafkannya dengan kehadiran kita yang netral dan tidak mengutuk?

Situasi di mana Anda memiliki “tangan kotor”—tidak dapat mengelak berbuat salah kepada satu pihak atau pihak lain—merupakan
penderitaan pribadi. Dan tidak peduli bagaimana itu diselesaikan, itu merusak pemahaman dan sistem nilai pribadi Anda. Jika Anda
memutuskan untuk menahan pengetahuan demi akses yang berkelanjutan, maka tidak hanya laporan publik Anda, tetapi juga teori
konseptualisasi dan penjelasan Anda mungkin menjadi timpang.
Integritas dan Kualitas Penelitian Tanyakan
pada diri Anda: Apakah penelitian saya dilakukan dengan hati-hati, penuh pertimbangan, dan benar dalam kaitannya
dengan beberapa standar yang masuk akal atau praktik yang ditetapkan?
“Pelatihan di tempat kerja” untuk mahasiswa penelitian kualitatif adalah bagian dari kurva pembelajaran; akan ada beberapa kesalahan
dan kesalahan yang diharapkan di sepanjang jalan. Tetapi guru/pengawas siswa harus memastikan bahwa telah ada persiapan yang
cukup untuk kerja lapangan mandiri, dan komunikasi serta pemantauan yang konstan selama proses untuk lebih menjamin pengalaman
berkualitas bagi semua pihak.
Adapun temuan, jika kami memberikan serangkaian kesimpulan berdasarkan pekerjaan ceroboh (atau bahkan curang) dan mengklaim
validitasnya, maka kami tidak jujur dengan sponsor, kolega, supervisor, peserta, dan siapa pun yang membaca dan mempercayai laporan
kami .
Penipuan ilmiah secara terang-terangan jarang terjadi, tetapi hal itu terjadi ketika taruhannya tinggi (pendanaan, keutamaan penemuan,
peningkatan karier). Naif untuk berharap bahwa studi kualitatif tidak akan pernah bisa dipalsukan.
Jauh lebih umum, seperti dicatat dalam laporan Adler (1991) tentang konferensi tentang integritas dalam penelitian ilmu perilaku,
adalah "ilmu yang buruk": pencatatan data yang ceroboh; pelaporan temuan yang tidak memadai, selektif, atau menyesatkan; keengganan
untuk berbagi atau menyimpan data; konflik kepentingan yang dirahasiakan; dan kutipan yang tidak tepat.
Implikasi untuk Analisis Dalam

Bab 11, kami akan mengakui kesulitan dalam menilai kualitas studi kualitatif dan menyarankan
serangkaian taktik untuk meningkatkan kebaikan studi tertentu: keterkonfirmasiannya, ketergantungannya,
kredibilitasnya, dan potensi transfernya ke pengaturan lain. Seorang siswa harus menjalankan data dan
analisisnya dalam proses melewati penyelia, mentor, atau rekan untuk "pemeriksaan realitas" berkala.
Implikasi praktisnya di sini adalah bahwa jika Anda tidak memperhatikan masalah kriteria kebaikan dalam studi Anda, Anda berada di
landasan intelektual yang goyah. Bukan hanya kita harus menyenangkan audiens kolega kita yang kritis; masalah yang lebih dalam adalah
menghindari delusi diri. Setelah itu, kita dapat beralih ke tugas untuk jujur kepada pembaca tentang bagaimana kita melakukan penelitian
dan apa yang membuat kita khawatir tentang kualitasnya. Tanpa kejujuran metodologis seperti itu, kami berisiko melaporkan "pengetahuan
yang tidak benar".
Adapun penipuan, kebenaran akhirnya akan terungkap, meskipun mungkin diperlukan waktu selama beberapa dekade sebelum hasil
Cyril Burt yang terkenal tentang kesamaan kecerdasan dari anak kembar yang terpisah terdeteksi sebagai palsu.
Kita harus berkonsentrasi untuk tidak membohongi diri kita sendiri.
Kepemilikan Data dan Kesimpulan

Tanyakan pada diri sendiri: Siapa pemilik catatan lapangan dan analisis saya: saya, organisasi saya, peserta saya, atau milik saya
penyandang dana? Dan begitu laporan saya ditulis, siapa yang mengontrol distribusinya?
Masalah kerahasiaan membutuhkan kejelasan tentang siapa yang dapat memiliki akses ke data. Sebagian besar peneliti menganggap
data dan analisis mereka sebagai milik mereka dan, jika tidak ada bentuk litigasi, menganggap diri mereka bertanggung jawab untuk
menjaga kerahasiaan mereka, menjaga anonimitas, dan membuat data tersedia bagi orang lain untuk audit, analisis ulang, analisis
sekunder, dan replikasi. Tapi masalah di sini tidak sesederhana itu. Misalnya UU Keterbukaan Informasi
Amerika Serikat mengizinkan akses publik ke data kerja lapangan dari proyek yang didanai federal. IRB mungkin
mengharuskan catatan data proyek dihancurkan/dihapus dalam jangka waktu tertentu.
Kontrol penyebaran laporan juga merupakan isu krusial. Beberapa peserta mungkin dengan keras menolak
penggambaran laporan yang tidak dipublikasikan tentang mereka dan mengancam akan memblokir publikasinya melalui cara hukum.
Lembaga pendanaan juga dapat menggunakan hak ini; pada pertemuan Asosiasi Riset Pendidikan Amerika tahun 1993,
setidaknya ada dua contoh lembaga pemerintah yang menolak untuk mengizinkan laporan publik tentang penelitian yang
telah selesai: Dalam satu, tampaknya lembaga tersebut melihat perilisan temuan sebagai tidak bijaksana secara politis; di
sisi lain, "peninjauan internal belum selesai".
Implikasi untuk Analisis Pastikan
bahwa semua perjanjian kepemilikan ditentukan secara tertulis sebelum data dikumpulkan.
Terdapat potensi risiko bagi responden jika data jatuh ke tangan yang salah, sehingga Anda perlu memikirkan dengan hati-
hati tentang bagaimana orang lain dapat mengakses database Anda dan bagaimana kerahasiaan dan anonimitas dapat
dipertahankan.
Dalam pengalaman kami, tampaknya tidak ada yang lebih memukul peneliti daripada kesadaran bahwa beberapa orang,
kelompok, atau organisasi dapat menghalangi penyebaran upaya penelitian berbulan-bulan atau bertahun-tahun. Kebebasan
penyelidikan ilmiah adalah nilai yang kuat, seperti nilai-nilai kemajuan karir, pengakuan, dan pendanaan.
Peneliti dapat dengan mudah terobsesi dengan hal ini. Anda harus jelas tentang konteks politik pekerjaan Anda dan
menjaga agar tidak terlalu mudah menyetujui upaya veto orang lain atau mengubah aspek substantif penting sebagai cara
untuk memastikan publikasi atau pendanaan yang berkelanjutan.
Penggunaan dan Penyalahgunaan Hasil
Tanyakan pada diri Anda: Apakah saya memiliki kewajiban untuk membantu temuan saya digunakan dengan tepat?
Bagaimana jika mereka digunakan secara berbahaya atau salah? Siapa yang saya coba bantu, khususnya? Apakah saya
memiliki hak untuk mengubah nilai, sikap, dan keyakinan peserta saya? Apakah peningkatan kesadaran tanpa dukungan
tindakan cukup?
Contoh penyalahgunaan temuan studi tidak sulit ditemukan. Temuan mungkin disalahtafsirkan (sengaja atau tidak) dan
digunakan untuk mendukung kebijakan yang salah (misalnya, perbedaan nilai ujian siswa sebagai pembenaran untuk
pelacakan atau penempatan program khusus). Atau temuan, jika dipahami dengan benar, dapat digunakan oleh organisasi
yang disesali oleh peneliti (misalnya, oleh komite aksi politik konservatif). Kita mungkin telah menemukan sesuatu yang
mungkin tidak disadari oleh para peserta (misalnya, sebuah program yang memiliki efek buruk daripada efek positif) dan
mencoba untuk "mengubah sistem", ketika sistem merasa bahwa bukan tempat atau hak kita untuk mencampuri cara-cara
yang sudah mapan. bekerja. Seorang peserta mungkin berbagi pendapat atau perspektif yang menurut Anda mengganggu
selama wawancara, dan Anda mungkin tergoda untuk memperdebatkan masalah tersebut daripada mendengarkan dan
mempelajari lebih lanjut. Pengetahuan bukanlah kekuatan. Sebaliknya, penggunaan pengetahuan kita meningkatkan
kesadaran kita tentang—dan menjerat kita dalam—hubungan kekuatan di dunia yang telah kita pelajari.
Implikasi untuk Analisis Pada proyek
apa pun, mungkin perlu sejelas mungkin sejak awal seberapa besar komitmen Anda untuk mendukung penggunaan
temuan Anda (dan/atau mencegah penyalahgunaan dari berbagai kalangan).
Periksa temuan Anda secara teratur dengan orang yang Anda teliti untuk mendiskusikan implikasi dan konsekuensi yang
lebih luas. Terima fakta bahwa tidak semua orang berpikir dan merasakan hal yang sama dengan Anda dan bahwa Anda
memiliki kewajiban dalam analisis Anda untuk mengakui keragaman perspektif yang Anda temui. Tulisan Anda juga harus
menjelaskan dengan jelas bagaimana Anda membayangkan temuan Anda digunakan oleh orang lain, terutama untuk
kebijakan dan praktik.
Konflik, Dilema, dan Trade-Off

Studi jangka panjang yang terkenal terhadap pasien sifilis dimulai pada tahun 1932 di Institut Tuskegee
mencontohkan dilema pemahaman ilmiah versus hak individu, yang dalam kasus ini diselesaikan dengan cara yang sangat tidak
manusiawi dan merusak. Tujuan ilmiahnya adalah memahami perjalanan sifilis jangka panjang, dan itu diprioritaskan. Pria Afrika-
Amerika dalam penelitian dibiarkan tanpa pengobatan dan tidak diberitahu tentang ketersediaan penisilin (pada tahun 1943)
sebagai pengobatan yang efektif. Studi ini tidak dihentikan sampai tahun 1972, dimana sebagian besar peserta telah meninggal.
Pada tingkat yang kurang tragis, dilema ini muncul dalam studi di mana kita tidak campur tangan dalam situasi berbahaya karena
takut membahayakan akses kita (dan mungkin pemahaman ilmiah kita di masa depan). Hasil positif dari kekejaman ini adalah
komposisi prinsip dan pedoman etika untuk penelitian yang melibatkan partisipan manusia—Laporan Belmont.
Pengalaman penelitian kualitatif yang lebih khas juga penuh dengan dilema. Misalnya, sering terjadi konflik antara tuntutan
validitas versus menghindari kerugian. Salah satu dari kami pernah belajar di sebuah sekolah di mana kepala sekolah baru, yang
sedikit goyah dalam pekerjaannya, menerima konsultasi rutin dari mantan kepala sekolah yang berpengalaman—yang disebut
oleh beberapa anggota staf sebagai "pengasuh kepala sekolah".
Selama umpan balik draf laporan, beberapa responden mengatakan, "Anda tidak perlu memasukkannya," diam-diam mengakui
bahwa itu akan merusak harga diri kepala sekolah. Tetapi ketika frasa itu dipotong, pembaca tidak tahu bahwa staf percaya kepala
sekolah mereka membutuhkan "pengasuh bayi" dan adalah pria baik yang tidak pantas disakiti — atau bahwa mereka, mungkin,
meminta peneliti untuk berkolusi dengan mereka. menjaga perasaan mereka dari kepala sekolah.
Dilema lain muncul ketika penggunaan hasil dipertimbangkan: penyelidikan terpisah versus bantuan. Dalam situasi apa pun,
kita dapat mendefinisikan peran kita sebagai peran “memahami” apa yang sedang terjadi dan memberikan “bantuan” hanya secara
samar-samar, di masa depan jangka panjang saat kerja lapangan selesai dan laporan muncul. Sikap itu mendefinisikan bantuan
nyata kami kepada responden dalam memecahkan masalah yang mereka hadapi. Sebaliknya, jika kita memilih untuk
memprioritaskan bantuan, kita berisiko terkooptasi dan kehilangan kemandirian intelektual kita.
Ada juga dilema pemberian bantuan versus kerahasiaan. Biasanya cukup sulit untuk membantu (atau mendapatkan bantuan
untuk) responden yang Anda temukan membutuhkan (katakanlah, seorang guru baru yang menggelepar tanpa bantuan), tanpa
melanggar kesepakatan bahwa tidak ada orang lain yang akan memiliki akses ke apa yang dikatakan orang tersebut. Anda.
Kebebasan bertanya versus keuntungan politik merupakan dilema lain. Sebagian besar peneliti memilih yang pertama dan
tertekan ketika temuan mereka diblokir. Namun anggaplah Anda sangat berkomitmen untuk meningkatkan pendidikan anak usia
dini pada saat legislator hendak mengesahkan kembali program nasional yang penting. Dan misalkan data Anda (seperti beberapa
di tahun 1990-an) cukup pesimis tentang efek program itu. Mungkinkah Anda ingin sedikit meredam "seluruh kebenaran" dengan
mengatakan bahwa temuan itu hanya sebagian atau cacat metodologis?
Daftar dilema ini bersifat ilustratif; itu tentu saja tidak lengkap. Dan lebih sering daripada tidak, banyak dilema akan terjadi.
Banyak kisah yang telah kita baca tentang dilema etika dalam penelitian kualitatif menggambarkan "kompromi", "pertukaran",
"keseimbangan", dan "pilihan yang tidak menyenangkan". Jika masalah etika dan penyelesaiannya jelas, hidup akan menjadi
sederhana. Tetapi kita harus terus berpikir dan berbicara tentang dilema etika, menimbang bagaimana kita dan responden kita
memilih satu sisi atau sisi lainnya.
Kami menawarkan saran terakhir tentang etika dalam studi kualitatif:
Antisipasi: Sebagian besar isu spesifik yang diangkat di atas dapat memperoleh manfaat dari pemikiran sebelumnya selama
tahap awal desain proyek. Jangan menipu diri sendiri bahwa masalah tersebut dapat diselesaikan sebelumnya, tetapi
memikirkannya secara menyeluruh—mungkin menjalankan masalah sebagai semacam daftar periksa—dapat membantu Anda
menghindari masalah di kemudian hari.
Pihak ketiga: Karena masalah etika sering kali cenderung ditutupi oleh asumsi, keyakinan, dan nilai kita yang diterima begitu
saja, melibatkan pihak ketiga yang tepercaya dapat sangat membantu untuk menarik perhatian kita. Orang seperti itu dapat
mengangkat masalah yang tidak diperhatikan, menyarankan sudut pandang alternatif, membantu memunculkan asumsi diam-
diam, menjadi pembela responden, atau berfungsi sebagai mediator antara peserta dan peneliti ketika ada masalah yang belum
terselesaikan.
Pengecekan dan negosiasi ulang secara teratur: Evolusi studi kualitatif biasanya melibatkan
Pengecekan dan negosiasi ulang secara teratur: Evolusi studi kualitatif biasanya melibatkan beberapa putaran
dan belokan yang tidak dapat diantisipasi sepenuhnya oleh siapa pun, bahkan dengan niat baik yang terbaik.
Kesepakatan awal dan prosedur kerja hampir selalu membutuhkan pembaharuan. Dalam pengalaman kami,
revisi perjanjian cukup umum karena masalah umpan balik, pemeriksaan anggota, dan pelaporan menjadi
fokus. Ini berguna sejak awal untuk menciptakan harapan bahwa kesepakatan mungkin memerlukan negosiasi
ulang dan pertemuan "pemeriksaan ulang" dapat diadakan kapan saja baik oleh peneliti atau responden.
Kami telah memeriksa serangkaian masalah etika tertentu, mulai dari masalah awal (kelayakan proyek,
kompetensi Anda sendiri, persetujuan yang diinformasikan, serta manfaat dan biaya yang diantisipasi) hingga
yang terjadi saat proyek berkembang (kerugian dan risiko, hubungan Anda dengan responden, privasi/
kerahasiaan/anonimitas, dan intervensi) dan hal-hal yang menonjol kemudian (kualitas penelitian, kepemilikan
data, dan penggunaan hasil). Semua memiliki implikasi untuk analisis dan kualitas kesimpulan. Berurusan
dengan masalah etika secara efektif melibatkan kesadaran yang tinggi, negosiasi, dan membuat pertukaran di
antara dilema etika, daripada penerapan aturan yang sangat mudah.
Pada bab selanjutnya, kami akan menyajikan beberapa prinsip dasar analisis data kualitatif, sebelum
merambah ke metode tampilan di Bagian Dua.
4
Dasar-dasar Analisis Data Kualitatif
Ringkasan Bab
Bab ini mengulas pendekatan mendasar untuk analisis data kualitatif, dengan fokus khusus pada
pengkodean segmen data untuk pengembangan kategori, tema, dan pola. Strategi analitik lainnya
termasuk catatan, memo, dan perumusan pernyataan dan proposisi. Analisis dalam kasus dan lintas
kasus kemudian dibandingkan untuk keunggulan dan kontribusi uniknya bagi perusahaan riset.
Isi
pengantar
Pemrosesan dan Persiapan Data
Kode dan Pengodean Siklus Pertama
Keterangan
Aplikasi
Contoh Pengodean Siklus Pertama
Membuat Kode
Merevisi Kode
Struktur dan Kesatuan dalam Daftar Kode
Definisi Kode
Tingkat Detail Pengkodean
Pengodean Siklus Kedua: Kode Pola
Keterangan
Aplikasi
Contoh
Dari Kode ke Pola
Saran pengkodean
Jotting
Memo Analitik
Contoh
Pada Data Visual
Saran Memo
Asersi dan Proposisi
Analisis Dalam Kasus dan Lintas Kasus
Tujuan Analisis Lintas Kasus
Perbedaan Utama: Variabel Versus Kasus
Strategi untuk Analisis Lintas Kasus
pengantar
Dalam bab ini, kami menjelaskan metode fundamental untuk analisis data kualitatif sementara pengumpulan data
berlangsung. Mereka membantu mengatur data untuk analisis selanjutnya yang lebih dalam, seperti yang menggunakan
tampilan yang dijelaskan dalam Bab 6 sampai 10.
Beberapa peneliti kualitatif mencurahkan energi utama ke dalam pengumpulan data selama berminggu-minggu, berbulan-
bulan, atau bahkan bertahun-tahun dan kemudian pensiun dari lapangan untuk "mengerjakan catatan mereka". Kami
percaya ini adalah kesalahan besar. Ini mengesampingkan kemungkinan pengumpulan data baru untuk mengisi kekosongan
atau untuk menguji hipotesis baru yang muncul selama analisis. Ini mencegah perumusan hipotesis saingan yang
mempertanyakan asumsi rutin pekerja lapangan. Dan itu membuat analisis menjadi tugas raksasa, terkadang luar biasa,
yang membuat peneliti frustrasi dan mengurangi kualitas pekerjaan yang dihasilkan.
Kami sangat menyarankan analisis bersamaan dengan pengumpulan data. Ini membantu siklus pekerja lapangan bolak-
balik antara memikirkan data yang ada dan menghasilkan strategi untuk mengumpulkan data baru, seringkali lebih baik. Ini
bisa menjadi koreksi yang sehat untuk titik buta bawaan. Itu membuat analisis menjadi usaha yang berkelanjutan dan hidup
yang berkontribusi pada proses kerja lapangan yang memberi energi. Selain itu, analisis awal memungkinkan pembuatan
laporan sementara, yang diperlukan di sebagian besar studi evaluasi dan kebijakan.
Jadi kami menyarankan untuk menjalin pengumpulan dan analisis data sejak awal.
Pemrosesan dan Persiapan Data

Untuk metode dalam bab ini dan bab selanjutnya, kami berasumsi bahwa petugas lapangan telah mengumpulkan
informasi dalam bentuk catatan lapangan yang ditulis tangan atau diketik, rekaman audio atau video dari wawancara atau
peristiwa lain di latar lapangan, dan dokumen atau cetakan/cetakan lainnya. artefak digital. Dalam semua kasus, kami
berfokus pada kata-kata sebagai bentuk dasar di mana data ditemukan. Foto dapat menjadi bagian dari korpus data, tetapi
paling baik dianalisis melalui memo (dibahas nanti).
Kami selanjutnya berasumsi bahwa data mentah dasar (catatan lapangan yang ditulis, rekaman) harus diproses
sebelum tersedia untuk analisis. Catatan lapangan harus diubah menjadi tulisan yang diperluas, baik diketik langsung atau
ditranskrip dari dikte. Tulisan adalah produk yang dapat dipahami oleh siapa saja, tidak hanya untuk pekerja lapangan. Itu
dapat dibaca, diedit untuk akurasi, dikomentari, dikodekan, dan dianalisis menggunakan beberapa metode yang akan kami
jelaskan nanti.
Catatan lapangan mentah mungkin berisi singkatan pribadi. Mereka juga samar. Catatan lapangan yang diambil selama
wawancara biasanya berisi sebagian kecil dari konten sebenarnya. Tetapi penulisan formal biasanya akan menambahkan
kembali beberapa isi yang hilang karena catatan lapangan mentah, ketika diulas, merangsang pekerja lapangan untuk
mengingat hal-hal yang terjadi pada waktu itu yang tidak ada dalam catatan.
Rekaman langsung kejadian lapangan juga harus diproses dengan cara tertentu. Misalnya, pekerja lapangan
mendengarkan atau menonton rekaman, membuat catatan, memilih kutipan, dan, jika memungkinkan, membuat penilaian
atau penilaian. Biasanya, rekaman ditranskrip menjadi teks. Namun, proses ini penuh dengan selip; itu tergantung pada
pengetahuan dan keterampilan orang yang menyalin. Perhatikan juga, bahwa transkrip dapat dilakukan pada tingkat detail
yang berbeda, mulai dari "uhs", "ers", jeda, penekanan kata, pengucapan yang salah, dan kalimat tidak lengkap dari
pembicara yang tampaknya tidak koheren hingga ringkasan utama yang halus dan jelas. gagasan yang disampaikan oleh
peserta yang fasih.
Jadi kami berfokus pada kata-kata sebagai media dasar dan mengasumsikan bahwa kata-kata yang terlibat telah
disempurnakan dari catatan atau rekaman mentah menjadi teks yang jelas bagi pembaca atau analis. Perhatikan,
bagaimanapun, bahwa teks ini dapat dipadatkan dan disederhanakan jauh dari peristiwa mentah.
Sekarang, ke metode. Kita mulai dengan pengkodean Siklus Pertama, kemudian Siklus Kedua atau kode Pola dan
proses menurunkan tema yang lebih umum lagi melalui catatan dan memo analitik. Kami kemudian membahas
pengembangan pernyataan dan proposisi dan menyimpulkan bab ini dengan bagian tentang analisis dalam kasus dan
lintas kasus. Presentasi kami di sini hanya membahas dasar-dasar analisis; Bab 5 sampai 10 mencakup metode tambahan
dan contoh spesifik.
Kode dan Pengodean Siklus Pertama
Keterangan
Kode adalah label yang memberikan makna simbolis pada informasi deskriptif atau inferensial
disusun selama studi. Kode-kode biasanya dilampirkan pada "potongan" data dengan berbagai ukuran dan dapat berbentuk label yang
langsung dan deskriptif atau label yang lebih menggugah dan kompleks (misalnya, metafora).
Saldaña (2013) mendefinisikan kode sebagai
paling sering sebuah kata atau frasa pendek yang secara simbolis memberikan atribut sumatif, menonjol, menangkap esensi, dan/atau menggugah
untuk sebagian data berbasis bahasa atau visual. Data tersebut dapat berupa transkrip wawancara, catatan lapangan observasi partisipan, jurnal,
dokumen, gambar, artefak, foto, video, situs internet, korespondensi email, literatur, dan sebagainya. Porsi data yang akan dikodekan selama proses
pengkodean Siklus Pertama dapat berkisar dari satu kata hingga satu paragraf penuh hingga seluruh halaman teks hingga aliran gambar bergerak.
Dalam proses pengkodean Siklus Kedua, bagian yang dikodekan dapat berupa unit yang persis sama, bagian teks yang lebih panjang, memo analitik
tentang data, dan bahkan konfigurasi ulang kode itu sendiri yang dikembangkan sejauh ini.
Charmaz (2001) menjelaskan pengkodean sebagai “hubungan kritis” antara pengumpulan data dan penjelasan maknanya. . . . Dalam analisis
data kualitatif, sebuah kode adalah konstruksi yang dibuat oleh peneliti yang melambangkan dan dengan demikian mengatributkan makna yang
diinterpretasikan ke setiap datum individu untuk tujuan selanjutnya dari deteksi pola, kategorisasi, pembangunan teori, dan proses analitik lainnya.
Sama seperti judul yang mewakili dan menangkap konten dan esensi utama buku, film, atau puisi, demikian pula kode yang mewakili dan menangkap
konten dan esensi utama datum. (hlm. 3–4)
Dengan kata lain, pengkodean adalah analisis. Beberapa ahli metodologi penelitian percaya bahwa pengkodean hanyalah pekerjaan
teknis dan persiapan untuk pemikiran tingkat tinggi tentang penelitian ini. Tetapi kami percaya bahwa pengkodean adalah refleksi
mendalam tentang dan, dengan demikian, analisis mendalam dan interpretasi makna data.
Kode terutama, tetapi tidak secara eksklusif, digunakan untuk mengambil dan mengkategorikan potongan data yang serupa sehingga
peneliti dapat dengan cepat menemukan, menarik, dan mengelompokkan segmen yang berkaitan dengan pertanyaan penelitian,
hipotesis, konstruksi, atau tema tertentu. Pengelompokan dan tampilan potongan-potongan padat kemudian mengatur panggung untuk
analisis lebih lanjut dan menarik kesimpulan.
Sebagai contoh, mari kita asumsikan Anda tertarik, seperti kita dalam studi peningkatan sekolah, pada alasan mengapa praktik
pendidikan baru diadopsi. Anda mungkin mulai dengan bertanya kepada peserta mengapa mereka atau orang lain memutuskan untuk
mencoba latihan tersebut. Sepotong catatan lapangan yang diformat mungkin terlihat seperti ini:
Saya bertanya kepada kepala sekolah apa perlunya program baru, dan dia menjawab bahwa siswa yang masuk ke kelas 9 dua tahun di bawah kelas
dan kurikulum lama tidak efektif. Melalui pengujian (Tes Membaca Nelson) ditentukan bahwa siswa tumbuh secara akademis hanya 5 atau 6 bulan
selama 10 bulan tahun ajaran.
Dengan asumsi bahwa Anda merasa mungkin untuk menerapkan notasi atau kode ringkasan tunggal ke potongan ini, itu mungkin
MOTIVASI (kode lain dapat diterapkan). Kode itu akan muncul dengan huruf kapital di margin kanan di samping segmen (margin kiri
dapat digunakan untuk mencatat , dijelaskan nanti):
1 Saya bertanya kepada kepala sekolah apa perlunya program baru, dan dia 1MOTIVASI
menjawab bahwa siswa yang masuk ke kelas 9 dua tahun di bawah kelas dan kurikulum
lama tidak efektif. Melalui pengujian (Tes Membaca Nelson) ditentukan bahwa siswa
tumbuh secara akademis hanya 5 atau 6 bulan selama 10 bulan tahun ajaran.
Potongan catatan lapangan atau transkrip wawancara lainnya yang juga terkait dengan MOTIVASI
menerima kode yang sama.
Aplikasi
Begitu peneliti lapangan mulai mengumpulkan informasi, tantangan muncul. Yang besar berasal dari banyaknya sumber data dan
formulir. Beberapa informasi berasal dari pengamatan terstruktur atau informal. Lebih banyak, jika tidak sebagian besar, berasal dari
wawancara. Ada juga dokumen sehari-hari atau khusus, catatan arsip, dan artefak fisik. Dalam beberapa studi, mungkin terdapat
informasi dari kuesioner dan survei, video, atau catatan statistik.
Semua informasi ini menumpuk secara geometris. Pada tahap awal penelitian, sebagian besar terlihat menjanjikan. Tetapi jika Anda
tidak tahu apa yang lebih penting, semuanya penting. Anda mungkin tidak pernah punya waktu untuk memadatkan dan menyusun,
apalagi menganalisis dan menulis, semua materi ini. Itulah mengapa menurut kami kerangka kerja konseptual dan pertanyaan penelitian
adalah pertahanan terbaik melawan kelebihan beban. Mereka juga mencerminkan poin yang kami buat sebelumnya: bahwa pengumpulan
data tidak dapat dihindari merupakan proses selektif dan itu
Anda tidak bisa dan tidak "mendapatkan semuanya", meskipun Anda mungkin berpikir Anda bisa.
Tetapi selektivitas tidak dengan sendirinya menyelesaikan masalah kelebihan beban. Faktanya, Anda memerlukan waktu kira-kira tiga
hingga lima kali lebih banyak untuk memproses dan mengurutkan data dibandingkan waktu yang Anda perlukan untuk mengumpulkannya.
Hanya satu minggu substantif di situs lapangan seringkali dapat menghasilkan ratusan halaman catatan lapangan yang diketik, transkrip
wawancara, dokumen, dan bahan tambahan. Kode adalah petunjuk atau pemicu untuk refleksi yang lebih dalam tentang makna data.
Pengkodean dengan demikian merupakan tugas kondensasi data yang memungkinkan Anda untuk mengambil materi yang paling bermakna,
untuk mengumpulkan potongan data yang berjalan bersama, dan untuk selanjutnya memadatkan sebagian besar menjadi unit yang mudah
dianalisis.
Pengkodean juga merupakan heuristik — metode penemuan. Anda menentukan kode untuk sepotong data dengan membaca dan
merenungkan konten atau makna intinya secara cermat. Ini memberi Anda keakraban yang intim dan interpretatif dengan setiap datum
dalam korpus.
Kode pertama kali ditugaskan ke potongan data untuk mendeteksi pola yang berulang. Dari pola-pola ini, kode-kode serupa
dikelompokkan bersama untuk membuat sejumlah kecil kategori atau kode Pola. Keterkaitan kategori satu sama lain kemudian dibangun
untuk mengembangkan makna analitik tingkat yang lebih tinggi untuk pernyataan, proposisi, hipotesis, dan/atau pengembangan teori.
Contoh Pengodean Siklus Pertama
Saldaña (2013) membagi pengkodean menjadi dua tahap besar: Pengkodean Siklus Pertama dan Siklus Kedua. Metode pengkodean
Siklus Pertama adalah kode yang awalnya ditugaskan ke potongan data. Metode pengkodean Siklus Kedua umumnya bekerja dengan kode
Siklus Pertama yang dihasilkan sendiri.
Metode pengkodean Siklus Pertama mencakup hingga 25 pendekatan yang berbeda, masing-masing dengan fungsi atau tujuan tertentu.
Anda tidak perlu terpaku pada satu pendekatan saja untuk upaya pengkodean Anda; beberapa di antaranya dapat "dicampur dan
dicocokkan" sesuai kebutuhan. Di bawah ini adalah ulasan dari beberapa yang paling relevan yang berlaku untuk pendekatan analitik
tertentu yang diprofilkan dalam buku ini. Lihat Saldaña (2013) The Coding Manual for Qualitative Researcher untuk penjelasan lebih lengkap
dari masing-masing metode.
Pertama, ada tiga metode dasar yang berfungsi sebagai pendekatan dasar untuk pengkodean: (1)
Deskriptif, (2) In Vivo, dan (3) Proses coding.
Pengkodean Deskriptif Sebuah
kode deskriptif memberikan label pada data untuk meringkas dalam kata atau frase pendek—paling sering kata benda—topik dasar dari
bagian data kualitatif. Ini pada akhirnya memberikan inventaris topik untuk pengindeksan dan pengkategorian, yang sangat membantu untuk
etnografi dan studi dengan berbagai bentuk data (catatan lapangan, transkrip wawancara, dokumen, dll.). Kode deskriptif mungkin lebih
cocok untuk lingkungan sosial daripada tindakan sosial. Contohnya berasal dari catatan lapangan tentang lingkungan kelas menengah ke
bawah:
1Ketika saya berjalan menuju sekolah, ada toko serba ada 7-11 yang berjarak 1 1BISNIS
blok, di sebelah gedung kantor profesional kecil: dokter mata, ahli penyakit kaki,
dan klinik medis/kesehatan lainnya. Tepat di seberang jalan ada tanah kosong,
tapi di sebelahnya berdiri sebuah restoran Burger King.
Seorang analis akan mengekstraksi semua bagian yang diberi kode BISNIS dari berbagai catatan lapangan untuk menyusun inventarisasi
kasus yang lebih rinci dan untuk membangun narasi yang menggambarkan iklim bisnis di
daerah.
Dalam Pengkodean Vivo
Ini adalah salah satu metode pengkodean kualitatif yang paling terkenal. Dalam vivo coding menggunakan kata-kata atau frase pendek
dari bahasa peserta sendiri dalam rekaman data sebagai kode. Ini mungkin termasuk istilah rakyat atau pribumi dari budaya, subkultur, atau
mikrokultur tertentu untuk menyarankan keberadaan kategori budaya kelompok (misalnya, di rumah sakit, Anda mungkin mendengar istilah
unik seperti "kode biru,"
"benda tajam", dan "skrip"). Pengkodean In Vivo sesuai untuk hampir semua studi kualitatif, tetapi terutama
untuk peneliti kualitatif pemula yang mempelajari cara mengkodekan data, dan studi yang memprioritaskan
dan menghormati suara peserta. Frasa yang digunakan berulang kali oleh peserta adalah petunjuk yang baik;
mereka sering menunjuk pada keteraturan atau pola dalam latar. Kode Vivo ditempatkan dalam tanda kutip
untuk membedakannya dari kode yang dihasilkan peneliti. Contoh diambil dari transkrip wawancara berkode
tentang pengalaman seorang gadis remaja dengan sekolah:
1 2 Saya benci sekolah tahun lalu. Tahun pertama, itu mengerikan, aku membencinya. Dan 1
tahun ini jauh
panas lebih baik sebenarnya saya, um, tidak tahu kenapa. Saya kira, selama musim
saya “SEKOLAH YANG DIBENCI”
2
“TAHUN INI LEBIH BAIK”
3 jenis berhenti memedulikan apa yang dipikirkan orang lain dan lebih peduli, hanya, 3
“BERHENTI PERAWATAN”
saya tidak tahu.
Pengkodean Proses
Metode pengkodean ini menggunakan kata-kata gerund (“-ing”) secara eksklusif untuk berkonotasi dengan
tindakan yang dapat diamati dan konseptual dalam data. Proses juga menyiratkan tindakan yang terjalin
dengan dinamika waktu, seperti hal-hal yang muncul, berubah, terjadi dalam urutan tertentu, atau
diimplementasikan secara strategis. Pengkodean proses sesuai untuk hampir semua studi kualitatif, tetapi
khususnya untuk penelitian teori dasar yang mengekstraksi tindakan/interaksi dan konsekuensi partisipan.
Berikut adalah contoh dari transkrip wawancara tentang seorang gadis remaja yang menjelaskan bagaimana rumor me
Nah, itu satu masalah, [sekolah saya] cukup kecil, jadi 1 jika Anda mengatakan satu hal 1 MENYEBARKAN RUMOSI 2
kepada satu orang, dan kemudian mereka memutuskan untuk memberi tahu dua orang,
MENGETAHUI APA YANG ANDA KATAKAN
maka kedua orang itu memberi tahu dua orang, dan dalam satu periode semua orang tahu. .
2 Semua orang di seluruh sekolah tahu bahwa Anda mengatakan apa pun itu.. .Jadi. .
Selanjutnya, ada tiga metode efektif yang memanfaatkan pengalaman yang lebih subjektif yang kita temui
dengan peserta kami: (1) Emosi, (2) Nilai, dan (3) Pengodean evaluasi.
Pengodean Emosi
Mungkin jelas, metode ini melabeli emosi yang diingat dan/atau dialami oleh partisipan atau disimpulkan
oleh peneliti tentang partisipan. Pengkodean emosi sangat sesuai untuk studi yang mengeksplorasi
pengalaman dan tindakan peserta intrapersonal dan interpersonal. Ini juga memberikan wawasan tentang
perspektif peserta, pandangan dunia, dan kondisi kehidupan. Perhatikan bahwa peserta itu sendiri kadang-
kadang dapat melabeli emosi tersebut, dan oleh karena itu, harus diberi kode In Vivo dalam tanda kutip.
Contoh berikut diambil dari transkrip wawancara tentang seorang pria paruh baya yang mengeluh tentang
salah satu rekan kerjanya:
1
1 Aku hanya membencinya ketika dia mendapat penghargaan. 2 Maksud saya, kami memuji biasa- “BENCI ITU”
biasa saja sekarang. Tidak peduli apa yang telah Anda capai tidak layak untuk diperjuangkan, ini 2PAHAPIT
semua tentang siapa yang Anda kenal di jaringan anak laki-laki yang baik.
Pengodean Nilai
Ini adalah penerapan dari tiga jenis kode terkait ke dalam data kualitatif yang mencerminkan nilai, sikap,
dan keyakinan peserta, yang mewakili perspektif atau pandangan dunianya. Nilai (V:) adalah kepentingan
yang kita kaitkan dengan diri kita sendiri, orang lain, benda, atau gagasan. Sikap (A:) adalah cara kita berpikir
dan merasakan tentang diri sendiri, orang lain, benda, atau gagasan. Keyakinan (B:) adalah bagian dari
sistem yang mencakup nilai dan sikap, ditambah pengetahuan pribadi, pengalaman, pendapat, prasangka,
moral, dan persepsi interpretatif lainnya tentang dunia sosial. Pengkodean nilai sesuai untuk studi yang
mengeksplorasi nilai-nilai budaya, identitas, pengalaman dan tindakan peserta intrapersonal dan interpersonal
dalam studi kasus, penyelidikan apresiatif, sejarah lisan, dan etnografi kritis. Berikut adalah contoh dari
transkrip wawancara tentang seorang mahasiswi yang mendiskusikan keyakinan politiknya:
1 Peraturan pemerintah tentang masalah kesehatan perempuan sudah tidak terkendali. Dia 1B: KONTROL PEMERINTAH
bukan tentang “melindungi” kami, ini tentang kebutuhan mereka untuk mengontrol dan mendominasi 2
B: MOTIF AGAMA TERSELUBUNG
perempuan 2 melalui ideologi agama terselubung. Pria Kristen kulit putih sedang memutuskan apa 3
A: MOTIF MISOGINIS
itu hukum dan apa yang moral dan apa, bagaimana seharusnya. 3 Mereka dapat berkata, “Ini bukan
perang terhadap wanita” semau mereka, tapi percayalah—ini adalah perang terhadap wanita.
Pengodean Evaluasi
Metode ini terutama menerapkan kode nonkuantitatif pada data kualitatif yang menetapkan penilaian tentang
manfaat, nilai, atau signifikansi program atau kebijakan. Pengkodean evaluasi sesuai untuk studi kebijakan, kritis,
tindakan, organisasi, dan evaluasi, khususnya di beberapa kasus dan periode waktu yang diperpanjang. Metode
pengkodean yang dipilih yang diprofilkan sejauh ini, seperti kode Deskriptif atau In Vivo, dapat diterapkan atau
melengkapi pengkodean Evaluasi, tetapi metode disesuaikan untuk studi tertentu. Simbol + sebelum kode
menandainya sebagai evaluasi positif. Kode urutan kedua yang mengikuti kode primer dan titik dua disebut Subkode.
Contoh berikut berasal dari transkrip wawancara tentang guru sekolah dasar yang menilai program residensi seniman:
1Program residensi artis cukup sukses tahun ini. 2 Agen seni melakukan pekerjaan 1+ RESIDENSI: “SUKSES”
yang bagus dalam memilih kandidat yang memenuhi syarat kali ini. 3 Kami sangat terkesan 2
+ CALON: BERKUALIFIKASI
dengan bagaimana mereka mengintegrasikan matematika dan geometri dengan pembuatan 3
+ KURIKULUM: INTEGRASI
seni tanpa disuruh oleh guru. Saya pikir mereka tahu skornya dan sangat penting bagi
4
mereka untuk mencakup bidang studi tersebut. Dan mereka melakukannya dengan cara + KURIKULUM:“MENARIK”
yang membuatnya menarik bagi anak-anak. Untuk para guru juga! Kami mempelajari
beberapa hal yang dapat kami integrasikan ke dalam kurikulum kami sendiri tahun depan.
Salah satu metode sastra dan bahasa, Dramaturgical coding, mengeksplorasi tindakan dan interaksi manusia
melalui analisis strategis motif orang.
Pengodean Dramaturgi Metode
ini menerapkan istilah dan konvensi karakter, naskah drama, dan analisis produksi ke dalam data kualitatif.
Untuk karakter, istilah ini mencakup item seperti tujuan partisipan (OBJ), konflik (CON), taktik (TAC), sikap
(ATT), emosi (EMO), dan subteks (SUB).
Pengkodean dramaturgi cocok untuk mengeksplorasi pengalaman dan tindakan partisipan intrapersonal dan
interpersonal dalam studi kasus, hubungan kekuasaan, dan proses motif dan agensi manusia. Contoh berikut diambil
dari transkrip wawancara tentang dilema instruktur community college dengan pemotongan anggaran unitnya:
1Ada banyak tekanan tahun ini untuk "melakukan lebih banyak dengan lebih sedikit". Dan 1CON: SUMBER DAYA KURANG
itu selalu membuat saya frustrasi, karena Anda tidak "melakukan lebih banyak dengan lebih 2EMO: FRUSTRASI
sedikit"ÿ Anda melakukan lebih sedikit dengan lebih sedikit. Jadi 3 jika mereka mengharapkan saya
3TAC: RESISTENSI
melakukan lebih banyak dengan lebih sedikit uang dan lebih sedikit sumber daya, mereka tidak akan
mendapatkannya. Dan itu bukan karena saya bersikap kotor atau pasif-agresif tentang hal ini; 4 hanya 4ATT: BATASAN
saja Anda tidak bisa memeras darah dari lobak. Hanya ada begitu banyak yang dapat Anda lakukan 5TAC: PENGORBANAN
dengan apa yang Anda miliki. 5 Dan ya, saya menghabiskan sebagian uang saya sendiri tahun ini
6ATT: MENERIMA “APA ADANYA”
untuk perlengkapan kelas karena kami tidak memiliki cukup uang untuk bertahan hingga akhir tahun.
6 Seperti itulah dewasa ini.
Tiga metode eksplorasi — (1) holistik, (2) sementara, dan (3) pengkodean hipotesis — membuat tugas
pengkodean awal atau global, berdasarkan pada apa yang secara deduktif diasumsikan oleh peneliti mungkin ada
dalam data sebelum dianalisis.
Pengkodean Holistik
Metode ini menerapkan kode tunggal ke unit data yang besar dalam korpus, daripada pengkodean baris demi
baris, untuk menangkap pengertian keseluruhan konten dan kemungkinan kategori yang mungkin berkembang.
Pengkodean holistik seringkali merupakan pendekatan persiapan untuk unit data sebelum proses pengkodean atau
kategorisasi yang lebih rinci melalui metode Siklus Pertama atau Kedua. Unit kode dapat berukuran sekecil setengah
halaman atau sebesar seluruh studi yang diselesaikan. Pengkodean holistik paling dapat diterapkan ketika peneliti
memiliki gagasan umum tentang apa yang harus diselidiki dalam data. Berikut adalah contoh dari catatan lapangan
oleh seorang peneliti yang mengamati bagaimana fakultas baru, jalur tetap menjadi berorientasi pada akademisi:
1Ketua panitia memperdebatkan apakah akan memulai tepat waktu atau menunggu orang yang 1”PENJAGA BARU”
datang terlambat untuk bergabung dalam rapat. “Kita semua berusaha untuk berada di sini pada
jam 8 pagi, jadi mari kita mulai,” katanya. Pertemuan jaringan dimulai dengan perkenalan diri wajib
dari 6 orang yang duduk mengelilingi meja besar yang dirancang untuk menampung 12 orang.
Sebagian besar peserta adalah pendatang baru di dunia akademis di tingkat asisten profesor
atau asosiasi fakultas, terutama dari institusi pantai barat tengah dan timur.
Masing-masing tampaknya berusia akhir 20-an atau awal 30-an. “Anda penjaga baru di kampus
ini,” kata ketua, “dan kami di sini untuk mencari cara untuk berjejaring dan saling mendukung saat
kami memulai karir mengajar kami.”
Pengodean Sementara
Pendekatan ini dimulai dengan “daftar awal” dari kode yang dihasilkan peneliti, berdasarkan apa yang
disarankan oleh penyelidikan persiapan yang mungkin muncul dalam data sebelum dikumpulkan dan
dianalisis. Kode sementara dapat direvisi, dimodifikasi, dihapus, atau diperluas untuk menyertakan kode
baru. Metode ini sesuai untuk studi kualitatif yang membangun atau menguatkan penelitian dan investigasi sebelumn
Misalnya, seorang peneliti yang akan mewawancarai orang-orang yang berhasil berhenti merokok dapat
mengembangkan kode sementara metode berhenti merokok sebelumnya:
OBAT RESEP
PATCH NIKOTIN
GUM NIKOTIN / pelega tenggorokan
"ROKOK ELEKTRONIK
KONSELING PROFESIONAL
SISTEM DUKUNGAN TEMAN
“TURKI DINGIN”
Pengodean Hipotesis
Ini adalah penerapan daftar kode yang dihasilkan peneliti dan telah ditentukan sebelumnya ke data kualitatif
khusus untuk menilai hipotesis yang dihasilkan peneliti. Kode-kode tersebut dikembangkan dari teori/prediksi
tentang apa yang akan ditemukan dalam data sebelum dikumpulkan atau dianalisis.
Aplikasi statistik, jika diperlukan, dapat berkisar dari penghitungan frekuensi sederhana hingga analisis multivariat
yang lebih kompleks. Metode ini sesuai untuk pengujian hipotesis, analisis isi, dan induksi analitik kumpulan data
kualitatif, khususnya pencarian aturan, penyebab, dan penjelasan dalam data. Pengkodean hipotesis juga dapat
diterapkan di tengah atau nanti dalam pengumpulan atau analisis data studi kualitatif untuk mengkonfirmasi atau
tidak mengkonfirmasi pernyataan, proposisi, atau teori yang dikembangkan sejauh ini. Misalnya, dihipotesiskan
bahwa tanggapan atas pertanyaan tertentu tentang masalah bahasa di Amerika Serikat akan menghasilkan satu
dari empat jawaban (dan dengan demikian tanggapan berkode) dari peserta:
KANAN = Kami berhak berbicara dalam bahasa apa pun yang kami inginkan di Amerika
SAMA = Kita perlu berbicara bahasa yang sama di Amerika: Inggris
LEBIH = Kita perlu tahu bagaimana berbicara lebih dari satu bahasa
NR = Tidak Ada Tanggapan atau “Saya tidak tahu”
Dua metode prosedural menggunakan cara pengkodean data yang spesifik dan bukan terbuka: (1)
Pengkodean protokol dan (2) Pengkodean penyebab.
Pengkodean Protokol
Ini adalah pengkodean data kualitatif menurut sistem yang telah ditetapkan sebelumnya, direkomendasikan,
dibakukan, atau ditentukan. Daftar kode dan kategori yang umumnya lengkap yang diberikan kepada
peneliti diterapkan setelah pengumpulan datanya sendiri selesai. Beberapa protokol juga merekomendasikan
penggunaan teknik analitik data kualitatif (dan kuantitatif) khusus dengan data yang dikodekan. Protokol
pengkodean sesuai untuk studi kualitatif dalam disiplin ilmu dengan sistem pengkodean yang dikembangkan sebelumnya dan diuji
di lapangan. Misalnya, daftar kode yang dipilih dari protokol yang digunakan untuk menentukan penyebab kekerasan dalam keluarga
adalah sebagai berikut:
ALCOH = alkoholisme atau minum

NARKOBA = penggunaan narkoba
EDUC = kurangnya pendidikan
UANG = kekurangan uang atau masalah keuangan
Causation Coding Metode
ini mengekstraksi atribusi atau keyakinan kausal dari data peserta tentang tidak hanya bagaimana tetapi mengapa hasil tertentu
muncul. Analis mencari kombinasi variabel anteseden dan mediasi yang mengarah ke jalur tertentu dan berupaya memetakan
proses tiga bagian sebagai urutan KODE 1 > KODE 2 > KODE 3. Pengkodean sebab akibat sesuai untuk membedakan motif, sistem
kepercayaan, pandangan dunia, proses, sejarah terkini, keterkaitan, dan kompleksitas pengaruh dan pengaruh pada tindakan dan
fenomena manusia. Metode ini dapat membantu ahli teori membumi dalam pencarian sebab, kondisi, konteks, dan konsekuensi. Hal
ini juga sesuai untuk mengevaluasi kemanjuran program tertentu atau sebagai pekerjaan persiapan sebelum membuat diagram atau
memodelkan proses melalui sarana visual seperti pemodelan keputusan dan jaringan sebab-akibat. Misalnya, seorang responden
survei menjelaskan secara tertulis tantangan apa yang dia hadapi saat mengikuti kelas pidato di SMA. Simbol + mengacu pada
kombinasi variabel yang disebutkan oleh partisipan sebagai bagian yang terhubung dari rangkaian sebab-akibat; simbol > berarti
“mengarah ke”:
1
1Tanpa ragu, itu adalah rasa takut berbicara di depan orang lain. Karier terakhir “TAKUT BERBICARA” > BERBICARA
saya sebagai orang dewasa adalah di bidang jurnalisme. Ketakutan awal yang ACARA + KELAS UCAPAN > JURNALISME
saya miliki tentang mendekati orang asing dan berbicara di depan sekelompok KARIR + SUKSES
orang teratasi karena keterlibatan dalam acara berbicara. Seperti yang saya
sebutkan di atas, saya pikir kelas pidato dan acara yang saya ikuti karena mengikuti
kelas itu, mungkin mengarah langsung pada pilihan jurnalisme saya sebagai karier.
Kesuksesan saya di bidang jurnalisme tidak akan pernah terwujud tanpa kelas pidato
di sekolah menengah.
Empat metode tata bahasa berperan dalam mekanisme pengkodean: (1) Pengodean atribut, (2)
Pengkodean besaran, (3) Subkode, dan (4) Pengkodean simultan.
Pengkodean Atribut
Metode ini adalah notasi informasi deskriptif dasar seperti pengaturan kerja lapangan, karakteristik peserta atau demografi,
format data, dan variabel lain yang menarik untuk kualitatif dan beberapa aplikasi analisis kuantitatif. Hal ini sesuai untuk hampir
semua studi kualitatif, tetapi terutama untuk studi dengan banyak peserta dan lokasi, studi lintas kasus, dan studi dengan berbagai
bentuk data. Pengkodean atribut memberikan informasi peserta yang penting untuk pengelolaan, referensi, dan konteks di masa
mendatang untuk analisis dan interpretasi. Contoh dari kumpulan data tentang studi pendidikan adalah sebagai berikut:
KASUS: Sekolah Martinez
PESERTA: Nancy (nama samaran)

WAWANCARA: 2 dari 5
TOPIK WAWANCARA:
Evaluasi Hari Sekolah
Masalah Gaji
Hubungan Kepala Sekolah-Guru
Kegiatan Ekstrakurikuler Mendatang
Proyek Penggalangan Dana Mendatang

Proyek Penggalangan Dana Mendatang
Pengodean Magnitudo
Magnitudo terdiri dari alfanumerik tambahan atau kode simbolis atau subkode yang diterapkan pada data kode
yang ada atau kategori untuk menunjukkan intensitas, frekuensi, arah, keberadaan, atau konten evaluatifnya. Kode
besaran dapat berupa indikator kualitatif, kuantitatif, dan/atau nominal untuk menyempurnakan deskripsi. Mereka
paling tepat untuk metode campuran dan studi kualitatif dalam pendidikan, ilmu sosial, dan disiplin perawatan
kesehatan yang juga mendukung ukuran kuantitatif sebagai bukti hasil. Contoh yang digunakan dalam studi
peningkatan sekolah meliputi yang berikut ini:
BESAR
SEDANG
MINOR
ÿ ÿ = Ya, jelas ÿ =
Mungkin, sebagian
0 = Tidak
++ = Sangat efektif
+ = Efektif
± = Campuran
Kami berpendapat bahwa meskipun kata-kata mungkin lebih sulit digunakan daripada angka, kata-kata tersebut
memberikan lebih banyak makna daripada angka saja dan harus digantungkan pada seluruh analisis data. Mengubah
kata-kata menjadi angka dan kemudian membuang kata-kata itu membuat peneliti melakukan segala macam kejahatan.
Anda dengan demikian berasumsi bahwa sifat utama dari kata-kata itu adalah ada lebih banyak dari beberapa daripada
yang lain. Berfokus hanya pada angka dan kuantitas mengalihkan perhatian dari substansi ke aritmatika, membuang
seluruh gagasan tentang kualitas atau karakteristik esensial mereka. Solusi untuk masalah ini, seperti yang akan kita
lihat di bagian dan tampilan selanjutnya, adalah menjaga kata-kata dan magnitudo yang terkait (RENDAH, EFEKTIF,
ÿ) bersama selama analisis.
Subkode
Subkode adalah tag urutan kedua yang ditetapkan setelah kode utama untuk merinci atau memperkaya entri.
Metode ini cocok untuk hampir semua studi kualitatif, tetapi khususnya untuk etnografi dan analisis konten, studi
dengan banyak peserta dan situs, dan studi dengan berbagai bentuk data. Subcoding juga sesuai ketika entri kode
umum nantinya akan membutuhkan pengindeksan, pengkategorian, dan subkategori yang lebih luas ke dalam hierarki
atau taksonomi, atau untuk analisis data kualitatif yang bernuansa. Ini dapat digunakan setelah skema pengkodean
awal namun umum telah diterapkan dan peneliti menyadari bahwa skema klasifikasi mungkin terlalu luas, atau dapat
ditambahkan ke kode primer jika muncul kualitas atau keterkaitan tertentu. Contoh ini berasal dari serangkaian catatan
lapangan yang menggambarkan fasilitas sekolah:
1Ruang serbaguna sekolah berfungsi sebagai kantin, auditorium, ruang 1RUANG SERBAGUNA SEKOLAH
pertemuan, ruang pertemuan, dan ruang belajar. Meja portabelnya dengan
tempat duduk terpasang dapat dilipat dengan mudah untuk transformasi dan
pembersihan ruangan yang agak cepat. 2 Pusat media yang bersebelahan
menampung buku, lab komputer dengan 26 stasiun, "sudut" belajar untuk
kelompok kecil, dan berbagai meja dan kursi. Layar besar dan proyektor LCD 2PUSAT MEDIA SEKOLAH
yang digantung di langit-langit membuat ruangan terlihat seperti bioskop pribadi.
Pengkodean Simultan Ini
adalah penerapan dua atau lebih kode yang berbeda ke satu datum kualitatif, atau kejadian tumpang tindih dari
dua atau lebih kode yang diterapkan pada unit data kualitatif yang berurutan. Metode ini sesuai ketika konten data
menyarankan banyak arti (misalnya, secara deskriptif dan
inferensial) yang memerlukan dan membenarkan lebih dari satu kode. Contoh diambil dari catatan lapangan tentang studi organisasi
program teater komunitas:
1&2 1
Dewan direksi berjuang dengan cara untuk mempertahankan program teater KERUGIAN KEUANGAN
komunitas berjalan selama satu musim penuh. Itu telah menjadi pokok di daerah itu 2 AKHIR TRADISI
selama hampir 40 tahun, tetapi sekarang menghadapi (seperti banyak program serupa)
akhir dari keberadaannya. Kontribusi finansial yang lebih sedikit dan pendapatan box office
yang lebih rendah telah membuat teater tersebut sangat merugi. Relawan lama dan
anggota berpikir dengan hati mereka lebih dari kepala mereka karena mereka mengklaim
bahwa "tradisi" dari program ini tidak dapat diakhiri. Dewan merasa sebaliknya, karena
tidak ada anggotanya yang menginginkan tanggung jawab hutang.
Membuat Kode
Salah satu metode untuk membuat kode adalah mengembangkan “daftar awal” kode sementara sebelum kerja lapangan — Pengkodean
deduktif . Daftar itu berasal dari kerangka konseptual, daftar pertanyaan penelitian, hipotesis, bidang masalah, dan/atau variabel kunci
yang peneliti bawa ke dalam penelitian. Dalam studi perbaikan sekolah (Miles dan Huberman) kami, misalnya, kami mengkonseptualisasikan
proses inovasi, sebagian, sebagai salah satu TRANSFORMASI RECIPROCAL. Guru mengubah karakteristik praktik baru. Praktik-praktik
itu, pada gilirannya, mengubah guru dan memodifikasi pengaturan kerja di kelas, yang pada gilirannya memengaruhi seberapa banyak
inovasi dapat digunakan, dan seterusnya.
Kami mulai dengan kode master—TRANSFORMATION, atau singkatnya TRANS—untuk menunjukkan proses transformasional yang
telah kami hipotesiskan, ditambah beberapa subkode—TRANS-USER, TRANS CLASS (perubahan kelas), TRANS-ORG (perubahan
organisasi), TRANS-INN ( perubahan dalam inovasi)—untuk menandai segmen data di setiap kelas variabel. Daftar itu dianggap enteng,
diterapkan pada kumpulan catatan lapangan pertama, dan kemudian diperiksa secara cermat untuk kecocokan dan kegunaannya. Cukup
banyak kode yang direvisi, tetapi orientasi konseptual tampaknya membuahkan hasil yang nyata—agar sesuai dan menjelaskan dengan
baik apa yang kami lihat dan dengar.
Daftar awal dapat memiliki selusin atau lebih hingga 50 kode; angka itu dapat disimpan dengan sangat baik dalam memori jangka
pendek analis tanpa referensi konstan ke daftar lengkap — jika daftar tersebut memiliki struktur dan alasan yang jelas. Merupakan ide
bagus untuk mendapatkan daftar itu dalam satu lembar untuk referensi mudah. Sebagian besar program CAQDAS (Computer Assisted
Qualitative Data Analysis Software) dapat menyimpan kode Sementara ini sebelum data dimasukkan ke dalam program mereka.
Masih ada kode lain yang muncul secara progresif selama pengumpulan data—yaitu, pengkodean induktif . Ini lebih baik didasarkan
secara empiris dan sangat memuaskan bagi peneliti yang telah menemukan faktor lokal yang penting. Mereka juga memuaskan pembaca
lain, yang dapat melihat bahwa peneliti terbuka untuk apa yang dikatakan situs daripada bertekad untuk menyesuaikan data secara paksa
ke dalam kode yang sudah ada sebelumnya. Sebagian besar peneliti lapangan, tidak peduli seberapa berorientasi secara konseptual, akan
mengenali ketika sistem pengkodean apriori tidak sesuai dengan data atau ketika perspektif saingan terlihat lebih menjanjikan.
Merevisi Kode
Untuk semua pendekatan pengkodean, beberapa kode akan berubah dan berkembang seiring pengalaman lapangan berlanjut. Peneliti
dengan daftar awal tahu bahwa kode akan berubah; ada lebih banyak hal yang terjadi di luar sana daripada yang diimpikan oleh kerangka
awal kita, dan hanya sedikit peneliti lapangan yang cukup bodoh untuk menghindari mencari hal-hal ini.
Beberapa kode tidak berfungsi; lainnya membusuk. Tidak ada materi lapangan yang cocok dengan mereka, atau cara mereka mengiris
fenomena bukanlah cara fenomena itu muncul secara empiris. Masalah ini memerlukan penghapusan kode atau mengubah jenisnya
(misalnya, mengubah kode Deskriptif berbasis kata benda seperti PUSAT KONSELING menjadi kode Proses berorientasi tindakan seperti
REHABILITATING). Kode lain berkembang, terkadang terlalu berlebihan. Terlalu banyak segmen mendapatkan kode yang sama, sehingga
menciptakan masalah massal yang umum. Masalah ini membutuhkan penguraian kode menjadi subkode.
Dengan pengkodean manual, revisi itu membosankan: Setiap potongan yang telah Anda kodekan sebelumnya harus diberi label ulang.
Tetapi fasilitas pencarian dan ganti perangkat lunak berbasis teks Anda dan sebagian besar program CAQDAS dapat
melakukannya dengan mudah.
Struktur dan Kesatuan dalam Daftar Kode

Apakah kode dibuat dan direvisi awal atau akhir pada dasarnya kurang penting daripada apakah mereka memiliki
kesatuan konseptual dan struktural. Kode harus berhubungan satu sama lain secara koheren, mempelajari cara-cara
penting; mereka harus menjadi bagian dari struktur yang bersatu. Menambahkan, menghapus, atau mengonfigurasi ulang
kode secara bertahap tentu diperbolehkan, asalkan rasa "milik" dipertahankan.
Tampilan 4.1 adalah kutipan dari daftar kode yang lebih panjang dan terstruktur: daftar kode awal, kunci untuk
pertanyaan penelitian dan (dalam hal ini) ke "tempat sampah" dari variabel konseptual, didefinisikan dengan cukup tepat
sehingga peneliti memiliki bahasa yang sama dan dapat jelas tentang apakah dan bagaimana segmen data benar-benar
cocok dengan kategori seperti PROPERTI INOVASI, PROSES ADOPSI, dan sebagainya. Segmen kode yang sebenarnya
kemudian memberikan contoh kategori (dalam huruf tebal), dan komentar marginal atau tambahan mulai menghubungkan
kode yang berbeda dengan keseluruhan yang lebih besar.
Tampilan 4.1
Ilustrasi Daftar Awal Kode
Skema pengkodean operatif bukanlah katalog deskriptor yang terputus-putus melainkan jaringan
konseptual, termasuk makna yang lebih besar dan karakteristik konstitutifnya. CAQDAS sangat membantu
dalam menampilkan struktur skema pengkodean, baik dalam bentuk hierarkis atau dalam jaringan.
Definisi Kode
Apakah kode ditentukan sebelumnya atau dikembangkan sepanjang jalan, definisi operasional yang jelas sangat diperlukan
sehingga dapat diterapkan secara konsisten oleh satu peneliti dari waktu ke waktu, dan banyak peneliti akan memikirkan fenomena
yang sama seperti yang mereka kodekan. Kode Siklus Pertama dapat terdiri dari satu istilah—misalnya, TRANSFORMASI—yang
dapat dengan mudah menyarankan arti yang berbeda untuk analis yang berbeda. Karena kode akan mendorong pengambilan dan
pengorganisasian data untuk analisis, mereka harus tepat dan maknanya dibagi di antara para analis. Mendefinisikan mereka
membantu dalam kedua hal.
Tampilan 4.2 adalah kutipan dari daftar lengkap definisi kode-kode yang ditampilkan sebagian pada Tampilan 4.1.
Definisi-definisi ini diperbaiki dan disempurnakan seiring berjalannya studi.
Definisi menjadi lebih tajam ketika dua peneliti mengkode kumpulan data yang sama dan mendiskusikan kesulitan awal mereka.
Ketidaksepakatan menunjukkan bahwa definisi harus diperluas atau diubah. Waktu yang dihabiskan untuk tugas ini bukanlah hal yang
sulit, tetapi menuai hasil nyata dengan membawa Anda ke visi umum yang tegas tentang apa arti kode dan blok data mana yang
paling cocok dengan kode mana.
Pengkodean tim tidak hanya membantu kejelasan definisi tetapi juga merupakan pemeriksaan keandalan yang baik. Apakah dua
pembuat kode yang bekerja secara terpisah menyetujui seberapa besar blok data yang dapat dikodekan? Dan apakah mereka
menggunakan kode yang kira-kira sama untuk blok data yang sama? Jika tidak, mereka menuju ke analisis yang berbeda dan perlu
merekonsiliasi perbedaan mereka untuk temuan yang lebih kredibel dan dapat dipercaya.
Tampilan 4.2
Definisi Kode Terpilih Dari Tampilan 4.1 (Kutipan)
Demikian pula, setiap pembuat kode sangat disarankan untuk membuat kode pada selusin halaman pertama catatan lapangan,
sekali lagi dan lagi (pada salinan yang tidak dikodekan) beberapa hari kemudian. Seberapa baik konsistensi internalnya? Pada akhirnya,
perjanjian intra- dan/atau intercoder harus berada dalam kisaran 85% hingga 90%, tergantung pada ukuran dan jangkauan
skema pengkodean.
Tingkat Detail Pengkodean

Seberapa baik seharusnya pengkodean? Itu tergantung pada studi dan tujuan Anda. Namun yang lebih umum, kode
diterapkan pada unit yang lebih besar—kalimat, “potongan” kalimat monotematik, atau paragraf lengkap dalam catatan lapangan
tertulis.
Blok data apa pun biasanya merupakan kandidat untuk lebih dari satu kode, seperti yang diilustrasikan di atas dalam
pengkodean Simultan. Tetapi jika Anda membuat kode secara manual dan margin ditumpuk dengan banyak kode untuk terlalu
banyak blok, Anda berada dalam kesulitan saat catatan ditinjau untuk analisis tingkat situs. Masalah ini tidak kritis ketika
pengambilan komputer digunakan. Tetapi terlalu banyak pengkodean simultan menunjukkan visi yang tidak jelas atau tidak
lengkap untuk sistem pengkodean dan, dengan demikian, desain penelitian.
Terakhir, tidak semua bagian dari catatan lapangan atau transkrip wawancara harus diberi kode. Ada hal-hal seperti data
yang sepele dan tidak berguna. Sebagian besar catatan lapangan dan bagian transkrip terpilih biasanya mengandung banyak
sampah—materi yang tidak terkait dengan pertanyaan penelitian, baik yang sudah ditentukan sebelumnya maupun yang baru muncul.
Dan jika dilakukan dengan hati-hati, coding materi nantinya bisa lebih hemat.
Pengodean Siklus Kedua: Kode Pola

Keterangan
Pengkodean Siklus Pertama adalah cara untuk meringkas segmen data pada awalnya. Pengkodean pola, sebagai metode
Siklus Kedua, adalah cara mengelompokkan ringkasan tersebut ke dalam sejumlah kategori, tema, atau konstruksi yang lebih
kecil. Untuk peneliti kualitatif, ini adalah analog dengan perangkat analitik-klaster dan analitik-faktor yang digunakan dalam
analisis statistik oleh rekan kuantitatif kami.
Kode pola adalah kode penjelas atau inferensial, yang mengidentifikasi tema, konfigurasi, atau penjelasan yang muncul.
Mereka mengumpulkan banyak materi dari pengkodean Siklus Pertama menjadi unit analisis yang lebih bermakna dan pelit.
Mereka adalah semacam kode meta.
Aplikasi
Bagi analis kualitatif, pengkodean pola memiliki empat fungsi penting:
1. Memadatkan data dalam jumlah besar menjadi sejumlah unit analitik yang lebih kecil.
2. Mengajak peneliti untuk melakukan analisis pada saat pengumpulan data, sehingga nantinya kerja lapangan bisa lebih banyak
terfokus.
3. Ini membantu peneliti menguraikan peta kognitif—skema yang berkembang dan lebih terintegrasi untuk
memahami insiden lokal dan interaksi.
4. Untuk studi multikasus, ini meletakkan dasar untuk analisis lintas kasus dengan memunculkan kesamaan
tema dan proses terarah.
Keempat fungsi ini dapat diperjelas saat kita membahas bagaimana kode Pola dihasilkan, apa itu
seperti apa, dan apa yang peneliti lapangan lakukan dengan mereka selama pengumpulan data.
Contoh
Menghasilkan Kode Pola Selama

kerja lapangan awal, peneliti sedang mencari utas yang mengikat bit data. Misalnya, jika dua atau tiga
peserta mengatakan secara independen bahwa mereka "membenci" keputusan yang dibuat oleh atasan
mereka, kita mungkin mengalami beberapa fenomena yang berbeda—konflik, faktor iklim organisasi, atau
subkelompok karyawan yang tidak puas. Salah satu dari interpretasi ini melibatkan pemotongan dan penyortiran data
(Fungsi 1, di atas). Sebagai permulaan, apakah ada hal lain yang sama di antara para peserta ini atau alasan yang diberikan
untuk membenci keputusan tersebut? Apakah ada konten semantik yang berbeda atau berlawanan di antara peserta yang tidak
sebal?
Bit data pertama ini dan tinjauan segmen berkode yang disatukan adalah petunjuk; mereka menyarankan variabel penting
untuk diperiksa—faktor-faktor yang dapat menjelaskan persepsi dan perilaku lokal lainnya (Fungsi 2, di atas). Melihat data
KEBENCIAN (kode Emosi Siklus Pertama) dengan salah satu cara alternatif ini juga membantu peneliti memahami pengamatan
yang membingungkan atau mengejutkan. Beberapa bit ini bersatu dalam plot awal medan (Fungsi 3). Akhirnya, jika seorang
kolega dalam studi multikasus menemukan profil kebencian yang serupa atau, sebagai alternatif, tidak menemukan kebencian
terhadap keputusan sama sekali di tempat yang sebaliknya mirip dengan kasus yang lebih "benci", kami memiliki utas pertama
perbandingan lintas kasus. (Fungsi 4).
Pembuatan pola terjadi dengan cepat karena itu adalah cara kita biasanya memproses informasi. Bahayanya adalah terkunci
terlalu cepat untuk memberi nama suatu pola, dengan asumsi Anda memahaminya, dan kemudian memasukkan nama itu ke
data yang hanya cocok dengannya. Triknya di sini adalah bekerja dengan potongan makna yang dipegang secara longgar, siap
untuk mencairkan dan mengonfigurasinya kembali saat data membentuk sebaliknya, untuk membuat tema yang paling menarik
untuk pemeriksaan silang tanpa ampun, dan untuk mengesampingkan yang lebih lemah sampai yang lain. peserta dan
pengamatan memberi mereka landasan empiris yang lebih baik.
Namun, kadang-kadang, datanya sepertinya tidak menampilkan tema yang menyeluruh; setiap kode terlihat hampir berbeda.
Dalam kasus ini, akan membantu untuk kembali ke pertanyaan penelitian hanya untuk mengingatkan diri Anda tentang apa
yang penting dan kemudian meninjau potongan-potongan yang memuat kode-kode itu.
Dalam studi yang lebih induktif, mencari frasa berulang (yaitu, kode In Vivo) atau utas umum dalam akun peserta atau,
alternatifnya, untuk perbedaan internal yang telah Anda atau peserta catat akan membantu. Biasanya, perbedaan tersebut akan
melahirkan kesamaan tingkat yang lebih tinggi.
Seperti Apa Kode Pola Itu
Kode pola biasanya terdiri dari empat, sering saling terkait, ringkasan:
1. Kategori atau tema 2.

Penyebab/penjelasan 3.
Hubungan antar manusia 4. Konstruksi
teoritis
Di bawah ini adalah beberapa contoh konkret dari kode Pola, dalam huruf kapital, diikuti dengan definisi singkatnya:
Kategori atau Tema
ATURAN: Anda tidak boleh "berbicara di toko" di ruang staf; pemahaman yang tak terucapkan adalah bahwa obrolan ringan
sosial untuk dekompresi tidak apa-apa; mengeluh juga bisa diterima, tetapi tanpa menghasilkan solusi untuk masalah.
TRAJEKTORI: Metafora "lintasan" karier—orang menggunakan proyek ini untuk beralih dari beberapa pekerjaan dan tempat ke
pekerjaan dan tempat lain.
Penyebab/ Penjelasan
ARAHAN DISFUNGSIONAL: Persepsi dan interaksi staf dengan kepemimpinan yang tidak efektif memengaruhi moral dan
efektivitas tempat kerja.
PRAKTIK TERBAIK: Proyek terbaik adalah proyek yang menggabungkan resep teruji dari praktisi terbaik untuk sukses.
Hubungan Antar Orang
JARINGAN PEMIMPIN: Ini adalah kumpulan individu tidak resmi yang dipandang sebagai pemimpin kunci di organisasi mereka
situs masing-masing: A. Becker, P. Harrison, dan V. Wales.
PENJAGA BARU: Ini mewakili generasi baru anggota fakultas yang berusia tiga puluh tahun dengan keunggulan agresif namun sadar
sosial bagi mereka.
Konstruksi Teoritis
TAWARAN: Tawar-menawar atau negosiasi, paling sering secara diam-diam, tampaknya menjadi cara pengambilan keputusan; model
konflik adalah penjelasan yang lebih masuk akal tentang bagaimana tindakan dimulai daripada kerja sama tim kooperatif.
SURVIVAL: Ini adalah sikap mengalah, sebagian besar negatif yang menunjukkan bahwa seseorang bekerja sehari-hari dengan
sumber daya dan dukungan minimal untuk mencapai banyak hal melawan rintangan yang terkadang luar biasa.
Kode pola dapat muncul dari perilaku, tindakan, norma, rutinitas, dan hubungan yang diamati berulang kali; makna dan penjelasan
lokal; penjelasan yang masuk akal dan yang lebih konseptual; cluster inferensial dan yang "metaforis"; dan pengamatan kasus tunggal
dan lintas kasus.
Menggunakan Kode Pola dalam Analisis
Mungkin berguna di beberapa titik untuk "memetakan" kode Pola—yaitu, untuk menyusun kode komponen yang memberi Anda
pola—bersama dengan segmen dari catatan lapangan. Ini membantu untuk melakukannya secara visual, dalam tampilan jaringan,
melihat bagaimana komponen saling berhubungan. Pemetaan adalah pandangan baru tentang kerangka kerja konseptual Anda.
Meskipun tidak sulit untuk melakukannya dengan tangan, pemetaan dengan komputer dan CAQDAS memiliki beberapa keuntungan
yang kuat dan melakukannya dengan baik.
Selanjutnya, kode yang paling menjanjikan untuk muncul dari latihan ini ditulis dalam bentuk memo analitik (lihat bagian di bawah)
yang memperluas pentingnya kode tersebut. Proses ini membantu penulis menjadi kurang kabur tentang kategori, tema, konstruk,
dan sebagainya yang muncul, dan mengalirkan energi analitik lintas kasus dan tingkat yang lebih tinggi.
Biasanya, sebuah kode Pola tidak didiskon tetapi malah memenuhi syarat: Kondisi di mana kode itu berlaku ditentukan. Misalnya,
PERATURAN "Dilarang 'berbicara' di ruang tunggu" dapat dilanggar jika terjadi konflik, krisis, atau bersosialisasi dengan anggota
baru. Klarifikasi ini memberikan parameter yang lebih tepat untuk pola dan memperkuat validitasnya.
Jika kode Pola umum (seperti ATURAN) banyak digunakan, akan sangat membantu untuk membuat subkode yang
jelaskan kontennya dan aktifkan pengambilan yang mudah:
RULES-INDIV: Aturan tentang perilaku peserta individu
RULES-PUBLIC: Aturan tentang perilaku di lingkungan publik
ATURAN-KERJA: Aturan yang menentukan bagaimana tugas kerja formal harus dilakukan
Selain itu, tetaplah terbuka terhadap gagasan untuk menemukan jenis kode Pola baru. Misalnya, kami mengembangkan kode Pola
QU!, yang berarti kueri tentang sesuatu yang mengejutkan yang terjadi dalam kasus tersebut. Terkejut adalah peristiwa penting dalam
kerja lapangan, dan kami ingin mencatatnya dalam catatan kami. Lihat Saldaña (2013) untuk metode pengkodean Siklus Kedua
tambahan, terutama yang dirancang untuk studi grounded theory.
Terakhir, kode Pola diperiksa di gelombang pengumpulan data berikutnya. Ini sebagian besar merupakan proses inferensial.
Analis mencoba kode pada peserta baru atau selama observasi dalam pengaturan serupa, terlibat dalam taktik jika-maka , seperti
yang dibahas di Bab 11 (jika pola bertahan, hal lain akan terjadi atau tidak akan terjadi), atau memeriksa keluar penjelasan saingan.
( Istilah yang dicetak tebal mengacu pada taktik khusus untuk menarik dan memverifikasi kesimpulan, yang dibahas secara rinci
di Bab 11. Kami menggunakan konvensi ini sebagai cara untuk menunjukkan taktik yang muncul di bab selanjutnya.)
Dari Kode ke Pola

Pengkodean data Siklus Awal atau Pertama Anda menghasilkan larik kode individual yang terkait dengan
potongan data masing-masing. Mari kita lihat contoh fiktif dan diperluas tentang bagaimana kode Siklus Pertama
berubah menjadi kode Pola Siklus Kedua dan kemudian dimasukkan ke dalam matriks dan jaringan.
Serangkaian kode yang dipilih terkait dengan bulan pertama gejala putus zat yang dijelaskan oleh peserta yang
secara sukarela berpartisipasi dalam program perawatan berhenti merokok, dalam urutan acak dan dengan indikasi
jenis kode Siklus Pertama, adalah sebagai berikut:
1. KECEMASAN [Kode emosi]

2. GUGUP [Emotion code]
3. “LUKISAN SESEORANG BURUK” [Dalam kode Vivo/kode Emosi]
4. KEGELISAHAN [Kode emosi]
5. NAFAS DALAM [Kode proses]
6. THROAT BURNING [Kode Proses]
7. “MERASA INGIN MENANGIS” [Dalam Vivo code/Emotion code/Process code]
8. MARAH [Kode emosi]
9. “MAKAN LEBIH BANYAK” [Dalam kode Vivo/Kode proses]
10. BERKELILING [Kode proses]
11. GERAKAN KEBIASAAN [Kode deskriptif]
12. KENANGAN MEROKOK [Kode deskriptif]
13. MENCARI HAL BARU [Process code]
Ada beberapa cara untuk mendekati kategorisasi atau pola dari 13 kode ini. Salah satu cara yang mungkin adalah
dengan membuat pola berdasarkan jenis kode:
• EMOSI (KECEWAHAN, GUGUP, “LUKA SESEORANG BURUK,” KEGELISAHAN,

“MERASA MAU MENANGIS,” MARAH)
• PROSES (PERNAPASAN DALAM, TENGGOROKAN TERBAKAR, “MERASA INGIN MENANGIS”, “MAKAN
BANYAK LAGI”, BERKELANJUTAN, MENCURI HAL-HAL BARU) • DESKRIPTOR
(GERAKAN KEBIASAAN, KENANGAN MEROKOK)
Karena emosi negatif dan kuat tampaknya memainkan peran penting dalam gejala penarikan dari merokok,
EMOSI sebagai pilihan kode Pola masuk akal. Seseorang bahkan dapat meningkatkan kode lebih lanjut dengan
kata sifat EMOSI NEGATIF.
Namun, label PROCESSES dan DESCRIPTORS tampaknya tidak memiliki "keuletan" yang diperlukan untuk
kode Pola. Ingatlah bahwa Kode pola biasanya terdiri dari empat ringkasan yang sering saling terkait: (1) kategori
atau tema, (2) penyebab atau penjelasan, (3) hubungan di antara orang-orang, dan (4) konstruksi teoretis. Ada
beberapa cara untuk mengkategorikan ulang kode-kode yang tersisa, pertama dengan menyusunnya kembali ke
dalam kluster-kluster tertentu karena tampaknya cocok. Analis mengusulkan hal berikut:
Gugus 1: BERNAFAS DALAM, TENGGOROKAN TERBAKAR, “MAKAN BANYAK LAGI”, BERBAU

HAL-HAL BARU
Kluster 2: KELUARGA, KEBIASAAN GERAKAN
Gugus 3: “MERASA INGIN MENANGIS,” KENANGAN MEROKOK
Pertama, apa kesamaan keempat kode di Cluster 1? Tampaknya semua fungsi tubuh bagian atas: pernapasan,
sensorik, dan pencernaan. Analis merefleksikan kesamaan dari keempat kode tersebut; mereka tampaknya memiliki
tema PERUBAHAN FISIK yang menyatukan mereka, dan dengan demikian mendapatkan kode Pola yang
ditetapkan untuk mereka.
Kode-kode Cluster 2 (BERGERAK SEKITAR, GERAKAN KEBIASAAN) tampaknya membangkitkan

Kode-kode Cluster 2 (BERKELANJUTAN, GERAKAN KEBIASAAN) tampaknya membangkitkan semacam

PERJALANAN RESTLESS metaforis. Kode-kode Cluster 3 (“MERASA SEPERTI MENANGIS,”
KENANGAN MEROKOK) menyarankan kode Pola konseptual KEHILANGAN MENYESAL. Dari mana datangnya label
kode Pola PERJALANAN RESTLESS dan KEHILANGAN MENYESAL? Mereka berasal dari refleksi peneliti tentang
kesamaan kode konstituen mereka.
Perhatikan bahwa keempat kode Pola ini—(1) EMOSI NEGATIF, (2) PERUBAHAN FISIK, (3) PERJALANAN
RESTLESS, dan (4) KEHILANGAN MENYESAL—adalah proposal analitik satu orang.
Peneliti lain yang merenungkan dan mengelompokkan kode Siklus Pertama mungkin mengembangkan kode Pola yang
berbeda sama sekali. Jadi, prinsip penting yang perlu diperhatikan di sini adalah bahwa Pengkodean pola tidak selalu
merupakan ilmu pasti—ini terutama merupakan tindakan interpretatif.
Peneliti kini dapat menggunakan keempat kode Pola tersebut dengan berbagai cara, sesuai dengan kebutuhan
penelitian. Deskripsi naratif dasar adalah salah satu pendekatan; dan tampilan visual adalah cara utama lain untuk
menganalisis data dalam perspektif baru.
Deskripsi Naratif
Peneliti dapat menyusun bagian yang mengidentifikasi dan menguraikan kode Pola, menenun
komponennya Kode Siklus Pertama ke dalam narasi dan mendukungnya dengan data catatan lapangan:
Gejala berhenti merokok selama Bulan 1 termasuk perjalanan yang gelisah untuk individu: "Saya menemukan diri saya hanya berkeliaran di
sekitar rumah, hanya berjalan dari kamar ke kamar karena saya tidak bisa merokok, jadi saya tidak tahu harus berbuat apa dengan diri saya
sendiri." Mantan perokok juga terus meniru gerakan kebiasaan yang berkaitan dengan merokok, seperti meraih bungkus rokok di saku baju, atau
meninggalkan kantor dalam ruangan untuk merokok di luar. Tindakan fisik ini saling berhubungan dengan, dan bahkan mungkin disebabkan
oleh, beberapa emosi negatif yang dipicu oleh penghentian nikotin: kecemasan, kegugupan, dan kegelisahan.
Dalam hal ini, fungsi alur cerita naratif memungkinkan peneliti untuk menguraikan plot tindakan manusia dan bagaimana
partisipan (atau "karakter") berubah selama penelitian berlangsung. Representasi dan presentasi biasa dari temuan kami
adalah cara penting untuk mengkomunikasikan kepada pembaca bagaimana aksi sosial yang kami saksikan dan gabungkan
terungkap dan mengalir sepanjang waktu. Tapi matriks dan jaringan adalah cara lain untuk merepresentasikan dan
menyajikan pengamatan tersebut.
Tampilan Matriks
Tampilan matriks akan dibahas lebih lengkap dalam 6 bab berikutnya, tetapi dijelaskan secara singkat di sini untuk
tujuan ilustrasi. Matrix menampilkan bagan atau tabel data—termasuk kode—untuk tujuan analitik. Mereka mengatur
susunan materi yang padat ke dalam format “sekilas” untuk refleksi, verifikasi, penarikan kesimpulan, dan tindakan analitik
lainnya.
Misalkan studi penghentian merokok tertarik pada bagaimana gejala penarikan berubah dari waktu ke waktu. Tampilkan
4.3 bagan data peserta pada 1 bulan dan 6 bulan setelah berhenti. Kode Pola ditempatkan dalam satu kolom, dan kode
Siklus Pertama yang terkait atau peringkas data lainnya ditempatkan di kolom masing-masing. Matriks sederhana seperti
ini memungkinkan Anda—dan pembaca laporan Anda—untuk menerima temuan penting dari analisis Anda. Misalnya,
pada baris EMOSI NEGATIF, Anda dapat melihat bahwa fenomena tersebut menurun selama periode 6 bulan tetapi
kecemasan masih ada, meskipun dalam bentuk yang lebih ringan. Setiap sel dari matriks ini tidak harus menyertakan
wastafel dapur gejala penarikan, hanya beberapa contoh yang paling relevan dari pengkodean dan analisis.
Tampilan Jaringan
Contoh gejala penarikan khusus ini menggambarkan suatu proses, dan dengan demikian jaringan tentang bagaimana
sesuatu bertindak atau berubah sepanjang waktu (atau aspek lain seperti dinamika hubungan atau pola organisasi) dapat
dipetakan (lihat Tampilan 4.4). Kode dalam sel matriks sekarang menjadi label yang memungkinkan untuk tempat sampah.
Garis dan panah menunjukkan hubungan dan aliran di antara kumpulan tindakan yang diwakilinya.
Tampilan 4.3
Pola Berhenti Merokok pada Bulan 1 dan 6

Pola Berhenti Merokok pada Bulan 1 dan 6
Tampilan 4.4
Model Transformasi Rugi Berhenti Merokok
Analis telah menunjukkan bagaimana kode Pola KEHILANGAN MENYESAL dan kode konstituennya “MERASA SEPERTI
MENANGIS” dan KENANGAN MEROKOK telah berubah dari Bulan 1 hingga Bulan 6. Wawancara lanjutan dengan peserta
menunjukkan bahwa dorongan untuk menangis berubah seiring berjalannya waktu. hingga kecemasan ringan, sementara
ingatan yang tertanam kuat tentang merokok selama bertahun-tahun berubah menjadi refleksi nostalgia tentang kebiasaan masa
lalu. Namun, sebuah lagu yang menarik muncul dalam wawancara dengan peserta 6 bulan setelah dia berhenti merokok:
Ini masih sulit, tetapi saya mendapati diri saya berkeliaran di sekitar perokok di kampus kapan pun saya bisa, hanya untuk mencium bau asap
rokok yang saya hisap di rokok elektrik saya. Cukup nyaman bergaul dengan perokok meskipun saya tidak merokok lagi. Saya masih merasa
terhubung dengan merokok. Dan saya dapat berbicara dengan mereka tentang kebiasaan dan hal-hal baru saya. Kita masih partner in crime.
Kutipan wawancara ini, dikombinasikan dengan potongan data kode terkait lainnya, mengarahkan analis untuk menyusun
Kode Pola Bulan 6 yang evolusioner COMFORT IN CAMARADERIE. Kecemasan ringan peserta yang selalu ada berkurang
saat dia "bergaul dengan" perokok saat ini; nostalgianya akan kebiasaan lama dapat dipupuk dengan secara fisik menempatkan
dirinya di antara mereka yang saat ini merokok.
Jangan biarkan keanggunan dan kesimetrisan jaringan Display 4.4 membodohi Anda dengan berpikir bahwa kehidupan
sosial selalu linier, seimbang, dan mengalir lancar, serta dapat direduksi menjadi beberapa variabel kunci. Contoh sederhana ini
dimaksudkan untuk mengilustrasikan bagaimana kode Pola dapat menjadi inti dari narasi, matriks, dan jaringan, untuk dijelaskan
lebih lengkap di Bab 5 hingga 10.
Saran pengkodean
Pengkodean bukan hanya sesuatu yang Anda lakukan untuk "menyiapkan data" untuk analisis tetapi, seperti yang telah kami
katakan beberapa kali, sesuatu yang mendorong pengumpulan data yang berkelanjutan. Ini adalah bentuk analisis awal dan
berkelanjutan. Ini biasanya mengarah pada pembentukan kembali perspektif Anda dan instrumentasi Anda untuk putaran
berikutnya.
Ingatlah bahwa kode lebih dari sekadar sistem pengarsipan. Setiap proyek membutuhkan cara yang sistematis untuk
menyimpan data lapangan yang dikodekan dan cara untuk mengambilnya kembali dengan mudah selama analisis. Buku catatan
tiga cincin, folder file, setengah lembar kertas, kartu indeks, catatan tempel, dan ringkasan pada kertas ukuran poster yang
ditempel di dinding adalah metode "jadul" tetapi metode yang dihormati waktu untuk analisis data kualitatif. Namun, seperti yang kita catat,
perangkat lunak komputer yang bagus jauh di depan mereka dalam hal organisasi dan manajemen data.
Mungkin poin yang lebih penting adalah: Kekuatan utama penelitian lapangan terletak pada peta yang muncul dari peneliti
tentang apa yang terjadi dan mengapa. Jadi metode apa pun yang akan memaksa lebih banyak diferensiasi dan integrasi peta
itu, sambil tetap fleksibel, adalah ide yang bagus. Pengkodean, bekerja melalui siklus induksi dan deduksi berulang untuk
memperkuat analisis, dapat mencapai tujuan ini.
Pengodean dapat membuat Anda lelah; seringkali terasa lebih lama dari yang sebenarnya. Jadi itu membantu untuk menyelingi coding dengan
catatan dan memo analitik (dibahas selanjutnya).
Jotting
Bayangkan sebuah catatan kecil (Emerson, Fretz, & Shaw, 2011) sebagai “catatan tempel analitik”—tulisan yang benar-
benar dapat masuk ke ruang selembar kertas persegi kecil. Pembaca dokumen .pdf Adobe memiliki fungsi ini; Fitur "Komentar"
Microsoft Word setara. Program CAQDAS memungkinkan pengguna untuk menyisipkan "anotasi" atau "komentar" yang dapat
dilampirkan ke potongan data tertentu. Jika Anda mengerjakan hard copy, Anda dapat menggunakan catatan tempel yang
sebenarnya, tetapi ini dapat dengan mudah terlepas jika Anda tidak berhati-hati. Jadi catatan tulisan tangan di margin sudah
cukup, dan dalam file teks, paragraf terpisah (dalam font yang berbeda untuk membedakannya dari data lainnya) akan
berfungsi untuk mencatat.
Jadi apa itu catatan, dan apa yang terkandung di dalamnya? Sebuah catatan menyimpan refleksi dan komentar singkat
dan muncul dari peneliti tentang isu-isu yang muncul selama kerja lapangan dan terutama analisis data. Saat Anda
mengerjakan sebuah proyek, refleksi dari beberapa jenis biasanya berenang menuju kesadaran. Misalnya, pertimbangkan hal
berikut:
• Kesimpulan tentang arti dari apa yang “benar-benar” dikatakan oleh peserta kunci selama pertukaran
yang tampaknya penting
• Reaksi pribadi terhadap komentar atau tindakan beberapa peserta • Seperti
apa rasanya hubungan dengan peserta • Keraguan tentang kualitas beberapa
data • Pemikiran kedua tentang beberapa pertanyaan wawancara dan protokol
observasi • Catatan mental untuk mengejar masalah lebih lanjut kontak berikutnya • Rujukan silang ke
materi di bagian lain kumpulan data • Penjelasan atau klarifikasi tentang insiden atau peristiwa sebelumnya
yang tampaknya mungkin terjadi
makna
Ketika sesuatu seperti salah satu dari contoh ini muncul, ada gunanya untuk mencatat catatan mental Anda langsung ke
catatan lapangan atau di tempat lain di korpus data. Ini mungkin atau mungkin bukan umpan untuk memo analitik yang lebih
dalam (dibahas nanti), tapi setidaknya sudah dicetak. Salah satu konvensi adalah membedakan komentar dengan huruf miring
untuk menandakan bahwa urutannya berbeda dari data yang dikomentari. Berikut adalah contoh catatan lapangan dengan
catatan:
Asisten administrasi berbicara dengan suara tulus melalui telepon: “Terima kasih banyak atas bantuannya, saya sangat menghargainya.
Selamat tinggal." Kemudian dia membanting handset ke gerbong. Saya merasa hampir lucu mendengar penjajaran suara "baik secara
profesional" diikuti dengan bantingan telepon yang keras dan menutup telepon. Dia mungkin menutupi banyak ketegangan atau frustrasi
di tempat kerja.
Komentar seperti ini menambah arti penting pada analisis dan mungkin bahkan penulisan.
Jotting dapat memperkuat pengkodean dengan menunjuk ke masalah yang lebih dalam atau mendasar yang memerlukan
perhatian analitik. Pengkodean, seperti yang telah kami catat, bisa menjadi membosankan jika Anda memperlakukan diri Anda
sendiri sebagai semacam mesin yang memindai halaman secara metodis, memilih segmen kecil data dan memberikan label
padanya. Sensasi bosan biasanya merupakan sinyal bahwa Anda sudah berhenti berpikir. Salah satu cara mempertahankan
kesadaran dalam pengkodean adalah mencatat sesekali (lihat Peragaan 4.5).
Saat pengkodean berlangsung, jika Anda waspada tentang apa yang Anda lakukan, ide dan reaksi terhadap makna
dari apa yang Anda lihat akan terus meningkat. Ide-ide ini penting; mereka menyarankan interpretasi, arahan, dan
koneksi baru dengan bagian lain dari data; dan mereka biasanya menunjuk ke pertanyaan dan masalah untuk dilihat
selama gelombang pengumpulan data berikutnya dan cara mengelaborasi beberapa ide ini. Pernyataan marjinal ini
juga menunjukkan masalah penting bahwa kode yang diberikan mungkin hilang atau kabur, menyarankan revisi dalam
skema pengkodean.
Catatan dalam bentuk komentar reflektif dapat ditambahkan saat Anda menulis atau mengembangkan catatan
lapangan mentah. Anda secara bersamaan menyadari peristiwa di situs dan perasaan, reaksi, wawasan, dan
interpretasi Anda sendiri. Bogdan dan Biklen (2007) menyebut bagian ini "Komentar Pengamat" atau, dalam catatan
lapangan, sebuah "OC." Ini dapat dipisahkan dari catatan lapangan utama melalui gaya font dan/atau inden yang
berbeda:
Tampilkan
4.5 Transkrip Wawancara Dengan Jottings
Ketua komite merekomendasikan agar mereka beristirahat selama sepuluh menit, tetapi Carla merekomendasikan agar mereka melanjutkan, "Kita hanya
memiliki tiga evaluasi lagi untuk diselesaikan, kita dapat melakukannya dalam waktu setengah jam." Kursi mencatat, "Yah, salah satu dari mereka akan
membutuhkan waktu untuk menyelesaikannya, jadi akan lebih baik untuk kembali ke tugas dengan segar dan waspada." OC: Ketua memberikan
alasannya dengan nada suara yang jujur, tetapi orang dapat merasakan bahwa ada banyak masalah sulit yang harus diselesaikan dengan satu kandidat baru.
Carla tampaknya tidak menyadari pertikaian politik yang saya amati di pertemuan lain, dan saya merasa anggota komite lainnya ingin dia tetap seperti
itu.
Catatan pinggir dapat dianggap sebagai "remah roti" penting yang dijatuhkan ke tanah
dikumpulkan kemudian oleh analis untuk perluasan melalui memoing (dibahas selanjutnya).
Memo Analitik
Memo analitik adalah narasi singkat atau panjang yang mendokumentasikan refleksi peneliti dan proses berpikir
tentang data. Ini bukan hanya ringkasan deskriptif data tetapi upaya untuk mensintesisnya menjadi makna analitik
tingkat yang lebih tinggi. Mereka adalah draf laporan diri pertama, semacam, tentang fenomena penelitian dan berfungsi
sebagai dasar untuk laporan yang lebih luas dan final.
Memo biasanya merupakan cara cepat untuk menangkap pemikiran yang terjadi selama pengumpulan data,
kondensasi data, tampilan data, penarikan kesimpulan, pengujian kesimpulan, dan pelaporan akhir. Akan tetapi, di
kemudian hari dalam penelitian, memo bisa lebih rumit, terutama ketika mereka menyatukan beberapa untaian data
atau melihat beberapa ukuran dari sebuah konstruksi. Saldaña (2013) mencatat bahwa memo analitik dapat
dikembangkan di sepanjang topik berikut:
• Bagaimana Anda secara pribadi berhubungan dengan peserta dan/atau fenomena

• Pertanyaan penelitian studi Anda
• Pertanyaan penelitian studi Anda •

Pilihan kode Anda dan definisi operasionalnya • Pola, kategori,
tema, konsep, dan pernyataan yang muncul • Jaringan yang mungkin
(tautan, koneksi, tumpang tindih, aliran) di antara kode, pola,
kategori, tema, konsep, dan pernyataan
• Teori yang muncul atau terkait • Setiap
masalah dengan penelitian • Setiap dilema
pribadi atau etis dengan penelitian • Arah masa depan
untuk penelitian • Memo analitik yang dihasilkan sejauh ini
[disebut “metamemos”] • Laporan akhir untuk penelitian (hal. .49–50)
Memo analitik pada dasarnya bersifat konseptual. Mereka tidak hanya melaporkan data; mereka menyatukan
potongan-potongan data yang berbeda ke dalam kelompok yang dapat dikenali, seringkali untuk menunjukkan
bahwa data tersebut adalah contoh dari konsep umum. Memo analitik juga dapat melampaui kode dan hubungannya
dengan aspek penelitian apa pun — pribadi, metodologis, dan substantif. Mereka adalah salah satu alat pembuat
akal yang paling berguna dan kuat.
Contoh
Memo analitik harus diberi tanggal untuk merujuk pada sejarah analitik dan kemajuan studi Anda, diberi judul
dengan jenis memonya (misalnya, DEFINISI KODE, PENEGAKAN, TEORI, ETIKA), dan diberi subjudul dengan
kontennya yang lebih spesifik (misalnya, KASUS APA YANG TELAH SECARA UMUM PESERTA LEERINESS,
AGENDA UNTUK KUNJUNGAN SITUS SELANJUTNYA). Sebagian besar program CAQDAS dapat membuat dan
memelihara memo (juga disebut "komentar" atau "anotasi" dalam program tertentu), tetapi mereka juga dapat
disimpan sebagai semacam buku harian yang sedang berjalan dalam file terpisah. Direkomendasikan memo
analitik tidak disematkan di dalam catatan lapangan, transkrip, atau data lain tetapi disimpan sebagai dokumen terpisah.
Berikut adalah beberapa contoh memo analitik dari studi “Lifelong Impact” McCammon et al. (2012), yang
mensurvei orang dewasa tentang pengalaman pendidikan seni sekolah menengah mereka. Memo pertama ini
mendokumentasikan pola yang diamati oleh analis setelah kode disusun untuk membandingkan responden yang
lebih muda dengan yang lebih tua:
17 Januari 2011
POLA: INTRINSIK DAN EKSTRINSIK
Salah satu kontras yang paling mencolok antara responden survei yang lulus pada tahun 2000-an dan pada tahun 1950-an-1970-an adalah apa
yang tampaknya mereka hargai dari pengalaman tersebut. Lulusan yang lebih baru menulis tentang hasil intrinsik yang tidak berwujud seperti
"persahabatan", "penemuan diri", dan identitas, sementara generasi yang lebih tua lebih mementingkan penghargaan, peran khusus yang
mereka mainkan, dan apa yang telah mereka capai selama hidup mereka. . Saya bertanya-tanya apakah baru saja lulus dari sekolah menengah
berarti ingatan lebih segar tentang pengalaman internal itu, dan itu akan lebih banyak di kepala Anda. Sebagai seseorang yang berasal dari
generasi yang lebih tua, saya tahu bahwa saya sendiri menaruh banyak saham pada warisan saya sendiri, hal-hal nyata yang menjadi bukti dari
apa yang telah saya capai.
Ironisnya, saya akan mengira generasi yang lebih tua akan lebih reflektif dan internal tentang ingatan itu, lebih bernostalgia, sedangkan
generasi "saya" yang lebih muda akan menghargai penghargaan, jaket surat, dll. Mungkin itu ada hubungannya dengan perkembangan manusia
— ketika Anda berusia akhir belasan dan awal dua puluhan, Anda masih mencoba untuk mencari tahu "Siapakah saya?" Jadi, Anda masih
mencari ke dalam dan mengeksplorasi apa yang benar-benar penting bagi Anda.
Di bawah ini adalah contoh bagaimana memo analitik kasar akhirnya diubah menjadi selesai
narasi untuk laporan akhir. Memo pertama:
2 November 2010
METAMEMO: METAFOR ANTROPOLOGIS
Sangat menarik untuk melihat bagaimana studi ini memiliki ikatan dengan ilmu-ilmu sosial, dan bagaimana disiplin psikologi, sosiologis, dan
antropologi memiliki lensa untuk ditawarkan pada analisis. Sedangkan untuk antropologi, saya dikejutkan oleh bacaan akhir-akhir ini yang
menggunakan ungkapan, “penguasaan teks-teks suci” sebagai syarat untuk tumbuh dan menjadi bagian dari budaya. Dalam teater dan pidato, the
penguasaan teks suci adalah menghafal naskah—menjadi “satu” dengan lakon dan memiliki karakter yang mendalam.
Teater dan agama telah lama dieksplorasi untuk kesejajarannya, tetapi menurut saya tema "ritus peralihan" melalui pertunjukan telah
ditangani (tetapi periksa tulisan Victor Turner tentang ini hanya untuk memastikan).
Setelah meninjau memo hingga saat ini pada kategori utama, label seperti "komunitas", "suku", dan "keluarga" sering muncul (meskipun
orang teater sendiri lebih cenderung menggunakan istilah "ensemble" —istilah pekerjaan, saya kira). Yang lebih baik lagi adalah ketika
responden bercerita tentang perasaan “hilang” dalam kinerja—semacam perjalanan yang dilakukan untuk mencapai pengetahuan spiritual.
Perjalanan para peserta ini bersifat internal dan aktual (turnamen pidato luar kota, khususnya) —tersesat untuk menemukan diri sendiri,
meninggalkan rumah untuk bersaing dan menang atau kalah, tetapi kembali lebih kuat daripada saat Anda pergi.
Dan sekarang, paragraf-paragraf dari laporan teknis ini mengilustrasikan bagaimana ide-ide dari memo diadaptasi
dan dijalin ke dalam bagian analitik teks:
Dari perspektif ilmu sosial (Lancy, Bock, & Gaskins, 2010), terdapat ekspektasi dan prasangka publik, jika bukan stigma, terhadap mereka
yang berpartisipasi dalam teater. Remaja buangan menemukan ceruk mereka di antara suku komunitas kerabat yang berpikiran sama. Di
ruang kelas dan tempat pertunjukan yang dibatasi ini, terdapat sekolah lokal yang beroperasi dan budaya nasional dari program teater
pendidikan sekolah menengah. Anggota budaya remaja mengasumsikan dan mengadopsi etos — nilai-nilai, sikap, dan kepercayaan —
dari lingkungan sosial di mana dia berpartisipasi, tetapi dengan prasyarat bahwa orang muda merasa memiliki budaya itu. Peta kognitif
untuk kelangsungan hidup dan keamanan, sosialisasi emosional dan moral, ditambah pembentukan kepribadian individu terjadi di ruang
aman ini melalui observasi, interaksi, dan tantangan. Hafalan dan hafalan naskah lakon dan pidato sebanding dengan penguasaan “teks-
teks suci,” dinilai sebagai “tindakan kesalehan, disiplin, transformasi pribadi, dan pelestarian budaya” (hlm. 212). Narasi literal dan
komunitas ini berkontribusi pada identitas, kepemilikan, dan ekspresi.
Tuntutan yang melekat pada teater dan pidato mempercepat kesiapan orang dewasa. Ada risiko tinggi untuk status tinggi. Pencapaian
melalui penghargaan, penempatan, dan kompetisi mengingatkan kembali pada ritual inisiasi dan ritus peralihan untuk maju menuju tingkat
kedewasaan yang lebih tinggi. Bepergian ke dunia lain, seperti pertunjukan spiritual dan dunia spasial dari turnamen pidato di luar kota,
sebanding dengan perjalanan pahlawan klasik di mana pencobaan harus mendahului kemenangan untuk kembali ke suku yang lebih kuat
dari sebelumnya. (McCammon & Saldaña, 2011, hlm. 103)
Pada Data Visual

Sekarang ada banyak penyelidikan kualitatif tentang analisis materi visual, terutama karena alat digital yang
dapat diakses dan ada di mana-mana memungkinkan peneliti untuk mendokumentasikan kerja lapangan dengan
mudah, dan ketersediaan serta jumlah sumber daya Internet berkembang biak setiap hari. Ahli etnografi yang baik
selalu mendokumentasikan elemen visual kehidupan sosial dengan satu atau lain cara. Hanya saja, media yang kita
miliki saat ini memungkinkan kita untuk mengarsipkan visual sebagai gambar, bukan hanya melalui tulisan deskriptif
dan menggugah.
Menganalisis visual memiliki repertoar metodenya sendiri (lihat Lampiran untuk judul yang direkomendasikan),
tetapi kami tidak memiliki ruang untuk menjelaskannya secara mendetail di sini. Namun, kami menganjurkan bahwa
interpretasi atas apa yang kami lihat sebagai dokumentasi visual—di majalah, di situs web, sebagai foto digital, dan
sebagainya—lebih merupakan upaya holistik daripada upaya sistematis. Memo analitik tentang kesan Anda tentang
gambar yang dibekukan dan ditangkap adalah bentuk eksplorasi yang lebih tepat daripada perincian detail komponen
seperti warna, kontras, dan komposisi. Namun gambar bergerak dan bagian yang lebih panjang dari televisi, film,
klip YouTube, dan aliran digital lainnya lebih kompleks dan mungkin bergantung pada metode analitik konten yang
lebih tradisional seperti jumlah dan kategori untuk analisis bernuansa.
Paradoksnya, "Sebuah gambar bernilai ribuan kata" harus bersaing dengan "Gambar tidak berbicara sendiri".
Anda sebagai peneliti harus menginterpretasikan visual dan menentukan apakah tugas tersebut pantas untuk
metode dan strategi analitik yang tidak berlaku untuk data berbasis bahasa. Bagi kami, visual selalu menjadi bagian
penting dari investigasi kerja lapangan. Ini hanyalah bentuk dan format—representasi dan presentasi—dari data
visual yang telah berkembang selama beberapa dekade ini. Yang lebih penting, menurut kami, adalah pengaruh dan
pengaruh budaya visual digital pada peserta kami. Dan untuk itu, kita harus mengamati dan berbicara dengan
mereka untuk mengetahui bagaimana tanggapan mereka dan apa yang mereka pikirkan dan rasakan.
Saran Memo
Di sini kami mengambil rekomendasi dari pencipta grounded theory, Barney Glaser dan Anselm Strauss, dan
kolaborator Strauss kemudian, Juliet Corbin. Saran kami adalah gabungan dari pengalaman mereka dan pengalaman
kami:
1. Prioritaskan memo: Ketika sebuah ide muncul, hentikan apa pun yang Anda lakukan dan tulislah
memo. Jangan khawatir tentang keanggunan prosa atau bahkan tata bahasa. Sertakan semua jenis renungan Anda,
bahkan yang kabur dan berkabut. Beri diri Anda kebebasan untuk berpikir; jangan menyensor diri sendiri.
2. Memo harus dimulai segera setelah data lapangan pertama mulai masuk dan biasanya harus demikian
terus sampai pembuatan laporan akhir. Sama seperti kode harus stabil dengan cukup baik dengan setengah atau dua
pertiga dari jalan melalui pengumpulan data, ide-ide yang diangkat dalam memo biasanya akan mulai menetap saat
itu atau tidak lama kemudian, karena analis mendekati apa yang oleh para ahli teori dasar disebut "saturasi" (tidak ada
hal baru yang signifikan). penjelasan data). Memo memberikan kontribusi yang kuat untuk pengembangan/revisi
sistem pengkodean.
3. Pertahankan agar memo dapat disortir: Beri teks berdasarkan konten dasar. Seperti data kode, memo dapat disimpan dan
diambil menggunakan berbagai macam metode.
4. Sekali lagi, memo adalah tentang ide. Tidak cukup meringkas atau menghitung ulang contoh data
cukup.
5. Tidak perlu menstandarkan format atau jenis memo, terutama dalam multi-peneliti
belajar. Gaya memo itu khas, dan jenis memo bermacam-macam sesuai imajinasi.
6. Menulis memo sering kali memberikan kejelasan atau wawasan yang tajam dan diterangi matahari—sedikit konseptual
pencerahan.
Lihat juga Saldaña (2013) untuk bab tambahan tentang penulisan memo analitik.
Asersi dan Proposisi

Pengkodean memicu pemikiran analitik, dan memo menangkap pemikiran analis "menulis dengan lantang", bisa dikatakan, dan
penting untuk alasan itu. Namun seiring berjalannya studi, ada kebutuhan yang lebih besar untuk memformalkan dan
mensistematisasikan pemikiran peneliti ke dalam serangkaian penjelasan yang koheren. Salah satu cara untuk melakukannya
adalah dengan menghasilkan pernyataan dan proposisi, atau rangkaian pernyataan yang terhubung, yang mencerminkan temuan
dan kesimpulan penelitian.
Bagi kami, pernyataan adalah pernyataan deklaratif sintesis sumatif, didukung oleh bukti yang dikonfirmasi dari data dan direvisi
ketika bukti yang tidak dikonfirmasi atau kasus yang tidak sesuai memerlukan modifikasi pernyataan (misalnya, "Para pekerja di
Adco Incorporated tidak memiliki motivasi diri untuk mencapai keunggulan ”). Sebuah proposisi adalah pernyataan yang mengajukan
peristiwa bersyarat—proposal jika-maka atau mengapa-karena yang mendekati prediksi atau teori (misalnya, “Ketika karyawan
bekerja di lingkungan yang tidak berfungsi, keterampilan tempat kerja individu mereka mungkin menurun karena kurangnya
motivasi. untuk mencapai keunggulan”).
Penegasan dan proposisi adalah cara meringkas dan mensintesis sejumlah besar pengamatan analitik individu. Mereka seperti
"poin-poin" dari pola utama, tema, tren, dan temuan yang Anda rasa dapat Anda kemukakan dengan percaya diri tentang studi
Anda. Poin-poin ini dapat berkisar dari deskriptif, fakta sapuan kuas yang luas (misalnya, "Secara keseluruhan, anak-anak
tampaknya terlibat dengan program pembelajaran eksperimental yang baru"), hingga interpretasi tingkat yang lebih tinggi tentang
makna penelitian (misalnya, "Program pembelajaran eksperimental dapat usaha berisiko tinggi bagi para pendidik yang sudah
terdemoralisasi oleh opini publik yang rendah tentang status dan kemanjuran mereka").
Sebagai contoh, Kell (1990) melakukan studi kasus ganda tentang efek komputer pada pengajaran di kelas. Pada pertemuan
analitik pertama, peneliti lapangan mencatat pernyataan dan proposisi khusus kasus mereka pada kartu indeks, yang dikunci untuk
pertanyaan penelitian. Pernyataan kemudian dikelompokkan secara tematis, dan bukti disaring untuk setiap kasus.
Dalam penelitian ini, proposisi berupa hipotesis yang muncul. Berikut adalah dua ilustrasi
dari bagan data proyek:
• Preferensi guru untuk program perangkat lunak yang berbeda sangat dipengaruhi oleh orientasi teoretis mereka
untuk membaca—yaitu, fonik atau bahasa utuh.
• Pembelajaran individual dan pengarahan diri sendiri, serta kerja sama dan pengajaran sebaya
• Pembelajaran individual dan pengarahan diri sendiri, serta kerja sama dan pengajaran teman sebaya,
dipromosikan melalui penggunaan komputer, dan beberapa pengalihan gaya belajar ini ke aktivitas kelas
lain mungkin terjadi.
Tingkat dukungan untuk proposisi dalam setiap kasus kemudian dinilai sebagai "kuat", "memenuhi syarat",
"netral", atau "kontradiktif".
Setelah pengumpulan data gelombang berikutnya, yang memperhatikan data yang hilang, proposisi ditinjau kembali.
Untuk matriks dengan baris yang menunjukkan setiap guru di setiap lokasi, entri kolom menyertakan data yang mendukung
proposisi dan data yang tidak. Ternyata, proposisi kedua (di atas) tidak didukung. Pada akhirnya, proposisi diuji lebih
lanjut dengan sumber data lain (terutama survei dan observasi), dan kasus yang tidak sesuai dengan pola diperiksa ulang
dengan hati-hati.
Meskipun ilustrasi ini menggambarkan pembuatan proposisi pada tahap akhir studi, ilustrasi ini dapat digunakan secara
produktif jauh lebih awal—bahkan setelah putaran pertama kunjungan lapangan. Simpan daftar pernyataan dan proposisi
poin-poin yang sedang berjalan saat studi berlangsung, dan merevisinya saat kerja lapangan berlanjut dan bukti muncul
yang mematahkannya. Pernyataan yang sedang berlangsung ini juga dapat digunakan sebagai panduan untuk analisis
langkah selanjutnya dan pengumpulan data lebih lanjut. Akhirnya, atur poin-poin tersebut ke dalam format garis besar
berurutan dan/atau narasi yang menceritakan kisah analisis Anda.
Analisis Dalam Kasus dan Lintas Kasus

Tujuan utama analisis dalam kasus adalah untuk mendeskripsikan, memahami, dan menjelaskan apa yang telah terjadi
dalam satu konteks terbatas—“kasus” atau lokasi. Itulah tugas peneliti etnografi tradisional, yang usahanya muncul
dengan rasa realitas lokal yang kuat, apakah fokusnya pada individu, keluarga, kelas, sekolah, suku, organisasi formal,
masyarakat, atau bahkan budaya secara keseluruhan.
Salah satu keuntungan mempelajari lintas kasus atau banyak kasus adalah untuk meningkatkan generalisasi,
meyakinkan diri sendiri bahwa peristiwa dan proses dalam satu latar yang dijelaskan dengan baik tidak sepenuhnya
istimewa. Pada tingkat yang lebih dalam, tujuannya adalah untuk melihat proses dan hasil di banyak kasus, untuk
memahami bagaimana mereka dikualifikasikan oleh kondisi lokal, dan dengan demikian mengembangkan deskripsi yang
lebih canggih dan penjelasan yang lebih kuat.
Banyak peneliti telah condong ke beberapa kasus individu (misalnya, guru, pecandu alkohol, manajer menengah,
wanita yang dipukuli, supir taksi). Dan selama beberapa dekade terakhir, telah terjadi pertumbuhan substansial dalam
studi pengaturan kompleks menggunakan desain multikasus, seringkali dengan pendekatan metode campuran dan
beberapa anggota tim peneliti (Creswell, 2009; Creswell & Plano-Clark, 2011).
Tetapi mengembangkan analisis atau sintesis lintas kasus yang baik bukanlah hal yang sederhana. Alkoholik A
ternyata sangat berbeda dalam dinamika kepribadian dari Alkoholik B, dan mereka tidak dapat dengan mudah
dibandingkan, seperti yang ditunjukkan oleh Denzin (1993) dengan fasih kepada kita. Atau anggaplah, misalnya, Anda
telah mengembangkan jaringan kausal yang menjelaskan proses dalam kasus tertentu. Jika Anda memiliki selusin kasus
seperti itu, hanya menambahkan variabel terpisah, seperti dalam pendekatan survei kuantitatif, akan menghancurkan
jaringan kausalitas lokal dan hanya menghasilkan serangkaian generalisasi yang diperhalus yang mungkin tidak berlaku
untuk kasus tertentu mana pun dalam kumpulan tersebut. —apalagi yang lain. Setiap kasus harus dipahami dalam
istilahnya sendiri, namun kami haus akan pemahaman yang dapat dihasilkan oleh analisis komparatif.
Tujuan Analisis Lintas Kasus

Salah satu alasan untuk melakukan analisis lintas kasus adalah untuk meningkatkan generalisasi atau transferabilitas
ke konteks lain. Meskipun diperdebatkan bahwa tujuan ini terkadang tidak sesuai untuk studi kualitatif, pertanyaannya
tidak hilang begitu saja. Kami ingin mengetahui sesuatu tentang relevansi atau penerapan temuan kami pada pengaturan
serupa lainnya, untuk melampaui yang khusus untuk memahami yang umum. Hanya menambahkan kasus adalah
pendekatan kasar yang tidak akan membantu. Tetapi banyak kasus, diambil sampelnya secara memadai (Apakah tipikal?
Apakah beragam? Apakah efektif luar biasa atau
tidak efektif?) dan dianalisis dengan hati-hati dapat membantu kita menjawab pertanyaan yang masuk akal: Apakah temuan
ini berlaku di luar satu kasus khusus ini?
Alasan kedua yang lebih mendasar untuk analisis lintas kasus adalah untuk memperdalam pemahaman dan penjelasan.
Banyak kasus membantu peneliti menemukan kasus negatif untuk memperkuat teori, yang dibangun melalui pemeriksaan
persamaan dan perbedaan antar kasus. Proses itu jauh lebih cepat dan mudah dengan banyak kasus dibandingkan dengan
satu kasus. Banyak kasus tidak hanya menunjukkan kondisi spesifik di mana temuan akan terjadi tetapi juga membantu kami
membentuk kategori yang lebih umum tentang bagaimana kondisi tersebut dapat dikaitkan.
Perbedaan Utama: Variabel Versus Kasus

Pencarian kami untuk metode analisis lintas kasus yang bermanfaat akan dibantu jika kami mengklarifikasi dua dasarnya
pendekatan yang berbeda untuk penyelidikan.
Ragin (1987) menekankan bahwa pendekatan berorientasi kasus mempertimbangkan kasus sebagai entitas keseluruhan
—melihat konfigurasi, asosiasi, sebab, dan akibat di dalam kasus—dan baru kemudian beralih ke analisis komparatif dari
sejumlah kasus (biasanya terbatas). Kami akan mencari kesamaan yang mendasari dan asosiasi konstan, membandingkan
kasus dengan hasil yang berbeda, dan mulai membentuk penjelasan yang lebih umum.
Pendekatan berorientasi variabel bersifat konseptual dan berpusat pada teori sejak awal, menyebarkan jaring yang luas
pada sejumlah kasus (biasanya besar). "Blok penyusun" adalah variabel dan keterkaitannya, bukan kasus. Jadi detail dari
setiap kasus tertentu surut di balik pola luas yang ditemukan di berbagai macam kasus, dan sedikit perbandingan kasus per
kasus secara eksplisit dilakukan.
Sebagai contoh, pendekatan berorientasi kasus terdiri dari melihat sekitar enam keluarga yang berbeda untuk mengamati
bagaimana pasangan tertentu dan orang tua tunggal membesarkan anak-anak mereka. Setiap orang tua akan diwawancarai
untuk mengetahui latar belakang keluarga, pendidikan, dan sebagainya, selain keadaan tertentu, seperti usia semua anggota
keluarga, pendapatan, pekerjaan dan jadwal penitipan anak, dan sebagainya. Profil biografi keluarga yang beragam dan
sangat mendetail ini kemudian akan dibandingkan untuk dianalisis.
Pendekatan berorientasi variabel akan terdiri dari melihat 50 keluarga yang mewakili beragam sampel struktur (dua orang
tua, satu orang tua, pasangan gay, satu orang tua tiri dan satu orang tua kandung, orang tua asuh, dll.) untuk mengamati
dan mewawancarai mereka tentang a seperangkat variabel yang telah ditentukan termasuk dalam kategori utama "komunikasi
orang tua-anak" (misalnya, percakapan makan malam informal, arahan dan instruksi, masalah disiplin, pemecahan masalah,
bimbingan untuk "tumbuh dewasa", cerita sebelum tidur, nada suara, dll.) .
Ragin mencatat bahwa setiap pendekatan memiliki kelebihan dan kekurangan. Analisis berorientasi variabel baik untuk
menemukan hubungan probabilistik antara variabel dalam populasi besar, tetapi buruk dalam menangani kompleksitas
penyebab yang sebenarnya atau berurusan dengan beberapa subsampel; temuannya seringkali sangat umum, bahkan
"hampa". Analisis berorientasi kasus bagus untuk menemukan pola-pola yang spesifik, konkrit, dan berlandaskan sejarah
yang umum terjadi pada sekumpulan kecil kasus, tetapi temuannya seringkali tetap partikularistik dan tidak cocok untuk
digeneralisasikan.
Implikasinya bukan bahwa satu atau pendekatan lain lebih baik untuk analisis data kualitatif. Sebaliknya, masalahnya
adalah membuat pilihan yang disengaja, bergantian dan / atau menggabungkan atau mengintegrasikan metode sebagai
hasil studi. Bab metode dan tampilan yang akan datang akan menunjukkan bagaimana kita dapat fokus pada variabel atau
kasus, atau keduanya secara bersamaan saat kebutuhan analitik muncul.
Strategi untuk Analisis Lintas Kasus

Bagaimana proses peneliti kualitatif dalam menganalisis data dari berbagai kasus?
Di sini kami menguraikan beberapa pendekatan (dan berkonsultasi dengan profil metode di bab selanjutnya untuk informasi
lebih lanjut). Tujuannya di sini adalah untuk menunjukkan pilihan apa yang dapat dibuat saat Anda mendekati pertanyaan
tentang analisis lintas kasus.
Tampilan dapat membantu Anda meringkas dan membandingkan temuan di dalam (dan lintas) kasus, tetapi juga
dapat menjadi pengekang. Mereka mungkin memaksa data menjadi bentuk yang secara dangkal dapat dibandingkan
di seluruh kasus, tetapi Anda sebenarnya mungkin membandingkan hal-hal yang berbeda secara intrinsik pada
dimensi yang ternyata sepele. Sebagai pedoman umum, jika format tampilan dalam kasus untuk studi lintas kasus
sebanding, pekerjaan analis lintas kasus jauh lebih mudah.
Strategi Berorientasi Kasus Yin
(2009) menganjurkan strategi replikasi : Kerangka teori digunakan untuk mempelajari satu kasus secara mendalam,
dan kemudian kasus-kasus yang berurutan diperiksa untuk melihat apakah pola yang ditemukan cocok dengan kasus
sebelumnya. Ini juga berguna untuk memeriksa kasus di mana pola tersebut diharapkan secara teoritis menjadi lebih
lemah atau tidak ada.
Denzin (2001) mendekati masalah melalui beberapa contoh. Masalahnya bukanlah "analisis" sebagai sintesis
interpretatif. Setelah mendekonstruksi konsepsi sebelumnya dari fenomena tertentu (misalnya, diri alkoholik), Anda
mengumpulkan banyak contoh (kasus) dan kemudian "mengikat" atau mengisolasi bagian data yang relevan,
memeriksanya dengan hati-hati untuk elemen atau komponen penting.
Elemen-elemen tersebut kemudian dibangun kembali menjadi suatu kesatuan yang teratur dan dimasukkan kembali ke dalam konteks sosial yang alami.
Banyak peneliti mendekati perbandingan lintas kasus dengan membentuk tipe atau keluarga. Anda memeriksa
kasus dalam satu set untuk melihat apakah mereka masuk ke dalam kluster atau grup yang berbagi pola atau
konfigurasi tertentu. Terkadang kluster dapat diurutkan atau disortir menurut beberapa dimensi. Sebagai contoh,
Morse dan Bottorff (1992) menemukan bahwa 61 ibu menyusui dibagi menjadi empat kelompok: (1) ibu yang dapat
memeras ASI, (2) ibu yang tidak dapat memerah, (3) ibu yang menganggapnya mudah, dan (4) mereka yang
menganggapnya sebagai gangguan. Arti pengalaman itu pada dasarnya berbeda untuk setiap jenis ibu.
Para peneliti biasanya berasumsi bahwa kasus-kasus yang ada kurang lebih dapat dibandingkan, disusun dengan
cara yang serupa. Metasummary, metasynthesis, dan meta-etnografi (Major & Savin-Baden, 2010; Noblit & Hare,
1988; Sandelowski & Barroso, 2007) tidak membuat asumsi seperti itu. Pendekatan-pendekatan ini secara sistematis
menyatukan interpretasi pada dua atau lebih kasus, bahkan jika dilakukan oleh peneliti yang berbeda dengan asumsi
yang berbeda dan tipe partisipan yang berbeda.
Strategi Berorientasi Variabel

Peneliti sering mencari tema yang melintasi kasus. Dinamika kasus seperti itu dilewati atau diremehkan. Misalnya,
Pearsol (1985) mengamati wawancara tentang program kesetaraan gender dengan 25 guru. Setelah pengkodean
induktif yang hati-hati (baik deskriptif maupun interpretatif), dia menemukan tema yang berulang, seperti "kepedulian
terhadap siswa", "pandangan aktivis terhadap perubahan", dan "hambatan terhadap inovasi".
Kemudian, ia juga mengurutkan guru menjadi enam jenis berdasarkan konfigurasi tema.
Strategi Campuran
Itu mungkin, dan biasanya diinginkan, untuk menggabungkan atau mengintegrasikan pendekatan berorientasi
kasus dan berorientasi variabel. Pada sejumlah poin dalam bab metode dan tampilan yang akan datang, kami
menyarankan strategi yang mungkin disebut menumpuk kasus yang sebanding. Anda menulis masing-masing dari
serangkaian kasus, menggunakan set variabel yang kurang lebih standar (dengan kelonggaran untuk keunikan saat
muncul). Kemudian, Anda menggunakan matriks dan tampilan lainnya untuk menganalisis setiap kasus secara
mendalam. Setelah setiap kasus dipahami dengan baik (variabel lintas sektor dapat berevolusi dan berubah selama
proses ini), Anda menumpuk tampilan tingkat kasus dalam "meta-matrix" (yang memiliki kolom dan subkolom, baris
dan subbaris), yang kemudian lebih padat, memungkinkan perbandingan sistematis.
Kami selaras dengan ahli metodologi kualitatif Robert E. Stake (1995), yang merenung, “Penelitian yang baik
bukanlah tentang metode yang baik melainkan tentang pemikiran yang baik” (hal. 19). Pemikiran yang bagus
berarti mencari dan menemukan pola dalam data. Pemikiran yang baik berarti membangun kategori
substansial dari serangkaian kode. Pemikiran yang baik berarti melampaui kelokalan kasus tertentu untuk
menemukan generalisasi dan transferabilitasnya ke konteks lain. Metode penelitian adalah alat yang sangat
baik, tetapi hanya sebaik pengrajin yang menggunakannya.
Bab ini memberikan ikhtisar tentang dasar-dasar analisis untuk dan dengan data kualitatif. Namun itu tidak
dianggap sebagai panduan definitif; lihat Lampiran untuk daftar sumber daya tambahan.
Ini adalah metode dasar untuk strategi yang lebih berorientasi pada tampilan yang mengikuti Bagian Dua.
Bagian 2
Menampilkan Data
Bab 5 - Merancang Tampilan Matriks dan Jaringan
Bab 6 - Metode Penjelajahan
Bab 7 - Metode Menggambarkan
Bab 8 - Metode Pemesanan
Bab 9 - Metode Penjelasan
Bab 10 - Metode Memprediksi

5
Merancang Tampilan Matriks dan Jaringan
Ringkasan Bab
Bab ini memberikan prinsip dasar untuk desain dan isi dari dua metode tampilan analitik: (1) matriks dan (2)
jaringan. Metode-metode ini memadatkan data dan temuan utama dari sebuah penelitian untuk dianalisis lebih lanjut
dan/atau untuk mewakili dan menyajikan kesimpulan.
Isi
pengantar
Opsi Format Tampilan

Matriks
Jaringan
Waktu Desain Tampilan

Memformat Templat Matriks
Memasukkan Matriks dan Data Jaringan
Membuat Inferensi dan Menarik Kesimpulan Dari Matriks dan Jaringan
Profil Metode
pengantar
Teks yang panjang dan tidak direduksi dalam bentuk transkrip wawancara, catatan lapangan, dokumen, dan
sebagainya tidak praktis karena tersebar di banyak halaman dan tidak mudah dilihat secara keseluruhan. Ini berurutan
daripada simultan, sehingga sulit untuk melihat dua atau tiga variabel sekaligus.
Membandingkan beberapa teks yang diperluas dengan hati-hati sangatlah sulit. Biasanya pesanannya buruk, bisa menjadi
sangat besar, dan bisa membuat kita merasa kelebihan beban secara monoton. Keberatan yang sama berlaku dengan
kekuatan yang lebih kuat bagi pembaca laporan akhir kami. Mereka membutuhkan, jika tidak pantas, penyampaian singkat
dari apa yang kami analisis. Dan dalam budaya yang sangat visual ini, menunjukkan daripada memberi tahu dapat memberikan
dampak yang lebih efektif dan berkesan bagi audiens kita.
Tujuan utama dari teks ini adalah untuk mendorong pembuatan dan penyebaran tampilan matriks dan jaringan
untuk data kualitatif. Argumen utama buku ini adalah "Anda tahu apa yang Anda tampilkan."
Analisis yang kredibel dan dapat dipercaya membutuhkan, dan didorong oleh, tampilan yang cukup fokus untuk
memungkinkan tampilan kumpulan data lengkap di lokasi yang sama dan diatur secara sistematis untuk menjawab
pertanyaan penelitian yang ada. Sebuah “kumpulan data lengkap” tentu saja tidak berarti korpus lengkap transkrip
wawancara, catatan lapangan, dokumen, dan sebagainya. Sebaliknya, data yang diringkas dan disaring yang disajikan
diambil dari berbagai macam orang, peristiwa, dan proses yang diteliti. Dengan teks yang diperluas, dapat dengan
mudah terjadi "penumpukan selektif" dari data. Tampilan yang terorganisir mengatasi masalah ini.
Ide tampilan adalah inti dari buku ini. Yang kami maksud dengan “tampilan” adalah format visual yang menyajikan
informasi secara sistematis sehingga pengguna dapat menarik kesimpulan dan mengambil tindakan yang diperlukan.
Meskipun pajangan seperti itu terkadang sibuk, namun tidak akan pernah monoton. Yang paling penting, kemungkinan
menarik dan memverifikasi kesimpulan jauh lebih besar daripada teks yang diperluas, karena tampilan diatur secara
koheren untuk memungkinkan perbandingan yang cermat, deteksi perbedaan, mencatat pola dan tema, melihat tren,
dan sebagainya.
Peneliti kuantitatif memiliki paket perangkat lunak yang dapat mengembangkan tabel, grafik, dan
Peneliti kuantitatif memiliki paket perangkat lunak yang dapat mengembangkan tabel, grafik, dan bagan yang dapat
diterbitkan. Peneliti kualitatif memiliki program CAQDAS untuk pendekatan unik kami terhadap analisis data.
Dan bahkan program Microsoft Office dasar seperti Word dan Excel sudah cukup untuk sebagian besar tampilan matriks dan
jaringan. Tetapi analis kualitatif harus menyusun format tampilan data yang sesuai karena setiap proyek itu unik. Sampai saat
ini, hanya ada sedikit pengaturan data yang sudah dikenal dan disepakati di antara para peneliti kualitatif, sehingga setiap
analis harus mengadaptasinya atau menemukan yang baru. Ide tampilan yang kami tawarkan dalam buku ini tidak lebih dari itu
—ide, bukan resep, untuk tampilan data kualitatif.
Tidak semua orang menyukai matriks dan tampilan jaringan—dan tidak semua orang berpikir secara visual. Tetapi
menampilkan data padat Anda secara sistematis memiliki konsekuensi besar bagi pemahaman Anda. Ini mengharuskan Anda
untuk memikirkan pertanyaan penelitian Anda dan bagian mana dari data Anda yang diperlukan untuk menjawabnya; itu
mengharuskan Anda untuk membuat analisis lengkap, tanpa mengabaikan informasi yang relevan; dan itu memfokuskan dan
mengatur informasi Anda secara koheren. Keunggulan ini diulangi saat Anda menyertakan tampilan dalam laporan akhir;
pembaca dapat menciptakan kembali perjalanan intelektual Anda dengan percaya diri.
Opsi Format Tampilan

Memutuskan dan membuat format untuk menampilkan data kualitatif adalah langkah pertama yang penting.
Template Anda adalah semacam garis besar visual, untuk mengisi data. Formatnya bisa beragam seperti imajinasi analis,
tetapi yang dijelaskan dalam buku ini cenderung terbagi dalam dua keluarga besar:
1. Matriks, dengan baris dan kolom yang ditentukan 2.

Jaringan, serangkaian node dengan tautan (garis dan panah) di antaranya
Entri data, bagaimanapun, bermacam-macam: blok teks pendek, kutipan, frasa, label variabel, peringkat, singkatan, kode,
kategori, angka simbolik, garis berlabel (putus atau padat), panah (satu arah atau dua arah), dan sebagainya pada.
Format tampilan dan isi entri akan bergantung pada apa yang ingin Anda pahami: situasi umum, kronologi mendetail,
tindakan orang dalam peran berbeda, interaksi variabel, dan sebagainya. Dengan kata lain, bentuk mengikuti fungsi: Format
harus selalu didorong oleh pertanyaan penelitian yang terlibat dan konsep pengembangan Anda. Pemformatan menentukan
variabel mana yang akan dianalisis dengan cara apa. Jika suatu variabel tidak disertakan dalam format, itu tidak akan
dibandingkan dengan variabel lain.
Dan itu tergantung pada seberapa jauh Anda dalam studi dan apa yang menjadi prioritas saat ini. Kebutuhannya mungkin
untuk melihat data dengan cara eksplorasi. Atau bisa juga untuk melakukan analisis terperinci; untuk menyiapkan data untuk
digunakan di tampilan lain yang lebih berbeda; untuk menggabungkan data paralel untuk satu kasus; untuk menggabungkan
data dari beberapa kasus; atau untuk melaporkan temuan. Format yang baik akan memungkinkan semua penggunaan ini
sampai taraf tertentu tetapi pasti akan melakukan beberapa dengan baik dan yang lainnya kurang baik.
Mari kita periksa dua keluarga besar pajangan dengan contoh dan ilustrasi.
Matriks
Matriks pada dasarnya adalah "persimpangan" dari dua daftar, yang diatur sebagai baris dan kolom. Mari kita ambil sebuah
lihat format sampel, jelaskan dan beri label sambil jalan.
Tampilan 5.1, sebuah tabel yang digambar dengan perangkat lunak Microsoft Word, ditujukan untuk memahami pengaruh
bantuan yang diberikan ke situs sekolah—Kasus Masepa—oleh berbagai sumber. Ini adalah bagian dari studi peningkatan
sekolah yang mengamati bagaimana inovasi proyek baru diimplementasikan. Format matriks meminta peneliti untuk membahas
lima variabel terkait, untuk membedakan dua di antaranya menurut waktu, untuk mengumpulkan tanggapan, untuk
menyelaraskan beberapa tanggapan sepanjang skala evaluatif, dan untuk menjelaskan pola tanggapan untuk setiap jenis
sumber bantuan. Di sini, informasi yang diringkas dari 30 halaman catatan lapangan telah dikemas menjadi satu halaman.
Perhatikan bahwa datanya adalah abstraksi: Tidak ada tanda kutip, dan generalisasi serta komentar inferensial
lainnya muncul di dua kolom terakhir. Konsekuensi Jangka Panjang dan Penjelasan Peneliti bukanlah ringkasan langsung
dari komentar peserta atau pengamatan peneliti.
Sebaliknya, untuk setiap konsekuensi yang diberikan, seperti yang ada di baris atas (“Pengguna dibantu secara
administratif dan substantif, merasa berkewajiban untuk melakukan ECRI [Pusat Teladan untuk Instruksi Membaca]
dengan adaptasi kecil”), peneliti telah melihat segmen data dalam tiga kolom sebelumnya, periksa untuk melihat apakah
mereka berpola dalam beberapa cara, dan menggambar generalisasi orde kedua. Dalam hal ini (lihat baris pertama,
kolom pertama—Administrasi Gedung), tema-tema seperti “Memudahkan jadwal”, “Konsultasi, menawarkan solusi”,
“Mengurangi tekanan, mendorong”, “Membantu implementasi awal”, dan Penilaian Pengguna atas kode besaran yang
umumnya positif semuanya menyarankan penerimaan bantuan dan rasa kewajiban pengguna untuk implementasi yang
cukup setia.
Proses inferensi induktif serupa terjadi di bawah Penjelasan Peneliti.
Secara keseluruhan, matriks adalah format tabular yang mengumpulkan dan mengatur data agar mudah dilihat di
satu tempat, memungkinkan analisis terperinci, dan menetapkan tahapan untuk analisis lintas kasus nanti dengan yang lain.
kasus atau situs yang sebanding. Seiring kemajuan bab, Anda akan belajar bagaimana matriks dapat mengurutkan data
berdasarkan kasus atau waktu dan dapat mengatur dan menumpuk selnya sedemikian rupa untuk membuat meta-matriks,
yang berisi beberapa baris dalam satu baris dan banyak kolom dalam satu baris. kolom.
Jaringan
Jaringan adalah kumpulan node atau titik yang dihubungkan oleh tautan atau garis yang menampilkan aliran tindakan,
peristiwa, dan proses peserta. Jaringan cocok untuk pendekatan berorientasi kasus yang menciptakan kembali "plot" peristiwa
dari waktu ke waktu, serta menunjukkan keterkaitan yang kompleks antar variabel. Mereka memberi kita jenis narasi yang
cenderung dipotong secara analitis dalam matriks. Mereka sangat membantu ketika Anda ingin fokus pada banyak variabel
pada saat yang sama untuk informasi yang mudah dianalisis secara sekilas.
Tampilan 5.2 adalah model jaringan dari studi McCammon et al. (2012) tentang bagaimana kelas pidato sekolah menengah
memengaruhi dan memengaruhi remaja dan masa dewasa mereka setelah lulus. Jaringan tersebut merupakan garis besar
dari “poin plot” untuk narasi penelitian yang menyertainya.
Peragakan
5.2 Model Jaringan “Dampak Seumur Hidup” Dari Partisipasi Pidato Sekolah Menengah Atas
Sumber: Saldaña, J. (2013). Manual pengkodean untuk peneliti kualitatif (edisi ke-2). Thousand Oaks, CA: Publikasi Sage.
Pepatah dari kisah penelitian ini—teori—yang dikemukakan oleh simpul oval adalah sebagai berikut: Ketika Remaja
mendaftar di Kelas Pidato sekolah menengah , mereka mendapatkan Keyakinan sebagai Remaja dan Dewasa.
Tapi alur cerita itu terlalu tipis dan perlu disempurnakan melalui narasi analitik. Simpul persegi panjang yang melekat pada
Kelas Bicara menunjukkan bahwa konten kelas harus dipimpin oleh seorang guru yang memberikan Pembinaan yang Baik.
Siswa juga harus merasa bahwa mereka adalah bagian dari komunitas kelas melalui Sense of Belonging.
Tidak semua kecuali beberapa siswa dari kelas tersebut berpartisipasi dalam turnamen pidato ekstrakurikuler atau
Kompetisi forensik (debat, berbicara tanpa persiapan, interpretasi lisan sastra, dll.).
Dengan demikian, lintasan atau aliran terpisah ditarik. Responden bersaksi bahwa keikutsertaan dalam acara ini
mengembangkan Persahabatan, rasa Penerimaan dan Status, dan dengan demikian Pengaruh Positif, terutama bagi mereka
yang mencapai prestasi Menang di acara kompetitif ini.
Terlepas dari apakah seseorang menang atau tidak, hasil yang dinyatakan responden adalah Keyakinan—baik sebagai
Remaja dan kemudian sebagai Orang Dewasa.
Panah dua arah antara Kelas Bicara dan Keyakinan Remaja dan Dewasa menunjukkan efek siklus atau interaktif: Semakin
banyak kelas bicara yang Anda ikuti, semakin percaya diri Anda; semakin percaya diri Anda, semakin besar kemungkinan
Anda terus berpartisipasi dalam kelas dan kompetisi pidato.
Jaringan juga merupakan heuristik yang efektif untuk analisis tingkat tinggi seperti membedakan penyebab, menganalisis
tren longitudinal, dan mengembangkan hipotesis dan teori. Mereka tidak lebih mudah atau
lebih sulit untuk dibuat daripada matriks—kedua bentuk tampilan membutuhkan waktu dan pemikiran yang sebanding
untuk merancang dan merakit. Program CAQDAS tertentu, bagaimanapun, dapat sangat membantu konstruksi jaringan
yang kompleks. Tampilan 5.3 mengilustrasikan kemampuan QDA Miner 4 untuk “menghitung” dan menyusun jaringan
kode tiga dimensi sebagai simpul berbobot, dengan tautan yang menunjukkan keterkaitan.
Grafik ini sangat membantu sebagai diagnostik analisis data yang sedang berlangsung dan sebagai tampilannya sendiri
untuk laporan akhir.
Lihat Knowlton dan Phillips (2013) untuk koleksi beragam desain grafis model logika dan Tabel Periodik Metode
Visualisasi online untuk ide tambahan (http://www.visual literasi.org/periodic_table/periodic_table.html).
Waktu Desain Tampilan

Kapan format tampilan harus dibuat? Tampilan analitik dapat dikembangkan baik selama atau setelah pengumpulan
data. Mereka dapat memberikan temuan awal tentang apa yang terjadi dalam kasus tersebut dan menyarankan petunjuk
menuju data baru. Nanti, karena deskripsi yang lebih lengkap dan lebih lengkap sudah tersedia, tampilan ini dapat
menyediakan bahan dasar untuk penjelasan tingkat yang lebih tinggi — yaitu, alasan yang masuk akal mengapa hal-hal
terjadi sebagaimana adanya.
Jika format tersedia selama pengumpulan data, ini membantu menghemat energi dengan mendorong fokus: Anda
tahu informasi apa yang Anda perlukan. Tetapi ada beberapa peringatan di sini. Pertama, data kualitatif berkembang;
akun selanjutnya melengkapi, memenuhi syarat, menempatkan dalam perspektif, dan mendiskualifikasi yang sebelumnya.
Analis mengintai, menyelidiki, dan melihat kedua dan ketiga. Jadi ada risiko memasukkan data ke dalam format yang
ditetapkan terlalu cepat.
Tampilan 5.3
Peta QDA Miner 4 3-D dari Jaringan Kode
Sumber: Courtesy of Provalis Research, www.provalisresearch.com.
Selain itu, untuk pertanyaan atau masalah penelitian apa pun, Anda dapat mengembangkan banyak tampilan berbeda
(secara harfiah lusinan) menggunakan kumpulan variabel yang sama. Setiap tampilan membuat asumsi yang agak
berbeda; masing-masing memiliki trade-off antara keuntungan dan biaya. Peringatan lainnya adalah bahwa format
tampilan juga hampir selalu berkembang. Yang terakhir lebih sensitif data daripada yang sebelumnya, karena semuanya
menjadi lebih jelas.
Jadi, saran umum kami adalah membuat format kasar lebih awal selama pengumpulan data dan merevisinya ke keadaan
yang lebih tegas menjelang akhir pengumpulan data, ketika format tersebut dapat didasarkan lebih kontekstual dan empiris.
Berharap untuk membuat beberapa lintasan atau iterasi sebelum format pertama tampilan berfungsi dengan benar. Uji format
yang diusulkan dengan memasukkan data. Format yang tidak dapat dijalankan atau membingungkan, atau format yang tidak
menyertakan semua data yang relevan, akan muncul dengan sendirinya dengan cepat.
Memformat Templat Matriks

Tidak ada kanon tetap untuk membangun sebuah matriks. Sebaliknya, pembuatan matriks adalah tugas yang kreatif namun
sistematis yang meningkatkan pemahaman Anda tentang substansi dan makna basis data Anda, bahkan sebelum Anda mulai
memasukkan informasi. Jadi, masalahnya bukan apakah Anda sedang membangun matriks yang “benar” tetapi apakah itu matriks
yang membantu yang akan memberi Anda jawaban yang masuk akal atas pertanyaan yang Anda ajukan atau menyarankan cara
baru yang menjanjikan untuk menyusun data untuk mendapatkan jawaban. Pada level yang lebih dalam, pesan dari buku ini
bukanlah “Use these matrices” tetapi “Think display. Beradaptasi dan menciptakan format yang akan memberikan yang terbaik
bagi Anda.”
Dengan pilihan-pilihan ini, apa yang dapat kita katakan secara informal tentang cara terbaik dan termudah untuk membuat
template/garis besar/kerangka kerja tampilan matriks? Kami menyatakan ini dengan cepat, sebagai saran yang ramah dan bukan
sebagai resep yang keras:
• Lihat pertanyaan penelitian Anda dan variabel kunci, dan pikirkan data yang tersedia atau akan tersedia. Sketsa garis
besar matriks secara kasar menggunakan kertas dan pensil. • Dapatkan seorang rekan untuk melihat format awal
Anda, untuk membantu Anda mendeteksi asumsi Anda
membuat dan menyarankan cara alternatif untuk menampilkan data Anda.
• Siapkan template matriks dengan menggunakan program teks, manajemen basis data, atau perangkat lunak
CAQDAS. Usahakan agar tampilan benar-benar dapat dibaca di layar monitor Anda atau di selembar kertas
cetakan, jika memungkinkan. Anda harus bisa melihat semuanya sekaligus.
• Jangan mencoba memasukkan lebih dari selusin variabel dalam baris atau kolom; lima atau enam lebih mudah dikelola.
Jika Anda tertarik pada desain dengan jumlah variabel yang lebih banyak, rencanakan untuk mengelompokkan atau
mempartisinya sebagai meta-matriks. Akibatnya, kelompokkan kembali matriks menjadi "aliran" atau "keluarga" yang
berdekatan.
• Matriks paling sederhana disusun dalam dua dimensi. Anda memiliki pilihan untuk pindah ke lebih banyak
kompleksitas jika data menuntutnya dengan membuat partisi untuk meta-matriks — baris dalam satu baris dan/atau
kolom dalam kolom (untuk diilustrasikan dalam bab yang akan datang). • Jika matriks adalah matriks terurut, perkirakan
untuk mentranspos baris dan kolom untuk beberapa saat sampai Anda mendapatkan versi yang memuaskan. Sebagian
besar perangkat lunak berbasis teks, manajemen basis data, dan program CAQDAS dapat melakukannya dengan cukup
mudah.
• Selalu tetap terbuka terhadap ide penambahan baris atau kolom baru, bahkan di akhir analisis Anda
operasi.
• Buat baris dan kolom cukup halus untuk mengakomodasi perbedaan yang berarti
data tetapi tidak terlalu bagus untuk mengubur Anda di bawah detail sembarangan.
• Perlu diingat bahwa setiap pertanyaan penelitian tertentu mungkin memerlukan serangkaian tampilan; untuk
Misalnya, matriks deskriptif awal yang dipesan sebagian dapat mengarah ke tabel ringkasan kecil dan kemudian ke
tampilan jaringan. Pikirkan terlebih dahulu kemungkinan ini, tetapi biarkan bentuk matriks baru muncul saat analisis
berlangsung.
Membuat template matriks biasanya hanya dalam beberapa menit; merevisinya saat item data awal dimasukkan juga
merupakan pekerjaan cepat. Hampir semua program CAQDAS dapat mengaktifkan pemformatan ulang saat data dimasukkan
dan dikodekan. Waktu yang dibutuhkan untuk memasukkan data ke dalam tampilan sebenarnya bergantung pada hal-hal berikut:
(a) jumlah variabel atau dimensi dalam tampilan, (b) jumlah responden dan kasus, dan (c) jenis dan jumlah transformasi yang
dilakukan.
Jenis judul baris dan kolom atau label bin jaringan apa yang memungkinkan? Set hampir
tak terhingga, mulai dari kasus hingga variabel. Sebagai ilustrasi, berikut adalah contoh jenis yang diadaptasi dari Gobo
(2008), Lofland, Snow, Anderson, dan Lofland (2006), dan Bogdan dan Biklen (2007). Untuk konkretnya, kami menggunakan
contoh dari pengaturan perawatan kesehatan:
Individu: Jane Hughes, RN, pasien Dr. Luis Garcia,

Peran: perawat, dokter, administrator pasangan pasien,
Hubungan dan grup: perawat residen, staf unit perawatan intensif, departemen akuntansi, ruang operasi
tim bedah, ruang gawat darurat, kafetaria Rumah Sakit Samaria yang Baik,
Pengaturan dalam situs: organisasi pemeliharaan kesehatan pusat kota Spesifik tindakan (apa yang
Situs secara keseluruhan: ditanyakan orang, jawaban, mendengarkan, pemberian informasi, lakukan dan
katakan): menghibur Acara (penerimaan yangserangkaian
teratur, ditandai, operasi, pelepasan
tindakan kejadian atau
yang terhubung): kejadian):
Strategi Kegiatan
(kegiatan (terjadi secara
yang ditujukan
menuju beberapa tujuan): Makna dankebencian
perspektif terhadap
(bagaimana
senioritas
orang menafsirkan
dokter, pro-pilihan
peristiwa):
versus
Sikap,
pro-kehidupan,
nilai, dan keyakinan:
putaran besar, tes lab, penagihan
rencana rehabilitasi, konseling gizi, pengobatan radiasi
pandangan pasien dan dokter tentang diagnosis HIV-positif, pengalaman

persalinan dan persalinan
kecemasan pasien
Emosi dan keadaan: moral staf, ketakutan pasien, penyembuhan luka
Proses (aliran yang sedang kondisi kritis, pemulihan, triase, pengambilan keputusan, dukungan sosial,
berlangsung, fase, tahapan, siklus, berkabung
perubahan seiring waktu):
Memasukkan Matriks dan Data Jaringan
Umumnya, pilihan data untuk entri tampilan harus didorong oleh judul baris dan kolom tertentu yang terlibat atau oleh
definisi node dan link jaringan Anda. Tapi tugas-tugas yang tampaknya mudah ini adalah masalah penting dalam analisis
data kualitatif. Kesimpulan yang diambil dari tampilan tidak akan pernah lebih baik dari kualitas data yang dimasukkan.
Matriks atau jaringan yang lengkap mungkin terlihat koheren, masuk akal, dan menarik, tetapi jika data dikumpulkan dengan
buruk sejak awal atau dimasukkan dengan tergesa-gesa, tidak terpartisi, atau cara yang tidak jelas, kesimpulannya
mencurigakan. Kami menawarkan beberapa pedoman di bawah ini untuk memasukkan data ke dalam format tampilan:
• Bahkan matriks yang padat hanya menampilkan persentase yang sangat kecil dari data yang tersedia. Selalu ada banyak
pilihan dan kondensasi dari kumpulan catatan lapangan. Waspadai bagaimana Anda membuat pilihan itu dan
bagaimana Anda merebus datanya. Anda tidak membuang catatan lapangan Anda —Anda selalu dapat merujuk
kembali ke materi lengkap.
• Lebih banyak informasi lebih baik daripada lebih sedikit: Entri sel yang terlalu tipis menjauhkan Anda dari arti
data.
• Jelaskan tentang bentuk dan jenis data yang ingin Anda masukkan: kutipan langsung, parafrase, umum
penilaian ringkasan, peringkat, dan sebagainya.
• Gunakan fungsi pencarian kode dan perangkat lunak untuk menemukan materi kunci. Memasukkan data ini banyak
lebih mudah dengan perangkat lunak berbasis teks, manajemen basis data, atau program CAQDAS yang memiliki banyak layar;
mereka mengizinkan Anda untuk mengambil potongan kode ke satu layar atau wilayah dan untuk memilih/mengedit/
memadatkannya di layar atau wilayah lain.
• Simpan catatan eksplisit tentang “aturan keputusan” yang Anda ikuti dalam memilih potongan data untuk dimasukkan
• Catat secara eksplisit “aturan keputusan” yang Anda ikuti dalam memilih potongan data untuk dimasukkan (misalnya, sejauh
mana kesepakatan di antara responden atau tipe data, intensitas perasaan responden, dasar untuk membuat penilaian atau
peringkat). Jika tidak, Anda mungkin menipu diri sendiri secara retrospektif, lupa bagaimana Anda melakukannya, atau
mengubah aturan keputusan Anda selama proses tersebut. • Ketika data hilang, ambigu, atau tidak diminta dari responden
tertentu, tunjukkan ini
secara eksplisit di layar.
• Jangan mengunci format Anda hingga nanti dalam proses. Memasukkan data menguji kecukupan, realisme,
dan kegunaan format tampilan. Terus revisi sesuai kebutuhan.
• Bersikaplah terbuka untuk menggunakan angka, besaran langsung, atau penilaian dalam bentuk peringkat, skala, atau
kode magnitudo, bila berlaku untuk penelitian.
• Dapatkan kolega untuk meninjau tampilan Anda, bersama dengan aturan keputusan dan bidang tertulis Anda
catatan, untuk memeriksa kecukupan prosedural pekerjaan Anda. Audit semacam itu memakan waktu, tetapi digunakan
secara selektif, ini merupakan pemeriksaan penting pada "konfirmasi" prosedur yang Anda gunakan.
Anda selalu memiliki pilihan tentang level dan jenis data yang akan dimasukkan. Misalnya, Anda bisa
termasuk yang berikut:
Kutipan langsung, kutipan dari “Ahli bedah pada dasarnya adalah tipe macho-yang terbaik, maksudku. Mereka harus,
catatan lapangan tertulis: tetapi mereka tidak dapat menahannya.
Ringkasan, parafrase, atau abstrak: Pengacara pasien tampaknya semakin tidak dipercaya. Aturan penggunaan waktu
penduduk sebagian besar diabaikan.
Penjelasan peneliti: Ketidakpastian pasien tentang diagnosis adalah fungsi dari kondisi yang mengancam
jiwa dan penggunaan penolakan sebagai penyangga.
Peringkat atau ringkasan Perilaku pengurangan risiko setelah bypass kardiovaskular: lebih buruk, tidak ada
penilaian: Kombinasi di atas: perubahan, membaik, jauh lebih baik.
Pengurangan risiko: ditingkatkan. Diet ("Saya bahkan mencoba brokoli"), beberapa olahraga (berjalan 20-30 menit setiap
hari), dan merokok (dikurangi, sedang mempertimbangkan untuk menggunakan
patch nikotin).
Membuat Inferensi dan Menarik Kesimpulan Dari Matriks dan

Jaringan
Tes dari tampilan apa pun adalah apa yang membantu Anda memahami — dan seberapa dapat dipercaya pemahaman itu.
Dalam lima bab berikutnya, akan ada banyak taktik khusus untuk penarikan kesimpulan dan verifikasi melalui penggunaan huruf
tebal. Masing-masing memiliki kelebihan dan kekurangannya masing-masing, yang akan kita bahas di Bab 11. Di sini, kami
menawarkan beberapa saran umum pendahuluan:
• Selalu membantu untuk memulai dengan pemindaian cepat— "analisis juling" atau "mengamati" ke bawah
kolom dan melintasi baris dan melalui jalur jaringan untuk melihat apa yang muncul. Kemudian, verifikasi, revisi, atau
putuskan kesan tersebut melalui peninjauan yang lebih cermat. • Setiap tampilan yang diberikan akan selalu memiliki
beberapa taktik yang digunakan di dalamnya. Yang paling sering kami gunakan untuk menarik kesimpulan pertama adalah
mencatat pola, tema; membuat kontras, perbandingan; kekelompokan; dan menghitung. • Tampilan tidak pernah
berbicara sendiri—baik untuk Anda atau pembaca; teks pendamping selalu dibutuhkan. Saat kesimpulan terbentuk di
benak Anda, selalu tulis teks yang menjelaskannya. Buatlah kesimpulan Anda secara eksplisit. Proses penulisan pasti
mengarah pada perumusan ulang, kejelasan tambahan, dan ide untuk analisis lebih lanjut. Menulis itu sendiri merupakan
bentuk analisis.
• Kesimpulan pertama yang ditarik dari tampilan hampir selalu perlu diperiksa dengan catatan lapangan tertulis. Jika sebuah
kesimpulan tidak benar di "tingkat dasar" ketika Anda mencobanya di sana, itu perlu direvisi. Lihatlah data mentah untuk
mencegah hal ini. Lebih baik lagi, tanyakan kepada rekan penelitian Anda dan para peserta itu sendiri, jika memungkinkan.
• Setiap kesimpulan awal biasanya memerlukan konfirmasi, pengecekan, dan verifikasi. Yang paling
Taktik yang sering kami gunakan adalah sebagai berikut: menindaklanjuti kejutan, triangulasi, membuat
tes jika-maka, dan memeriksa penjelasan saingan. • Pastikan pemahaman deskriptif Anda jelas pada
tingkat individu atau dalam kasus terlebih dahulu
sebelum Anda mencoba memahami pola lintas kasus.
• Ingatlah bahwa analisis biasanya harus melampaui penjumlahan deskriptif dan mencapai penjelasan. Perjelas
implikasi konseptual dari kesimpulan Anda—yaitu, bagaimana kesimpulan tersebut terkait dengan teori perilaku
sosial Anda atau orang lain. Analisis yang menghasilkan kesimpulan yang dapat diverifikasi tetapi maknanya
buruk tidak banyak berguna bagi siapa pun.
Kesimpulan tentang tampilan data biasanya muncul dalam apa yang kita sebut teks atau narasi analitik.
Narasi analitik menarik perhatian ke fitur data yang ditampilkan dan membuatnya masuk akal, menyatukannya dan
memungkinkan analis untuk menarik kesimpulan dan menambahkan interpretasi. Ini juga mendorong kembali ke catatan
lapangan untuk berkonsultasi dengan informasi yang tidak ada di layar dan menambahkannya ke teks untuk kejelasan
lebih lanjut. Karena tampilan tidak berbicara sendiri, teks analitik tidak berdiri sendiri tanpa mengacu pada tampilan.
Nyatanya, tindakan menulis teks saat Anda merenungkan makna tampilan itu sendiri merupakan alat pemfokusan dan
pemaksaan yang mendorong analisis lebih lanjut. Menulis tidak datang setelah analisis; itu adalah analisis, terjadi saat
penulis memikirkan makna data dalam tampilan. Menulis adalah berpikir, bukan laporan pemikiran.
Tetap terbuka pada pertanyaan apakah format tampilan yang Anda gunakan untuk analisis harus sama dengan
tampilan yang digunakan untuk pelaporan akhir (jawabannya sering kali “ya”). Pembaca dapat melihat sendiri bagaimana
kesimpulan diambil, daripada diberikan ringkasan hasil studi untuk diambil berdasarkan keyakinan.
Kadang-kadang, tentu saja, tampilan akan digunakan untuk tujuan menengah dan belum tentu ditampilkan kepada
pembaca laporan akhir.
Tradisi menyajikan data dasar tertanam kuat dalam laporan analisis data kuantitatif, sedemikian rupa sehingga tidak
terpikirkan oleh seorang peneliti untuk menyajikan kesimpulan tanpa tabel data atau, setidaknya, tanpa referensi ke
dokumen kerja yang memuatnya. Kami percaya bahwa norma yang sama harus diterapkan pada peneliti kualitatif yang
bekerja dalam genre penyelidikan tradisional tertentu (misalnya, etnografi, grounded theory, analisis isi, penelitian evaluasi,
dll.). Beberapa tampilan data harus menjadi bagian normal dari pelaporan temuan dan kesimpulan. Dalam beberapa
kasus, tentu saja, tabel ringkasan atau versi yang sudah direbus mungkin cukup. Di mana matriks atau jaringan dasar
tidak disajikan, Anda berutang penjelasan yang jelas kepada pembaca tentang metode analisis yang digunakan untuk
sampai ke teks. Bagaimanapun, ingat apa yang dibutuhkan pembaca dari tampilan. Kami hampir tidak bisa berbuat lebih
baik daripada mengutip Tufte (1986), terutama berbicara tentang pekerjaan kuantitatif tetapi dengan relevansi untuk
peneliti kualitatif:
Apa yang kami cari dalam tampilan informasi grafis dan tabular adalah penggambaran kompleksitas yang jelas. Bukan kerumitan
dari yang sederhana; alih-alih tugas perancang adalah memberikan akses visual ke yang halus dan sulit—yaitu, penyingkapan
kompleks. (hal.80)
Seperti kata pepatah, "Segala sesuatu bisa rumit tanpa menjadi rumit."
Profil Metode
Dalam lima bab berikutnya, masing-masing profil metode akan disajikan dalam format berikut:
• Deskripsi: Metode ini dijelaskan secara singkat dengan mengacu pada tampilan yang menyertainya. • Aplikasi:
Bagian ini menguraikan tujuan metode dan penggunaan yang direkomendasikan untuk
studi atau tujuan penelitian tertentu.
• Contoh: Studi yang diambil dari karya rekan penulis sebelumnya digunakan untuk mengilustrasikan tampilan,
desain, dan entri data. • Analisis: Pembahasan bergeser ke bagaimana data yang terkumpul dalam matriks
atau jaringan dianalisis dan diinterpretasikan oleh para peneliti. Rekomendasi untuk aplikasi pembaca juga
disediakan.
• Catatan: Komentar tambahan atau penutup tentang metode ini ditawarkan.
Panjang profil bervariasi, tergantung pada kompleksitas metode. Mereka dikelompokkan menjadi
subkategori dalam setiap bab, jika sesuai, jika memiliki tujuan yang sama.
Kami juga menekankan di sini bahwa nama yang kami berikan untuk metode dan tampilan kami adalah untuk
memudahkan deskripsi, bukan untuk standardisasi. Siapa yang peduli apakah itu "matriks meta deskriptif yang disusun
berdasarkan kasus" atau "matriks prediktor-hasil-konsekuensi"? Namanya mungkin terdengar seperti jargon, tapi
jangan khawatir; masalahnya adalah bagaimana tampilan tertentu berfungsi dan bagaimana tampilan tersebut dapat
meningkatkan pemahaman Anda tentang data. Semua metode dan tampilan dapat disesuaikan untuk memenuhi
kebutuhan studi tertentu. Jika tampak terlalu rumit, sederhanakan; mereka dapat dimodifikasi dengan mudah untuk
studi di mana kasusnya adalah beberapa individu. Tidak setiap metode tunggal harus digunakan untuk setiap studi.
Ambil hanya apa yang berguna untuk maksud dan tujuan penelitian Anda. Fokus pada yang bisa dilakukan sambil
menjaga kekayaan sebanyak yang Anda bisa.
Bab ini memberikan dasar untuk rangkaian bab berikutnya—yaitu, metode menampilkan dan menganalisis data
kualitatif melalui lima modalitas: (1) mengeksplorasi, (2) mendeskripsikan, (3) mengurutkan, (4) menjelaskan, dan
(5) memprediksi. . Anda dianjurkan untuk membaca Bab 6 sampai 10 secara berurutan, karena teknik-teknik dari
satu strategi biasanya digunakan pada strategi berikutnya.
6
Metode Penjelajahan
Ringkasan Bab
Bab ini memaparkan metode menampilkan data untuk menyediakan kompilasi awal untuk eksplorasi.
Itu adalah metode untuk mendokumentasikan kerja lapangan yang sedang berlangsung, mengeksplorasi variabel yang menonjol
saat muncul, dan menyiapkan garis besar awal untuk laporan akhir.
Isi
pengantar
Menjelajahi Pekerjaan Lapangan yang Sedang Berlangsung
Log Akuntansi Data

Formulir Ringkasan Kontak
Rapat Analisis Kasus
Ringkasan Kasus Sementara
Meta-Matriks Terurut Sebagian
Matriks Efek Penjelasan
Menjelajahi Variabel
Matriks Daftar Periksa
Tabel Ringkasan Konten-Analitik

Tabel Kontras
Matriks Berurutan Kasus Dua Variabel
Menjelajahi Laporan yang Sedang Berlangsung

Kasus Pra-terstruktur
Analisis Berurutan
pengantar
Secara teoritis, hampir segala sesuatu tentang studi penelitian dapat dieksplorasi dengan satu atau lain cara, mulai dari
konseptualisasi awal hingga penulisan akhir. Tetapi eksplorasi dalam bab ini mengacu pada metode yang bersifat dokumenter dan
sementara dalam analisisnya—upaya “draf pertama”, jika Anda mau, untuk memahami data kualitatif. Tampilan eksplorasi belum
tentu dikembangkan untuk publikasi akhir. Mereka dimaksudkan sebagai heuristik bagi peneliti untuk menganalisis data yang sedang
berlangsung. Dalam mode eksplorasi, seolah-olah kita sedang mencoba memecahkan masalah yang tidak dinyatakan atau ambigu,
yang harus dibingkai dan dibingkai ulang seiring berjalannya waktu. Wolcott (1992) membicarakan hal ini sebagai pendekatan "teori
pertama" atau "teori setelah". Keduanya bisa diterapkan.
Menjelajahi Fieldwork in Progress menjelaskan metode untuk menjaga agar peneliti tidak kewalahan oleh akumulasi data kualitatif
yang sangat banyak. Itu adalah cara untuk tetap berada di depan permainan melalui ringkasan dan sintesis sesekali. Menjelajahi
Variabel melihat elemen penyusun korpus data untuk memeriksa sifat, dimensi, dan kualitas keseluruhannya. Dan Exploring Reports
in Progress menunjukkan bagaimana penulisan dibuat dari waktu ke waktu dan berkontribusi untuk studi lebih lanjut.
Menjelajahi Pekerjaan Lapangan yang Sedang Berlangsung

Log akuntansi data adalah alat pencatatan untuk jenis dan jumlah data yang dikumpulkan. Formulir ringkasan
kontak adalah formulir satu halaman yang mencatat data paling menonjol dari kunjungan situs lapangan. Pertemuan
analisis kasus secara sistematis mendokumentasikan diskusi tim peneliti tentang sebuah studi, hingga saat ini.
Ringkasan kasus sementara adalah draf sementara dari penelitian lapangan dan laporan tertulisnya, hingga saat ini.
Meta -matrix yang dipesan sebagian adalah kumpulan draf pertama dari data paling relevan dari studi ke dalam
tampilan komposit. Dan matriks efek penjelas adalah plot awal kemungkinan penyebab untuk penjelasan analitik
yang lebih mendalam.
Log Akuntansi Data

Keterangan
Log akuntansi data adalah metode manajemen yang hanya mendokumentasikan pada satu formulir kapan dan
jenis data apa yang telah dikumpulkan dari peserta dan situs tertentu. Analis masuk ke setiap sel ketika satu set
data ada di tangan, ditambah catatan tambahan (lihat Tampilan 6.1).
Aplikasi
Log akuntansi data sangat dianjurkan untuk semua studi kualitatif sebagai pencatatan dan manajemen yang
baik, terutama bagi mereka yang memiliki banyak peserta atau lokasi. Metode ini mungkin terlihat melelahkan,
bahkan terlalu bersemangat, tetapi hasilnya lumayan. Dalam penelitian lapangan, Anda kehilangan pandangan
terlalu cepat tentang seberapa banyak — dan jenis apa — data yang telah dikumpulkan dari berbagai peserta.
Karena data ini seringkali menguatkan—memverifikasi penjelasan yang diberikan oleh orang lain, menguji
hipotesis atau kesimpulan yang muncul—ketidakhadiran mereka lebih dari sekadar “data yang hilang”, seperti
dalam survei kuantitatif. Mereka adalah batu bata bukti di mana analisis dapat dibangun.
Contoh
Tampilan 6.1 mengilustrasikan log akuntansi data studi skala kecil, dengan mencatat peserta utama di judul
kolom dan formulir data di baris. Tanggal, catatan tambahan, dan tanda konfirmasi yang dibuat oleh peneliti
telah dimasukkan untuk dokumentasi korpus secara sekilas. Perangkat lunak Excel awalnya digunakan untuk
membuat tampilan.
Analisis
Pindaian formulir menunjukkan pengumpulan data sedang berlangsung dan, menjelang akhir penelitian, catatan
korpus yang telah selesai. Refleksi pada log mungkin menyarankan bentuk data tambahan yang diperlukan atau
yang dapat dikumpulkan. Salinan log akuntansi data dapat dilampirkan ke Formulir Ringkasan Kontak (diprofilkan
berikutnya) dan digunakan dalam merencanakan langkah selanjutnya dalam pengumpulan data. Log juga dapat
berfungsi sebagai referensi auditor atau sebagai lampiran laporan teknis.
Catatan
Anda dapat membuat log akuntansi data sedetail yang Anda butuhkan. Sel dapat dikhususkan untuk
mengonfirmasi apakah peserta yang berbeda dari beberapa lokasi lintas kasus telah ditanyai pertanyaan
wawancara khusus yang sama dari protokol atau apakah peneliti telah mengumpulkan bentuk data yang cukup
untuk membantu menjawab serangkaian pertanyaan penelitian tertentu.
Formulir Ringkasan Kontak

Keterangan
Formulir ringkasan kontak adalah dokumen satu halaman dengan beberapa pertanyaan fokus atau ringkasan
tentang kontak bidang tertentu. Pekerja lapangan mengulas catatan lapangan tertulis dan menjawab setiap
pertanyaan secara singkat untuk mengembangkan ringkasan keseluruhan poin utama dalam kontak (lihat
Tampilan 6.2).
Penerapan
Setelah kontak lapangan (dari satu hingga beberapa hari) dan pembuatan tulisan, sering kali ada
kebutuhan untuk berhenti sejenak dan merenungkan, “Apa konsep, tema, masalah, dan pertanyaan utama
yang saya lihat dan dengar selama ini? kontak?" Tanpa refleksi seperti itu, mudah tersesat dalam detail yang rumit.
Formulir ringkasan kontak adalah cara yang cepat dan praktis untuk melakukan pemadatan data yang
dijalankan pertama kali tanpa kehilangan informasi dasar apa pun yang dirujuknya. Itu menangkap kesan dan
refleksi yang bijaksana dan membuatnya tersedia untuk refleksi dan analisis lebih lanjut tidak hanya oleh pekerja
lapangan tetapi juga oleh anggota tim lainnya.
Tampilan
6.2 Formulir Ringkasan Kontak: Ilustrasi (Kutipan)

Contoh
Pertama, perjelas tentang apa yang Anda atau anggota tim riset Anda perlu ketahui sekarang tentang kontak
lapangan tertentu, dengan tulisan yang nantinya dapat mencapai lusinan halaman. Pertanyaan mana yang akan
sampai ke inti dari kumpulan data? Berikut beberapa kemungkinannya:
• Orang, peristiwa, atau situasi apa yang terlibat? • Apa

tema atau isu utama dalam kontak tersebut?
• Pertanyaan penelitian mana dan variabel mana dalam kerangka awal yang menjadi acuan kontak tersebut
paling terpusat?
• Penegasan, proposisi, hipotesis, spekulasi, atau firasat baru apa tentang situasi lapangan yang
disarankan oleh kontak? • Di mana pekerja lapangan harus menempatkan energi paling banyak
selama kontak berikutnya, dan jenis apa
informasi harus dicari?
Pertanyaan harus disusun dalam satu lembar kertas (atau dalam batas ruang satu halaman a
program berbasis teks), dengan ruang untuk jawaban pekerja lapangan. Mengidentifikasi informasi tentang kasus, kontak
tertentu, pekerja lapangan, dan tanggal juga harus dicantumkan.
Data pada formulir ringkasan kontak pada dasarnya adalah frasa atau kalimat yang dianggap oleh pekerja lapangan
sebagai jawaban atas pertanyaan formulir setelah penulisan lengkap kontak ditinjau dan diperbaiki. Pada titik ini, Anda
memiliki perspektif yang menggabungkan kesegeraan dengan tinjauan reflektif tentang apa yang terjadi dalam kontak
tersebut. Anda dapat memasukkan komentar reflektif Anda sendiri, serta pertanyaan yang harus dijawab, selama kontak
berikutnya. Menunggu hingga data lengkap kontak telah dikodekan secara menyeluruh dan lengkap mungkin sudah terlambat.
Selain itu, proses pengkodean biasanya menambahkan begitu banyak pemikiran selanjutnya tentang kontak sehingga apa
yang awalnya ada di catatan mungkin terkubur atau terdistorsi.
Tampilan 6.2 memperlihatkan kutipan dari sebuah contoh. Perhatikan bahwa Pertanyaan 2 dan 4 dari formulir ini
menunjukkan bahwa pekerja lapangan memulai dengan serangkaian "pertanyaan sasaran" yang terfokus. Itu berguna ketika
waktu Anda terbatas. Informasi pada setiap pertanyaan dirangkum, dan pertanyaan target baru diajukan untuk kunjungan
berikutnya. Beberapa dari pertanyaan ini berasal dari pertanyaan penelitian latar belakang (Bagaimana pengguna benar-
benar memandang inovasi?), dan beberapa diprovokasi oleh data yang dikumpulkan selama kunjungan (misalnya, Tindak
lanjut tentang "jatuhnya jabatan ketua" guru bahasa Inggris Reilly).
Analisis
Formulir ringkasan kontak yang telah diisi dapat digunakan dalam beberapa cara:
• Untuk memandu perencanaan untuk kontak

berikutnya • Untuk mengarahkan diri Anda kembali ke kontak saat kembali ke
penulisan • Untuk membantu koordinasi saat lebih dari satu pekerja lapangan terlibat dalam penelitian •
Untuk membantu analisis data lebih lanjut—yaitu, formulir ringkasan untuk sejumlah kontak bisa
sendiri dikodekan dan dianalisis
• Untuk menyarankan kode baru atau revisi
Semua kegunaan ini lebih mudah jika formulir sudah dimasukkan ke dalam database. Juga bermanfaat untuk secara
digital memotong dan menempelkan salinan formulir ringkasan kontak yang telah diisi sebelum halaman pertama penulisan
sehingga dekat dengan data yang dirangkum. Kami mendorong melakukan penulisan paling lambat sehari setelah kontak
lapangan.
Formulir ringkasan kontak juga dapat digunakan dengan cara yang lebih sistematis dengan menerapkan kode padanya.
Ilustrasi kutipan muncul di Tampilan 6.3. Di sini, analis memiliki daftar kode (disebut Tema atau Aspek) yang diterapkan pada
Poin Penting yang dipilih dari penulisan. Kode baru juga dihasilkan.
Tampilan 6.3
Formulir Ringkasan Kontak: Ilustrasi Dengan Tema Berkode (Kutipan)

Catatan
Buat formulir ringkasan kontak tetap sederhana. Anda memerlukan instrumen yang memudahkan untuk melakukan
pengambilan cepat dan sintesis dari semua tentang kontak itu. Fokus pada konsep, pertanyaan, dan isu utama.
Deskripsi Pertemuan Analisis
Kasus Pada pertemuan
analisis kasus, pekerja lapangan yang paling fasih dengan kasus bertemu dengan satu atau lebih orang—teman
kritis, kolega, atau peneliti inti—untuk meringkas status kasus saat ini.
Pertemuan tersebut dipandu oleh serangkaian pertanyaan yang telah disiapkan, dan catatan dibuat untuk menjawab pertanyaan-
pertanyaan tersebut seiring berjalannya pertemuan. Pertemuan analisis kasus juga dapat berfokus pada satu tema dalam satu
kasus atau menangani tema semacam itu di beberapa kasus (lihat Tampilan 6.4).
Aplikasi Dalam
studi apa pun yang memiliki banyak kasus, makna dari apa yang terjadi dalam setiap kasus cenderung semakin
hilang dalam hiruk-pikuk pekerjaan lapangan, pengkodean, dan analisis pendahuluan lainnya. Sendiri
peneliti atau staf peneliti dapat memahami dengan cepat dan ekonomis apa yang terjadi dalam suatu kasus, menjaga
dirinya tetap terkini, dan mengembangkan konstruksi yang koheren untuk memandu analisis selanjutnya melalui
pertemuan dan ringkasan analisis kasus.
Pertemuan analisis kasus adalah perangkat yang baik untuk pengambilan cepat kesan dan "catatan kepala" dan untuk
membentuk generalisasi deskriptif dan inferensial awal. Interaksi bolak-balik di antara rekan kerja membantu menjaga
agar pekerja lapangan tetap jujur. Meski begitu, kehati-hatian harus dilakukan agar tidak terjebak dalam generalisasi
prematur. Tema dan saran dari pertemuan analisis kasus harus selalu diperiksa terhadap peristiwa dalam kasus tersebut,
seperti yang dicatat dalam penulisan catatan lapangan yang diberi kode dengan hati-hati.
Tampilan 6.4
Formulir Pertemuan Analisis Kasus
1. TEMA UTAMA, KESAN, RINGKASAN PERNYATAAN tentang apa yang terjadi dalam kasus tersebut. Komentar
tentang keadaan umum sistem perencanaan/implementasi.
2. PENJELASAN, SPEKULASI, HIPOTESIS, PROPOSISI, ASERSI tentang
apa yang terjadi dalam kasus ini.
3. ALTERNATIF INTERPRETASI, PENJELASAN, PERBEDAAN tentang apa yang terjadi dalam kasus tersebut.
4. LANGKAH SELANJUTNYA UNTUK PENGUMPULAN DATA: pertanyaan lanjutan, tindakan khusus, umum
arah pekerjaan lapangan harus diambil.
5. Implikasi REVISI, PEMBARUAN SKEMA KODE.
Jika grup lebih besar dari tiga atau empat, akan membantu jika ada seseorang yang mengetuainya serta merekamnya.
Contoh Studi
kami (Miles dan Huberman) tentang pendirian sekolah baru mencakup enam lokasi. Kami ingin terus mengikuti
perkembangan acara dalam perencanaan dan pelaksanaan setiap sekolah baru. Kami juga sedang mencari penjelasan
dan hipotesis—dan kami sangat merasa bahwa skema pengkodean kami yang terlalu rumit dan tidak membantu perlu
direvisi.
Kami menetapkan ide pertemuan analisis kasus yang akan diadakan untuk masing-masing dari enam lokasi secara
bergiliran. Untuk membantu memfokuskan rapat, diperlukan formulir pencatatan, yang muncul dalam bentuk terkompresi
di Tampilan 6.4. Formulir yang sebenarnya, tentu saja, pertanyaannya tersebar di tiga atau empat halaman untuk
memberikan ruang untuk mencatat tulisan tangan. Contoh khusus ini difokuskan pada kasus yang kompleks — sebuah
sekolah — yang kami ikuti dari waktu ke waktu, tetapi dapat diadaptasi dengan mudah jika kasusnya adalah individu atau
kelompok kecil.
Dalam menggunakan formulir, rapat dapat dimulai secara menguntungkan dengan pekerja lapangan yang paling
terlibat meluncurkan diskusi tentang Butir 1, Tema Utama. Yang lain mengajukan pertanyaan untuk klarifikasi. Perekam
mengikuti diskusi, mencatat (baik dengan tangan atau laptop) di bawah judul tersebut dan meminta klarifikasi lebih lanjut
jika diperlukan.
Seringkali diskusi akan melompat ke pertanyaan selanjutnya (misalnya, sebuah tema menyarankan interpretasi), dan
pencatat harus memasukkan data tersebut di bawah judul yang sesuai. Poin atau item di bawah setiap judul harus diberi
nomor untuk menandainya dan membantu merujuknya selama diskusi. Jika kelompok tidak bergerak secara bertahap ke
pertanyaan selanjutnya, pencatat harus meminta mereka melakukannya. Perekam juga harus meringkas catatan dari
waktu ke waktu untuk memastikan bahwa diskusi sedang berlangsung
direpresentasikan secara akurat.
Analisis
Fotokopi catatan dibuat untuk semua orang, atau salinan digital dikirimkan melalui email ke tim; mereka dapat ditinjau pada
akhir pertemuan. Rencana khusus dapat dibuat (untuk merevisi kode atau tentang cara mengumpulkan data baru dari jenis
tertentu), meskipun peninjauan dan perencanaan semacam itu juga dapat dilakukan sesudahnya.
Tampilan 6.5 menampilkan beberapa kutipan dari formulir analisis kasus yang telah diisi untuk pelajaran sekolah baru kita.
Pekerja lapangan telah mengamati dimulainya sebuah sekolah dasar ruang terbuka yang baru. Pada tampilan ini terlihat
bahwa tema utamanya adalah upaya peneliti untuk mendeskripsikan (item 1) dan kemudian memahami (item 2) mengapa
pelaksanaan awal pengajaran di ruang terbuka berjalan relatif lancar meskipun persiapan sebelumnya kurang baik. Hipotesis
dan firasat dalam Butir 2 (misalnya, konsep "retreatability", hubungan kepala sekolah-guru, atau profesionalisasi guru)
menyebabkan rencana pengumpulan data tambahan dalam Butir 4 (misalnya, wawancara guru), seperti halnya alternatif,
hipotesis saingan disarankan pada Butir 3. Catatan dari pertemuan analisis kasus, serta panduan langkah spesifik selanjutnya
dalam pengumpulan data, dapat ditinjau kembali setelah satu atau dua putaran berikutnya pengumpulan data untuk konfirmasi/
diskonfirmasi.
Tampilan 6.5
Formulir Analisis Kasus: Pameran Dengan Data
1. TEMA UTAMA, KESAN, RINGKASAN PERNYATAAN tentang apa yang terjadi di

lokasi.
1. Ed (utama) manajer "teknis" yang efisien, tidak berurusan dengan sistem sosial; tidak memikirkannya. Ketika Ken
(asst. supt.) menunjukkan perlunya Ed untuk bekerja dengan Janet, seorang guru yang mengeluh ("perlakukan
dia dengan sarung tangan anak-anak ... semoga berhasil."), Ed berkata, "Dia akan menjadi orang yang membutuhkan
keberuntungan. .” Tidak mendukung terutama: Seorang guru meminta bantuan pekerja lapangan, tampak enggan
ketika FW merujuknya kembali ke Ed.
2. Implementasi pendekatan ruang terbuka sangat mulus mengingat minimnya

persiapan dan pelatihan terlebih dahulu. Masih ada perasaan "berjalan di atas telur retak".
3. Guru tampak hati-hati mau melihat bagaimana hasilnya, tidak langsung optimis.
Ketidakpastian, merasa tidak siap. “Jika tidak berhasil, saya harap kita dapat membatalkannya” menunjukkan
komitmen yang lemah; disebut "retreatability."
4. Anak santai.
5 Guru merasa kepala sekolah tidak tahu apa yang akan terlibat, sungguh, dalam start-up.
....
2. PENJELASAN, SPEKULASI, HIPOTESIS, PROPOSISI, PERNYATAAN tentang apa yang terjadi di situs.
1. Penekanan "efisiensi" Ed membantu kelancaran.

2. Orang-orang tahu kepada siapa harus mencari dukungan.
3. Banyak guru adalah siswa dari asst. sup. dan percaya padanya.
4. Hal-hal tidak dipaksakan oleh pihak luar.
5. Sikap guru mungkin terkait dengan konsep “retreatability”.
6. Kepala sekolah cukup mengenal guru untuk menyusun tim yang bisa diterapkan untuk menerapkan konsep ruang
terbuka. Juga mengirim guru yang mengadu ke sekolah lain.
7. Kepala sekolah menghormati guru—walaupun dalam perencanaan administrasi mereka begitu
diperlakukan seperti ternak.
3. PENJELASAN ALTERNATIF, LAPORAN MINORITAS, PERBEDAAN tentang apa itu

berlangsung di situs.
1. Mungkin pengalaman dan pelatihan masa lalu para guru yang cukup banyak, profesionalisasi mereka membuat
implementasi menjadi lancar.
2. Ukuran fakultas Ed menjadi dua kali lipat; ada banyak orang asing. Itu mungkin meningkatkan
ketidakpastian sebanyak kurangnya persiapan.
....
4. LANGKAH SELANJUTNYA UNTUK PENGUMPULAN DATA: pertanyaan lanjutan, tindakan khusus, umum
arah pekerjaan lapangan harus diambil.
1. Tanya Ed tentang Janet, bagaimana dia menyesuaikan diri. Kenali dia.

2. Butuh waktu untuk berbicara dengan guru, bukan hanya mengamati start-up. Guru mungkin terganggu
lebih dari yang ditunjukkan oleh perilaku permukaan "profesional" mereka.
3. Akankah atau dapatkah Ken memberikan bantuan teknis kepada guru?
4. Apa yang terjadi dalam rapat fakultas kemarin?

5. Kita harus melakukan wawancara pengambilan dengan hati-hati dengan Ken dan Ed tentang pekerjaan musim panas,
keputusan perencanaan, dll. yang mendahului start-up.
6. Tanyakan kepada orang-orang penting: Apa harapan Anda tentang sekolah pada hari Natal nanti? pada bulan Juni?
Indikator apa yang akan mereka gunakan untuk kolaborasi guru yang baik? humanisasi pengajaran?
....
5. Implikasi REVISI, PEMBARUAN SKEMA KODE.
1. Pertimbangkan kode untuk dukungan.

2. Sesuatu tentang komitmen guru atau kepemilikan inovasi.
3. Gunakan pola untuk ide “retreatability”, yang tampaknya cukup penting.
4. Aturan kita tentang “keterkaitan perencanaan-pelaksanaan” terlalu rumit; perlu menyederhanakan mereka
sangat.
....
Jangan biarkan generalisasi atau kesan pekerja lapangan tidak dipertanyakan atau tidak diilustrasikan. Pertemuan tersebut
memungkinkan orang untuk menghibur pandangan yang berlawanan. Nadanya seharusnya bukan salah satu perdebatan tetapi
salah satu skeptisisme yang ramah dan upaya pada kekonkretan dan kejelasan bersama. Keseimbangan harus dipertahankan
antara mendapatkan konsensus yang masuk akal dan menguji alternatif, hipotesis saingan. Ringkaslah sesering mungkin untuk
memeriksa pemahaman.
Pertemuan analisis kasus lebih dari 90 menit atau lebih mulai kehilangan fokus dan menggigit. Frekuensi pertemuan tersebut
tergantung pada faktor-faktor seperti jumlah orang dan kasus yang terlibat serta frekuensi kontak kasus. Aturan praktisnya adalah
ini: Jangan biarkan sejumlah besar data kasus menumpuk sebelum mengadakan rapat analisis. Dalam proyek peningkatan
sekolah kami, kami merasa perlu mengadakan pertemuan analisis kasus singkat setelah setiap kunjungan lapangan (yang
biasanya memakan waktu 2 atau 3 hari dan mengumpulkan banyak informasi).
Rangkuman yang diambil dari pertemuan analisis kasus dapat dikodekan dan ditarik sendiri
analisis. Tampilan 6.6 menunjukkan cara kerjanya.
Catatan
Pertanyaan penelitian khusus untuk sebuah penelitian juga dapat menghasilkan isu-isu substantif tambahan yang dapat
diajukan dalam bentuk pertemuan analisis kasus (misalnya, Apa hasil inovasi saat ini? Seberapa stabil program secara politis?
Apa saluran utama transfer informasi? ). Jenderal lainnya
pertanyaan dapat dihasilkan untuk memandu pertemuan analisis kasus, seperti berikut ini:
• Apa yang membingungkan, aneh, atau tidak terduga tentang peristiwa kasus baru-
baru ini? • Bagaimana keadaan hubungan kita dengan berbagai orang dalam peran
kunci? • Analisis tambahan apa yang kita perlukan dari data yang ada untuk memahami kasus ini dengan
lebih baik? • Apa yang pasti tidak benar tentang kasus ini pada saat ini? • Apa yang mungkin terjadi dalam
beberapa hari/minggu ke depan dalam kasus ini?
Deskripsi Ringkasan Kasus
Sementara Ringkasan
kasus sementara adalah produk sementara dengan panjang yang bervariasi (5–35 halaman, tergantung pada
ruang lingkup penelitian) yang merupakan upaya pertama untuk mendapatkan laporan kasus yang koheren dan
menyeluruh—sebuah sintesis dari apa yang peneliti tahu tentang kasus ini dan apa yang masih harus ditemukan.
Ini menyajikan (a) tinjauan temuan, (b) pengamatan cermat terhadap kualitas data yang mendukungnya, dan (c)
agenda untuk gelombang pengumpulan data berikutnya (lihat Tampilan 6.7 untuk garis besar ringkasan).
Tampilan 6.6
Pendekatan Berbantuan Ringkasan untuk Analisis
Ringkasan kasus sementara memaksa peneliti untuk mencerna bahan-bahan yang ada, merumuskan pengertian
kasus yang lebih jelas, dan mengkritik diri sendiri kecukupan data yang telah dikumpulkan. Proses ini mengarah pada
pengumpulan data langkah berikutnya, perencanaan, dan biasanya penyusunan ulang kode dan rencana analisis lebih
lanjut.
Tampilan 6.7
Garis Besar Ringkasan Kasus Sementara: Ilustrasi
Daftar isi
A. Situs
1. Geografi, setting 2.
Demografi komunitas dan distrik 3. Bagan organisasi
(menunjukkan aktor kunci dan hubungan mereka)
B. Kronologi Singkat
1. Adopsi (termasuk penjelasan singkat tentang inovasi)

2. Perencanaan (apa pun pascaadopsi dan penggunaan pra-aktual dengan murid)
3. Implementasi hingga saat ini
C. Status Pertanyaan Penelitian Saat Ini
1. Inovasi (menangani semua subpertanyaan; meringkas apa yang saat ini diketahui / jika tidak diketahui,
1. Inovasi (menangani semua subpertanyaan; meringkas apa yang saat ini diketahui / jika tidak diketahui,
katakan demikian / jika ada teka-teki, jelaskan.)
2. Sekolah sebagai organisasi sosial, sebelum implementasi 3. Keputusan
adopsi 4. Dinamika situs selama implementasi/transformasi 5. Konfigurasi/
hasil baru 6. Peran bantuan eksternal dan internal
(TUTUP BAGIAN INI DENGAN DAFTAR KETIDAKPASTIAN/PUZZLES)

D. Jaringan Kausal
1. Grafik jaringan variabel, di situs ini, dilihat sebagai hasil yang mempengaruhi (menggambar pada kode pola)
2. Pembahasan jaringan, termasuk kaitannya dengan pekerjaan konseptual/empiris sebelumnya lainnya tentang
diseminasi yang tampaknya sangat menonjol atau relevan
E. Catatan Metodologi Singkat (bagaimana analisis dilakukan, masalah yang dihadapi, dll.; kepercayaan pada hasil, saran untuk
ringkasan berikutnya, dll.)
Aplikasi
Biasanya, pemeriksaan data sementara dilakukan saat dijalankan atau dilakukan untuk beberapa subkumpulan data tetapi tidak
untuk yang lain. Anda memerlukan latihan integratif yang mewajibkan Anda untuk mengaudit apa yang diketahui dan seberapa baik hal
itu diketahui—untuk menyusun temuan-temuan utama hingga saat ini, untuk memperkirakan kepercayaan yang dipegang dalam temuan
tersebut, dan untuk membuat daftar kesenjangan, teka-teki, dan data yang masih perlu dikumpulkan. Ringkasan kasus sementara
melayani tujuan ini.
Apakah peneliti bekerja sendiri, dengan kontak kolega penasehat sesekali, atau memiliki rekan yang bekerja pada kasus paralel
lainnya, ringkasan kasus sementara sangat membantu. Bertukar ringkasan sementara dengan rekan kerja membuat mereka selalu up
to date. Dan pertukaran adalah kesempatan yang baik untuk mengarahkan konstruksi Anda yang baru muncul atau tema berulang ke
tinjauan kritis. Bintik-bintik buta biasanya terlihat jelas bagi pembaca kedua.
Bertukar dan mendiskusikan ringkasan sementara juga membantu analisis lintas kasus. Anggota tim peneliti dapat menyelaraskan
visi mereka dengan lebih baik, berdebat berdasarkan contoh yang dibagikan dan didokumentasikan, dan menyelesaikan masalah kabur
atau bayangan yang memerlukan klarifikasi untuk studi secara keseluruhan untuk bergerak maju.
Diskusi tim juga dapat menghasilkan variabel penjelas yang muncul yang dapat diperiksa daripada dihasilkan post hoc.
Secara strategis, waktu terbaik untuk menyusun rangkuman kasus sementara adalah sekitar sepertiga jalan menuju kerja lapangan,
ketika ada data awal untuk dilaporkan dan cukup waktu tersisa untuk menebus kesenjangan atau kelemahan yang telah diungkapkan
rangkuman tersebut. Latihan ini juga membantu Anda menjawab pertanyaan substantif jangka panjang seperti berikut ini: Pola dan
tema apa yang tampaknya muncul? Apa yang sebenarnya terjadi dalam kasus sejauh ini? Apa gambaran besarnya?
Contoh Kami
(Miles dan Huberman) telah menggunakan ringkasan sementara dalam beberapa studi lapangan. Tampilan 6.7 menyajikan daftar
isi yang diberikan kepada setiap peneliti dalam studi peningkatan sekolah kami sebagai garis besar ringkasan kasus sementara.
Perhatikan bahwa pemformatan umum seperti ini akan memungkinkan keterbandingan lintas kasus—yang mungkin menunjukkan jalan
yang menjanjikan bagi analis lain untuk kunjungan situs berikutnya dan tentunya akan mengeruk tema dan konsep yang ada di lebih
dari satu kasus.
Apakah kode-kode itu berasal langsung dari pertanyaan penelitian atau berevolusi selama pekerjaan eksplorasi awal dan terhubung
lebih jauh, masuk akal untuk memindai tulisan, mencari kode-kode utama yang menarik, mencatat sambil jalan, dan kemudian menulis
ringkasan. Ini
proses akan berjalan cukup cepat jika database Anda ada di file komputer dan bukan hanya di hard copy; Anda dapat
mencari potongan kode, melihatnya dalam konteks, dan beralih ke file lain untuk menulis tema yang Anda lihat muncul.
Bekerja dengan tangan pada hard copy memang lebih lambat, tetapi terkadang proses seperti ini tampaknya merupakan
cara paling sederhana untuk mensintesis temuan hingga saat ini dan menyadari pertanyaan yang masih belum terjawab
atau terjawab secara samar-samar. Beberapa analis lebih memilih untuk membaca ulang tulisan dengan hati-hati dan
kemudian menangani semua pertanyaan penelitian sekaligus. Mereka kemudian menggunakan kode pola untuk menyatukan
materi untuk ringkasan.
Analisis
Ringkasan sementara tersedia dalam berbagai bentuk dan ukuran. Yang terbaik adalah yang indah dan kecil—sekitar 5
hingga 10 halaman (tetapi kerangka yang ditunjukkan sebelumnya di Tampilan 6.7 menghasilkan ringkasan 25–35 halaman).
Ringkasan juga bisa lebih terspesialisasi. Misalnya, daripada menyusun materi untuk pertanyaan penelitian individu dan
tema menyeluruh, Anda dapat melakukan dua ringkasan berturut-turut, satu meninjau pertanyaan penelitian dan, sebulan
kemudian, yang lain membahas masalah yang lebih besar yang, pada saat itu, seharusnya menjadi lebih jelas. .
Dalam studi multikasus, pastikan untuk memberikan waktu bagi masing-masing peneliti untuk mempelajari dan
mendiskusikan ringkasan satu sama lain. Ini biasanya interaksi yang terfokus dan terinformasi yang muncul dari latihan
umum, dan mereka biasanya lebih intelektual — dan karenanya lebih memperluas pikiran — daripada rapat staf yang
berorientasi logistik. Pembahasan ringkasan sementara adalah arena yang subur dan bebas risiko bagi masing-masing
peneliti untuk menguji pemahaman mereka tentang bagaimana data—milik mereka dan orang lain—berkumpul bersama dan
untuk membuat jus analitik mengalir.
Ringkasan yang sangat singkat juga dapat dihasilkan dengan cepat dengan metode wawancara studi kasus yang
diuraikan dalam Stiegelbauer, Goldstein, dan Huling (1982). Seorang pekerja lapangan mewawancarai pekerja lapangan
lainnya selama satu jam menggunakan serangkaian pertanyaan standar seperti "Bagaimana Anda menggambarkan interaksi
kepala sekolah dengan orang-orang?" “Apa yang Anda pikirkan pertama kali ketika seseorang mengatakanOrang
_____yang
Sekolah?”
diwawancarai bersiap dengan meninjau semua data yang tersedia tetapi mengesampingkannya selama wawancara.
Transkrip wawancara kemudian diedit oleh orang yang diwawancarai, merujuk kembali ke data yang tersedia sesuai
kebutuhan. Metode ini membantu pekerja lapangan menjadi integratif dengan menyatukan kesan kasus dan tema inti yang
mulai muncul. Ini juga merupakan cara untuk menjaga dari “kekeliruan holistik”—penetapan label monolitik untuk kasus
Anda (“Dia adalah guru 'tradisional',” “Ini adalah sekolah 'bebas, inovatif'”), mengabaikan contoh tandingan dan pengecualian .
Bagian yang paling sulit tampaknya adalah menerima fakta bahwa ringkasan sementara bersifat sementara—dan
kemungkinan besar tidak lengkap, ditulis dengan cepat, dan terpecah-pecah. Untuk melakukannya dengan baik akan
membutuhkan waktu seminggu, yang terlalu banyak waktu sebanding dengan hasil. Lakukan dengan cepat, lalu pikirkan
tentang itu bersama kolega Anda.
Catatan
Dalam penelitian lapangan, Anda kehilangan pandangan terlalu cepat tentang seberapa banyak — dan jenis apa — data
yang telah dikumpulkan dari berbagai peserta. Karena data ini seringkali menguatkan—memverifikasi penjelasan yang
diberikan oleh orang lain, menguji tesis yang muncul—ketidakhadiran mereka lebih serius daripada hanya memiliki “data
yang hilang”, seperti dalam survei kuantitatif. Mereka adalah batu bata pembuktian di mana analisis harus dibangun.
Melakukan rangkuman kasus sementara dapat menjadi peluang untuk menyiapkan lembar akuntansi data (lihat Tampilan
6.8).
Lembar itu hanya menyusun setiap pertanyaan penelitian oleh peserta atau kelompok peserta. Seperti yang ditunjukkan
oleh legenda, analis memeriksa sel ketika satu set data ada di tangan, dengan tujuan akhir untuk mengisi semua sel. Di
akhir pengkodean kontak kasus tertentu, lembar akuntansi data dapat digunakan dalam merencanakan langkah selanjutnya
dalam pengumpulan data.
Tampilan 6.8
Data Accounting Sheet: Contoh Abstrak

Lembar Akuntansi Data: Contoh Abstrak
Deskripsi Meta-Matrix Terurut Sebagian
Meta-matrices adalah bagan induk yang
mengumpulkan data deskriptif dari masing-masing beberapa kasus dalam format standar. Bentuk paling sederhana
adalah penjajaran—penumpukan—dari semua tampilan kasus tunggal ke dalam satu bagan besar. Prinsip dasarnya adalah
memasukkan semua data yang relevan dan padat (lihat Tampilan 6.9).
Dari sana, Anda biasanya bergerak untuk mempartisi data lebih lanjut (membaginya dengan cara baru) dan
mengelompokkan data yang digabungkan sehingga kontras antara kumpulan kasus pada variabel yang diminati dapat menjadi lebih jela
Meta-matriks yang dipartisi dan dikelompokkan ini semakin disempurnakan, biasanya membutuhkan transformasi lebih lanjut
dari data tingkat kasus menjadi tanda kutip singkat, frase ringkasan, peringkat, dan/atau simbol (lihat Tampilan 6.11 dan 6.12
untuk contoh).
Tampilan 6.9
Tampilan Tingkat Kasus untuk Meta-Matrix Terurut Sebagian (Format)
Aplikasi Analisis
lintas kasus mengalikan kumpulan data dengan jumlah kasus tunggal. Jika setiap kasus menghasilkan beberapa ratus
halaman catatan lapangan dan materi tambahan, tidak peduli seberapa baik Anda memahami hal-hal di tingkat kasus, Anda
dihadapkan pada momok kelebihan beban dan tidak dapat diatur saat Anda mencoba menarik kesimpulan lintas kasus yang
bermakna lebih dalam daripada persamaannya. dan perbedaan.
Data lintas kasus perlu dibuat dapat dibandingkan melalui kode umum, tampilan umum dari segmen data yang diberi
kode umum, dan format pelaporan umum untuk setiap kasus. Kode, tampilan, dan format pelaporan adalah semua perangkat
pemadatan data untuk menyaring ratusan halaman teks menjadi unit yang dapat diterapkan dan koheren secara intelektual
—yaitu, tabel atau gambar dan teks analitik terkait.
Seperti kasus tunggal, sebaiknya mulai dengan tampilan yang memiliki beberapa—namun tidak terlalu banyak—internal
Seperti kasus tunggal, sebaiknya mulai dengan tampilan yang memiliki beberapa—namun tidak terlalu banyak—urutan internal.
Sebuah meta-matrix adalah penyelaman mendalam eksplorasi pertama ke dalam analisis lintas kasus untuk melihat seperti apa
wilayah umum itu. Ini juga penting, karena akan menciutkan set data lintas kasus menjadi partisi dan kluster yang dapat digunakan
untuk analisis selanjutnya. Penyempurnaan dalam pengelompokan dan pengelompokan data dapat dilakukan nanti, tetapi untuk saat
ini, Anda berkomitmen pada cara tertentu untuk meringkas dan melihat apa yang ada di sana, memahaminya, dan mencoba
mengerjakan langkah analitik berikutnya yang paling mungkin (yang mungkin termasuk meta-matriks yang diurutkan secara
konseptual menurut variabel kunci, berdasarkan kasus—seperti kuat hingga lemah pada beberapa variabel, atau berdasarkan waktu
—seperti awal hingga akhir).
Contoh
Analisis lintas kasus pertama bergantung pada informasi dalam kasus yang koheren. Dalam contoh yang ditampilkan di sini,
analis mencoba menjawab beberapa pertanyaan tentang pengalaman guru dalam menggunakan praktik pendidikan baru. Mereka
adalah sebagai berikut:
• Bagaimana tampilannya bagi pengguna?
• Apa yang dilakukan pengguna? •

Perasaan dan kekhawatiran mana yang paling penting? • Masalah
apa yang menjulang tinggi? • Bagaimana semua ini berhasil
dalam jangka waktu yang lama?
Tampilan tingkat kasus kosong mungkin terlihat seperti Tampilan 6.9.
Anda kemudian mengurutkan data kasus yang direduksi ke dalam empat kategori analitik, pengguna demi pengguna, dalam
matriks yang terpisah tetapi biasanya diformat, satu per kasus. Tampilan 6.10 memperlihatkan tampilan dengan data yang
dimasukkan untuk satu kasus, Sekolah Lido, untuk satu periode waktu.
Entri sel adalah frase gaya telegraf yang merangkum potongan kode dari data kasus. Beberapa seleksi dan pengelompokan juga
telah dilakukan. Analis telah memilih perasaan, masalah, dan seterusnya sesuai dengan beberapa aturan keputusan yang eksplisit
dan telah mengelompokkan item-item diskrit tetapi serupa (misalnya, di bawah Masalah di kolom paling kanan, adanya beberapa
tugas yang kelebihan beban sama dengan masalah waktu yang terlalu terbatas).
Sekarang setiap entri sel menyertakan beberapa kata/frasa, tugas selanjutnya adalah memadatkannya lebih jauh. Anda sekarang
memiliki N tampilan tingkat kasus—sebanding dengan yang dimasukkan di Tampilan 6.10. Jika tidak ada lebih dari selusin kasus
atau lebih dan jika tampilannya tidak lebih kompleks dari contoh-contoh ini, semua data mungkin bisa menjadi satu gabungan, meta-
matriks yang terurut sebagian.
Tampilan 6.10
Tampilan Tingkat Kasus untuk Meta-Matrix Terurut Sebagian: Tahun Kedua Implementasi Pengguna di Lido
Meta-matriks yang dipesan sebagian hanya akan menjadi tumpukan bagan tingkat kasus. Misalnya,
dua kolom pertama akan muncul seperti yang ditunjukkan pada Tampilan 6.11.
Konstruksi tabel dan entri data akan relatif mudah dengan perangkat lunak yang sesuai.
Biasanya Anda perlu menyaring entri sel tingkat kasus saat pekerjaan berlangsung. Jadi, misalnya, bagan yang diisi untuk Lido
School pada Peragaan 6.10 mungkin tampak seperti pada Peragaan 6.12, yang menunjukkan bahwa kita hanya memiliki lebih sedikit
kata-kata yang melambangkan huruf besar-kecil dan beberapa simbol.
Tampilan 6.11
Meta-Matrix Terurut Sebagian: Perasaan/Kekhawatiran Pengguna dan Variabel Lain (Format)
Tampilan 6.12
Meta-Matrix Terurut Sebagian: Perasaan/Kekhawatiran Pengguna dan Variabel Lain (Data Lido)
Perasaan/Kekhawatiran telah dikotomikan dengan kode besaran positif dan negatif, dan setiap entri memiliki jenis
perasaan atau kekhawatiran yang ditetapkan pada rentang abstraksi menengah (misalnya, "nyaman", dengan
kualifikasi), dan seringkali pendek, kategori- frase landasan (misalnya, "underachievers ditugaskan") untuk menjaga
analis menyadari apa yang secara spesifik sedang terjadi di situs tertentu.
Meta-matrix telah menyusun dan memangkas beberapa tabel menjadi satu tabel besar yang telah memadatkan
data asli secara signifikan. Ini memungkinkan Anda melihat semua data di satu tempat besar. Sertakan kata, frasa,
dan simbol "secukupnya" yang masuk akal bagi Anda dan yang mendorong kemampuan Anda untuk mengingat fitur
terpenting tentang setiap kasus tertentu.
Analisis
Mulai sekarang, matriks dan analisis akan lebih bergantung pada apa yang dikatakan data dan pada jenis
hubungan yang paling Anda minati. Memang, variasi dan penambahan pada meta-matriks asli Anda dimungkinkan.
Memformat ulang dan mengubah sel akan memungkinkan Anda menggunakan taktik partisi dan pengelompokan
(lihat Bab 11) untuk menentukan apakah pengamatan analitik baru dapat dibuat.
Tampilan 6.13, misalnya, mengurutkan data berdasarkan Jenis Kekhawatiran di setiap Tahun.
Tampilan 6.13
Meta-Matriks Terurut Waktu (Format)
Matriks ini memungkinkan Anda memindai sel untuk dua rangkaian hal: (1) tren—kekhawatiran yang berubah atau
tetap konstan sepanjang waktu, dan (2) jenis kekhawatiran. Dengan demikian, tampilan baru mempartisi data (dalam
hal ini, berdasarkan waktu dan masalah) dengan mengelompokkan data (menjadi berbagai jenis masalah). Anda
mungkin menemukan, misalnya, bahwa jenis perhatian mengelompok menjadi dua bentuk utama: (1) individu dan (2)
institusional. Dan Anda mungkin juga menemukan bahwa ada lebih banyak kekhawatiran institusional daripada
individu selama implementasi selanjutnya (taktik: membuat tes jika-maka).
Sebagai langkah selanjutnya, Anda dapat membuat tabel ringkasan (lihat Tampilan 6.14) tentang masalah individu
dan institusional (mempartisi data menurut beberapa variabel yang telah ditentukan sebelumnya) dan melihat di
mana dari 12 kasus yang dianggap utama selama implementasi selanjutnya.
Tampilan 6.14
Tabel Ringkasan: Kekhawatiran Individu dan Institusi Selama Implementasi Selanjutnya

Selama proses ini, Anda dapat melakukan beberapa pengelompokan empiris dalam masing-masing dari dua luas
kategori ("masalah relasional", "masalah motivasi", dll.).
Berikut ini banyak informasi deskriptif yang berguna. Misalnya, beberapa kasus sekolah memiliki banyak masalah
(misalnya, Banestown, Perry-Parkdale), sementara 3 lainnya hanya memiliki satu jenis (Masepa), dan 2 situs dari 12 telah
lolos tanpa cedera (taktik: menghitung) . Juga, tampaknya perhatian individu sebagian besar nonteknis, dan perhatian
institusional menekankan kelanjutan (prioritas rendah, fungsi buruk, memenuhi janji) (taktik: mencatat pola, tema). Temuan
seperti itu membawa Anda kembali ke bagian lain dari diagram kasus silang untuk menguji firasat (membuat tes jika-maka).
Dalam hal ini, firasatnya mungkin bahwa proyek dengan penguasaan teknis yang tinggi memiliki perhatian institusional yang
sama banyaknya dengan yang tidak.
Banyak jalur alternatif lain dapat diambil dari meta-matriks dasar yang terurut sebagian ke meta-matriks yang terurut
beragam. Kadang-kadang, bagaimanapun, meta-matriks pertama sudah cukup untuk menghasilkan materi ringkasan untuk
sebuah laporan.
Tabel Word, manajemen basis data Excel, dan aplikasi CAQDAS dapat mempercepat mekanisme perakitan meta-matriks
dasar dan proses pengelompokan dan partisi. Tetapi tidak ada cara nyata untuk mempersingkat waktu berpikir yang
dibutuhkan. Proses memahami kumpulan data lintas kasus, bahkan untuk beberapa variabel, adalah proses yang masuk
akal secara bertahap. Itu tidak bisa terburu-buru.
Catatan
Jangan memaksakan bentuk konseptual, kronologis, atau lainnya terlalu cepat untuk meta-matriks. Perhatikan baik-baik
terlebih dahulu pada banyak kasus, informasi yang dipesan sebagian. Landasan yang baik dalam matriks meta pertama
membantu Anda menghindari jalan buntu yang mahal nantinya. Jika kasus Anda tidak sekompleks kasus kami, begitu juga
dengan meta-matriks Anda. Biasanya diperlukan beberapa pemotongan alternatif sebelum kumpulan partisi dan/atau kluster
yang dapat diterapkan dan produktif muncul. Untuk informasi lebih lanjut tentang partisi dan pengelompokan, lihat Bab 11.
Matriks Efek Penjelasan

Keterangan
Matriks efek penjelasan adalah bagan sapuan kuas yang luas yang berfungsi sebagai langkah pertama eksplorasi untuk
menjawab mengapa hasil tertentu dicapai dan apa yang menyebabkannya — baik secara umum maupun khusus (lihat
Tampilan 6.15).
Aplikasi
Matriks efek penjelas membantu memperjelas domain dalam istilah konseptual ; ini merupakan eksplorasi awal
yang berguna, mulai menelusuri ke belakang—dan ke depan—benang penyebab yang muncul. Matriks membantu
kita memahami hal-hal sementara, dan dengan demikian, kita dapat merasakan mekanisme sebab-akibat yang
mungkin terlibat. Ini adalah draf pertama, semacam itu, untuk pekerjaan analitik lebih lanjut tentang seluk-beluk
penjelasan (akan dibahas dalam Bab 9).
Contoh
Seorang peneliti berbicara dengan pengguna inovasi program studi lingkungan, bertanya kepada
mereka dari siapa mereka telah menerima bantuan berkelanjutan sehari-hari (domain minat konseptual),
terdiri dari apa sebenarnya, dan apa efeknya (keduanya singkatnya dan jangka panjang) tampaknya.
Hasilnya ditunjukkan pada Tampilan 6.15. Peneliti memasukkan kutipan dan parafrase, bertujuan untuk
mendapatkan inti dari materi wawancara yang sesuai untuk setiap sel. Di kolom terakhir, peneliti
menambahkan penjelasan umumnya sendiri untuk “cerita” setiap baris.
Tampilan 6.15
Matriks Efek Penjelasan: Bantuan Berkesinambungan
Analisis
Analis memindai seluruh baris untuk memahami alur cerita naratif masing-masing baris. Rujukan kembali ke
catatan lapangan, wawancara, dan sumber data asli lainnya akan membantu mengembangkan entri untuk kolom
Penjelasan Peneliti di paling kanan. Sel-sel ini tidak hanya berfungsi sebagai ringkasan penelusuran, tetapi juga
sebagai hipotesis sementara untuk pengujian selanjutnya.
Di Tampilan 6.15, penelusuran tersebut melibatkan masalah jenis bantuan apa, dari peran apa, yang mengarah ke
jenis efek apa pada pengguna—dan mengapa. Misalnya, bantuan teknis yang diberikan oleh pengembang dan materi
tampaknya menimbulkan kejelasan dan legitimasi, sementara mungkin diperlukan dukungan rekan dan administratif untuk
meningkatkan penguasaan pengguna yang sebenarnya terhadap program baru (taktik: membuat kontras, perbandingan).
Melihat kolom Penjelasan Peneliti menunjukkan kepada kita sebagian besar ringkasan langsung; kami belum banyak
memajukan pencarian penyebab. Sulit untuk melihat hubungan antara jenis, peran, dan efek bantuan lebih dari sekadar
impresionistik. Selanjutnya, setiap baris dilihat satu per satu sebagai urutan sebab akibat. Sulit untuk memahami
kompleksitas interaksi antar baris. Dengan demikian, analisis sebab-akibat yang lebih rinci dan menyeluruh biasanya
membutuhkan metode lain, seperti yang akan diuraikan dalam Bab 9.
Catatan
Matriks efek penjelas dimaksudkan terutama sebagai heuristik untuk menentukan plot atau struktur keseluruhan cerita
penelitian Anda. Analisis lanjutan dapat membantu Anda menemukan tujuan dan motivasi bernuansa karakter peserta
saat cerita terungkap, mungkin memungkinkan Anda untuk membangun moral cerita (yaitu, teorinya).
Menjelajahi Variabel
Matriks daftar periksa mengeksplorasi beberapa dinamika dari satu variabel kunci. Tabel ringkasan analitik konten
adalah tampilan multikasus tentang variabel atau dimensi yang diminati. Tabel kontras menyoroti variabilitas dimensi
untuk melihat rentang ekstremnya. Dan matriks urutan-kasus dua variabel secara bersamaan mengeksplorasi bagaimana
banyak variabel berhubungan dengan sejumlah kasus yang dipilih.
Matriks Daftar Periksa
Deskripsi Matriks
daftar periksa adalah format untuk menganalisis data lapangan pada variabel utama atau domain umum yang diminati.
Prinsip dasarnya adalah bahwa matriks mencakup beberapa komponen dari satu variabel yang koheren, meskipun tidak
harus mengurutkan komponen (lihat Tampilan 6.16).
Matriks Daftar
Periksa aplikasi bagus saat Anda menjelajahi domain baru. Jika Anda memiliki beberapa gagasan kasar tentang
beberapa variabel kunci dan beberapa komponen pertama darinya, Anda dapat memulai lalu memperbesar tampilan saat
Anda mempelajari lebih lanjut.
Terkadang peneliti kualitatif mungkin perlu mengumpulkan data yang sebanding dari semua partisipan utama
dan masukkan dalam format yang ditentukan sebelumnya. Ini dapat terjadi dalam situasi berikut:
• Saat variabel secara konseptual penting untuk penelitian • Saat

variabel dapat dipisahkan dengan mudah menjadi indikator atau komponen yang berbeda
Tampilan 6.16
Matriks Daftar Periksa: Kondisi Pendukung Kesiapsiagaan di Smithson School, Banestown Case
• Ketika Anda memerlukan variabel untuk mendukung temuan Anda (misalnya, sebagai ukuran hasil yang baik)
• Ketika penelitian memiliki banyak kasus yang membutuhkan keterbandingan pemformatan dan pengukuran •
Ketika Anda ingin menghubungkan data lapangan dengan ukuran survei dari variabel yang sama (misalnya, untuk campuran
studi metode).
Format daftar periksa membuat pengumpulan data lebih sistematis, memungkinkan verifikasi, mendorong keterbandingan,
dan bahkan memungkinkan kuantifikasi sederhana bila perlu. Matriks daftar periksa dapat diformat melalui program seperti
Tabel Word dan Excel atau melalui fitur CAQDAS yang sebanding.
Contoh
Dalam studi peningkatan sekolah (Miles dan Huberman) kami, "kesiapsiagaan" dikaitkan dengan keberhasilan implementasi
dalam kerangka konseptual kami dan mendapat dukungan kuat dalam literatur. Masuk akal juga bahwa orang melakukan hal-
hal yang mereka persiapkan dengan lebih baik. Studi empiris telah memecah kesiapan menjadi komponen-komponen berbeda
yang berkorelasi baik dengan pelaksanaan proyek yang baik. Singkatnya, variabel memiliki banyak manfaat. Selain itu, kami
mempelajari 12 kasus dan membutuhkan tindakan paralel. Kami juga ingin menghubungkan temuan kami dengan survei besar
yang memiliki a
bagian kesiapan dalam kuesionernya.
Kami memang memiliki beberapa keraguan tentang variabel tersebut. Kami bertanya-tanya apakah kesiapsiagaan ÿ
logika eksekusi yang baik terlalu mekanistik. Kami juga menduga bahwa variabel lain dapat tercampur dengan kesiapan.
Misalnya, pengguna yang sangat berpengalaman mungkin terlihat sangat siap, meskipun pelatihan teknisnya sendiri
mungkin buruk. Dan kami percaya bahwa banyak faktor tingkat sekolah yang tidak dapat diprediksi dapat mempengaruhi
pelaksanaan proyek. Jadi sebagian besar faktor individu dan teknis seperti kesiapan hampir tidak dapat menjelaskan dengan
sendirinya berbagai tingkat keberhasilan penggunaan praktik baru tersebut. Ini semua adalah hal yang dapat ditangkap oleh
pengamatan dan wawancara di tempat, dan kami membutuhkan tampilan untuk membantu kami menyelesaikan masalah ini.
Dua pertanyaan penelitian utama yang ingin kami jawab untuk penelitian ini adalah sebagai berikut:
1. Apa saja komponen dari rencana awal implementasi? (misalnya, pelatihan front-end, pemantauan dan debugging/
pemecahan masalah tak terduga, dukungan berkelanjutan)
2. Apakah kondisi yang diperlukan untuk implementasi terjamin sebelum dimulai? (misalnya, komitmen, pemahaman,
bahan dan peralatan, keterampilan, alokasi waktu, dukungan organisasi)
Tampilan 6.16 adalah daftar periksa untuk menilai “kesiapsiagaan” sebelum menjalankan praktik baru. Dalam hal ini,
inovasinya adalah program remedial lab membaca yang pertama kali digunakan oleh guru dan pendamping. Deretan
tersebut diambil dari berbagai komponen rencana implementasi dan kondisi pendukung yang disebutkan dalam pertanyaan
penelitian. Tidak ada upaya untuk menyortir atau memesan komponen pada saat ini. Namun kami yakin bahwa kesiapan
mungkin berbeda bagi pengguna program dan administrator baru, sehingga kolom mencerminkan perbedaan tersebut.
Matriks dengan demikian sebagian diurutkan berdasarkan peran.
Entri sel mencakup frase ringkasan, kutipan langsung, dan penilaian kecukupan keseluruhan dari kondisi oleh analis—
kata-kata evaluatif yang besarnya berkisar:
• Absen/tidak ada
• Lemah
• Tidak Memadai
• Samar • Dasar
• Cukup • Ada
• Kuat •
Sangat kuat
Kutipan peserta membantu membenarkan dan menerangi peringkat (yaitu, kode besaran).
Singkatnya, untuk matriks daftar periksa, analis meninjau bagian yang relevan dari penulisan, mengambil materi dengan
kode, membentuk penilaian atau peringkat umum (jika diperlukan) dari tingkat kecukupan komponen yang ada, dan
menempatkan komponen yang relevan dan mendukung. kutipan.
Kutipan dan peringkat disimpan bersama di dalam sel. Idenya di sini adalah bahwa peringkat hanya memberi tahu Anda
seberapa banyak sesuatu itu ada, bukan apa arti sesuatu itu. Kutipan singkat cukup untuk berkomunikasi dan membantu
penilaian analis lain, dengan kembali ke penulisan, apakah peringkat tersebut dibenarkan atau tidak.
Jadilah eksplisit tentang aturan keputusan yang Anda ikuti dalam memilih kutipan dan membuat penilaian atau penilaian.
Jika tidak, kolega atau pembaca akan meragukan kesimpulan Anda—dan Anda sendiri mungkin akan meragukannya.
Pertahankan kutipan dan peringkat bersama dalam matriks sehingga kompatibilitasnya dapat dinilai. Beberapa aturan
keputusan yang kami gunakan untuk entri data di Tampilan 6.16 adalah sebagai berikut:
• Karena hanya ada dua pengguna dan mereka menempati peran yang berbeda (pengajar dan pembantu), jangan
• Karena hanya ada dua pengguna dan mereka menempati peran yang berbeda (pengajar dan pembantu), jangan
memaksakan keputusan umum. Hal yang sama berlaku untuk administrator.
• Gunakan penilaian pengguna dan administrator jika mereka menawarkannya. Tempatkan mereka
dalam tanda kutip. • Menerima laporan langsung; tidak memerlukan verifikasi oleh orang lain.
Analisis
Sekarang kita memindai kolom matriks Tampilan 6.16 dan membentuk gagasan umum tentang tingkat kesiapan untuk
berbagai komponen. Taktik analitik di sini adalah mencatat pola atau tema (lihat Bab 11), bukan sekadar “menjumlahkan”
penilaian. Misalnya, setelah mempelajari data, analis menulis bahwa, sebagian,
gambarnya adalah salah satu komitmen yang kuat dan dukungan administratif (kecuali untuk kepala bangunan), tetapi kecukupan minimal dalam keterampilan
yang diperlukan dan pemahaman tentang praktik, dan tidak adanya mekanisme berwawasan ke depan untuk pelatihan, debugging, atau perencanaan.
Tapi tampilan menunjukkan pertanyaan baru: Apa yang terjadi di sini? Administrator kantor pusat berkomitmen dan memiliki
pemahaman yang lebih mendasar tentang program daripada pengguna (taktik: membuat perbandingan). Mengapa mereka
tidak membantu? Analis kembali ke catatan lapangan dan mencatat,
Bagi Bu Baeurs [penggerak utama yang berorientasi administratif, kurang terampil], semua guru lab yang dibutuhkan hanyalah penyediaan bahan dan pelatihan
awal. . . . Para guru, menurutnya, telah melakukan pekerjaan individual dengan anak-anak “sehingga mereka tidak perlu
melakukan perubahan pikiran apa pun.” . . . Namun, pada satu titik, dia berkata, “Saya tidak tahu. Mungkin kita melakukannya terlalu cepat.”
Bahkan Ny. Robeson, ahli membaca, mengakui bahwa para guru “tidak berpikir mereka siap”, tetapi melihat sedikit cara untuk melakukannya.
mana persiapan awal bisa lebih baik. Dia juga mengecilkan ukuran perubahan yang dibutuhkan pada guru.
Dengan demikian, analis menemukan lebih banyak informasi: Pelatihan dan dukungan yang lemah dan tergesa-gesa terjadi
karena administrator jarak jauh meminimalkan kebutuhan sebenarnya dari pengguna baru. Analis juga berkonsultasi dengan
data survei, menemukan bahwa semua responden menilai daftar persyaratan "hanya sebagian yang ada". Administrator
menekankan dana dan materi; guru lebih ragu tentang apakah ada motivasi untuk mencapai tujuan proyek.
Temuan itu, pada gilirannya, membantu analis menyadari bahwa baris utama yang hilang dalam matriks adalah dukungan
dari guru kelas lainnya, yang kurangnya komitmen dan pemahaman tentang program lab menyebabkan koordinasi, skeptisisme,
dan ketidakpuasan yang buruk, yang hanya diimbangi. sebagian karena kesukaan pribadi mereka terhadap guru lab dan
asistennya.
Secara keseluruhan, matriks daftar periksa efektif untuk pengumpulan dan pemeringkatan sistematis, dan perenungan atas,
potongan penting tertentu dari data terkait.
Catatan
Setiap pertanyaan penelitian dan kumpulan variabel dapat memiliki banyak tampilan yang berbeda. Masing-masing memiliki
kelebihan dan keterbatasan. Misalnya, Peragaan 6.17, Matriks Daftar Periksa tentang Kesiapsiagaan (Format Alternatif 1),
menampilkan kembali Peragaan 6.16 dengan mengubah posisi baris dan kolom sehingga kita dapat dengan mudah mengikuti
respons individu tertentu di semua kondisi, tidak harus mengelompokkannya dalam satu sel seperti pada Tampilan 6.16. Selain
itu, analis telah mengelompokkan kondisi menjadi dua domain umum: Kondisi Psikososial dan Rencana Implementasi.
Pengelompokan itu memungkinkan membandingkan ini dengan lebih mudah.
Tampilan 6.18, Matriks Daftar Periksa tentang Kesiapsiagaan (Format Alternatif 2), mengambil potongan yang berbeda.
Entri sel di sini adalah nama kondisi, bersama dengan N pelaporan pengguna atau administrator.
Tanda bintang dapat muncul di samping nama kondisi di baris pertama yang dianggap “paling” hilang, dan simbol angka di
samping yang dianggap oleh responden penting untuk sukses. Namun perhatikan bahwa kami sekarang telah kehilangan data
untuk individu yang muncul di Tampilan 6.17. Juga jauh lebih sulit untuk melacak status kondisi tertentu.
Tampilan 6.17
Matriks Daftar Periksa Kesiapsiagaan (Format Alternatif 1)

Matriks Checklist Kesiapsiagaan (Format Alternatif 1)
Tampilan 6.18
Matriks Daftar Periksa Kesiapsiagaan (Format Alternatif 2)
Tampilan 6.19, Matriks Daftar Periksa tentang Kesiapsiagaan (Format Alternatif 3), kemungkinan ketiga,
menekankan perbedaan antara administrator dan pengguna dan mengambil langkah tegas menuju dinamika
kondisi —bagaimana dan mengapa mereka penting. Ini juga membawa pandangan peneliti tentang situasi. Kami
telah mempertahankan gagasan tentang contoh spesifik, tetapi kami telah kehilangan individu yang dapat
diidentifikasi dan kemampuan untuk membuat perbandingan yang mudah antara pengguna dan administrator.
Komponen matriks daftar periksa, meskipun dimulai sebagai tidak terurut, terkadang memiliki struktur yang
bermakna. Mereka mungkin jatuh ke dalam beberapa kelompok, seperti pada Tampilan 6.18, atau bahkan dapat
dipesan oleh analis dari periferal ke pusat, atau lemah ke kuat.
Jangan tutup terlalu cepat pada format tampilan, terutama karena fungsi cut-and-paste dari perangkat lunak
berbasis teks memungkinkan banyak variasi. Coba beberapa iterasi; mendapatkan ide dan reaksi rekan kerja.
Khususnya untuk pekerjaan eksplorasi, ada gunanya memiliki kolom berjudul "Keterangan", di mana komentar
yang relevan dalam bentuk apa pun dapat disertakan untuk membantu pemahaman.
Tampilan 6.19
Matriks Checklist Kesiapsiagaan (Format Alternatif 3)

Ilustrasi khusus, masing-masing ditandai dengan A atau U untuk administrator atau
pengguna. bRating: sangat, cukup, agak, atau tidak penting. c Penjelasan alasan
pentingnya kondisi, diberikan oleh responden (A atau U) atau peneliti (R).

Sumber: Miles, MB, & Huberman, AM (1994). Analisis data kualitatif: Buku sumber yang diperluas (edisi ke-2). Thousand Oaks, CA: Publikasi
Sage.
Deskripsi Tabel Ringkasan Analisis-Konten
Deskripsi Tabel ringkasan analisis-konten
adalah tampilan matriks yang mengelompokkan atau menyatukan semua data terkait dan terkait dari beberapa
kasus ke dalam satu bentuk untuk analisis awal atau eksplorasi. Setiap sel matriks menentukan dimensi yang
Anda minati (lihat Tampilan 6.20).
Aplikasi Salah
satu tugas pertama dalam berpindah dari satu kasus ke analisis lintas kasus adalah menentukan berapa
banyak kasus yang memiliki karakteristik serupa. Sederhananya, Anda mengambil matriks asli yang digunakan
untuk kasus tunggal dan menghasilkan meta-matriks yang berisi semua data yang dipadatkan. Ketika karakteristik
yang sama muncul di lebih dari satu kasus, hal ini dapat dicatat secara numerik di samping karakteristik tersebut
(misalnya, “Pergeseran masukan siswa (5)” berarti bahwa pengamatan ini terjadi di lima lokasi yang berbeda).
Terkadang Anda mungkin ingin berfokus terutama pada konten pengamatan Anda yang dimasukkan dalam matriks meta,
tanpa mengacu pada kasus tertentu asalnya. Entri data semacam ini sengaja menjatuhkan identifikasi kasus data untuk melihat
tren utama di seluruh kasus. Tujuannya adalah untuk menjadi lebih konseptual daripada spesifik lokasi.
Untuk matriks deskriptif awal, yang seringkali berukuran besar dan kompleks karena kebutuhan untuk "memasukkan
semuanya", gunakan tabel ringkasan analitik konten untuk memperjelas pemahaman Anda. Kemudian, periksa kembali dengan
matriks yang lebih besar untuk memastikan bahwa kesimpulan Anda tidak terlalu disederhanakan atau didistorsi.
Contoh
Tampilan 6.20 adalah contoh tabel ringkasan analitik isi dari studi peningkatan sekolah. Kami (Miles dan
Huberman) ingin mendokumentasikan dua jenis perubahan yang kami amati: (1) sementara dan (2) tahan lama.
Kami membagi setiap jenis perubahan lebih lanjut menjadi dua bentuk lagi: (1) yang terlihat dalam inovasi itu
sendiri dan (2) yang diamati dalam organisasi secara keseluruhan.
Tampilan 6.20
Tabel Ringkasan Analisis-Konten: Konten Perubahan Organisasi

*Setiap item mewakili perubahan yang terjadi di satu situs. Perubahan yang terjadi di lebih dari satu situs memiliki nomor yang ditambahkan.
Sumber: Miles, MB, & Huberman, AM (1994). Analisis data kualitatif: Buku sumber yang diperluas (edisi ke-2). Thousand Oaks, CA: Publikasi Sage.
Sekali lagi, kami membagi pengamatan kami tentang perubahan sementara dan tahan lama lebih jauh menjadi tiga
jenis perubahan: (1) struktural, (2) prosedural, dan (3) iklim (mengacu pada dinamika sosial dan emosional para peserta).
Setiap sel berisi karakteristik relevan yang kami amati di berbagai lokasi sekolah yang didokumentasikan dalam catatan
lapangan tim kami.
Analisis
Anda dapat melihat sekilas aktivitas banyak kasus di salah satu sel dengan mencatat angka dalam tanda kurung.
Anda juga dapat mengetahui berapa banyak jenis perubahan organisasi dalam satu jenis dengan mencatat jumlah entri
dalam sel.
Misalnya, “perubahan sementara dalam struktur” dalam inovasi (sel kiri atas) tidak sering terjadi dan terjadi tidak lebih
dari satu kasus, sedangkan “perubahan iklim sementara dalam inovasi” (dua sel ke bawah) lebih beragam dan
menunjukkan kekambuhan. di beberapa kasus (taktik: membuat kontras, perbandingan; menghitung).
Namun gambarannya agak berbeda untuk perubahan yang tahan lama. Sepertinya "perubahan yang bertahan lama
dalam organisasi" (sel atas di paling kanan) sangat banyak dan terjadi di beberapa situs. Pandangan sederhana terhadap
matriks menunjukkan bahwa ada banyak perubahan yang lebih tahan lama daripada perubahan sementara.
Kumpulan data awal dan eksplorasi ini membantu Anda memahami struktur data di semua kasus secara sekilas. Ini
menunjukkan karakteristik, variabel, keterkaitan, dan/atau tren mana yang mungkin menarik untuk tindak lanjut analitik.
Catatan
Anda dapat, tentu saja, melampirkan inisial atau kode dari beberapa jenis ke setiap bit data dalam matriks yang mengidentifikasi
kasus atau situs tertentu asalnya. Ini akan memungkinkan Anda untuk melacak atau kembali ke kasus tertentu jika Anda
menginginkan referensi dan tindak lanjut.
Tabel Kontras
Keterangan
Sebuah tabel kontras dengan sengaja menyatukan berbagai ekstrem, contoh, dan/atau outlier yang representatif dari kasus ke
dalam satu tabel untuk mengeksplorasi variabel-variabel tertentu yang menarik di antara mereka (lihat Tampilan 6.21).
Aplikasi
Saat Anda mencoba memahami arti dari variabel umum, mungkin hasil penting untuk sebuah penelitian, dan bagaimana
variabel itu bekerja di berbagai kasus, tabel kontras adalah perangkat eksplorasi yang berguna. Ini memungkinkan Anda untuk
memindai hanya beberapa dari banyak kasus dengan memeriksa sampel rentang ekstrem. Terkadang, menyandingkan yang
positif dengan yang negatif, atau unggul dengan yang gagal, menghasilkan wawasan analitik yang tidak mungkin dilakukan dengan
melihat rentang variabel atau rangkaian kasus.
Tampilan 6.21
Tabel Kontras: Kasus Teladan yang Menampilkan Derajat Perubahan Pengguna yang Berbeda
Penting untuk dicatat bahwa Anda harus membaca semua atau sebagian besar kasus sebelum Anda mengetahui kasus mana
yang merupakan "contoh". Proses ini juga membantu Anda menemukan atribut mereka.
Contoh
Tampilan 6.21 memperlihatkan tiga lokasi sekolah yang perubahan programnya dinilai tinggi, rendah, dan negatif—tiga ekstrem.
Ketiga mazhab yang kontras ini kemudian diperiksa “aspek perubahan penggunanya”, seperti penguasaan teknis, investasi energi,
dan sebagainya, juga peneliti dinilai melalui kode magnitudo yang sesuai seperti tinggi, lambat, cepat, tinggi lalu rendah, dan
seterusnya. .
Analisis
Analis mencoba membongkar gagasan tentang bagaimana pengguna berubah sebagai hasil dari percobaan inovasi,
memilih tiga kasus perwakilan dan mengeluarkan enam aspek perubahan pengguna yang relevan yang dia perhatikan
dalam membaca laporan kasus. Latihan ini membantu konseptualisasi perubahan pengguna terdiri dari apa dan
bagaimana cara kerjanya. Misalnya, sepertinya kasus negatif, Dun Hollow, awalnya lebih mirip kasus perubahan tinggi
Masepa, dan kemudian mengalami kemunduran.
Memindai tabel menegaskan bahwa, untuk sebagian besar, kode besaran yang diterapkan pada aspek perubahan
pengguna selaras dengan dan menguatkan klasifikasi utama dari perubahan tiga lokasi sebagai tinggi, rendah, dan
negatif. Dengan kata lain, keenam aspek perubahan pengguna “bertambah” dengan baik untuk mendukung penilaian
peneliti secara keseluruhan terhadap perubahan program sekolah.
Tabel kontras sering mengarah ke variabel yang berguna untuk matriks prediktor-hasil (lihat Bab 10). Misalnya, pada
Tampilan 6.21, tingkat pervasif perubahan yang tinggi mungkin menyebabkan jumlah perubahan pengguna yang tinggi.
Konfigurasi matriks baru dapat mengonfirmasi hal ini.
Catatan
Tabel kontras menyatukan berbagai kasus yang dipilih dan ekstrem untuk analisis eksplorasi. Jangan hanya
mengandalkan sampel ini sebagai perwakilan dari kasus lain yang sebanding dalam penelitian Anda.
Matriks Berurutan Kasus Dua Variabel

Keterangan
Matriks terurut kasus dua variabel umumnya mengurutkan kasus dengan hati-hati menurut baris pada variabel yang
terkenal, kemudian menurut kolom yang dapat menyertakan beberapa aspek dari variabel yang kurang dikenal untuk
mengeksplorasi kemungkinan keterkaitan (lihat Tampilan 6.22).
Aplikasi
Ada kalanya satu bagian dari teka-teki penelitian telah selesai tetapi bagian lain masih menjadi misteri. Atau ada
kalanya beberapa kasus pada awalnya dikelompokkan bersama menurut beberapa kesamaan tetapi sekarang perlu
analisis lebih lanjut untuk melihat apakah ada lebih banyak kesamaan di antara dan di antara mereka. Matriks terurut
kasus dua variabel dapat membantu dengan dua kebutuhan penelitian khusus ini. Metode ini juga sangat berguna
dalam mempelajari kemungkinan hubungan timbal balik antara dua variabel, tetapi arah sebab akibat tidak diketahui
atau ambigu.
Contoh
Tampilan 6.22 mengilustrasikan 12 kasus sekolah yang telah diklasifikasikan secara vertikal menurut
baris menurut pemantapan praktik yang dirasakan peneliti, mulai dari tinggi ke sedang-tinggi ke sedang ke rendah.
Baris menyertakan variabel yang sudah diselidiki dan "diatur"; kolom mencerminkan variabel yang belum dieksplorasi.
Kolom 2 dan 3 menyertakan kode besaran tambahan (positif, campuran, tinggi, tidak pasti, dll.) yang dikaitkan
dengan kasus, dengan Kolom 4 mencantumkan faktor utama yang dapat berkontribusi pada kemungkinan kelanjutan
program sekolah. Analis ingin mengetahui bagaimana "sikap pengguna" dan "kemungkinan penggunaan berkelanjutan"
dapat saling terkait dengan "faktor utama".
Analisis
Tampilan ini terbukti sangat kaya. Analis memindai matriks dan mengembangkan pernyataan dan proposisi kutipan
berikut berdasarkan pengamatan taktis:
Apakah situs yang distabilkan lebih mungkin untuk dilanjutkan daripada situs yang kurang stabil? Ya, di ekstrem, tapi sama sekali tidak di kisaran
tengah (taktik: mencatat hubungan antar variabel).
Kolom 2 memberi tahu kita bahwa dalam 7 dari 12 kasus, pengguna ingin—kebanyakan atau pasti—melanjutkan (taktik: menghitung). Tapi hanya 4
dari situs-situs ini keinginan mereka kemungkinan besar akan terpenuhi. Jadi sikap pengguna yang positif dapat meningkatkan tetapi tidak memberikan,
kemungkinan kelanjutan yang tinggi (taktik: mencatat hubungan antar variabel). Di sisi lain, pengguna yang tidak menyukai inovasi terlihat seperti prediktor
yang sedikit lebih baik. Namun, tampaknya preferensi guru tidak menentukan, setidaknya dalam hal memastikan penggunaan yang berkelanjutan di suatu lokasi.
Tampilan 6.22
Matriks Berurutan Kasus Dua Variabel: Hubungan Antara Stabilisasi Praktik Pengguna dan Lokal
Kelanjutan
* Penilaian peneliti, biasanya dikumpulkan dari data wawancara dan tabel laporan kasus +
Beberapa ingin melanjutkan, yang lain tidak (E) = inovasi yang dikembangkan secara eksternal (L)
= inovasi yang dikembangkan secara lokal Sumber: Miles, MB, & Huberman, AM (1994 ) . Analisis
data kualitatif: Buku sumber yang diperluas (edisi ke-2). Thousand Oaks, CA: Publikasi Sage.
Di kolom paling kecil, 4, faktor prima dicantumkan dalam perkiraan urutan besarnya. Mereka datang langsung dari tanggapan pengguna, dikumpulkan.
Melihat situs kelanjutan yang tidak pasti , tampaknya kita dapat mengharapkan kelanjutan yang lebih sedikit ketika sebagian besar orang yang melakukannya
atau mengelolanya tidak menyukainya, ketika aktor kunci lainnya tidak mendukungnya, atau ketika ada turbulensi eksternal yang berat. Jika kita mencari
satu kontributor menyeluruh, jelas akan kurangnya dukungan administrator yang berkelanjutan, seperti yang terlihat secara eksplisit, dan melalui media
pemotongan anggaran (taktik: anjak piutang).
Di lima lokasi di mana kelanjutannya sangat mungkin, ada juga bukti eksplisit dukungan administratif: peraturan administratif dan kodifikasi administratif. .
. . Jadi kami memiliki pengguna langsung atau yang disimpulkan dan dukungan administratif bersama dengan
fiat administratif — kombinasi otot dan komitmen yang tak terkalahkan (taktik: menggunakan kasus ekstrim, mencatat hubungan
antar variabel).
Sebagai bagian dari proses penjajakan, analisis ini juga menyarankan beberapa langkah selanjutnya: kebutuhan
untuk membongkar berbagai penyebab stabilisasi secara lebih jelas dan menganalisis dinamika proses
pelembagaan—masalah berikutnya di luar “kelanjutan” sederhana.
Catatan
Fungsi cut-and-paste perangkat lunak memungkinkan Anda menjelajahi berbagai urutan dan konfigurasi baris
dan kolom dengan mudah. Jika ada sesuatu yang tidak mengejutkan Anda secara analitis setelah meninjau
matriks terurut kasus dua variabel awal Anda, coba konfigurasi baris atau kolom yang berbeda untuk melihat
apakah susunan baru menghasilkan koneksi dan wawasan tambahan.
Menjelajahi Laporan yang Sedang Berlangsung
Kasus pra-terstruktur adalah template untuk draf laporan yang berurutan. Analisis berurutan menunjukkan
bagaimana studi berurutan membangun yang sebelumnya untuk mengembangkan temuan kumulatif.
Kasus Pra-terstruktur
Deskripsi
Dengan asumsi bahwa peneliti telah menetapkan kerangka kerja konseptual yang eksplisit, seperangkat
pertanyaan penelitian yang agak tepat, dan rencana pengambilan sampel yang jelas, kasus pra-terstruktur dimulai
dengan garis besar kasus, yang dikembangkan sebelum data apa pun dikumpulkan . Outline tersebut nantinya
akan mencakup tampilan data yang detail, serta bagian naratif yang menyertainya. Garis besar sebenarnya adalah
cangkang untuk data yang akan datang. Selama beberapa putaran kunjungan lapangan, peneliti mengisi draf
kasus secara berturut-turut, terus merevisi. Versi final dari kasus ini siap segera setelah kunjungan lapangan
terakhir (lihat Tampilan 6.23).
Tampilan 6.23
Garis Besar Kasus Pra-terstruktur: Versi Singkat
A. Catatan awal: metode kasus dan data
I. Konteksnya:
sebuah. Sekolah: ikhtisar

b. Konteks masyarakat c.
Distrik sekolah
d. Konteks negara (SEA dan legislatif) e.
Sekolah: gambaran yang lebih detail f. Prasyarat
untuk perubahan
II. Program perbaikan sesuai rencana: ikhtisar III. Mengapa

program ini IV. Kisah perencanaan dan implementasi
sebuah. Kronologi
b. Proses perencanaan dan pelaksanaan c. Masalah
d. Bantuan yang diberikan
1. Sumber, jenis, dan kecukupan

2. Mengapa bantuan ini?
e. Bagaimana masalah ditangani
1. Mengelola dan mengatasi strategi 2.

Mengapa strategi ini?
V. Upaya pelaksanaan program
sebuah. Jangkauan dan kualitas program

secara keseluruhan b. Prospek ke depan c.
Mengapa implementasi terjadi seperti itu
VI. Hasil
sebuah. Hasil sementara
b. Hasil jangka panjang
VII. Mengapa hasil ini?

VIII. Pelajaran untuk meningkatkan sekolah menengah perkotaan
Aplikasi Kami
sering menyinggung masalah kelebihan data dalam penelitian kualitatif, yang diperparah oleh waktu yang diperlukan
untuk memproses catatan lapangan dan untuk pengkodean. Dalam sebuah studi di mana waktu terbatas dan pertanyaan
penelitian ditentukan dengan baik, kasus pra-terstruktur adalah cara untuk memfokuskan dan merampingkan pengumpulan
data dan analisis yang "cepat dan bersih" dan kemungkinan besar akan memberikan hasil yang dapat dipercaya.
Metode-metode ini menjadi lebih penting dalam studi banyak kasus, di mana keterbandingan antar kasus sangat penting
untuk kesimpulan yang terjamin.
Contoh
Dalam sebuah studi tentang proses reformasi di enam sekolah menengah perkotaan yang dilakukan oleh lima staf peneliti
(Louis & Miles, 1990), tim mengembangkan kerangka kerja konseptual rinci dan satu set 14 pertanyaan penelitian rinci,
seperti berikut:
• Hambatan, masalah, dan dilema apa yang dihadapi selama perencanaan/inisiasi dan
pelaksanaan proyek perbaikan sekolah?
• Manajemen dan strategi penanggulangan apa yang digunakan untuk mengatasi hambatan/
masalah/dilema?
Dengan pertanyaan penelitian di tangan, Anda dapat menyusun garis besar yang ditentukan dengan jelas. Peragaan 6.23
menunjukkan bentuk singkatan dari yang digunakan dalam penelitian, dengan memperhatikan penulisan kasus setebal 40
halaman. Versi yang lebih rinci digunakan oleh semua peneliti kasus; tujuannya adalah untuk "mendorong pengumpulan
data dengan produk yang diantisipasi" (Miles, 1990). Artinya, pekerja lapangan, mengetahui seperti apa penulisan akhir itu,
mengumpulkan data yang diperlukan untuk mengisi cangkang. Tampilan data khusus (matriks, bagan organisasi, dll.) juga
diuraikan sebelumnya.
Karena waktu biasanya terbatas ketika metode ini digunakan, ada baiknya melakukan perencanaan terlebih dahulu untuk
pengambilan sampel dalam kasus. Misalnya, untuk dua pertanyaan penelitian penelitian di atas, kami menginginkan sampel
yang bagus dari yang berikut ini:
• Aktor kunci: orang-orang dalam posisi koordinatif •

Peristiwa penting: pertemuan di mana pemecahan masalah dan koordinasi terjadi •
Proses inti: masalah yang dihadapi selama inisiasi, serta awal dan selanjutnya
implementasi, dan strategi penanggulangan dari berbagai peran yang terpengaruh (guru, administrator gedung,
dan personel kantor pusat)
Mengingat waktu yang terbatas, merencanakan pendekatan berurutan untuk pengumpulan data juga berguna: Yang mana
pertanyaan penelitian akan difokuskan selama kunjungan berturut-turut?
Analisis
Dengan garis besar yang jelas dalam pikiran, peneliti memulai putaran pertama pengumpulan data. Catatan lapangan
mentah diberi kode tanpa diubah menjadi tulisan. Peneliti meninjau catatan lapangan yang dikodekan dan memasukkan data
langsung ke dalam tampilan dan tulisan yang menyertai teks analitik — yaitu, kesimpulan yang ditarik dari data yang
ditampilkan. Akan ada data yang hilang atau tidak jelas dan pertanyaan penelitian yang tidak terjawab; ini memberikan target
untuk pengumpulan data putaran berikutnya.
Versi awal garis besar kasus dapat dibatasi pada materi deskriptif, "komentar reflektif", dan subbagian tentang "teka-teki dan
pertanyaan yang belum terjawab" di setiap bab kasus.
Prosedur ini diulang sampai pengumpulan data dan kasus selesai dilakukan. Dengan demikian, proses pengumpulan
data, analisis, dan penulisan laporan digabung menjadi satu prosedur yang berkembang.
Dengan beberapa pengalaman, peneliti memiliki rasa konstan berada di atas data dan tetap terbuka untuk memeriksa dan
memperluas temuan. Umpan balik dari peserta studi dapat dicari dan dimasukkan sepanjang jalan untuk memverifikasi dan
merevisi kesimpulan awal.
Tampilan 6.24 menunjukkan bagaimana urutan analitik ini berbeda dari urutan yang lebih tradisional. Keduanya iteratif,
tetapi kerja lapangan dalam kasus pra-terstruktur didorong oleh garis besar, serta kesimpulan yang muncul, dan draf laporan
itu sendiri.
Tapi Tampilan 6.24 juga menunjukkan kelemahan utama: Pengkodean dilakukan langsung dari catatan lapangan, bukan
dari tulisan "publik", dan jauh lebih sedikit kritik dan penyempurnaan. Jadi metode tersebut tidak boleh digunakan oleh pekerja
lapangan yang tidak berpengalaman atau oleh mereka yang tidak terbiasa dengan jenis latar yang sedang dipelajari. Juga
tidak boleh digunakan jika kerangka konseptual dan pertanyaan penelitian tidak dijabarkan dengan baik. “Singkatnya, seperti
kebanyakan hal yang penting, untuk melakukan kasus pra-terstruktur dengan baik, Anda harus tahu apa yang Anda
lakukan” (Miles, 1990, hal. 48).
Tampilan 6.24
Urutan Analisis Tradisional Dibandingkan Dengan Kasus Pra-terstruktur
Catatan
Metode kasus pra-terstruktur mengarahkan peneliti ke arah awal—mungkin terlalu dini—penarikan kesimpulan.
Kecenderungan ini membuat tunnel vision dan bias yang tidak terdeteksi lebih mungkin terjadi. Bahkan dengan peneliti
berpengalaman dan berpengetahuan luas, kami menyarankan taktik korektif seperti berikut: (a) pengembangan kasus oleh
sepasang peneliti untuk menangkal potensi kesulitan yang dibahas di atas; (b) memastikan pengambilan sampel data yang
luas dari berbagai peserta dan pengaturan; (c) triangulasi (lihat Bab 11) dengan metode pengumpulan data, teori, atau
responden yang berbeda; dan—di atas segalanya—(d) menggunakan kolega untuk
lihat apakah kesimpulan yang berbeda dapat diperoleh dari tampilan dan tulisan Anda.
Uraian Analisis Sekuensial
Analisis sekuensial tidak
harus merupakan serangkaian metode tertentu atau sesuatu yang dapat ditampilkan, tetapi iterasi yang disengaja
dari pengumpulan data tambahan dan analisis ulang untuk memastikan serangkaian temuan yang lebih kuat dan/atau
untuk membangun siklus pertama temuan sementara. untuk penelitian masa depan. Setiap gelombang pengumpulan
data mengarah pada pengelompokan dan analisis molar yang lebih progresif.
Aplikasi Analisis
interim tunggal jarang "cukup". Analisis interim pertama seharusnya tidak hanya menunjukkan pengumpulan data
yang lebih baik tetapi juga mengarah pada gelombang analisis yang lebih dalam dan lebih lengkap secara berturut-
turut dengan beralih kembali ke pengkodean, memo, dan pengembangan pernyataan dan proposisi saat data yang
lebih rinci dan berkualitas lebih baik tersedia dan peta kognitif Anda kasing menjadi lebih kaya dan lebih kuat.
Sangat mudah untuk jatuh ke dalam perangkap penutupan prematur, perasaan "benar" yang didasarkan pada
kesalahan — terutama karena pengumpulan data awal biasanya sebagian, cacat, dan sederhana dalam beberapa hal
penting. Pada dasarnya, analisis interim yang baik adalah analisis yang membantu kita mengarahkan kembali
pandangan kita tentang kasus tersebut. Dan setiap analisis sementara harus menjadi yang pertama dari beberapa
analisis. Kekuatan mereka adalah karakter eksplorasi, meringkas, dan masuk akal. Kelemahan potensial mereka
adalah kedangkalan, penutupan prematur, dan data yang salah. Kelemahan-kelemahan ini dapat dihindari melalui
kritik cerdas dari rekan-rekan yang skeptis, memberi umpan balik ke gelombang pengumpulan data berikutnya.
Contoh
McVea (2001) dan tim peneliti melakukan serangkaian studi kualitatif terpisah dari tahun 1997 hingga 2001 yang
meneliti penggunaan tembakau remaja. Setiap studi tahunan tidak hanya menginformasikan tetapi juga memberikan
pertanyaan penelitian tambahan untuk proyek tahun depan. Studi eksplorasi pertama mereka menyelidiki remaja yang
merokok di satu situs sekolah menengah tertentu. McVea melaporkan bahwa “meskipun ada kebijakan tembakau
tertulis, sekolah menengah bukanlah 'tempat yang aman' dari tekanan merokok. . . . Hasil dari penelitian pertama kami
menimbulkan pertanyaan menarik: Mengapa sekolah tidak menegakkan kebijakan larangan merokok?” Proyek
tahunan tim peneliti berikutnya mengeksplorasi pertanyaan itu.
Analisis
Studi kedua McVea dan rekan (2001) didorong oleh pengamatan paling membingungkan yang dihasilkan dari kerja
lapangan studi pertama: Mengapa sekolah tidak menegakkan kebijakan dilarang merokok?
Tim mewawancarai remaja dan orang dewasa dan melaporkan,
Kami menemukan bahwa administrator menemukan aturan yang sulit ditegakkan karena banyaknya perokok, dan sumber daya yang signifikan
diperlukan untuk mengawasi perilaku mereka. Para guru khawatir bahwa mengantar siswa ke luar kampus untuk merokok menyebabkan mereka bolos
kelas, dan mereka khawatir hukuman hukuman lebih berbahaya daripada penggunaan tembakau. Mahasiswa menafsirkan kurangnya penegakan
sebagai bukti bahwa fakultas "tidak peduli" tentang merokok. Siswa perokok bahkan berkomentar tentang bagaimana kemampuan merokok di sekolah
bersama teman berkontribusi pada kebiasaan mereka.
Berbekal temuan ini, studi tahunan ketiga dan berikutnya mengeksplorasi bagaimana program berhenti merokok
dapat diterapkan pada remaja. Tim peneliti menemukan bahwa hubungan dan pengaruh teman sebaya memainkan
peran yang kuat dalam apakah seorang remaja dapat atau akan berhenti merokok.
Studi setiap tahun menginformasikan analisis dan evaluasi berikutnya dan memungkinkan yang lebih kaya, ditambah
strategi konstruktif untuk tindakan dan hasil positif.
Contoh di atas adalah kasus sapuan kuas yang luas dari analisis sekuensial. Sebagai contoh lain dan lebih spesifik,
sebuah studi Belgia tentang perawatan kesehatan primer (Schillemans et al., nd) berfokus pada pengobatan korban
inses. Para peneliti memulai dengan kelompok yang terdiri dari 10 sampai 15 praktisi medis, bertemu dalam “kelompok
eksplorasi” mingguan selama 2 tahun. Berikut adalah langkah-langkah analitik berturut-turut mereka:
• Tinjau materi dari kasus pasien pertama (kaset video, dokumen, catatan). • Buat kumpulan kode pertama dari
tinjauan kasus, seperti "takut akan kegelapan", "kesulitan bicara", dan "keengganan terhadap seksualitas". • Tambahkan lebih
banyak kode klinis dari literatur khusus, seperti “batas antara manusia dan
perempuan” dan “kekerasan”.
• Periksa kasus lebih lanjut, dan kembangkan lebih banyak kode melalui induksi analitik. • Kembangkan
hipotesis utama (misalnya, bahwa korban inses memiliki batasan yang berkembang dengan lemah). • Verifikasi hipotesis
melalui wawancara dengan beberapa pasien dari set awal. • Padukan temuan ini dengan literatur empiris dan konseptual yang
ada (misalnya, tentang kepribadian yang terpisah). • Memperluas temuan ke sampel baru (menyaring kasus baru untuk kasus
inses) dan sampel baru
siklus analitik.
Setiap langkah adalah corong untuk mengumpulkan lebih banyak data pada dimensi yang lebih sedikit, namun semakin penting, dalam
kumpulan data.
Secara keseluruhan, analisis sekuensial menambah nilai pada produk tertulis kumulatif dan akhir. Prosedur ini memberikan kepercayaan
lebih pada temuan peneliti yang sedang berlangsung dan memberikan dimensi pada korpus data, sehingga lebih menjamin analisis detail,
nuansa, dan kompleksitas yang lebih kaya.
Catatan
Lihat “Elaborative Coding” dan “Longitudinal Coding” di Saldaña (2013) untuk metode tambahan
bagaimana studi berurutan dibangun di atas yang sebelumnya dan menginformasikan seri berikutnya.
Metode eksplorasi ini ditawarkan sebagai cara awal untuk mendokumentasikan dan menyusun kembali data yang menonjol ke dalam
berbagai format tampilan untuk perusahaan yang muncul yaitu penyelidikan kualitatif. Metode-metode ini saja, dengan sedikit
penyempurnaan di pihak Anda, bahkan mungkin cukup untuk tujuan penelitian khusus Anda. Mereka ditawarkan sebagai heuristik "draf
pertama" untuk mengekstraksi apa yang penting, untuk mensintesis dan meringkas detail yang paling penting, untuk meletakkan dasar
untuk analisis yang lebih mendalam, dan untuk mengatur ulang data untuk membangun pola yang bermakna dari mereka.
Bab berikutnya akan menyajikan tampilan yang lebih tegas daripada mendokumentasikan data secara sementara. Mereka
dimaksudkan untuk memberikan, seperti bab ini, dasar untuk analisis yang lebih kaya, seperti menyusun, menjelaskan, dan memprediksi.
7
Metode Mendeskripsikan
Ringkasan Bab
Bab ini mengilustrasikan metode untuk mengatur data kualitatif yang padat, dari cara yang sangat sistematis hingga yang
disajikan secara artistik, untuk tujuan dokumentasi deskriptif. Profil deskriptif fokus pada menggambarkan peserta, variabilitas,
dan tindakan sosial.
Isi
pengantar
Mendeskripsikan Peserta
Matriks Berurutan Peran
Bagan Konteks
Menggambarkan Variabilitas
Buat Tabel
Matriks Terkelompok Secara Konseptual

Taksonomi Rakyat
Menggambarkan Aksi
Sketsa
Tampilan Puitis
Peta Kognitif
pengantar
Wolcott (1994) menganjurkan bahwa deskripsi adalah representasi kualitatif yang membantu pembaca melihat apa yang
Anda lihat dan mendengar apa yang Anda dengar. Fondasi yang solid dan deskriptif dari data Anda memungkinkan analisis
dan interpretasi tingkat yang lebih tinggi. Biasanya, sulit untuk menjelaskan “bagaimana” dan “mengapa” dari sesuatu secara
memuaskan sampai Anda mengerti apa itu sebenarnya.
Anda mulai dengan sebuah teks, mencoba kode-kode di dalamnya, lalu bergerak untuk mengidentifikasi pola, kategori,
atau tema, dan kemudian menguji firasat dan temuan, yang pertama-tama bertujuan untuk menggambarkan "struktur dalam"
dan kemudian mengintegrasikan data ke dalam kerangka penjelasan. . Dalam pengertian ini, kita dapat berbicara tentang
transformasi data sebagai informasi yang dipadatkan, dikelompokkan, diurutkan, dan ditautkan dari waktu ke waktu. Peneliti
biasanya bergerak melalui serangkaian episode analisis yang memadatkan lebih banyak data menjadi pemahaman yang lebih
koheren tentang apa—membangun landasan yang kuat untuk kemudian menganalisis bagaimana dan mengapa (Wolcott,
1994).
Menggambarkan Peserta melihat dinamika hubungan orang-orang yang Anda pelajari. Menggambarkan Variabilitas
memetakan spektrum dan lanskap dari apa yang kami temukan di lapangan. Dan Menggambarkan Tindakan mendokumentasikan
pengalaman dan proses peserta kami dari cara yang sistematis hingga yang ditampilkan secara artistik.
Mendeskripsikan Peserta
Matriks urutan peran memetakan karakteristik penting yang relevan dengan studi berbagai peserta. Bagan konteks
menggambarkan hierarki dan keterkaitan di dalam, di antara, dan
di antara para peserta.
Matriks Berurutan Peran

Deskripsi Matriks
urutan-peran mengurutkan data dalam baris dan kolomnya yang telah dikumpulkan dari atau tentang kumpulan "pengguna
peran" tertentu—data yang mencerminkan pandangan mereka. Tampilan secara sistematis memungkinkan perbandingan
lintas peran pada isu-isu yang menarik untuk sebuah studi dan menguji apakah orang-orang dalam peran yang sama melihat
masalah dengan cara yang sebanding (lihat Tampilan 7.1).
Penerapan Orang-
orang yang hidup dalam kelompok dan organisasi, seperti kebanyakan dari kita, dan ilmuwan sosial yang mempelajari
kelompok dan organisasi tahu bahwa cara Anda memandang kehidupan sebagian bergantung pada peran Anda. Peran
adalah perpaduan kompleks antara harapan dan tindakan yang membentuk apa yang Anda lakukan, dan harus Anda
lakukan, sebagai jenis aktor tertentu dalam suatu latar—keluarga, ruang kelas, komite, rumah sakit, departemen kepolisian,
atau perusahaan multinasional . perusahaan.
Matriks urutan peran mengelompokkan, meringkas, dan membandingkan persepsi peran orang yang berbeda tentang
topik atau isu terpilih yang memungkinkan peneliti untuk membandingkan dan membedakan persepsi tersebut.
Misalnya, ibu cenderung melihat dunia secara berbeda dari ayah. Atasan cenderung tidak melihat rasa frustrasi yang
dihadapi pekerja, sebagian karena jauh dari mereka dan sebagian lagi karena bawahan sering menyensor berita buruk saat
melapor ke atas. Interaksi berkecepatan tinggi seorang guru dengan beberapa ratus anak selama satu hari memiliki peran
yang sangat berbeda dari transaksi kepala sekolah yang beragam dengan orang tua, vendor, sekretaris, administrator kantor
pusat, dan guru lainnya. Kita masing-masing mengalami dunia secara berbeda, dan matriks urutan peran hanyalah salah
satu cara untuk mendokumentasikan berbagai pengalaman tersebut.
Contoh Kami
(Miles dan Huberman) mengacu pada studi peningkatan sekolah kami sebagai contoh. Inovasi yang dilakukan adalah
program remedial intensif, dilaksanakan di sekolah menengah atas, dengan penekanan pada membaca mata pelajaran
bahasa Inggris, sains, dan matematika. Pertanyaan yang menarik adalah “Bagaimana reaksi orang terhadap suatu inovasi
ketika mereka pertama kali menemukannya?” Pertanyaan umum ini dapat diuraikan menjadi beberapa subpertanyaan,
seperti berikut ini:
• Aspek inovasi mana yang menonjol dan menonjol di benak orang? • Bagaimana orang menilai
inovasi dalam kaitannya dengan implementasi akhirnya? • Perubahan apa—di tingkat kelas atau
organisasi—yang menurut orang akan dilakukan oleh inovasi
memerlukan?
• Seberapa cocok inovasi dengan gaya kelas orang sebelumnya atau dengan pengaturan kerja organisasi
sebelumnya?
Mengingat bahwa kami ingin melihat jawaban atas pertanyaan-pertanyaan ini dibagi oleh peran yang berbeda, kami
dapat mempertimbangkan peran mana — misalnya, guru, ketua departemen, kepala sekolah, personel kantor pusat — yang
dapat diharapkan untuk menghadiri inovasi dan dapat memberikan hasil yang bermakna. reaksi terhadapnya. Baris matriks
bisa berupa peran, tetapi jika kita ingin membuat perbandingan peran, baris mungkin harus orang dan dikelompokkan ke
dalam domain peran. Mungkin bagus juga untuk mengurutkan peran sesuai dengan seberapa jauh mereka dari lokus inovasi
yang sebenarnya—dari guru hingga administrator kantor pusat. Kolom dapat dikhususkan untuk subpertanyaan penelitian.
Tampilan 7.1 menunjukkan bagaimana pendekatan ini terlihat.
Peneliti mencari melalui penulisan kode untuk data yang relevan, dan data yang dimasukkan di setiap sel adalah
ringkasan singkat dari apa yang ditemukan analis untuk setiap responden. Aturan keputusan utama adalah sebagai berikut:
Jika ada dalam catatan, dan tidak bertentangan secara internal, rangkum dan masukkan frasa
mencerminkan ringkasan. Ada juga entri “DK” (“tidak tahu”), di mana data hilang karena pertanyaan yang
relevan tidak pernah ditanyakan kepada orang tersebut, ditanyakan tetapi tidak dijawab, atau dijawab secara
ambigu.
Analisis
Sekarang, kita dapat mulai melihat kolom matriks, baik di dalam maupun lintas peran, untuk melihat apa
yang terjadi. Memindai dua kolom pertama (Salient Characteristics dan Size Up) menunjukkan kepada kita
bahwa banyak guru—terutama dalam bahasa Inggris—melihat program remedial baru sebagai preskriptif,
dengan sedikit kebebasan yang diberikan untuk adaptasi (taktik: menghitung dan membuat perbandingan).
Dan para guru yang melihat inovasi sebagai preskriptif juga mereka yang paling lama menggunakannya,
menunjukkan bahwa preskriptif tertinggi saat program pertama kali diperkenalkan (taktik: mencatat hubungan
antar variabel). Sejumlah guru juga menyebutkan kerumitan (tetapi perhatikan bahwa pengguna tahun
pertama lebih cenderung melihat program sebagai sederhana dan mudah digunakan, menyarankan stabilisasi program
Ketika kita turun ke kursi departemen dan administrator kantor pusat, gambarannya agak berbeda. Mereka lebih
cenderung mengambil pandangan “gambaran besar”, menekankan “kurikulum”, “untaian”, dan sejenisnya. Meskipun
mereka terlalu menekankan preskriptif ("Tergantung pada yang digunakan saat sudah diatur" atau "Bekerja jika
diikuti"), mereka juga tidak memberikan jawaban yang jelas tentang masalah kompleksitas atau (seperti dalam kasus
direktur kurikulum, advokat utama). dari program) mengatakan bahwa "setiap guru dapat menggunakan [itu] dengan
sukses." Tetapi para guru, yang dihadapkan pada program yang awalnya menuntut dan kaku, tampaknya tidak begitu
yakin (taktik: membuat perbandingan).
Pindah ke kolom ketiga (Kelas yang Diantisipasi atau Perubahan Organisasi) dari Tampilan 7.1, kita dapat melihat
perbedaan peran-perspektif. Dua guru menyebutkan bekerja sama sebagai perubahan yang diantisipasi, yang
membatasi kebebasan mereka dan membuat mereka bertanggung jawab terhadap jadwal dan gaya kerja teman sebaya.
Administrator, catatan lapangan menunjukkan, menganggap kerja tim diperlukan untuk mengimplementasikan
beberapa untaian program dan sebagai cara membantu guru yang lebih lemah menjadi lebih baik melalui belajar dari
yang lebih kuat. Meski begitu, mereka tidak menganggapnya sebagai perubahan yang menonjol, dengan mengatakan
bahwa tidak diperlukan perubahan organisasi ("Program ini dirancang agar sesuai dengan struktur") atau bahwa
mereka tidak tahu apakah perubahan organisasi sudah diantisipasi.
Terakhir, jika kita melanjutkan taktik membuat perbandingan , kolom keempat (Sesuai Dengan Gaya Sebelumnya
Terakhir, jika kita melanjutkan taktik membuat perbandingan , kolom keempat (Sesuai Dengan Gaya
Sebelumnya atau Pengaturan Organisasi) menunjukkan serangkaian “kecocokan pribadi” untuk guru yang berbeda,
bergantung pada pandangan mereka terhadap konten, gaya mereka sendiri, dan masalah organisasi. terlibat.
Administrator, bagaimanapun, secara seragam menekankan kecocokan yang baik di tingkat organisasi, menekankan
kesesuaian kurikulum dan kesesuaiannya dengan struktur yang ada; direktur juga menyebutkan fakta bahwa guru
menulisnya.
Singkatnya, matriks semacam ini memungkinkan kita melihat bagaimana perspektif berbeda menurut peran,
serta dalam peran. Dalam hal ini, pengguna dari departemen Bahasa Inggris yang datang pada awal program
memiliki waktu yang lebih sulit pada awalnya daripada pengguna selanjutnya atau pengguna matematika dan sains.
Analisis dalam-peran, bergerak melintasi baris, menunjukkan bahwa pengawas, seperti yang diharapkan, mengetahui
sangat sedikit tentang inovasi. Lebih mengejutkan lagi, kepala sekolah juga tidak. Dalam hal ini, pemeriksaan ulang
dengan catatan lapangan (taktik: menindaklanjuti kejutan) memberi tahu pekerja lapangan bahwa deskripsi peran
formal untuk kepala sekolah menengah di kabupaten ini sebenarnya melarang mereka membuat keputusan
kurikulum, yang merupakan kewenangan direktur kurikulum. dan kursi departemen.
Kita juga bisa menerapkan taktik membuat tes jika-maka. Jika direktur dan ketua memiliki bidang pekerjaan
yang sama (keputusan kurikulum), maka pandangan mereka tentang inovasi harus lebih mirip satu sama lain
daripada pandangan guru. Melihat secara vertikal sekali lagi, kita dapat melihat bahwa pandangan para ketua
departemen jauh lebih mirip dengan para administrator kantor pusat daripada para guru.
Tampilan matriks urutan peran menekankan peran yang berbeda sebagai sumber data dan persepsi.
Dimungkinkan juga untuk mengembangkan matriks urutan peran yang memperlakukan peran sebagai target
tindakan atau persepsi orang lain. (Misalnya, bagaimana guru diperlakukan oleh ketua departemen, kepala sekolah,
dan personel kantor pusat?)
Perjelas daftar peran yang Anda anggap paling relevan dengan masalah yang dihadapi; hindari membebani
matriks dengan peran yang jelas-jelas periferal. Bedakan matriks dengan subperan (misalnya, guru matematika
atau sains) jika relevan. Jika kasus Anda adalah individu, matriks urutan peran mungkin berguna untuk menunjukkan
bagaimana mitra peran memandang atau berinteraksi dengan orang yang menjadi pusat kasus Anda.
Catatan
Tunjukkan dengan jelas ketika data hilang, tidak jelas, atau tidak diminta sejak awal. Kembali ke catatan lapangan
untuk menguji kesimpulan yang muncul, khususnya jika aturan keputusan untuk entri data melibatkan, seperti
dalam kasus ini, banyak pemadatan. Matriks urutan peran, karena pengalaman kami sebelumnya dengan perbedaan
peran, dapat menyebabkan penarikan kesimpulan yang terlalu cepat. Mintalah audit analisis Anda dari seorang
kolega (lihat Bab 11).
Bagan Konteks
Keterangan
Bagan konteks adalah jaringan, pemetaan dalam bentuk grafik hubungan timbal balik antara peran dan kelompok
(dan, jika sesuai, organisasi) yang membentuk konteks tindakan individu (lihat Tampilan 7.2).
Aplikasi
Satu masalah yang dihadapi peneliti kualitatif adalah bagaimana memetakan konteks sosial dari tindakan individu
secara ekonomis dan akurat—tanpa dibebani dengan detail. Bagan konteks adalah salah satu cara untuk mencapai
tujuan ini. Bagan konteks bekerja dengan sangat baik ketika kasus Anda adalah individu—mereka menunjukkan
kepada Anda kekayaan sebenarnya dari latar kehidupan seseorang.
Sebagian besar peneliti kualitatif percaya bahwa tindakan seseorang harus dipahami dalam konteks khusus
mereka dan bahwa konteks tidak dapat diabaikan atau dianggap konstan. Konteks dapat dilihat sebagai aspek yang
langsung relevan dari situasi (di mana orang tersebut secara fisik, siapa lagi yang terlibat, apa
riwayat kontak terkini, dll.), serta aspek yang relevan dari sistem sosial tempat orang tersebut muncul (ruang
kelas, sekolah, departemen, perusahaan, keluarga, bangsal rumah sakit, atau komunitas lokal). ). Berfokus
hanya pada tindakan individu tanpa memperhatikan konteksnya berisiko menimbulkan kesalahpahaman makna
peristiwa. Konteks mengarahkan cara kita memahami makna tersebut, atau, seperti yang dicatat oleh Mishler
(1979), makna selalu berada dalam konteks, dan konteks menggabungkan makna.
Kebanyakan orang melakukan pekerjaan sehari-hari dalam organisasi: Mereka memiliki atasan, rekan kerja,
dan bawahan; pekerjaan mereka didefinisikan dengan cara khusus peran; dan mereka memiliki hubungan
yang berbeda dengan orang yang berbeda dalam peran lain di lingkungan sosial mereka. Tapi Anda tidak
hanya menggambar bagan organisasi standar; Anda memetakan properti yang menonjol dari konteks. Selain
itu, bagan Anda tidak akan lengkap atau lengkap. Ini adalah kumpulan fragmen atau kutipan organisasi. (Dalam
Peragaan 7.2, misalnya, penjaga, sekretaris, dan bawahan langsung dari sebagian besar personel kantor
distrik sekolah dikecualikan.) Bagan konteks juga dapat digambar untuk orang-orang dalam keluarga atau
dalam kelompok atau komunitas informal.
Contoh
Jaringan harus mencerminkan karakteristik inti organisasi: otoritas/hierarki dan pembagian kerja. Jadi itu
harus menunjukkan siapa yang memiliki otoritas formal atas siapa dan apa nama perannya. Tetapi hal-hal itu
tidak banyak memberi tahu kita. Kita juga harus tahu tentang kualitas hubungan kerja antara orang-orang
dalam peran yang berbeda.
Misalkan Anda tertarik, seperti kami, pada organisasi yang disebut sekolah dan distrik sekolah—dan dengan
masalah umum tentang bagaimana inovasi masuk dan diterapkan di organisasi tersebut.
Tampilan harus menunjukkan kepada kita siapa yang menganjurkan inovasi, siapa yang benar-benar menggunakan inovasi,
dan sikap orang terhadapnya (apakah mereka menggunakannya atau tidak). Tampilan harus menunjukkan kepada kita
bagaimana sekolah tertentu yang sedang kita pelajari tertanam dalam organisasi distrik yang lebih besar. Yang terpenting,
kita membutuhkan tampilan yang tidak akan membebani kita dengan informasi tetapi akan memberi kita versi lingkungan
sosial langsung yang jelas dan disederhanakan secara relevan.
Peragaan 7.2 memperlihatkan bagaimana persyaratan ini dipenuhi setelah pekerja lapangan melakukan
kunjungan pertama ke Tindale East, sebuah sekolah menengah atas yang terlibat dalam penerapan program
membaca baru. Analis memilih peran dan kelompok yang paling penting untuk memahami konteksnya. Peran
kantor distrik di atas, peran sekolah di bawah. Jaringan dengan demikian sebagian diatur oleh peran dan tingkat otoritas.
Untuk setiap individu, kami memiliki nama, usia (fitur yang menurut analis penting dalam memahami hubungan
kerja dan aspirasi karier), jabatan, apakah individu tersebut pengguna inovasi atau bukan, dan apakah sikapnya
terhadap inovasi direpresentasikan melalui kode besaran:
+ = positif ±
= ambivalen
0 = netral
Simbol khusus (seperti *) diterapkan ketika individu tersebut adalah pendukung inovasi atau sangat mempengaruhi implementasi.
Hubungan antar individu juga bercirikan (positif, ambivalen, dan netral). Setelah melewati eselon atas, tampilan hanya menghitung
individu tanpa memberikan detail (bagan konteks sekunder pada tingkat guru individu juga dikembangkan tetapi tidak ditampilkan
di sini).
Untuk mendapatkan data, analis berkonsultasi dengan catatan lapangan dan bagan organisasi serta dokumen yang tersedia.
Aturan keputusan terlihat seperti ini:
• Untuk informasi seperti jabatan, jumlah orang, dan seterusnya, asumsikan akurasi untuk saat ini, dan masukkan. •
Peringkat hubungan (bagaimana X bergaul dengan Y) tidak boleh diabaikan oleh pihak lain
hubungan, meskipun tidak perlu dikonfirmasi secara langsung.

• Peringkat “pendukung inovasi” dan “berpengaruh tinggi” harus diberikan hanya jika ada setidaknya satu konfirmasi dan tidak
ada diskonfirmasi.
• Jika ada informasi yang ambigu atau tidak diketahui, masukkan “DK”.
Analisis
Setelah bagan konteks dibangun, peneliti meninjau hierarki, alur, dan besaran yang dimasukkan, dikombinasikan dengan
catatan lapangan, untuk mengembangkan memo atau narasi analitik yang menceritakan kisah hubungan sejauh ini. Kutipan analitik
tentang Tampilan 7.2 berbunyi sebagai berikut:
Melihat garis wewenang, kita dapat melihat bahwa hanya satu orang kantor pusat (Crowden) yang memiliki wewenang langsung atas kursi
departemen saat mereka mengerjakan inovasi. Crowden tidak hanya seorang advokat tetapi juga memiliki pengaruh yang tinggi terhadap
implementasi, dan tampaknya memiliki lisensi dari pengawas untuk melakukan ini.
Tampaknya, ketua departemen memiliki tiga “ahli” lain, tergantung pada masalah langsung yang terlibat (disiplin, evaluasi guru, penjadwalan).
Karena, dalam hal ini, inovasi memang melibatkan masalah penjadwalan, menarik bahwa V. Havelock tidak hanya seorang advokat, tetapi telah
benar-benar menggunakan inovasi tersebut dan bersikap positif terhadapnya. Kita dapat menarik kesimpulan bahwa Crowden berfungsi sebagai
pendorong umum, menggunakan otoritas kantor pusat, dan V. Havelock membantu langsung dengan masalah implementasi; catatan lapangan
mendukung ini.
Perhatikan juga bahwa Kepala Sekolah McCarthy (a) tidak bertanggung jawab kepada pengawas untuk masalah kurikulum dan (b) memiliki
hubungan yang baik dengan V. Havelock. Mungkin McCarthy mendapatkan informasi utamanya tentang inovasi dari Havelock dan karenanya
menilainya secara positif.
Jadi bagan yang diperlihatkan pada Tampilan 7.2 membantu kita menempatkan tindakan individu (misalnya, Crowden, V.
Havelock) dalam konteks untuk memahami artinya. Misalnya, ketika Crowden, saat membahas inovasi, berkata, “Itu tidak boleh
dilanggar; implementasinya tidak didasarkan pada keinginan seorang guru setiap saat di kelas, dan keberhasilannya tidak
bergantung pada guru karismatik,” bagan tersebut membantu kita memahami bahwa sikap preskriptif ini didukung dengan otoritas
langsung atas kursi departemen untuk masalah kurikulum— otoritas yang diterima secara netral. Singkatnya, analis telah
menggunakan taktik melihat pola atau tema, serta menggolongkan hal-hal khusus ke dalam hal umum (lihat Bab 11 untuk
informasi lebih lanjut tentang taktik ini).
Simbol yang digunakan untuk Tampilan 7.2 adalah kode magnitudo asli Miles dan Huberman, tetapi Anda tidak terikat untuk
menggunakannya. Bagan konteks dapat menggunakan perangkat visual lainnya untuk meningkatkan analisis.
Misalnya, garis putus-putus dapat digunakan untuk menunjukkan pengaruh informal, sedangkan garis tebal menunjukkan pengaruh
yang kuat. Ukuran font dapat digunakan untuk mewakili hubungan kekuatan—misalnya, nama dalam font yang lebih besar atau
tebal memiliki otoritas lebih daripada nama dalam font yang lebih kecil. Lingkaran dapat ditarik dengan melampirkan kelompok dan
subkultur informal. Keterkaitan dengan organisasi lain yang mempengaruhi di lingkungan dapat ditambahkan. Konteks fisik
(misalnya, ruang kelas, meja guru, file sumber daya, meja dan kursi siswa, dan pintu masuk) dapat dipetakan untuk membantu
memahami pasang surut peristiwa dalam suatu setting. Dan untuk konteks organisasi yang tampaknya banyak berubah dalam
waktu singkat, bagan konteks yang direvisi dapat digambar untuk perbandingan sepanjang waktu.
Catatan
Gunakan bagan konteks lebih awal selama kerja lapangan untuk meringkas pemahaman pertama Anda dan menemukan lokasi
pertanyaan untuk pengumpulan data langkah berikutnya. Ingat pertanyaan penelitian utama studi, dan rancang bagan
konteks untuk menampilkan informasi yang paling relevan bagi mereka. Jika Anda baru dalam penelitian kualitatif,
pertahankan bagan konteks pertama Anda tetap sederhana. Mereka dapat dibordir saat Anda melanjutkan kerja
lapangan.
Menggambarkan Variabilitas
Tabel konstruk menunjukkan variabilitas atau rentang konstruk pusat dalam sebuah penelitian. Matriks yang
dikelompokkan secara konseptual memetakan berbagai perspektif peserta tentang konsep yang dipilih. Dan taksonomi
rakyat secara sistematis memetakan cara-cara unik para peserta mengatur dan mengkategorikan dunia mereka.
Buat Tabel
Keterangan
Tabel konstruk mencakup data yang menyoroti properti variabel dan/atau dimensi dari satu kunci
konstruk (atau konsep, variabel, kategori, dll.) yang menarik dari suatu penelitian (lihat Tampilan 7.3).
Aplikasi
Membangun tabel sangat berharga untuk survei kualitatif, grounded theory, dan studi fenomenologis karena
mereka memungkinkan seorang analis untuk fokus pada satu item inti yang menarik (konstruk, konsep, variabel,
kategori inti, fenomena, dll.). Teori dasar tradisional menuntut peneliti untuk memeriksa dimensi atau rentang variabel
dari suatu properti, dan tabel konstruksi menyusun variabilitas itu untuk refleksi analitik.
Tampilan 7.3
Dampak Seumur Hidup: Variabilitas Pengaruh
Meskipun Anda mungkin memiliki gambaran umum sebelumnya tentang sifat dan dimensi dari beberapa variabel
utama, seperti "dampak seumur hidup", variabel tersebut biasanya tidak menjadi jelas sampai kasus yang sebenarnya.
data telah dieksplorasi secara mendalam. Tabel konstruk lintas kasus adalah cara terbaik untuk menyatukan dan memeriksa
konsep inti karena cara variabel bermain dalam konteks yang berbeda menerangi sifatnya.
Contoh
McCammon et al. (2012) mensurvei 234 orang dewasa melalui e-mail untuk mengumpulkan persepsi mereka tentang bagaimana
partisipasi mereka dalam program teater dan pidato sekolah menengah mungkin telah memengaruhi dan memengaruhi lintasan
kursus kehidupan dewasa mereka. Tentu ada pengaruh terhadap karir, karena sekitar setengah dari responden saat ini bekerja di
industri hiburan. Separuh lainnya mengejar karir di berbagai bidang mulai dari bisnis hingga pendidikan hingga perawatan kesehatan
tetapi masih mengenang kembali kegiatan teater dan pidato sekolah menengah mereka. Sebagian besar mengakui dampak seumur
hidup dari partisipasi seni selama tahun-tahun sekolah menengah mereka, namun tidak semua orang bersaksi bahwa dampaknya
sebanding. Variabilitas dalam jumlah dan kualitas dampak seumur hidup diamati, dan ini perlu didokumentasikan dan diakui untuk
analisis yang lebih kredibel dan dapat dipercaya.
Tampilan 7.3 adalah tabel yang menyertakan data penting tentang konstruksi Dampak Seumur Hidup. Variabilitas konstruk
diilustrasikan melalui lima kutipan responden yang dipilih, termasuk jenis kelamin peserta, tahun kelulusan dari sekolah menengah,
dan pekerjaan saat ini, karena ini dianggap sebagai variabel yang berpotensi penting untuk analisis selanjutnya. Penilaian Dampak
Seumur Hidup yang ditugaskan peneliti berkisar dari "tidak ada" ("Ini benar-benar tidak mengubah kehidupan dewasa saya sama
sekali") hingga "sangat tinggi"
(“Teater dan pidato menyelamatkan hidup saya dan saudara laki-laki saya”).
Analisis
Tabel konstruk adalah semacam studi kasus. Ini berisi data representatif tentang satu elemen penting dalam studi Anda yang
membutuhkan analisis yang lebih baik. Variabilitas elemen itu menantang peneliti untuk merenungkan pertanyaan-pertanyaan
seperti berikut:
• Mengapa ada variabilitas dalam data ini? • Kondisi

spesifik apa yang mungkin mempengaruhi variabilitas? • Dengan cara apa variabilitas
ini mempengaruhi dan memengaruhi konsekuensi dan hasil lainnya?
Pertanyaan-pertanyaan ini sangat penting untuk studi grounded theory.
Narasi analitik berikut dikembangkan untuk menjelaskan variabilitas Dampak Seumur Hidup. Dua kalimat terakhir dari kutipan
lebih jauh ke bawah mengawali temuan analitik untuk menekankan persyaratan partisipasi dalam program pidato dan teater
sekolah menengah. Para peneliti tidak ingin secara luas menyarankan bahwa pendidikan seni adalah peluru ajaib untuk
menyembuhkan penyakit sosial dan untuk perkembangan manusia, tetapi dampak seumur hidup yang bermakna bergantung pada
beberapa faktor, seperti guru yang luar biasa, konten kelas yang menantang, harapan kualitas yang tinggi, dan yang lain:
Kelima tanggapan peserta ini menyoroti variabilitas dampak seumur hidup. Kutipan pertama dan kedua menunjukkan bahwa teater sekolah menengah belum
tentu merupakan pengalaman epifani atau mengubah hidup bagi semua orang, tetapi dapat, seperti yang diilustrasikan oleh kutipan kedua, berfungsi sebagai
program penting untuk pengayaan dan keterlibatan remaja. Kutipan ketiga menyarankan pengalaman teater dan/atau pidato saja, dengan sendirinya, tidak dapat
semata-mata dianggap sebagai menghasilkan karier orang dewasa yang sukses bagi mereka yang memilih profesi non-teater. Kutipan keempat menunjukkan
bahwa seorang guru di lapangan dapat memiliki pengaruh yang signifikan terhadap seorang siswa selama perkembangan remajanya, yang pada gilirannya dapat
secara signifikan mempengaruhi perjalanan kehidupan dewasanya. Dan kutipan kelima menunjukkan bahwa bentuk seni, yang dibimbing oleh seorang guru
pengasuh, secara harfiah dan kuat dapat mempengaruhi dan bahkan menyelamatkan hidup manusia.
Kami tidak dapat menyatakan bahwa partisipasi mendalam dalam program teater atau pidato sekolah menengah atas akan bermanfaat bagi semua orang
pada tingkat yang sama seiring kemajuan mereka melalui kursus kehidupan orang dewasa. Tetapi tanggapan survei secara kolektif menyarankan serangkaian
kondisi ideal untuk memaksimalkan potensi dampak seumur hidup. (Diadaptasi dari McCammon & Saldaña, 2011, hlm. 92)
Analisis lebih lanjut mengungkapkan bahwa tahun kelulusan sekolah menengah—yaitu kelompok generasi responden—
memainkan peran penting dalam cara ingatan diingat dan dirasakan. Jenis kelamin dan pekerjaan saat ini memainkan peran yang
kurang penting dalam pola survei.
Memindai tabel konstruk (dan meninjau bagian terkait dari database sesuai kebutuhan) memungkinkan Anda untuk melihat
rentang dan parameter data Anda. Ini membuat Anda tidak bisa membangun juga
mempersempit pernyataan tentang pengamatan Anda dan membantu Anda memodifikasi klaim interpretatif Anda agar
lebih mencakup luasnya temuan dari data Anda.
Catatan
Jaga agar meja konstruk tetap pendek dan manis. Tujuan utamanya adalah untuk fokus pada variabilitas satu item
yang menarik dalam studi melalui sampel data yang representatif. Lihat tampilan Role-Ordered Matrix dan Conceptual
Clustered Matrix (dalam bab ini) untuk format yang berisi lebih banyak data untuk analisis keterkaitan.
Matriks Terkelompok Secara Konseptual
Keterangan
Matriks yang dikelompokkan secara konseptual memiliki baris dan kolomnya yang diatur untuk menyatukan peran
utama, subtopik penelitian, variabel, konsep, dan/atau tema bersama untuk dokumentasi dan analisis sumatif sekilas.
Memutuskan apa yang menyusun judul baris dan kolom dapat terjadi dalam dua cara: (1) secara deduktif, analis
mungkin memiliki beberapa ide apriori tentang konsep kunci, tema, atau teori yang akan dieksplorasi dalam sebuah
penelitian atau, (2) secara induktif, selama analisis awal, Anda mungkin menemukan bahwa peserta memberikan
tanggapan yang sangat mirip atau sangat berbeda terhadap pertanyaan atau bahwa variabel, konsep, dan tema yang
tidak diharapkan muncul. Prinsip dasarnya adalah dokumentasi data konseptual atau tematik dalam sel matriks, yang
mungkin disertai atau tidak disertai oleh deskriptor evaluatif yang ditugaskan oleh peneliti (lihat Tampilan 7.4 dan 7.5).
Penerapan
Banyak penelitian dirancang untuk menjawab serangkaian pertanyaan penelitian yang panjang. Akibatnya,
melakukan analisis terpisah dan bagian laporan kasus untuk setiap pertanyaan penelitian kemungkinan akan melelahkan
dan membingungkan baik analis maupun pembaca. Salah satu solusinya adalah mengelompokkan beberapa pertanyaan
penelitian sehingga makna dapat dihasilkan dengan lebih mudah. Memiliki semua data di satu tempat yang mudah
disurvei membantu Anda bergerak cepat dan sah ke matriks yang direbus dengan memastikan bahwa semua data
sesuai dengan skema yang masuk akal dan setiap evaluasi atau peringkat yang Anda buat beralasan.
Tampilan 7.4
Matriks Terkelompok Secara Konseptual: Motif dan Sikap (Format)
Matriks yang dikelompokkan secara konseptual sangat membantu ketika beberapa konsep atau tema yang jelas
telah muncul dari analisis awal. Mereka juga dapat digunakan dengan kasus yang kurang kompleks, seperti individu
atau kelompok kecil.
Contoh
Dalam studi peningkatan sekolah (Miles dan Huberman) kami, kami memiliki pertanyaan umum tentang motif
pengguna dan administrator untuk mengadopsi praktik pendidikan baru, dan pertanyaan yang lebih spesifik
tentang apakah motif ini berpusat pada karir (misalnya, apakah peserta mengira mereka bisa mendapatkan promosi
atau transfer dari proyek). Jadi di sini kami memiliki gagasan apriori tentang kemungkinan hubungan antara dua
konsep. Kemudian, selama pengumpulan data, kami melihat beberapa firasat tentang hubungan antara pertanyaan
motif dan dua lainnya: (1) pertanyaan sentralitas (apakah inovasi tampak lebih besar daripada tugas lain dalam
kehidupan sehari-hari pengguna) dan (2) sikap pertanyaan (apakah peserta menyukai praktik baru saat pertama
kali diperkenalkan). Kami bertanya-tanya apakah ada hubungan antara motif orang dan sikap awal mereka terhadap
latihan.
Cara terbaik untuk mengetahuinya adalah dengan mengelompokkan jawaban atas pertanyaan-pertanyaan ini.
Tidak hanya ada hubungan untuk diselidiki, tetapi ada juga tema umum (sikap awal) dan kemungkinan menangani
tiga pertanyaan penelitian dan konsepnya pada saat yang bersamaan.
Matriks yang dikelompokkan secara konseptual adalah format yang
• menampilkan semua tanggapan yang relevan dari semua peserta

kunci; • memungkinkan perbandingan awal antara tanggapan dan antara peserta; • mari
kita lihat bagaimana data dapat dianalisis lebih lanjut (misalnya, dipartisi ulang atau
dikelompokkan); • untuk studi multikasus, cocok untuk analisis lintas kasus dan tidak perlu diulang;
dan
• untuk studi multikasus, menyediakan beberapa standarisasi awal—satu set tema analitik konten yang
akan digunakan oleh semua analis kasus.
Saat Anda menangani beberapa pertanyaan penelitian yang terkait secara konseptual atau tematis secara
bersamaan, kemungkinan format start-up adalah matriks peserta-per-variabel sederhana, seperti yang ditunjukkan
pada Tampilan 7.4. Dengan demikian, kami memiliki satu halaman format yang mencakup semua responden dan
semua tanggapan terhadap empat pertanyaan penelitian (yaitu, konsep yang menarik dalam penelitian ini).
Perhatikan bahwa kami telah menyiapkan perbandingan antara berbagai jenis peserta (pengguna dan administrator),
sehingga ini adalah urutan peran serta urutan konseptual. Formatnya juga membutuhkan penyortiran awal atau
penskalaan tanggapan: jenis motif, karier relevan atau tidak, tingkat sentralitas, dan valensi sikap awal.
Selanjutnya, kita kembali ke segmen data yang dikodekan yang dikunci ke pertanyaan penelitian dan konsep
yang disarankan. Analis mencatat Motif yang diberikan oleh atau dikaitkan dengan peserta dan kemudian mencoba
memberi label pada motif tersebut. Seorang peserta, misalnya, memberikan beberapa motif: Dia mendengar betapa
bagusnya praktik baru itu (pengaruh sosial), kepala sekolahnya “benar-benar menjualnya” dan
“menginginkannya” (tekanan), sebagian besar guru lain menggunakan atau merencanakannya. untuk—“Itu yang
akan datang” (konformitas), dan menggunakan praktik baru adalah kesempatan untuk “terus tumbuh” (perbaikan
diri). Pada tahap ini, yang terbaik adalah membiarkan label start-up apa adanya, tanpa mencoba mengelompokkannya
kembali menjadi lebih sedikit judul yang mencakup semua peserta; praktik ini memberi Anda lebih banyak derajat
kebebasan sambil tetap memberikan bentuk awal data.
Beralih ke Relevansi Karier, konsep kedua, analis merangkum dalam frasa atau kalimat relevansi penerapan
praktik untuk setiap peserta. Tugas selanjutnya adalah mencari bukti sentralitas praktik baru ini bagi orang-orang
dan seperti apa Sikap Awal mereka. Untuk dua kolom ini, analis memberikan peringkat umum, mendukungnya
dengan kutipan khusus. Saat data ini dimasukkan ke dalam matriks, kami mendapatkan sesuatu seperti Tampilan
7.5.
Tampilan 7.5 berisi data sebanyak yang dapat ditangani oleh analis kualitatif dan dapat diikuti oleh pembaca.
Analis telah memerintahkan peserta sesuai dengan waktu implementasi mereka (Pengguna Awal, Generasi Kedua,
dan Pengguna Terbaru) dan peran mereka (Pengguna dan Administrator) dan, di dalam grup pengguna, telah
menyertakan Nonpengguna untuk mengatur kontras ilustratif antara motif untuk mengadopsi dan motif untuk
menolak praktik baru.
Untuk entri sel, analis mengurangi potongan kode menjadi empat jenis entri: (1) label (misalnya, perbaikan diri),
(2) kutipan, (3) frasa ringkasan singkat, dan (4) peringkat (tidak ada/beberapa, rendah / tinggi, dan menguntungkan /
tidak menguntungkan). Label dan peringkat mengatur perbandingan antara peserta dan, jika perlu, antar kasus.
Kutipan memberikan beberapa makna dasar untuk materi; mereka menaruh
beberapa daging pada peringkat atau label dan dapat diekstraksi dengan mudah untuk digunakan dalam teks analitik.
Frasa ringkasan menjelaskan atau mengkualifikasi peringkat, biasanya di mana tidak ada kutipan (seperti dalam kolom Relevansi
Karier). Secara umum, sebaiknya tambahkan kutipan pendek atau frasa penjelasan di samping label atau skala; jika tidak, analis tergoda
untuk bekerja dengan kategori umum yang menyatukan tanggapan yang benar-benar berarti hal yang berbeda (seperti yang terlihat pada
tanggapan "tinggi" di kolom Sentralitas). Jika lumping benar-benar terjadi dan Anda bingung tentang sesuatu, kata-kata yang memenuhi
syarat tersedia dengan mudah untuk referensi cepat.
Sangatlah penting untuk berpegang pada kumpulan kategori, skala, dan peringkat umum untuk setiap kasus
—bahkan jika kecocokan empiris buruk di salah satu kolom ini—sampai kumpulan kasus yang lengkap dapat
dianalisis.
Analisis
Membaca di baris memberi analis profil thumbnail dari setiap peserta dan memberikan tes awal hubungan
antara tanggapan terhadap pertanyaan yang berbeda (taktik: mencatat hubungan antara variabel). Misalnya,
L. Bayeis memang memiliki motif yang relevan dengan karier, menganggap praktik itu sangat penting, dan
pada awalnya menguntungkan. Tapi entri R. Quint tidak mengikuti pola itu atau yang kontras. Kita harus
melihat lebih banyak baris.
Membaca kolom menggunakan taktik membuat perbandingan antara Motif pengguna dan administrator
yang berbeda, serta perbandingan antara kelompok-kelompok ini. Ini juga memungkinkan perbandingan
serupa antara tanggapan terhadap data Relevansi Karier, Sentralitas, dan Sikap Awal.
Pemindaian ke kolom Tampilan 7.5 memberikan informasi dan petunjuk untuk tindak lanjut
Pemindaian ke kolom Tampilan 7.5 memberikan informasi dan petunjuk untuk analisis tindak lanjut. Taktik membuat kontras/
perbandingan mengarah pada kesimpulan. Misalnya, ada beberapa relevansi karier dalam adopsi untuk pengguna tetapi praktis tidak
ada untuk administrator. Sentralitas tinggi — hampir berlebihan — untuk pengguna tetapi kurang untuk administrator. Pengguna pada
awalnya kurang disukai dibandingkan administrator.
Melihat ke seberang baris, kita dapat menggunakan taktik mencatat hubungan antara variabel dan melihat bahwa untuk dua dari
tiga pengguna yang bermotivasi karir, terdapat hubungan di antara variabel: Sentralitas tinggi dan sikap yang menguntungkan juga
ada. Tetapi pola sebaliknya (relevansi karir rendah, sentralitas rendah, dan sikap netral/tidak menyenangkan) tidak berlaku. Nyatanya,
tampaknya beberapa orang yang netral akan lebih disukai jika mereka tidak terlalu khawatir untuk melakukannya dengan baik (taktik:
menemukan variabel intervening).
Singkatnya, matriks yang dikelompokkan secara konseptual menyatukan data kunci dari peserta kunci menjadi satu matriks.
Tujuannya adalah untuk meringkas bagaimana hal-hal terkait dengan variabel, konsep, atau tema yang dipilih. Hindari menggunakan
lebih dari lima pertanyaan penelitian terkait untuk matriks yang dikelompokkan secara konseptual, jika tidak, pikiran akan bingung.
Akan ada terlalu banyak data untuk dilihat secara inklusif pada satu waktu dan terlalu banyak waktu yang dihabiskan untuk
memanipulasi blok data untuk menemukan cluster dan keterkaitan.
Catatan
Matriks yang dikelompokkan secara konseptual tidak perlu diatur menurut orang atau peran, seperti pada Peragaan 7.5.
Konsep dan tema yang lebih umum dapat menjadi prinsip pengurutan dalam baris maupun kolom. Misalnya, baris dapat terdiri dari sel
yang dipecah menjadi Jenis Masalah, dengan kolom yang dibagi menjadi berbagai Bentuk Strategi Mengatasi. Lebih sedikit penekanan
ditempatkan pada kasus dan orang tertentu dan lebih pada masalah konseptual dan tematik penelitian.
Deskripsi Taksonomi
Rakyat Taksonomi
rakyat paling baik digambarkan dengan serangkaian istilah konstituen unik yang dijelaskan dalam urutan tertentu.
McCurdy, Spradley, dan Shandy (2005) mengidentifikasi
kategori yang mengkategorikan domain kategori lain dan kata-kata yang menamainya mencakup istilah. . . . Taksonomi hanyalah
daftar [hierarkis] dari hal-hal berbeda yang diklasifikasikan bersama di bawah kata domain oleh anggota mikrokultur berdasarkan beberapa
atribut tertentu yang dimiliki bersama. (hlm. 44–45)
Spradley (1979) lebih lanjut mendefinisikan taksonomi rakyat sebagai "seperangkat kategori yang diatur berdasarkan hubungan
semantik tunggal." Taksonomi “menunjukkan hubungan di antara semua istilah rakyat dalam sebuah domain” (hal. 137). Catatan data
verbatim untuk mengekstrak istilah rakyat diperlukan untuk menyusun taksonomi. Tetapi ketika tidak ada istilah rakyat tertentu yang
dihasilkan oleh partisipan, peneliti mengembangkannya sendiri—disebut istilah analitik.
Hubungan semantik agak mirip dengan algoritma "jika-maka" dan termasuk jenis seperti berikut (Spradley, 1979):
Membentuk Hubungan semantik

1. Inklusi yang ketat X adalah sejenis Y
2. Spasial 3. X adalah tempat di Y, X adalah bagian dari Y

Sebab-Akibat X adalah akibat dari Y, X adalah sebab dari Y
4. Rasional X adalah alasan untuk melakukan Y
5. Lokasi aksi X adalah tempat untuk melakukan Y
6. Fungsi X digunakan untuk Y
7. Sarana–akhir X adalah cara untuk melakukan Y

8. Urutan 9. X adalah langkah (tahapan)

Atribusi dalam YX adalah atribut (karakteristik) dari Y (p. 111)
Sebagai contoh, "buah" dapat menjadi istilah domain/sampul, dengan "beri" sebagai salah satu jenis buah—hubungan
semantik dengan inklusi ketat: X adalah sejenis Y. Kategori beri berlanjut dengan daftarnya sendiri, seperti seperti
stroberi, raspberry, blueberry, blackberry, dan sebagainya, tetapi tanpa hierarki pada tingkat ini—dengan kata lain,
stroberi tidak lebih penting atau lebih penting daripada blackberry, jadi tidak masalah dalam urutan jenis buah beri
terdaftar. "Apel" kemudian diklasifikasikan sebagai jenis buah lain, dengan daftar granny smith, enak, renyah madu, dan
sebagainya.
Singkatnya, taksonomi rakyat adalah daftar jaringan peserta yang terorganisir - dan kadang-kadang peneliti
istilah yang dihasilkan yang diklasifikasikan dan dikategorikan dengan tepat (lihat Tampilan 7.6).
Aplikasi
Konsep tidak selalu dapat diurutkan dengan benar ke dalam baris dan kolom matriks. Terkadang format jaringan
diperlukan, seperti diagram taksonomi, untuk mengilustrasikan kompleksitas kehidupan sosial yang saling berhubungan.
Peragakan
7.6 Taksonomi Rakyat tentang Cara Anak-Anak Menindas Satu Sama Lain
Sumber: Saldaña, J. (2013). Manual pengkodean untuk peneliti kualitatif (edisi ke-2). Thousand Oaks, CA: Publikasi Sage.
Taksonomi berguna ketika kumpulan istilah unik yang besar atau kompleks muncul dalam data partisipan, dan
pengertian peneliti tentang organisasi mereka tampaknya diperlukan untuk lebih memahami cara subkultur atau
mikrokultur dalam memandang dan hidup dalam dunia sosial langsungnya. Taksonomi juga membantu mengklasifikasikan
dan mengkategorikan berbagai potongan data terkait—langkah analitik utama dalam mensintesis kumpulan besar catatan
lapangan, transkrip wawancara, dan dokumen. Tujuannya bukan untuk memaksakan tatanan artifisial ke dalam kehidupan
dan pekerjaan sehari-hari yang berantakan, tetapi untuk membawa kejelasan kognitif yang lebih baik untuk interpretasi
analis tentang orang-orang yang dia pelajari dan tentangnya.
Contoh
Saldaña (2005) dan tim penelitinya mengeksplorasi bagaimana anak kelas empat dan lima menjadi satu
Saldaña (2005) dan tim penelitiannya menyelidiki bagaimana anak-anak kelas empat dan lima di satu sekolah dasar “menindas” satu
sama lain. Pengamatan partisipan, survei tertulis, dan wawancara seluruh kelas disiapkan untuk residensi seniman jangka pendek untuk
mengajar anak-anak, melalui simulasi dramatis, bagaimana secara proaktif menangani intimidasi dan tekanan teman sebaya. Istilah
penindasan adalah kunci untuk penelitian ini, dan itu didefinisikan untuk anak-anak. Setelah memahami maknanya, mereka menawarkan
kepada para peneliti contoh-contoh penindasan yang mereka alami atau saksikan sendiri di sekolah dan di rumah:
Anak Laki-Laki Kelas Empat Kadang-kadang ketika kami sedang bermain game dan semacamnya, dan anak laki-laki
[wawancara kelompok]: ini datang dan berkata, “Bisakah saya bermain dengan kalian?”, dan orang-orang berkata,
“Tidak, kamu bukan orang seperti kami, jadi lebih baik kamu mendapatkan keluar
sekarang."
apakah Anda Gadis Kelas Lima [survei tertulis Saya

akan diolok-olok
punya bayi.karena kegemukan
Saya sedih saya.
sepanjang Saya Saya
waktu. disebut gendut,mencari
mencoba gendut besar, jadi
tanggapan]:
wiaght
belum kehilangan berat badan. Saya belum berhenti tapi saya hanya mendapatkan, mendapatkan dan mendapatkan. Berat. Saya
dihargai.
Pengalaman anak-anak ini adalah contoh dari hubungan semantik berarti-akhir : X adalah cara untuk melakukan Y, atau mengecualikan
adalah cara untuk menindas; pemanggilan nama adalah cara untuk menindas. Setelah semua cerita (sering memilukan) ini dikumpulkan,
mereka diberi kode deskriptif untuk jenis tindakan menindas yang mereka gambarkan, untuk analisis lebih lanjut.
Analisis
Klasifikasi dan kategorisasi item individual yang tepat untuk pengembangan taksonomi dapat dilakukan melalui berbagai metode
sistematis mulai dari kueri item demi item dengan peserta, hingga jenis kartu dan tumpukan, hingga wawancara lanjutan (Bernard, 2011;
Spradley, 1979, 1980).
Metode mana yang Anda pilih bergantung pada pengetahuan Anda sendiri tentang istilah rakyat dan makna kontekstualnya. Paling sering,
keakraban yang mendalam dengan korpus data Anda memungkinkan Anda untuk membuat kode dan mengekstrak istilah rakyat ini langsung
dari database dan ke halaman perangkat lunak berbasis teks atau program grafik.
Rekomendasinya adalah pertama-tama memotong dan menempelkan susunan istilah ke dalam format garis besar tradisional dan kemudian
mentransfer pengaturan itu ke dalam format jaringan dengan simpul dan garis. Paling sering, tidak ada yang lebih kompleks daripada refleksi
mendalam dan penalaran logis yang membantu Anda mengetahui bagaimana istilah-istilah tersebut selaras menurut hubungan semantiknya
(X adalah sejenis Y, X adalah cara untuk melakukan Y, dll.).
Tampilan 7.6 (dari Saldaña, 2013, hlm. 162) menunjukkan kutipan dari taksonomi rakyat yang disusun untuk mengilustrasikan bagaimana
anak-anak saling menindas. Singkat cerita, anak-anak itu sendiri memberi tahu para peneliti bahwa penindasan itu baik dengan "paksaan"
atau "perasaan", biasanya dilakukan oleh anak laki-laki dan perempuan, masing-masing. Dari dua kategori utama ini, bentuk-bentuk
penindasan fisik dan verbal disusun. Beberapa adalah istilah rakyat yang diceritakan kepada kita oleh anak-anak (misalnya berkelahi,
mencakar, dan mendorong), sementara yang lain adalah istilah analitik buatan peneliti yang mengidentifikasi jenis penindasan yang
dijelaskan anak-anak tetapi tidak memiliki kosa kata untuk (misalnya, mengecualikan, memaksa, dan memfitnah ). ).
Seperti matriks, mengamati dan memindai taksonomi dapat mengarah pada wawasan analitik atau pertanyaan untuk penyelidikan lebih
lanjut. Misalnya, istilah rakyat merendahkan memiliki kumpulan simpul dan garis yang paling kompleks, menunjukkan bahwa tidak hanya
jenis penindasan ini mungkin lebih sering terjadi di antara anak-anak yang lebih besar, tetapi juga bahwa penghinaan verbal berpotensi lebih
kejam daripada bahaya fisik.
Untuk proyek penelitian tindakan di sekolah dasar, temuan ini menyarankan agar tim orang dewasa fokus pada bagaimana membuat anak-
anak mengurangi celaan verbal mereka dan menawarkan strategi konstruktif kepada siswa untuk mengatasi pelecehan verbal dari teman
sebaya.
Perhatikan bahwa tidak semua hal dalam taksonomi ini (dan mungkin lainnya) dibatasi dengan sempurna. Misalnya, "mengambil
sesuatu" dari seseorang mungkin merupakan tindakan "paksaan" fisik, tetapi pada akhirnya dapat menyebabkan "perasaan" korban
kehilangan dan sakit hati. Ada banyak corak abu-abu, dan pengecualian untuk hampir semua aturan. Taksonomi bukanlah model sempurna
tentang cara manusia mengklasifikasikan benda-benda di dunia sosial. Paling-paling, ini adalah heuristik analitik untuk memetakan
kompleksitas untuk dipahami secara sekilas
unsur penyusun suatu kebudayaan.
Sebagian besar program CAQDAS menyertakan kemampuan grafis untuk menggambar taksonomi. Beberapa program,
seperti ATLAS.ti, dapat "menghitung" dan menampilkan model visual yang mengilustrasikan pengaturan organisasi kode
Anda berdasarkan frekuensi dan keterkaitan yang diprakarsai oleh peneliti. Program CAQDAS juga dapat menyusun dan
mengelola kode Anda ke dalam hierarki dan pohon, berdasarkan input Anda.
Catatan
Analis dapat menggunakan metode taksonomi untuk memilah-milah gagasan teoretis mereka sendiri secara eksklusif —
berhati-hati, tentu saja, untuk menyebutnya sebagai peneliti daripada taksonomi rakyat. Hal ini terutama disarankan bagi
mereka yang menggunakan grounded theory, yang mungkin membangun taksonomi yang terdiri dari kode mereka: dari kode
teoretis, hingga aksial/fokus, hingga in vivo/proses/awal (lihat Saldaña, 2013).
Menggambarkan Aksi
Vinyet mengabadikan momen-momen penting atau aksi dari sebagian besar kerja lapangan ke dalam rendering prosa
yang menggugah. Tampilan puitis memadatkan data ke dalam format puitis untuk menangkap esensi dan esensi makna.
Dan peta kognitif menggambarkan proses berpikir individu saat dia menjalani serangkaian tindakan.
Deskripsi
Vignettes
Vignette adalah deskripsi terfokus dari serangkaian peristiwa yang dianggap representatif, tipikal,
atau lambang dalam kasus yang Anda pelajari. Ini memiliki narasi, struktur seperti cerita yang
mempertahankan alur kronologis dan yang biasanya terbatas pada rentang waktu yang singkat, pada
satu atau beberapa aktor kunci, pada ruang terbatas, atau ketiganya. Vignette dapat ditulis sendiri
oleh peneliti atau bekerja sama dengan anggota tim penelitian dan/atau peserta penelitian. Vignette
dapat berkisar dari sesingkat satu paragraf hingga sepanjang satu bab (lihat contoh di bawah
"Analisis" lebih jauh ke bawah).
Aplikasi Seperti
pajangan puitis (dijelaskan selanjutnya), sketsa kaya akan rendering prosaik terutama dari pengamatan kerja lapangan
tetapi juga dapat mencakup adaptasi cerita yang disematkan dalam transkrip wawancara.
Contohnya adalah hari-hari dalam kehidupan seorang perawat unit perawatan intensif, peristiwa-peristiwa dalam pertemuan
fakultas perguruan tinggi yang khas, kisah tentang bagaimana keputusan manajemen kunci dicapai selama beberapa minggu,
dan cara seorang siswa memecahkan masalah tertentu. masalah matematika.
Sketsa yang ditulis secara menggugah dapat menjadi koreksi yang berguna ketika data Anda—dikodekan, ditampilkan,
dan direnungkan—entah bagaimana kekurangan makna dan kekayaan kontekstual. Sketsa yang ditulis secara kolaboratif
menawarkan kesempatan untuk melibatkan peserta studi secara aktif dalam memproduksi, merenungkan, dan belajar dari
data.
Selama pengumpulan data awal, ketika seorang peneliti menjadi lebih akrab dengan bagaimana hal-hal bekerja dalam
kasus yang dihadapi, dia sering menemukan banyak kantong data yang sangat representatif dan bermakna yang dapat
disatukan dengan cara yang terfokus untuk pemahaman sementara. Sketsa menawarkan cara untuk menambang kantong
seperti itu dengan cukup mudah. Mereka juga membantu dalam merumuskan masalah inti dalam suatu kasus—yaitu, teori
Anda tentang apa yang terjadi—untuk diri Anda sendiri, untuk rekan studi Anda, dan untuk konsumen eksternal dari laporan
sementara yang mungkin diperlukan. Mereka dapat disematkan dengan berguna dalam laporan kasus yang lebih panjang
dan lebih formal juga.
Contoh
Saldaña (1997) melakukan etnografi sekolah seni magnet dalam kota, sebagian besar Hispanik, di
barat daya, yang program teaternya dipimpin oleh seorang guru wanita kulit putih pemula. Salah satu tema
utama yang muncul dari penelitian ini adalah dukungan tanpa syarat dari guru teater kepada murid-muridnya.
Terlepas dari perbedaan etnis antara Nancy, guru kulit putih kelas menengah, dan siswa Hispanik
berpenghasilan rendah, rasa saling menghormati terlihat jelas dalam interaksi terpilih.
Salah satu acara yang diamati selama periode kerja lapangan adalah turnamen pidato tingkat sekolah untuk
siswa sekolah menengah pertama. Lebih jauh ke bawah adalah kutipan dari catatan lapangan mentah yang
diambil selama acara di luar kampus ini. Itu adalah catatan samar, ditulis dengan tergesa-gesa tentang sepotong
tindakan yang terjadi tidak lebih dari 3 menit waktu nyata:
Beatriz melakukan pidato "jangan minum dan mengemudi". Elian berteriak, "Kamu pergi, Bea!" saat dia naik ke atas panggung. Beatriz berbicara pelan,
sedikit belokan. Diperlukan dorongan dari gadis Sekolah Martinez lainnya sekitar 4 kali. Saat Beatriz kembali ke barisan, Nancy menggosok bahunya.
Beatriz terlihat terluka namun tersenyum, dan seolah-olah dia akan menangis.
OC: Meskipun mungkin tidak banyak kompetensi dibandingkan dengan yang lain, tampaknya tim Sekolah Martinez
memiliki banyak dukungan. Seperti di Damn Yankees, tim bisbol mungkin tidak bagus, tapi mereka punya "hati".
Catatan ini tidak memberikan gambaran total kepada pembaca luar tentang apa yang peneliti amati, pikirkan,
dan rasakan pada saat itu. Dengan demikian, sketsa naratif yang lebih lengkap menggambarkan pentingnya
peristiwa tersebut memang pantas.
Analisis
Tidak ada pedoman keras dan cepat untuk menulis sketsa, meskipun beberapa orang mungkin menyarankan
bahwa konten harus berisi detail deskriptif yang memadai, komentar analitik, perspektif kritis atau evaluatif,
dan sebagainya. Tetapi penulisan sastra adalah usaha kreatif, dan sketsa menawarkan peneliti kesempatan
untuk menjelajah dari wacana ilmiah tradisional dan menjadi prosa menggugah yang tetap berakar kuat pada
data tetapi bukan budaknya.
Di bawah ini adalah sketsa tentang catatan yang disajikan dalam contoh di atas, yang disusun untuk
mengilustrasikan mengapa bagian kecil dari tindakan sosial ini memiliki makna khusus bagi peneliti dan temuan
utama penelitian ini:
Pembicara persuasif kelas delapan yang berpakaian bagus dari SMP Kanton berbicara dengan jelas tentang topiknya — mengadopsi hewan tempat
berlindung. Dia jelas telah dilatih dengan baik untuk menyampaikan argumen yang dipoles dengan percaya diri dan volume. Setelah menyelesaikan
pidatonya yang sempurna, ratusan atau lebih siswa dan guru penonton di auditorium bertepuk tangan dengan keras saat dia turun dari panggung.
Fasilitator acara berdiri dari meja juri dan berbicara kepada hadirin: “Terima kasih. Selanjutnya: Beatriz Guzman dari
Sekolah Martinez.”
Beatriz, dengan caranya yang tenang dan sederhana, bangkit dari kursinya dan berlari melintasi teman-teman sekelasnya yang duduk saat Elian
berteriak, "Ayo pergi, Bea!" Nancy, pelatihnya, tersenyum ketika dia lewat dan memberinya gerakan semangat "rah-rah". Beatriz, mengenakan gaun
kuning pucat, berjalan ragu-ragu menuju panggung, jelas gugup, menaiki setiap anak tangga ke peron dengan hati-hati agar tidak tersandung seperti
yang dilakukan seseorang sebelumnya.
Beatriz berjalan ke tengah panggung saat muridnya membisikkan, Maria, mengambil tempatnya di bawah, naskah di tangan, siap untuk menawarkan
Beatriz baris jika dia lupa pidato persuasif satu menit yang dihafalnya (tindakan keamanan yang diizinkan oleh aturan turnamen pidato untuk kontestan
muda).
Beatriz memulai dan terus berbicara pelan dengan suara monoton. Sekitar empat kalimat dalam pidatonya, dia berkata: “Dan ketika orang ditangkap
karena mengemudi dalam keadaan mabuk. . .” Ada jeda yang panjang dan tidak nyaman saat Beatriz menatap kosong ke dalam auditorium
yang gelap. Nancy memandang Beatriz tanpa daya dan mencondongkan tubuh ke depan di kursinya. Pembisik siswa memberi isyarat, “kehidupan
adalah. . mereka. .” Beatriz menutup matanya, melihat ke bawah sebentar, lalu mengangkat kepalanya dan melanjutkan: “hidup mereka hancur selamanya.”
Pidatonya berlanjut kurang dari satu menit. Dia membutuhkan dorongan untuk kalimat yang terlupakan tiga kali lagi. Di baris terakhir pidatonya, “Dan
itulah mengapa orang tidak boleh minum dan mengemudi,” Beatriz mulai mencondongkan tubuh ke kanan, seolah ingin segera menyelesaikan dan lari
dari panggung. Ketika dia menyampaikan kalimat terakhirnya, penonton bertepuk tangan dengan sopan seperti yang telah diperintahkan, dengan teman-
teman sekolah Beatriz bersorak dan sesekali meneriakkan "Yay!" untuk dia.
Beatriz cepat kembali ke tempat duduknya dan duduk di sebelah Nancy, keduanya diam selama beberapa detik saat kontestan berikutnya dari sekolah
lain berjalan dengan percaya diri menuju panggung. Nancy merentangkan tangannya di bahu Beatriz dan menarik muridnya mendekat. Beatriz
menyandarkan kepalanya ke tubuh keibuan gurunya saat Nancy mulai mengusap punggung muridnya dengan lembut. Beatriz tersenyum di balik rasa
sakitnya dan tampak seperti akan menangis. Kedua wanita muda itu duduk dan tidak mengatakan apa-apa satu sama lain. Mereka benar-benar tidak
perlu mengatakan apa-apa.
Sore itu, ketika saya merenungkan peristiwa hari itu, saya memikirkan tentang Beatriz dan momen lampu sorot rusanya di atas panggung—momen
yang mungkin tidak akan pernah terlupakan sepanjang hidupnya—dan kenyamanan yang menenteramkan. Nancy memberinya sesudahnya. Itu adalah
momen yang damai namun memukau untuk saya amati: seorang gadis muda bersandar pada seorang wanita muda di saat dukungan tanpa syarat
setelah kegagalan. Yang dapat saya pikirkan hanyalah cinta Nancy kepada murid-muridnya dan kesadaran bahwa dia memang seperti itu
manusia sialan .
Erickson (1986) menganjurkan bahwa menulis sketsa setelah membaca catatan lapangan dapat menjadi sarana
yang ampuh untuk memunculkan dan mengklarifikasi perspektif Anda sendiri tentang apa yang terjadi. Metode ini
menghasilkan “karikatur analitik (dari jenis yang bersahabat) . . . yang menyoroti
150). Sketsa
perspektif
yang ditulis
interpretatif
denganpenulis”
baik sebagai
(hlm.
cerita yang konkret dan terfokus akan menjadi hidup, menarik, dan persuasif kepada pembaca bahwa peneliti telah
"pernah ke sana". Jika tidak benar-benar representatif, Anda dan pembaca berisiko salah memahami kasus yang
dirujuknya. Menggunakan banyak sketsa membantu, tetapi pertanyaan "Apakah ini benar-benar tipikal?" harus selalu
ditanyakan.
Jika Anda memilih untuk membuat konstruksi sketsa kolaboratif dengan peserta Anda, ada baiknya bertemu
dengan beberapa dari mereka untuk menjelaskan ide sketsa. Setiap orang kemudian memilih situasi untuk
dideskripsikan, membuat beberapa catatan, dan menceritakan kembali atau menulis cerita dalam bahasa sehari-hari.
Peneliti membaca akun yang diketik atau ditranskrip, membuat catatan pinggir dan menanyakannya, dan
mengirimkannya kembali ke penulis untuk ditinjau. Catatan dan pertanyaan dibahas, dan peneliti menghasilkan versi
yang direvisi dan diperluas, kemudian dikirim kembali untuk ditinjau dan didiskusikan lebih lanjut. Versi final (dengan
nama samaran menggantikan nama asli) kemudian dapat diedarkan ke orang lain dalam pengaturan kerja lapangan
—manfaat tambahan dalam hal pengakuan dan potensi pembelajaran bagi peserta.
Catatan
Pembahasan terbaik tentang metode ini yang kami temukan ada di Erickson (1986). Seidman (2006)
mendeskripsikan versi yang lebih panjang yang disebut “profil”, sebuah ringkasan naratif yang menggunakan kata-
kata peserta sendiri dari transkrip wawancara untuk menggambarkan pengalaman selama periode waktu yang
diperpanjang. Tentu saja, bidang penyelidikan naratif dan sejarah lisan telah mengembangkan metode yang unik dan
menarik untuk perluasan penulisan sketsa. Lihat Lampiran untuk sumber daya yang direkomendasikan dalam bidang studi ini.
Deskripsi Pajangan
Puitis Pajangan
puitis menyusun bagian data kualitatif yang dipilih dengan cermat ke dalam struktur puitis tradisional dan varian
untuk representasi dan penyajian studi yang menggugah, temuannya, atau perspektif peserta kunci (lihat pajangan
di bawah “Analisis” lebih jauh ke bawah).
Aplikasi Kadang-
kadang, peneliti merasa kewalahan dengan banyaknya detail dalam database dan perlu memahami isinya yang
paling penting atau menonjol. Salah satu keunikan puisi adalah kemampuannya untuk merepresentasikan dan
membangkitkan pengalaman manusia dalam bahasa yang elegan. Dengan demikian, genre sastra dapat digunakan
sebagai salah satu cara untuk mengekstraksi makna inti dari sekumpulan besar teks.
Pajangan puitis adalah representasi berbasis seni dan penyajian data kualitatif yang menangkap esensi dan
esensi korpus dari sudut pandang peneliti. Konstruksi mereka terutama eksplorasi untuk digunakan peneliti, tetapi
puisi lengkap dapat dimasukkan dalam laporan yang diterbitkan jika kaliber artistik dan ilmiah yang memadai.
Tampilan puitis membawa pembaca sangat dekat dengan kumpulan data padat yang melarang perhatian dangkal
oleh analis. Anda harus memperlakukan kumpulan data—dan orang asalnya—dengan serius karena sebuah puisi
adalah sesuatu yang melibatkan Anda secara mendalam. Ini bukan hanya transposisi kiasan tetapi pernyataan
emosional juga.
Contoh
Seorang kepala sekolah perempuan dari sekolah magnet seni diwawancarai tentang filosofi dan misi situs tersebut.
Berikut ini hanya satu kutipan kata demi kata dari wawancara selama satu jam tentang persepsinya tentang sekolah
dan tujuannya bagi siswa:
Ini, um, ini jenis lingkungan yang sangat berbeda karena yang kami coba lakukan di sini adalah menciptakan seluruh orang, memberi
mereka kesempatan untuk menjadi pembelajar seumur hidup, um, untuk berpikir bahwa belajar itu menyenangkan, untuk mendukung
mereka dan untuk, um , hormati latar belakang yang mereka berikan kepada kita. Dan itu sangat berbeda dengan memiliki sekolah yang
memiliki kurikulum dan ini adalah hal-hal yang harus Anda pelajari. Kami belum dapat menemukan satu hal pun yang harus dipelajari orang.
Anda tidak harus tahu alfabetnya, Anda selalu bisa meletakkannya. Anda tidak perlu tahu tabel perkalian, Anda bisa membawanya di saku pinggul.
Apa yang harus Anda pelajari adalah sikap. Anda tahu, kami ingin mereka merasakan keanggunan ekspresi yang menyeluruh. Cinta untuk
memecahkan masalah. Ini, ini adalah sikap, dan itulah yang kami ajarkan. Dan kami mencoba untuk mengajar mereka dengan sangat hormat
dan gembira. Dan itu berbeda—saya tahu itu berbeda.
Sebuah puisi dapat (dan harus) dibangun dari seluruh transkrip wawancara untuk secara holistik menangkap perspektif utama
kepala sekolah atau beberapa aspek yang menurut analis menarik. Tetapi untuk tujuan ilustrasi saja, sebuah puisi akan dibangun
hanya dari kutipan transkrip yang diberikan di atas.
Analisis
Dramawan teater Verbatim Anna Deavere Smith membuktikan bahwa orang berbicara dalam "puisi organik" melalui percakapan
sehari-hari mereka. Pendengar harus benar-benar selaras dengan ritme pembicara, mengurai, menjeda, dan, tentu saja, kata-kata
penting dan bagian teks yang melampaui wacana sehari-hari untuk menjadi komunikasi yang berwawasan dan bermakna.
Peneliti menjadi benar-benar akrab dengan korpus data dan mengekstraksi kata dan frasa in vivo yang signifikan dan bermakna
dari teks. Dalam kalimat pertama transkrip di atas, misalnya, frasa “seluruh orang” dan “pelajar seumur hidup” menonjol sebagai
bagian penting yang disorot. Teknik ini dilanjutkan dengan transkrip 170 kata.
Bagian-bagian yang dipilih kemudian dipasang kembali pada halaman terpisah untuk bereksperimen dengan pengaturan dan
alurnya sebagai puisi. Tidak semua yang diekstraksi dari database akan diperlukan, dan beberapa kelonggaran tata bahasa mungkin
diperlukan untuk mengubah struktur kata sesekali saat diformat ulang menjadi
ayat.
Akhirnya, analis mengambil kata dan frasa yang dipilih dari transkrip 170 kata dan membuat pilihan artistik untuk membuat puisi
23 kata yang, baginya, mewakili filosofi, misi, dan tujuan dari situs khusus ini — sebuah rendering artistik dari sekolah yang berpusat
pada seni:
Ajarkan sikap:
Buat seluruh orang

Pembelajar seumur hidup
Pelajari sikap:
Cinta untuk memecahkan masalah
Keanggunan ekspresi
Mengajar dan belajar:
Dengan hormat
Secara mendukung
Dengan gembira
Dua hal yang perlu diingat adalah bahwa (1) pemilihan, pengorganisasian, dan penyajian data dalam sebuah tampilan adalah
tindakan analitik yang menentukan dan (seperti dalam kasus ini) perlu dilakukan dengan cara yang bijaksana dan jelas dan (2)
tampilan berhutang banyak pada seni dan kerajinan seperti yang mereka lakukan pada sains. Hadiri penyair dalam diri Anda untuk
membantu menemukan puisi organik dalam diri peserta Anda.
Puisi sastra klasik dapat berdiri sendiri, tetapi penelitian sebagai puisi hampir selalu membutuhkan semacam framing pengantar
atau narasi tambahan bagi pembaca untuk mengontekstualisasikan atau memperluas karya seni. Juga, akui bahwa puisi memiliki
seperangkat konvensi dan tradisi yang khas, seperti halnya beasiswa akademis. Catatan kaki dan kutipan literatur akademik tidak
memiliki tempat dalam puisi itu sendiri; simpan ini, jika perlu, untuk narasi prosa yang menyertainya.
Catatan
Jangan jatuh ke dalam perangkap paradigmatik yang merasa perlu mempertahankan atau membenarkan penggunaan
puisi sebagai penelitian jika Anda memilih untuk mempresentasikan dan menerbitkannya. Banyak praktisi di bidang
penyelidikan kualitatif telah melampaui persepsi puisi yang ketinggalan zaman sebagai bentuk penelitian "eksperimental"
dan "alternatif" (baca "terpinggirkan"), dan sekarang, mereka melihatnya sebagai penelitian yang lebih progresif . Namun
sadarilah bahwa jika Anda memang memilih untuk menulis puisi, harus terdengar artistik untuk menjadikan kasus persuasif
sebagai representasi penelitian.
Untuk lebih lanjut tentang puisi yang ditemukan, struktur puisi, dan aplikasinya sebagai penelitian kualitatif
representasi dan presentasi, lihat Mears (2009) dan Prendergast, Leggo, dan Sameshima (2009).
Peta Kognitif
Keterangan
Peta kognitif menampilkan representasi konsep atau proses seseorang tentang domain tertentu, menunjukkan hubungan,
aliran, dan dinamika di antara mereka. Peta visual membantu menjawab pertanyaan "Apa yang mungkin ada dalam pikiran
seseorang saat dia mengalami rangkaian tindakan tertentu dan/atau merefleksikan pengalaman?" Teks deskriptif menyertai
peta untuk penjelasan (lihat Tampilan 7.7).
Tampilan 7.7
Peta Kognitif Proses Pembersihan Rumah Satu Orang
Aplikasi Ada
kalanya representasi visual dari konsep dan proses lebih efektif daripada narasi saja. Jika kita
percaya pada pepatah klasik "Sebuah gambar bernilai ribuan kata," maka peta kognitif adalah salah
satu cara untuk secara efisien dan elegan menggambarkan apa yang mungkin ada dalam pikiran orang
saat mereka merenungkan atau memberlakukan sebuah pengalaman.
Banyak dari contoh kita sejauh ini merupakan kasus yang kompleks dan bertingkat. Tetapi kasus seringkali terfokus pada tingkat
individu. Kami membutuhkan tampilan yang menunjukkan kompleksitas orang tersebut. Pikiran orang—dan teori kita tentang mereka—
tidak selalu diatur secara hierarkis seperti dalam taksonomi rakyat. Mereka dapat direpresentasikan dengan baik dalam bentuk jaringan
nonhierarkis: kumpulan node yang dilampirkan oleh link, dan/atau bin yang diperluas dengan panah.
Tapi peneliti kualitatif bukan pembaca pikiran dan kemungkinan besar bukan ahli bedah otak, jadi kita tidak pernah bisa benar-benar
mengetahui apa yang ada dalam pikiran orang lain. Peta kognitif kemudian adalah upaya terbaik kami untuk memasukkan ke dalam bentuk
tetap proses berpikir yang dinamis dan kadang-kadang istimewa dari seorang peserta.
Contoh
Beberapa penelitian mempelajari hal-hal duniawi dalam kehidupan manusia untuk memahami konsep-konsep seperti peran, hubungan,
aturan, rutinitas, dan ritual—kebiasaan dalam kehidupan sehari-hari (Duhigg, 2012). Contoh biasa yang diilustrasikan di sini adalah
pembersihan rumah, yang akan segera kita pelajari tidak sesederhana atau "sembrono" seperti yang terlihat. Beberapa orang menaruh
banyak pemikiran ke dalamnya untuk mengembangkan pola tindakan yang efisien waktu sepanjang waktu.
Seorang wanita menikah yang lebih tua dan sedikit rematik diwawancarai di rumahnya tentang rutinitas pembersihan rumahnya. Dia
menunjukkan kepada pewawancara di mana semua perlengkapan kebersihannya (sapu, pel debu, pembersih kaca, semir furnitur, dll.)
disimpan; dia kemudian membawa pewawancara melewati setiap kamar di rumahnya dengan empat kamar tidur, menunjukkan tugas dan
tantangan khusus selama "hari pembersihan" setiap minggunya:
Wanita: Saya membersihkan rumah saya selama dua hari, bukan karena butuh waktu lama untuk
melakukannya, tetapi pada usia saya lebih mudah untuk mengosongkannya selama dua setengah
hari. Saya mengerjakan semua kamar berubin pada hari pertama, kemudian kamar berkarpet
dan berlantai laminasi di hari kedua. . . .
Pewawancara: Mengapa Anda membersihkan kamar ubin pada hari pertama?
Wanita: Karena mereka yang paling sulit dan saya ingin menyingkirkan mereka terlebih dahulu.
Dan karena mereka semua menggunakan bahan pembersih yang sama, saya hanya
memindahkannya dari satu ruangan ke ruangan lain.
Saya. .biasanya
. mulai dengan kamar
mandi.
Pewawancara: Mana yang lebih dulu diselesaikan?

Wanita: Terkadang tidak masalah. Saya mungkin membersihkan yang lebih kecil terlebih dahulu
untuk "pemanasan" untuk membersihkan rumah, kemudian menangani [kamar] kamar
mandi utama, yang memakan waktu sekitar tiga kali lebih lama karena saya harus
membersihkan bilik pancuran dan ada lebih banyak cermin dan barang-barang di sana. . . .
Lalu saya mencuci pakaian, dan Anda bisa lihat saya harus berurusan dengan kotoran kucing
di sini. Dan butuh waktu untuk memindahkan semuanya karena hanya ada sedikit ruang. Ini
mungkin terlihat seperti ruangan kecil tetapi sebenarnya membutuhkan waktu sekitar 20, 25
menit untuk saya membersihkannya. Lalu saya pergi ke serambi, dan itu sangat cepat—paling
lama 5 sampai 10 menit. Lalu saya pergi ke sudut sarapan dan dapur, dan Anda tahu berapa
lama waktu yang dibutuhkan.
Pewawancara: Yah, saya punya dapur yang jauh lebih kecil. (tertawa) Berapa lama waktu yang Anda
butuhkan?
Wanita: Atas ke bawah untuk dapur, sekitar satu jam? Saya selalu mulai dari ujung ini (menunjuk ke
pembuat kopi di konter) kemudian beralih ke wastafel terakhir. Nah, lantai terakhir, bersihkan
dengan steamer. Dan ketika lantai sudah kering, saya meletakkan kembali karpet di atasnya.
Wawancara berlanjut, meliput secara detail rutinitas pembersihan hari kedua wanita itu.
Sepanjang, pertanyaan spesifik diajukan oleh pewawancara untuk memastikan apa, di mana, bagaimana, dan
mengapa sesuatu dilakukan dengan cara tertentu. Waktu juga didiskusikan dan dibatasi kapan dan berapa lama,
karena orang yang diwawancarai sendiri menetapkan rentang menit yang diperlukan untuk membersihkan setiap
kamar di rumahnya. Tujuan dasar dari wawancara adalah mengumpulkan informasi yang cukup untuk menyusun
peta kognitif dari proses seseorang. Dengan kata lain, kita perlu mengumpulkan data yang cukup untuk menjawab
pertanyaan "Apa yang mungkin ada dalam pikiran seseorang saat dia mengalami rangkaian tindakan tertentu dan/
atau merefleksikan pengalaman?" Ini tidak hanya mencakup fakta tetapi juga penalaran, ingatan, dan emosi.
Wawancara awal ditranskrip dan ditinjau. Pertanyaan tindak lanjut, jika diperlukan, disusun untuk wawancara
kedua. Transkrip kemudian menjadi arahan verbal untuk merancang peta visual.
Analisis
Menggambar dan menyusun peta kognitif adalah analisisnya, karena Anda mencoba merepresentasikan proses
waktu nyata secara visual. Alat yang tersedia untuk Anda adalah kertas dan pensil, "catatan tempel" dan papan
dinding, atau perangkat lunak grafik/pemodelan seperti yang ditemukan di sebagian besar program CAQDAS.
Metode apa pun yang paling cocok untuk Anda tidak apa-apa, asalkan Anda menyadari bahwa Anda akan melewati
beberapa draf pemetaan sebelum Anda merasa telah menangkap prosesnya di atas kertas atau di layar monitor.
Anda juga akan menemukan bahwa menggambar peta secara bergantian dan menulis narasi yang menyertainya
membantu saling memberi informasi. Setelah draf peta kognitif, narasi ditulis, yang kemudian merangsang
penyusunan ulang peta dan klarifikasi detail narasi, dan seterusnya.
Tampilan 7.7 menunjukkan peta kognitif yang dihasilkan dari proses pembersihan rumah studi kasus ini, yang
diambil dari data wawancara dan direpresentasikan secara visual melalui keterangan, teks, tempat sampah, simpul,
garis, dan panah. Tampilan visual juga membutuhkan narasi yang menyertai untuk menjelaskan nuansa
pemikirannya (kutipan):
Membersihkan rumah ditakuti tetapi tetap "dipersiapkan" sehari sebelumnya. Bagi Janice yang menderita rematik ringan, tugas setiap minggu adalah "kejahatan
yang diperlukan". Jika waktu mengizinkan, pencucian handuk, permadani, dan seprai dilakukan pada hari Rabu sehingga Janice tidak perlu "repot" karena dia
membersihkan rumah pada hari Kamis dan Jumat. Ini hanyalah salah satu cara untuk membuat tugas yang memberatkan menjadi tidak terlalu berat.
Waktu dan energi adalah dua konsep penting yang dia pikirkan saat membersihkan rumah. Rutinitasnya sangat teratur sejak lebih dari dua dekade tinggal di
rumah ini. Pada Hari 1 pembersihan rumah formal, strategi Janice adalah menangani kamar-kamar "keras" terlebih dahulu untuk "menyingkirkannya". Strategi ini
memungkinkannya untuk melanjutkan selama kira-kira tiga jam (termasuk banyak istirahat pendek, karena artritisnya) untuk menyelesaikan tugas terjadwalnya
dengan energi yang cukup: “Jika saya menghemat ruang yang paling sulit untuk yang terakhir, mereka mungkin tidak akan pernah selesai, atau menyelesaikan
hanya sebagian jalan. Kamar mandi adalah yang terburuk; Saya benci membersihkannya, jadi itulah mengapa saya melakukannya terlebih dahulu—singkirkan
mereka.”
Enam kamar berlantai keramik Hari 1 masing-masing memiliki ritual persiapan: “Sebelum saya memulai setiap kamar, saya membawa semua yang saya perlukan
untuk membersihkannya: Windex, handuk kertas, pengukus, kemoceng, kantong sampah. . . . Dengan begitu, saya tidak perlu membuang waktu bolak-balik
untuk mendapatkan ini dan itu—semua ada di dalam ruangan, siap digunakan.” Setiap rutinitas pembersihan ruangan juga mengikuti dua pola spasial: “Bersihkan
dari atas ke bawah—pertama-tama barang dinding, lalu ke meja, lalu lantai,” bersamaan dengan gerakan mirip jam analog: “Mulai dari salah satu ujung ruangan
dan bekerja dengan cara saya di sekitarnya.”
Proses yang dijelaskan di atas merupakan interpretasi peneliti terhadap apa yang ada dalam pikiran seseorang.
Tetapi peta kognitif juga dapat dibangun secara kolaboratif antara peneliti dan peserta. Prosedur melibatkan
responden dan peneliti dalam kerja bersama, secara bersamaan membangun tampilan dan memasukkan data.
Setelah wawancara awal tentang pengalaman atau proses, peneliti menyalin pertukaran dan mengekstrak istilah
kunci, konsep, kode in vivo, dan sebagainya. Masing-masing akan ditulis pada "catatan tempel" sendiri, dan
wawancara pemetaan tindak lanjut dijadwalkan dengan peserta.
Pada wawancara pemetaan yang direkam dengan audio, peserta diberi catatan tempel dan diminta untuk
mengaturnya di selembar kertas berukuran poster besar di dinding “dengan cara yang menunjukkan bagaimana
Anda berpikir tentang kata-kata itu.” Saat tugas ini selesai, peneliti bertanya, “Mengapa mereka diatur seperti ini?”
Peneliti menggambar garis di sekitar konsep yang menurut orang tersebut milik bersama, dan membangkitkan
nama untuk grup, yang juga tertulis di layar. Pertanyaan “Apa hubungan antara dan _____?” mengarah pada
penamaan_____
seseorang tentang kaitan antara konsep dan/atau konsep
kelompok, dan itu juga tertulis di layar.
Selama analisis pendahuluan, peneliti mendengarkan rekaman diskusi pemetaan, mengklarifikasi kesalahan,
dan menulis teks deskriptif yang berjalan melalui peta lengkap. Peta dan narasi yang telah direvisi dikembalikan
kepada responden untuk memastikan bahwa itu adalah representasi yang akurat dari konsep atau proses.
Versi pemetaan kognitif ini menghasilkan keistimewaan maksimum—dan kerumitan—dalam hasilnya. Versi
yang lebih sederhana (Morine-Dershimer, 1991) meminta responden untuk membuat daftar konsep yang berkaitan
dengan topik utama. Topik utama ditempatkan di tengah, dan kemudian konsep lain ditempatkan di sekitarnya,
dengan mata rantai yang tidak disebutkan namanya memancar ke sana, dan dari mereka, ke konsep lain secara
bergantian.
Peta kognitif memiliki cara untuk melihat lebih terorganisir, diinginkan secara sosial, dan sistematis daripada
yang mungkin ada dalam pikiran seseorang. Izinkan bias tersebut saat membuat analisis dan interpretasi. Akui
juga bahwa peta kognitif seseorang tidak selalu mewakili cara berpikir dan bertindak orang lain dalam situasi yang
sebanding. (Misalnya, ketika suami dari studi kasus ini membersihkan rumah, dia memilih untuk menyelesaikan
tugas dalam 1 hari daripada 2 hari. Dia mulai di salah satu ujung rumah dan bekerja dari satu ruangan ke ruangan
yang berdekatan, terlepas dari permukaan lantai, sampai ia mencapai ujung lain rumah.)
Catatan
Peta kognitif juga dapat diambil dari narasi yang sudah ada sebelumnya seperti transkrip wawancara, fiksi, atau
dokumen lain yang lebih panjang. Di sini, analis lebih menginterogasi teks daripada orangnya.
Anda bahkan dapat menggunakan teknik pemetaan kognitif untuk mengklarifikasi ide Anda sendiri atau proses
analitik tentang makna kumpulan data tertentu.
Untuk representasi media fiksi yang unik dan lucu tentang observasi partisipan dan pemetaan kognitif, lihat film
Norwegia/Swedia Kitchen Stories yang luar biasa.
Metode untuk menggambarkan latar dan tindakan sosial ini adalah proses dokumenter. Mereka memadatkan
sejumlah besar data menjadi bentuk yang lebih koheren untuk menjawab salah satu pertanyaan paling
mendasar dari penyelidikan: "Apa yang terjadi di sini?" Terkadang tujuan studi penelitian hanya terfokus pada
deskripsi, tetapi tujuan lain mungkin mencakup eksplorasi yang lebih dalam tentang "mengapa" dari apa yang
dilakukan manusia.
Menjelajahi dan mendeskripsikan adalah dua metode dasar untuk menganalisis data kualitatif. Di Bab 8, kita
akan menyusun data ke dalam format yang lebih sistematis dan tertata untuk membangun lebih banyak pola
lintas waktu, proses, dan kasus.
8
Metode Pemesanan
Ringkasan Bab
Bab ini menguraikan metode untuk mengurutkan data terkondensasi menurut waktu, proses, dan kasus. Urutan memberikan
dasar untuk menentukan urutan dan hierarki untuk pekerjaan analitik lebih lanjut.
Isi
pengantar
Memesan Berdasarkan Waktu
Matriks Daftar Acara

Gradien Pertumbuhan
Matriks Terurut Waktu
Proses Pemesanan
Pemodelan Keputusan
Jaringan Acara-Negara
Analisis Urutan Komposit
Memesan berdasarkan Kasus
Meta-Matriks Deskriptif Berurutan Kasus

pengantar
Keluarga besar ketiga menampilkan data pesanan berdasarkan waktu, proses, dan kasus, menjaga aliran kronologis dan
memungkinkan melihat dengan baik apa yang menyebabkan apa, dan kapan. Setelah melewati deskripsi awal, beberapa bentuk
pemesanan biasanya sangat membantu. Memesan matriks berdasarkan waktu memungkinkan analisis fase, tahapan, siklus, dan
kemungkinan pengaruh dan pengaruh (istilah yang lebih disukai daripada "sebab dan akibat" yang ketinggalan zaman), yang
menunjukkan sebab-akibat.
Hidup adalah kronologi; kita hidup dalam aliran peristiwa. Tetapi meskipun kita dapat menganggap diri kita berada di tengah
sungai peristiwa, metafora itu rusak karena aliran sungai itu tidak satu dimensi. Beberapa peristiwa terjadi di satu domain kehidupan,
yang lainnya terjadi di tempat lain. Beberapa peristiwa dekat dengan kita, beberapa jauh. Beberapa peristiwa terkait secara koheren
dengan peristiwa lain, dan yang lainnya bersifat adventif. Dan meskipun mungkin menyatakan hal yang sudah jelas, peristiwa-
peristiwa di masa lalu memiliki konsekuensi untuk saat ini.
Peristiwa jauh dapat memiliki konsekuensi untuk peristiwa dekat.
Adapun kasus, melihat ke seberang memperdalam pemahaman kita dan dapat meningkatkan generalisasi.
Tetapi analisis lintas kasus itu rumit. Meringkas secara dangkal di beberapa tema atau variabel utama dengan sendirinya tidak
banyak memberi tahu kita. Kita harus melihat dengan hati-hati konfigurasi proses yang kompleks dalam setiap kasus dan memahami
dinamika lokal sebelum kita dapat mulai melihat pola variabel yang melampaui kasus tertentu. Dengan demikian, menggabungkan
pendekatan "proses" dan "variabel" diperlukan untuk metode pengurutan.
Pengurutan berdasarkan Waktu menggunakan kronologi sebagai kerangka kerja pengorganisasian untuk memeriksa data saat
data berubah sepanjang waktu. Proses Pemesanan memeriksa bagaimana perjalanan komposit "gambaran besar" dapat
didiagramkan. Memesan berdasarkan Kasus secara hierarkis mengatur individu, grup, dan situs sesuai dengan variabel minat
yang ditentukan.
Memesan Berdasarkan Waktu
Matriks daftar peristiwa mendokumentasikan tindakan yang dipilih selama periode waktu yang dipilih.
Gradien pertumbuhan menggambarkan perkembangan variabel sepanjang rentang waktu. Dan matriks
urutan waktu menunjukkan jalur bersamaan dari beberapa variabel dan catatan evaluasi peneliti selama
periode waktu yang dipilih.
Deskripsi Matriks Daftar
Acara Daftar acara
adalah matriks yang mengatur serangkaian acara konkret berdasarkan periode waktu kronologis,
mengurutkannya ke dalam beberapa kategori (lihat Tampilan 8.1).
Penerapan
Peneliti kualitatif selalu tertarik pada peristiwa—apa adanya, kapan terjadi, dan apa hubungannya
dengan peristiwa lain (atau dulu)—untuk melestarikan kronologi dan menerangi proses yang terjadi.
Bagaimanapun, sebuah proses pada dasarnya adalah serangkaian peristiwa yang terkait secara koheren.
Biasanya, kepentingan ini mengarah pada produksi narasi yang diperluas yang diatur dalam urutan waktu
yang tepat (biasanya tanpa kilas balik atau kilas ke depan).
Narasi sangat diperlukan jika kita ingin memahami kronologi yang rumit dalam kekayaan penuhnya.
Masalahnya adalah bahwa langsung ke narasi yang diperluas dari catatan lapangan yang ditulis memiliki risiko yang akut: Anda
dapat menceritakan sebuah cerita yang parsial, bias, atau sangat salah — meskipun mungkin terlihat jelas, koheren, dan masuk
akal bagi pembaca. . Daftar acara adalah cara yang baik untuk menjaga dari kronologi palsu. Ini menciptakan garis besar
berbasis matriks untuk narasi Anda.
Contoh
Dalam studi peningkatan sekolah, kami (Miles dan Huberman) ingin menampilkan peristiwa selama adopsi dan penerapan
inovasi di tingkat sekolah, menunjukkannya melalui fase atau periode waktu yang berbeda dari proses tersebut.
Menjaga konvensi klasik kiri-ke-kanan untuk berlalunya waktu, kita dapat membuat kolom dari daftar matriks periode waktu
berturut-turut. Ini dapat didefinisikan secara sewenang-wenang (misalnya, Tahun 1, Tahun 2), atau lebih organik dengan fase
atau tahapan yang diturunkan secara empiris dari proses adopsi-implementasi.
Mungkin beberapa peristiwa lebih kritis daripada yang lain, berfungsi untuk menyebabkan peristiwa baru atau memindahkannya
proses maju ke fase baru. Baris matriks, dalam hal ini, berurusan dengan lokal peristiwa: tingkat negara bagian, distrik, dan
lokal.
Peragaan 8.1 menunjukkan bagaimana teknik ini bekerja untuk inovasi tahun 1970-an yang disebut SCORE-ON, sebuah
laboratorium untuk mengajar remedial matematika dan keterampilan membaca kepada anak-anak yang “ditarik keluar” dari
kelas reguler mereka. Periode waktu (Contextual Press 1976–1978, Emergence of the Problem Oktober 1978, dll.) pada
awalnya ditentukan secara konseptual dari model adopsi-implementasi umum, tetapi label untuk setiap periode berasal dari
aktivitas inti aktual selama periode tersebut. Periode waktu baru ditentukan ketika terjadi pergeseran aktivitas yang signifikan.
Analis menandai "peristiwa barometrik" (yang memindahkan proses ke periode atau fase waktu berikutnya) dengan tanda
bintang.
Analis berfokus terutama pada Smithson School (baris bawah) dan ingin menjadikannya sebagai yang paling lokal dari
lokal. Namun, inovasi tersebut juga diterapkan di sekolah lain (barisan berikutnya).
Dan peristiwa dapat disortir ke tingkat distrik dan negara bagian/makro, yang, pada gilirannya, memengaruhi tingkat yang lebih
rendah.
Sebuah pertanyaan wawancara eksplorasi meminta orang-orang untuk menggambarkan sejarah inovasi (“Dapatkah Anda
memberi tahu saya bagaimana SCORE-ON dimulai di sekolah ini?”). Penyelidikan tindak lanjut menyempurnakan urutan dari
kesadaran inovasi hingga adopsi, bagaimana dan oleh siapa keputusan penting dibuat dan alasan yang terlibat. Pertanyaan
lain terkait dengan agensi dan acara luar dan "hal lain yang terjadi pada saat itu yang penting". Pertanyaan serupa diajukan
tentang peristiwa selama proses implementasi.
Analis melihat catatan lapangan berkode (di sini, kodenya adalah apa saja yang menyertakan subkode KRONOLOGI) dan
mengekstrak akun peristiwa tertentu, seperti "guru kelas 4 melaporkan 40 murid 1-3 tingkat kelas di belakang" atau "pejabat
melihat SCORE-ON di 'pameran kesadaran'.” Analis mendefinisikan suatu peristiwa sebagai tindakan atau kejadian tertentu
yang disebutkan oleh responden mana pun dan tidak disangkal oleh orang lain. Jika setidaknya dua orang mengatakan bahwa
peristiwa itu penting, krusial, atau "membuat perbedaan besar" pada apa yang terjadi selanjutnya, tanda bintang diberikan
untuk menandainya sebagai "peristiwa barometrik".
Analisis
Pemindaian cepat di layar menunjukkan kepada kita bahwa proses perubahan sangat cepat. Masalah yang terlihat di satu
sekolah dasar pada musim gugur tahun 1978 oleh guru kelas empat tampaknya mengarah pada penemuan dan pengenalan
inovasi (SCORE-ON) yang ada di lima sekolah distrik pada musim gugur tahun 1979.
Melihat tanda bintang membantu menjelaskan beberapa kecepatan: keterlibatan aktif pejabat kantor pusat setelah mereka
melihat inovasi di pameran kesadaran, yang mengarah ke acara pembenaran seperti penyaringan folder murid dan
perencanaan tingkat sekolah tertentu dan penunjukan guru khusus untuk mengelola laboratorium remedial. Persyaratan
kompetensi tingkat negara bagian menjadi latar belakangnya, dan laporan masalah guru mungkin merupakan alarm atau
pemicu yang memicu tindakan yang sudah dipicu oleh kekhawatiran di tingkat distrik tentang pemenuhan persyaratan negara
bagian.
Ketika kami mencatat akibat dari krisis anggaran yang didorong secara eksternal selama tahun ajaran terakhir (September
1979–Mei 1980), kami dapat menyimpulkan bahwa ketersediaan asli dana Judul I mungkin telah memainkan peran yang kuat
dalam perubahan awal.
Ini adalah firasat yang masuk akal tentang arti data di Tampilan 8.1. Untuk memeriksanya, analis dapat mengumpulkan
narasi terfokus yang menyatukan aliran-aliran yang berbeda menjadi sebuah kisah yang bermakna, sebuah narasi yang hanya
dapat dengan susah payah disusun—atau dipahami—dari beragam kisah yang tersebar melalui catatan lapangan. Berikut
adalah beberapa kutipan dari narasi terfokus yang dihasilkan analis. Mereka harus dibaca bersama dengan Tampilan 8.1:
Dorongan khusus diberikan pada musim gugur tahun 1978, ketika enam guru kelas empat di Smithson memperhatikan bahwa mereka
memiliki kohort yang luar biasa besar (40) siswa masuk yang tertinggal satu atau lebih tingkat kelas dalam prestasi membaca. . . . Tiga
puluh delapan dari empat puluh ini telah keluar dari program FACILE [yang ada] di kelas satu hingga kelas tiga. Tidak jelas berapa banyak
dari siswa ini yang naik ke kelas empat, tetapi tidak ada yang terkejut. . . .
Para guru khawatir mempromosikan atau mempertahankan begitu banyak murid akan menimbulkan masalah; mereka bersandar
ke arah retensi, tetapi takut akan protes besar-besaran oleh orang tua. Pada dasarnya, mereka menutupi diri mereka sendiri dengan mengumumkan di awal
tahun bahwa mereka telah mewarisi, bukan menciptakan, masalahnya. . . .
.
Selama fase ini, sebuah surat edaran yang mengumumkan pendanaan Federal . . datang ke kantor pusat dari Pengawas Negara. Sebuah
konferensi kesadaran, yang menghadirkan serangkaian proyek, banyak di antaranya yang berkaitan dengan pengembangan keterampilan
remedial, akan diadakan di dekat situ. Atas prakarsa Mrs. Bauers—dan dengan tujuan mencari solusi untuk masalah di Smithson School—
kontingen dari kantor pusat (Mrs. Bauers, Mrs. Robeson, Mr. Rivers) menghadiri presentasi dan tertarik pada SCORE-ON . Tampaknya
program yang relatif fleksibel, mudah diintegrasikan ke dalam sekolah dalam bentuk penarikan. Itu diarahkan secara khusus ke kuartil bawah
dalam membaca dan matematika.
Perhatikan beberapa hal di sini: (a) narasi, yang bersifat deskriptif langsung dan analitik, membantu menyatukan dan
menyempurnakan peristiwa di berbagai tingkat bagan, (b) analis dapat menambahkan kondisi atau pernyataan penjelas
yang menunjukkan bagaimana satu peristiwa menyebabkan ke yang lain, (c) kembali ke catatan lapangan sering
memunculkan peristiwa kritis lain atau informasi pendukung yang tidak aslinya ada di layar, dan (d) narasi lebih mudah
dipahami jika dibaca bersamaan dengan tampilan, dan sebaliknya.
Saat versi pertama tampilan terisi, mulailah draf narasi terfokus. Langkah itu akan mengharuskan Anda untuk kembali ke
catatan lapangan saat Anda melakukannya. Tetap terbuka terhadap ide menambahkan peristiwa baru ke daftar atau
mengurangkan peristiwa yang tampak remeh atau tidak relevan.
Untuk rekonstruksi yang hati-hati, peristiwa dalam daftar dapat diberi tanggal di dalam sel. Jangka waktu dapat
ditentukan jauh lebih sempit atau mencakup rentang waktu yang sangat singkat (misalnya, 1 jam di ruang kelas). Acara
dari daftar juga dapat ditampilkan sebagai aliran seperti jaringan yang mencakup keadaan atau kondisi yang lebih umum,
seperti "kurangnya antusiasme" (lihat "Jaringan Acara-Negara" nanti di bab ini).
Peristiwa barometrik atau penting dalam sel dapat diberi kode warna merah untuk menyoroti kepentingannya selama
tinjauan sekilas.
Masalah yang kita hadapi dalam memahami alur peristiwa adalah memilah domain peristiwa yang berbeda, menjaga
urutan, menunjukkan arti penting atau signifikansi peristiwa sebelumnya untuk mengikuti peristiwa—dan melakukan
semua ini dalam tampilan yang mudah terlihat yang memungkinkan kita membangun sebuah kronologi yang valid. Daftar
peristiwa membantu mendasari pemahaman analis tentang aliran peristiwa yang kompleks, terutama untuk studi kualitatif
longitudinal, dan meningkatkan kepercayaan pada catatan kronologis terkait. Ini juga meletakkan dasar untuk permulaan
analisis kausal: peristiwa apa yang menyebabkan peristiwa lebih lanjut apa dan mekanisme apa yang mendasari asosiasi
tersebut (lihat Bab 9).
Catatan
Daftar acara dapat dibatasi jauh lebih tajam pada "insiden kritis", yang didefinisikan sebagai penting atau krusial, dan/
atau terbatas pada pengaturan langsung atau kerangka waktu yang dikompresi. Matriks ini dapat dilakukan pada
berbagai tingkat detail yang berbeda, tetapi pertahankan baris hingga maksimal empat atau lima tingkat, dan pastikan
mereka mewakili kumpulan kategori yang dibedakan secara bermakna. Jangan pergi lebih halus dari pertanyaan studi
mendikte.
Bahkan secara lebih selektif, peristiwa dapat ditampilkan sebagai aliran yang terbatas pada peristiwa besar individu,
masing-masing dibatasi dan dihubungkan dengan dorongan kausal yang mungkin telah memindahkan proses dari satu
peristiwa ke peristiwa lainnya. Tampilan 8.2 memperlihatkan diagram yang diadaptasi dari model kerja tampilan oleh
Pillet (komunikasi pribadi, 1983).
Kasus di sini adalah salah satu studi kualitatif longitudinal Saldaña (1998, 2003, 2008a) tentang seorang pemuda dari
taman kanak-kanak hingga usia akhir 20-an. Pengalaman Pendidikan dan Pekerjaan berturut-turut ditunjukkan di kolom
kiri; di sebelah kanan, kita melihat ringkasan peneliti tentang krisis dan kekuatan utama Pribadi yang bergerak secara
bersamaan sepanjang pendidikan dan riwayat kerja dari kasus yang dipelajari. Peneliti menggunakan ini tidak hanya
sebagai kronologi daftar peristiwa tetapi sebagai kronik visual dari periode dan pencerahan penting dari kehidupan muda.
Gradien Pertumbuhan
Keterangan
Gradien pertumbuhan adalah tampilan grafik yang menggambarkan jumlah, tingkat, atau kualitas perubahan
sepanjang waktu melalui penggunaan titik dan tautan yang disertai dengan teks (lihat Tampilan 8.3).
Aplikasi
Tampilan 8.2
Sejarah Peristiwa Studi Kasus
Peristiwa terkadang dapat dikonseptualisasikan sebagai terkait dengan beberapa variabel mendasar yang
berubah sepanjang waktu. Variabel itu dapat berfungsi sebagai tujuan atau tema sentral dari gradien pertumbuhan.
Ilustrasi tersebut memberikan gambaran jangka panjang tentang suatu proses atau peta kumulatif, “hubungkan titik-
titik” dari peristiwa terkait.
Gradien pertumbuhan menceritakan kisah perjalanan variabel melintasi waktu. Jadi sangat sesuai untuk studi
longitudinal atau evaluasi kualitatif, untuk etnografi, dan terutama untuk proyek-proyek penelitian dengan komponen
metode campuran.
Contoh
Pada Tampilan 8.3, kami melihat tampilan jaringan sederhana yang dirancang untuk menunjukkan gradien pertumbuhan penggunaan
inovasi dalam satu kasus untuk studi peningkatan sekolah (Miles dan Huberman) kami. Jaringan ini disusun secara kronologis, dengan
lima periode yang berbeda dan terpisah. Dimensi vertikal menunjukkan jumlah pengguna, dan dimensi horizontal mewakili waktu. Titik
atau simpul adalah peristiwa penting, dan garis atau tautan memiliki makna implisit “diikuti oleh”. Setiap poin diberi label dengan bulan
yang lebih spesifik dan terkadang tanggal untuk menandai peristiwa yang menurut analis penting bagi implementasi dan sejarah inovasi.
Analisis
Di sini analis tertarik pada variabel utama, difusi internal (penyebaran) suatu inovasi, yang didefinisikan sebagai pertumbuhan jumlah
guru yang menggunakannya. Variabel itu direpresentasikan dalam bentuk jaringan sebagai satu garis di antara titik-titik. Tetapi analis
telah melampirkan berbagai peristiwa kritis ke lini—penunjukan personel kunci, pelatihan, dan sejenisnya—yang membantu memperluas
pemahaman kita tentang pergerakan variabel utama. Anda dapat memperoleh gagasan yang jelas tentang tempo perluasan dan dapat
melihat peristiwa mana yang sangat kritis (misalnya, lokakarya 1 Agustus 1977). Secara lebih umum, Anda dapat melihat bahwa
lokakarya tampaknya merupakan mekanisme utama untuk memperluas penggunaan inovasi.
Gradien pertumbuhan juga mengungkapkan bahwa dibutuhkan waktu antara 4 dan 5 tahun pada tahun 1970-an untuk mencapainya
Gradien pertumbuhan juga mengungkapkan bahwa dibutuhkan waktu antara 4 dan 5 tahun pada tahun 1970-an
untuk mencapai penggunaan inovasi secara “luas” di berbagai lokasi sekolah. Beberapa administrator mungkin
menganggap ini sebagai kerangka waktu yang khas untuk terjadinya perubahan substantif dan menyatakan proyek inovasi berhas
Administrator lain, terutama di abad ke-21 yang serba cepat, mungkin menafsirkan ini sebagai proses yang bergerak
terlalu lambat, di lain waktu, dapat diintegrasikan lebih cepat ke dalam kurikulum melalui presentasi lokakarya
sebelumnya, dijadwalkan secara strategis tepat sebelum tahun ajaran dimulai.
Gradien pertumbuhan dapat memetakan tidak hanya peningkatan tetapi juga penurunan, stabilitas, lonjakan, titik
balik, yang tidak menentu, dan keistimewaan melalui waktu (Saldaña, 2003). Pola-pola ini terutama terungkap ketika
tampaknya muncul secara bertahap atau terakumulasi secara signifikan. Anda juga dapat memetakan dua atau tiga
variabel pada saat yang sama pada gradien pertumbuhan, yang dapat mengungkapkan beberapa keterkaitan yang
menarik dan kemungkinan faktor penyebab yang bekerja (lihat Bab 9).
Setidaknya satu sumbu gradien pertumbuhan adalah waktu, dan sumbu lainnya adalah rentang, kontinum, atau
dinamika dari beberapa jenis, baik itu angka (1, 2, 3), jumlah umum (sedikit, beberapa, banyak), ukuran evaluatif (buruk,
memuaskan, sangat baik), frekuensi (jarang, kadang-kadang, sering), arah (negatif, netral, positif), intensitas (lemah,
sedang, kuat), posisi (konservatif, sedang, liberal), kualitas (patah, ambivalen, bersatu), dan sebagainya. Item yang
Anda tempatkan pada node dalam gradien pertumbuhan harus terkait dengan variabel utama yang Anda periksa. Frasa
peristiwa singkat yang Anda tempatkan pada node harus "cukup" untuk membantu Anda menginterpretasikan perubahan
dan titik balik dengan tepat dalam garis waktu bersejarah.
Catatan
Jangan ragu untuk menggunakan apa yang tampak seperti metode kuantitatif dengan data kualitatif. Gradien
pertumbuhan adalah aplikasi yang efektif untuk secara bersamaan menilai perubahan kuantitatif dan kualitatif jangka
panjang . Lihat Belli, Stafford, dan Alwin (2009) untuk metode kalender dan buku harian waktu untuk pengumpulan,
pengelolaan, dan analisis data kualitatif jangka panjang.
Matriks Terurut Waktu
Deskripsi Matriks
terurut waktu memiliki kolom-kolomnya yang disusun secara kronologis berdasarkan periode waktu untuk menentukan
kapan fenomena tertentu terjadi. Isi baris bergantung pada apa lagi yang Anda pelajari. Matriks ini agak sebanding
dengan matriks daftar peristiwa yang diprofilkan di atas, tetapi matriks urutan waktu menekankan urutan, waktu, dan
stabilitas proses dan pengalaman (lihat Tampilan 8.4).
Tampilan 8.4
Matriks Berurutan Waktu: Perubahan dalam Inovasi CARED (Program Pengalaman Kerja)
Aplikasi Dengan
data kualitatif, Anda dapat melacak urutan, proses, dan alur, dan tidak terbatas pada "snapshot". Matriks terurut
waktu menampilkan data terkait waktu yang mengacu pada fenomena yang lebih besar dari "peristiwa" tertentu,
untuk memahami (dan mungkin menjelaskan nanti) apa yang sedang terjadi.
Gunakan matriks urutan waktu deskriptif seperti ini saat data Anda cukup lengkap, untuk memulai
mengembangkan kemungkinan penjelasan yang dapat diuji dengan kembali ke catatan lapangan berkode.
Contoh
Dalam studi peningkatan sekolah (Miles dan Huberman) kami, kami prihatin dengan bagaimana inovasi
berubah dan berubah sepanjang waktu selama beberapa tahun implementasi. Kami memperkirakan
bahwa sebagian besar inovasi akan menunjukkan perubahan seperti itu karena disesuaikan dengan
kebutuhan pengguna dan tekanan situasi setempat.
Kami memecah inovasi menjadi Komponen Pengembang tertentu atau Aspek Lain, menggunakan ini sebagai
deretan matriks. Kolom matriks adalah periode waktu dari penggunaan awal hingga akhir. Jika perubahan komponen
terjadi selama periode waktu tersebut, kami dapat memasukkan deskripsi singkat tentang perubahan tersebut. Sel
kosong berarti tidak ada perubahan — fitur bagus yang memungkinkan melihat stabilitas, serta perubahan.
Tampilan 8.4 menunjukkan bagaimana tampilan matriks ini. Inovasinya, CARED, adalah program pengalaman
kerja untuk siswa SMA. Komponen resmi adalah yang ditentukan oleh pengembang program asli. Komponen
Pengembang ini tidak serta merta menghabiskan aspek-aspek penting dari
inovasi, jadi ada baris untuk Aspek Lain, seperti waktu dan kredit atau pemilihan siswa.
Aspek-aspek tersebut biasanya muncul setelah kerja lapangan awal dan pengalaman langsung dengan penggunaan dan
makna inovasi.
Kolom adalah periode waktu, dimulai dengan periode perencanaan awal (karena kami mengharapkan perubahan
sementara inovasi yang relatif menuntut dan kompleks ini disiapkan untuk digunakan). Tiga tahun sekolah berikutnya
mengikuti.
Dalam hal ini, analis mencari perubahan dalam inovasi, komponen demi komponen.
Perubahan tersebut dapat ditemukan di catatan lapangan yang dikodekan, di mana pengguna inovasi ditanya apakah
mereka telah melakukan perubahan dalam format standar inovasi. Probe tindak lanjut meminta bagian yang telah
ditambahkan, dibuang, direvisi, digabungkan, atau dipilih untuk digunakan. Kami menggunakan aturan keputusan bahwa
jika perubahan yang dilaporkan dikonfirmasi oleh setidaknya satu anggota staf lain dan tidak dikonfirmasi oleh orang lain,
itu harus dimasukkan ke dalam matriks.
Analisis
Hanya beberapa pengamatan analitik yang diambil dari matriks yang dijelaskan di bawah ini.
Melihat ke seluruh deretan Tampilan 8.4, Anda dapat mulai melihat pergeseran atau pergeseran bertahap yang
menunjukkan akumulasi kecenderungan yang mendasari perubahan tertentu. Misalnya, baris “Persyaratan program/
kurikulum” menunjukkan kecenderungan yang meningkat untuk memperketat tuntutan prestasi siswa (taktiknya di sini
adalah mencatat pola, tema—lihat Bab 11). Komponen "Tanggung jawab siswa dan penggunaan waktu" menunjukkan
bahwa proses mengerahkan lebih banyak kontrol atas perilaku siswa sedang terjadi (misalnya, skema akuntabilitas,
sistem pas, dll.).
Pada titik ini, analis dapat memperdalam pemahaman dengan merujuk kembali ke aspek lain dari catatan lapangan,
terutama apa lagi yang dikatakan orang tentang perubahan atau alasannya. Dalam contoh ini, seorang anggota staf
berkata, “Leher Anda di blok. . . keberhasilan dan kegagalan siswa memantul langsung pada Anda. Jadi peningkatan
penekanan pada kontrol mungkin berasal dari perasaan staf yang rentan dan ketidakpercayaan terhadap siswa (taktik:
mencatat hubungan antar variabel).
Apa lagi yang terjadi? Kami dapat mencatat perubahan struktural yang penting di tahun kedua: beralih dari pemilihan
siswa secara acak ke pemilihan sendiri. Catatan lapangan menunjukkan bahwa keputusan ini dipicu oleh kepala sekolah
dan konselor yang menentang masuknya mahasiswa terikat perguruan tinggi dan menginginkan program tersebut menjadi
semacam katup pengaman bagi mahasiswa yang berkinerja buruk dan terasing. Dengan demikian, program tersebut
menjadi semacam “tempat pembuangan” atau “oasis” (taktik: membuat metafora) bagi mahasiswa semacam itu. Tapi
lihat baris "Ukuran program". Meskipun program ini berlipat ganda di tahun kedua, program ini berkurang secara
substansial di tahun ketiga. Dalam hal ini, masalah pendanaan yang parah mulai berkembang (taktik: menemukan
variabel intervening).
Laporan tersebut dapat berisi teks analitik, menyatukan untaian yang baru saja kita buat, atau menyajikan tabel
bersamanya. Tapi Tampilan 8.4 mungkin terlalu sibuk dan tidak fokus bagi pembaca—ini lebih merupakan pameran
analisis sementara daripada laporan temuan. Salah satu cara untuk memecahkan masalah ini adalah meringkas matriks
untuk (a) memverifikasi kecenderungan yang diamati dalam analisis awal dan (b) meringkas informasi inti untuk peneliti
dan pembaca.
Tampilan 8.4 dapat dipadatkan dengan berbagai cara. Salah satu pendekatannya adalah dengan menstandarkan
beberapa drift dengan menamainya—yaitu, menemukan gerund seperti mengontrol atau memperketat yang menunjukkan
apa yang sedang terjadi ketika perubahan dibuat dalam inovasi (taktik: pengelompokan) dan kemudian mengikat drift
tersebut ke arahnya. konteks lokal, menyimpulkan apa arti perubahan untuk kasus tersebut. Hasilnya muncul di Tampilan
8.5 sebagai tabel ringkasan.
Membaca kolom Kecenderungan dan menggunakan taktik menghitung jumlah penyebutan untuk setiap tema
menegaskan keakuratan analisis awal. Tema intinya adalah, memang, tuntutan prestasi yang lebih kaku (“Going
academic”), lebih banyak kontrol, peningkatan rutinitas (“Menyederhanakan”), dan mengurangi individualisasi
(“Standardisasi”). Anda bahkan dapat mencoba label menyeluruh untuk melambangkan himpunan tersebut — sesuatu
seperti "Erosi pelindung diri", sehingga memasukkan hal-hal khusus ke dalam umum — dan ini
pelabelan dapat memulai teks analitik akhir, yang dapat digunakan dalam laporan temuan.
Pemindaian kolom Signifikansi/Makna untuk Situs membantu meringkas masalah mendasar, yang kami identifikasi sebagai
kelelahan, kurangnya dukungan lokal, dan ketidaksesuaian antara tuntutan inovasi dan prosedur dan norma organisasi di lingkungan
terdekat.
Secara keseluruhan, untuk matriks terurut waktu, pertimbangkan apakah baris disusun dengan cara yang masuk akal.
Anda mungkin perlu mengelompokkan ulang mereka ke dalam aliran atau domain. Pertimbangkan apakah matriks ringkasan yang
direbus diperlukan untuk meningkatkan pemahaman Anda atau pembaca. Pastikan juga periode waktu yang dipilih cocok untuk
fenomena yang diteliti. Mereka harus cukup baik untuk memisahkan acara yang ingin Anda pertahankan secara berurutan, daripada
memadukannya ke dalam satu wadah besar. Gunakan Tabel Ringkasan Analisis-Konten (lihat Bab 6, Tampilan 6.20) untuk
menggabungkan dan melihat data dari tampilan jika terlalu rumit.
Tampilan 8.5
Tabel Ringkasan untuk Memverifikasi dan Menafsirkan Matriks Berurutan Waktu: Perubahan dalam Inovasi CARED
Catatan
Dalam contoh profil ini, periode waktunya relatif lama (satu tahun sekolah penuh), tetapi tergantung pada fenomena yang diteliti,
periode waktunya bisa lebih pendek (semester, bulan, minggu, hari, jam). Entri sel di sini adalah perubahan spesifik. Namun Anda
juga dapat memasukkan peristiwa tertentu, seperti keputusan, tindakan, rapat penting, atau krisis.
Deretan matriks ini merupakan komponen atau aspek dari suatu inovasi. Banyak jenis baris lain yang dapat digunakan dalam
matriks berurut waktu: peran (kepala sekolah, guru, siswa, orang tua), jenis acara (direncanakan/tidak direncanakan, tindakan
penting), pengaturan (Kelas 1, Ruang Kelas 2, taman bermain, kantor kepala sekolah, kantor pusat), atau jenis kegiatan (mengajar,
konseling, pertemuan formal).
Dengan memberi label ulang pada baris matriks, Anda dapat memeriksa peristiwa atau status terkait waktu di seluruh kasus. Data
Dengan memberi label ulang pada baris matriks, Anda dapat memeriksa peristiwa atau status terkait waktu di seluruh kasus.
Data dari beberapa kasus dapat ditampilkan dengan cara yang menghormati kronologi untuk menilai perubahan (jika ada)
dalam studi longitudinal, tindakan, dan evaluasi. Untuk melihat alur umum peristiwa dalam suatu kasus, lihat metode matriks
daftar peristiwa dan jaringan keadaan peristiwa dalam bab ini.
Proses Pemesanan
Pemodelan keputusan memetakan pilihan dan tindakan spesifik yang kami ambil untuk proses tertentu. Jaringan peristiwa-
keadaan mengilustrasikan bagaimana peristiwa dan keadaan transisinya dapat diplot sebagai diagram alir. Dan analisis urutan
komposit mengintegrasikan perjalanan banyak peserta ke dalam satu diagram.
Pemodelan Keputusan
Keterangan
Model keputusan adalah grafik visual yang menguraikan pemikiran, rencana, dan pilihan/keputusan yang dibuat selama
aliran tindakan yang disematkan dalam berbagai kondisi (lihat Tampilan 8.6).
Tampilan 8.6
Model Keputusan Satu Orang untuk Menyimpan Uang
Aplikasi
Kadang-kadang Anda ingin mengetahui bagaimana proses dasar dijalankan pada satu atau beberapa kasus dan untuk
membangun model umum tentang cara kerjanya. Salah satu proses tersebut adalah pengambilan keputusan dan tindakan
terkait oleh individu. Pemodelan keputusan adalah tampilan individu atau kolektif dari opsi yang tersedia untuk proses tertentu
dan kemungkinan jalur yang dapat diambil — biasanya tetapi tidak secara eksklusif — berdasarkan alternatif "ya" atau "tidak".
Metode ini sangat berguna untuk membuat hal yang tidak jelas terlihat dan jelas dan juga dapat digunakan untuk
pengambilan keputusan berulang yang melibatkan banyak orang dan situasi yang kompleks (misalnya, perawatan pasien secara intensif).
unit perawatan, menyajikan makanan ke pesta di restoran, menangani keluhan pelanggan). Tampilan semacam ini
cocok untuk meningkatkan praktik atau menyusun kembali kebijakan. Model ini juga efektif untuk membuat diagram
proses pengambilan keputusan peserta yang lebih terbuka yang akan membantu menjawab contoh pertanyaan
penelitian berikut: Bagaimana siswa sekolah menengah memutuskan untuk kuliah di universitas tertentu? Apa yang
tersangkut dalam peralihan dari penggunaan narkoba rekreasi ke kecanduan? Mengapa beberapa kelompok
pendukung perempuan dibubarkan?
Contoh
Selama resesi dari tahun 2008 dan seterusnya, seorang peneliti tertarik pada apakah warga kelas menengah
ke bawah dapat menghemat uang selama periode ekonomi negara yang tidak menentu. Pilot peneliti mewawancarai
beberapa peserta dan belajar (mungkin tidak mengejutkan) bahwa keputusan untuk menyimpan uang tergantung
pada variabel seperti status pekerjaan peserta, pendapatan tahunan, kewajiban keuangan, hutang, usia, dan
sebagainya. Tetapi faktor afektif lainnya juga ikut berperan, seperti ketakutan akan masa depan yang tidak pasti,
dedikasi terhadap keamanan keluarga, kebiasaan berhemat, dan sebagainya.
Tampilan 8.6 mengilustrasikan proses pengambilan keputusan seorang pria dewasa lajang yang bekerja untuk “menabung”.
Jendela utama untuk proses ini adalah menjelang akhir bulan, ketika dia menilai berapa banyak yang tersisa di
rekening gironya. Item tindakan (yaitu, transfer dana dari cek ke rekening tabungan) untuk model di layar diambil
dari wawancara dengan individu:
Peserta: Jika ada uang di akhir bulan, sisa cek, saya akan mentransfer kelebihan
itu ke rekening tabungan saya, atau menyimpannya, kalau-kalau ada
biaya yang akan datang bulan depan.
Pewawancara: Rata-rata, berapa banyak yang Anda transfer ke tabungan pada akhir bulan?
Peserta: Itu tergantung, sungguh. Rata-rata harganya sekitar seratus dolar, tapi
terkadang kurang, mungkin lebih, tergantung jenis tagihan yang saya miliki
untuk bulan itu. Jika saya tahu akan ada pengeluaran besar yang akan datang,
seperti perawatan gigi bulan depan, saya tidak akan mentransfer apa pun ke
tabungan, saya akan tetap memeriksanya karena saya tetap harus
membelanjakannya.
Wawancara dilanjutkan dengan pertanyaan untuk mengklarifikasi proses pengambilan keputusan peserta;
alternatif hipotetis yang dapat memengaruhi dan memengaruhi keputusannya juga diajukan kepadanya (misalnya,
"Apa yang Anda lakukan jika Anda kekurangan uang tunai pada akhir bulan?" "Bagaimana kartu kredit, jika Anda
punya, memengaruhi rencana tabungan?”)
Analisis
Setelah wawancara, peneliti meninjau transkrip dan memetakan dengan pensil dan kertas proses pengambilan
keputusan peserta untuk menghemat uang. Dua hal utama yang perlu diingat tentang draf model keputusan
pertama adalah (1) tetap dengan tugas yang sangat terfokus—“menabung uang” jauh lebih mudah untuk
direncanakan daripada “perencanaan jangka panjang untuk pensiun”—dan (2) memulai dengan daftar pertanyaan
dan tindakan pengambilan keputusan sederhana yang dapat dilanjutkan melalui alternatif “ya” dan “tidak”. Anda
mungkin merasa seolah-olah ini sangat mereduksi kekayaan dari apa yang Anda coba modelkan. Tapi ini hanyalah
titik awal untuk membuat Anda berpikir tentang tindakan yang diperlukan untuk melanjutkan tindakan lainnya.
Dan hal-hal akan menjadi lebih kompleks dengan setiap orang tambahan yang Anda wawancarai tentang proses
menabungnya. Alternatif baru benar-benar akan muncul, dan model Anda akan melampaui "ya" dan "tidak" untuk
mengungkapkan Opsi Jalur 1, Opsi Jalur 2, Opsi Jalur 3, dan
segera.
Prosedur pemodelan keputusan gabungan dapat dilakukan secara iteratif: Kriteria yang disebutkan oleh orang
pertama digunakan dalam wawancara dengan orang berikutnya, dan seterusnya. Wawancara berulang dari banyak
peserta biasanya diperlukan, bersama dengan upaya untuk mendiskonfirmasi model melalui umpan balik
dan verifikasi, dan memeriksa dengan sampel orang baru yang belum diwawancarai. Secara bertahap model keputusan
gabungan untuk menghemat uang dibangun. Atau satu set lengkap model keputusan individu seperti Tampilan 8.6 dapat
dilakukan dan kemudian digeneralisasi menjadi komposit. Langkah selanjutnya adalah menguji model komposit melalui
wawancara dengan populasi baru , menggunakan semua kriteria keputusan.
Tindakan kita dalam hidup tidak selalu merupakan serangkaian keputusan "ya" atau "tidak". Seperti yang dicatat
dengan bijak oleh peserta di atas, “Tergantung.” Pendekatan model keputusan lebih kuat pada urutan logis daripada
urutan naratif seperti itu. Ini menghapus informasi bernuansa tetapi tidak penting namun tetap mempertahankan kondisi
utama dan menentukan secara kontingen keputusan yang akan dibuat. Sangat penting untuk menjaga validitas dari setiap
model keputusan yang terpisah; jalur setiap orang harus direpresentasikan secara akurat, meskipun beberapa fitur yang
lebih istimewa mungkin perlu digeneralisasikan ke versi yang lebih abstrak.
Pengambilan keputusan bisa menjadi proses kognitif yang kompleks, tergantung pada tugas yang dihadapi, karena
ada banyak pikiran yang dapat berpacu dengan cepat melalui pikiran seseorang sebagai alternatif di luar pertimbangan
"ya" atau "tidak", manfaat bagi diri sendiri dan orang lain. ditimbang, solilokui moral dan etis direnungkan, dan hasil terbaik
dan terburuk dihipotesiskan. Model keputusan mencoba menggeneralisasi seluruh individu, tetapi tidak membatasi diri
pada generalisasi. Beberapa model dapat menggambarkan kompleksitas emosional dan motivasi batin untuk dilema
pengambilan keputusan kita.
Profil ini adalah gambaran dari prosedur dan metode lengkap, karena pemodelan keputusan gabungan adalah proses
yang ditentukan dengan tugas statistik sederhana. Untuk instruksi dan contoh yang lebih rinci, lihat Bernard (2011) dan
Bernard and Ryan (2010).
Catatan
Model keputusan agak sebanding dengan peta kognitif (lihat Bab 7, Tampilan 7.7).
Tapi model keputusan berfokus pada dan memeriksa satu proses tertentu dan tindakannya, sedangkan peta kognitif
mencoba memetakan pengalaman yang lebih luas dan terbuka.
Jaringan Acara-Negara
Deskripsi
Jaringan peristiwa-keadaan adalah adaptasi dan representasi visual dan prosesual dari matriks daftar peristiwa (lihat
Tampilan 8.1). Acara direpresentasikan sebagai kotak; tepi tajam menyiratkan kekhususan dan rentang waktu yang
sempit. Negara bagian (atau kondisi) direpresentasikan sebagai gelembung; tepi bundar menyiratkan lebih banyak difusi,
lebih sedikit kekonkretan, dan keberadaan dalam waktu yang lebih lama. Anda menghubungkan kotak dan gelembung
dengan garis dan panah untuk menunjukkan apa yang menyebabkan apa. Keadaan atau kondisi tidak dibatasi waktu
seperti peristiwa dan sering berfungsi sebagai mediator atau penghubung antara peristiwa tertentu (lihat Tampilan 8.7).
Aplikasi
Matriks adalah konstruksi linier berbasis sel yang mengatur peristiwa secara kronologis. Tetapi batas-batas yang ketat
dari sebuah matriks tidak memungkinkan ilustrasi prosesual dari peristiwa yang terkadang berlipat ganda dan tumpang
tindih yang terjadi secara bersamaan di dalam dan didorong oleh keadaan dan kondisi tertentu. Jika hidup ini kompleks
dan saling berhubungan, terkadang representasi dan tampilan analitik kita perlu mencerminkan kompleksitas dan
keterkaitan itu, daripada memadatkannya menjadi pemahaman yang lebih mudah dikelola.
Sebuah jaringan peristiwa-negara menggambarkan tindakan peserta (sebagai peristiwa dalam kotak) dan konflik atau
alasan (sebagai negara dalam gelembung) yang memulai tindakan mereka. Jaringan dengan demikian heuristik untuk
menyimpulkan dari data tidak hanya apa yang terjadi tetapi kemungkinan motivasi untuk bagaimana dan mengapa.
Contoh Pada
saat matriks daftar peristiwa dihasilkan, Anda biasanya memiliki seperangkat generalisasi implisit tentang mengapa
sesuatu terjadi seperti yang terjadi. Jaringan peristiwa-keadaan adalah cara untuk membuat ide-ide itu eksplisit dan dapat
diverifikasi. Tampilan 8.7 menunjukkan cuplikan dari jaringan keadaan-kejadian yang diambil dari
data dalam matriks daftar acara di Tampilan 8.1.
Analisis
Setelah matriks daftar peristiwa selesai, jaringan dapat dibuat agak cepat. Jika Anda ingin bekerja dengan tangan
terlebih dahulu, tulis satu acara per "catatan tempel", buat catatan tempel status atau kondisi saat Anda melakukannya,
dan atur jaringan yang muncul pada selembar kertas poster besar, gambar panah saat Anda melakukannya.
Metode ini merupakan langkah yang sangat membantu untuk menilai dinamika kausal dalam kasus tertentu. Untuk
membuat catatan tempel keadaan atau kondisi (a) periksa kembali catatan lapangan untuk bukti anteseden dan/atau
konsekuensi dari peristiwa tertentu dan (b) munculkan pemahaman umum Anda tentang apa yang menggerakkan
peristiwa dalam proses yang Anda pelajari.
Bagi mereka yang ingin membuat ilustrasi ini dengan perangkat lunak komputasi, program CAQDAS tertentu seperti
NVivo memungkinkan Anda untuk membuat jaringan seperti itu dengan mudah, memindahkan dan mengubahnya seiring
bertambahnya pemahaman Anda. Kotak teks Word adalah opsi yang lebih mudah diakses.
Matriks sel demi sel tidak selalu diperlukan persiapan untuk menggambar jaringan, tetapi sangat membantu. Dalam
studi kualitatif skala besar dengan basis data besar, penting untuk memiliki pemahaman yang kuat tentang pemahaman
kategoris/tematik dan prosesual sebelum menangani jaringan. Dalam studi kualitatif skala kecil dengan database yang
lebih mudah dikelola, Anda dapat bereksperimen dengan menggambar jaringan sebagai cara untuk mencapai pemahaman
kategoris/tematik dan prosesual.
Mintalah seorang rekan memeriksa jaringan Anda tanpa penjelasan untuk melihat apakah dia dapat
mengikuti jejak proses. Audit juga dapat menghasilkan diskusi yang berharga untuk mendesain ulang gambar.
Misalnya, analis lain memeriksa salah satu diagram Saldaña dan mempersoalkan bagaimana satu keadaan
mengarah ke keadaan lain. Saldaña setuju dan bahkan merasa saran rekannya itu benar. Tapi data
menyarankan sebaliknya; bagaimana para peneliti merasa proses itu seharusnya terjadi bukanlah seperti
yang dikatakan para peserta . Dengan demikian, versi peserta diterima sebagai keputusan akhir untuk jaringan tersebu
Catatan
Jaringan status peristiwa adalah cara visual dan proses untuk memahami matriks daftar peristiwa berbasis
teks. Biasanya tidak membantu untuk mengiringi jaringan dengan teks naratif yang panjang; tampilannya
sendiri lebih ekonomis dan mencerahkan. Tapi kumpulan ringkasan komentar analitik mungkin berguna.
Analisis Urutan Komposit

Keterangan
Analisis urutan gabungan mengekstrak cerita atau skenario tipikal dari beberapa kasus individual
untuk mengembangkan jaringan kolektif yang mewakili fitur umum dan unik mereka dalam urutan dan jalur yang
bermakna (lihat Tampilan 8.8).
Aplikasi
Ada saat-saat analitik ketika Anda perlu menjelaskan beberapa perjalanan peserta sepanjang waktu. Kisah-
kisah ini dapat diceritakan melalui narasi individu dan kemudian melalui narasi yang terhubung secara tematis.
Tetapi panjang dan jumlah cerita individu ini mungkin terlalu banyak untuk dipahami dalam sekali duduk. Tampilan
urutan komposit secara grafis mengilustrasikan perjalanan kolektif peserta melintasi waktu (dan/atau ruang),
sambil mempertahankan penyimpangan tangensial dan istimewa yang diperlukan untuk tekstur dan detail.
Penelitian longitudinal juga tertarik pada periode waktu yang dibatasi, seperti fase, tahapan, dan siklus (Saldaña,
2003). Periodisitas berpola ini memberi kita pemahaman jangka pendek dan jangka panjang tentang bagaimana
ritme kehidupan atau pekerjaan dapat berlangsung. Kami lebih siap untuk perjalanan jika kami tahu apa yang
mungkin ada di depan. Dengan demikian, ada utilitas prediktif dalam analisis urutan komposit dan desain tampilan.
Contoh
Contoh ini berasal dari penelitian siklus hidup Huberman (1989, 1993) terhadap 160 guru. Huberman tertarik
dengan apa yang disebutnya lintasan karier guru. Dia bekerja dari wawancara 5 jam dengan guru tingkat
menengah, yang semuanya telah membagi karir mereka menjadi fase atau tahapan. Mereka sendiri memberikan
nama atau tema untuk setiap fase, daripada menanggapi daftar stimulus.
Pertama, materi untuk setiap kasus diringkas menjadi protokol setebal 25 halaman, dengan format yang identik
untuk setiap peserta. Untuk lintasan karir setiap orang, urutan tema dipetakan, dengan ciri-ciri dari setiap tema
ditambahkan. Tema awal berlabel “Tenggelam”, misalnya, sering ditandai dengan ciri-ciri seperti kesulitan menjaga
disiplin, kelelahan, ketidakpastian, perasaan ketidakcukupan profesional, kelebihan beban, dan sejenisnya.
Tampilan 8.8
Analisis Urutan Komposit: Data Lintasan Karier untuk 11 Kasus (Huberman, 1989)
Sumber: Huberman, AM (1989). Siklus hidup profesional guru. Catatan Perguruan Tinggi Guru, 97(1), 31–57.
Bagaimana Anda bisa mulai mengelompokkan kasus, fase demi fase, untuk melihat “keluarga” lintasan?
Langkah pertama adalah mengelompokkan kasus dalam beberapa fase. Aturan keputusan untuk mengelompokkan
kasus dalam fase tertentu adalah bahwa (a) tema itu sendiri harus identik secara denotatif atau konotatif dan (b)
setidaknya dua fitur harus sama. Misalnya, salah satu peserta mungkin menyebut fase "menstabilkan" dan yang lain
sebagai fase "menetap", sementara kedua guru berada pada titik yang sama dalam urutannya dan masing-masing
menggunakan dua fitur yang sama untuk mendeskripsikan fase tersebut (misalnya, mendapatkan masa jabatan,
memiliki repertoar instruksional dasar).
Secara grafis, prosedur ini sama dengan "lapisan" lintasan individu, meskipun jelas jika dilihat dari dekat, setiap
karier berbeda secara kualitatif. Tapi kita mendapatkan, seperti yang dikatakan Wittgenstein dengan sangat baik,
"kemiripan keluarga", dengan beberapa persimpangan, bersama dengan sifat-sifat yang khas.
Analisis
Mari kita ilustrasikan persimpangan ini dengan melihat Tampilan 8.8. Ini menggambarkan 11 guru, 1 dari 16
subkelompok; di sini kami memiliki wanita dengan pengalaman mengajar 5 hingga 10 tahun di tingkat menengah
pertama.
Di sebelah kiri adalah rentang tahun pengalaman mengajar dalam fase dan serangkaian fase umum
didefinisikan oleh para peneliti mengingat nama fase yang diberikan oleh para peserta:
P1: Meluncurkan karir: komitmen awal

P2: Menstabilkan: komitmen akhir
P3: Tantangan baru, kekhawatiran baru
Dalam setiap fase umum terdapat subkelompok. Misalnya, dari 11 wanita, 5 menggambarkan fase awal mereka
dalam istilah “Awal yang mudah” (taktik: pengelompokan). Fitur umum dicatat di bawah tema. Enam wanita
menyebutkan "Awal yang menyakitkan", lagi-lagi dengan daftar fitur, dan 4 menyebutkan masalah eksternal
(pekerjaan paralel di "universitas" dan "pelatihan guru"; "tuntutan keluarga dan kehidupan pribadi"). Melalui
eksperimen dan coba-coba, masalah ini dilemahkan untuk 3 wanita.
Fase kedua, Stabilisasi, umum untuk hampir semua. Ini, pada dasarnya, salah satu pola dasar itu
Fase kedua, Stabilisasi, umum untuk hampir semua. Ini, pada dasarnya, adalah salah satu tahapan pola dasar dalam karir
mengajar. Perhatikan, bagaimanapun, bahwa n = 8, yang berarti bahwa 3 dari kohort asli dari 11 tidak mengikuti urutan tetapi
mengambil jalur lain (tidak ditampilkan di layar). Dalam pengertian itu, analisis sekuensial menjadi semakin ketat. Ini hanya
mengelompokkan peserta yang memiliki tema yang identik atau analog dengan urutan fase yang sama.
Tampilan 8.8 menunjukkan fase ketiga untuk kohort ini, “Tantangan baru,” di mana jalan-jalannya masih menyimpang
menjadi tiga jalur: (1) Eksperimen (3 guru), (2) Tanggung jawab (2 guru), dan (3)
Kekhawatiran (3 guru). Sekali lagi, nama-nama tematik ini diberikan oleh para peserta.
Dalam penelitian ini, peneliti mengambil pendekatan berorientasi variabel sambil tetap mencoba mengurutkan data secara
naratif. Mereka mencari korespondensi di seluruh set lengkap 160 peserta. Dengan meninjau 16 grafik seperti yang baru saja
ditampilkan, mereka menghasilkan empat urutan modal. Skenario pertama—urutan utama di Tampilan 8.8—menyumbang 17%
dari populasi dan disebut "Harmoni yang dipulihkan":
Permulaan yang menyakitkan ÿ Stabilisasi ÿ Eksperimen
Urutan lain mewakili 25% dari sampel — bukan mayoritas, tetapi kelompok yang kuat —
sekumpulan orang yang menggambarkan perkembangan karir mereka dalam istilah "Penilaian Ulang":
Secara bersama-sama, keempat skenario yang terletak berjumlah 65% dari sampel. Banyak yang telah hilang dalam
pemadatan 25 halaman data wawancara menjadi urutan sederhana di Tampilan 8.8. Tetapi kami berpendapat bahwa, dalam
istilah konseptual, latihan pembuatan skenario terakhir inilah yang paling jelas memberi tahu kita bagaimana narasi kasus
berkelompok—dalam hal ini, bagaimana karier mengajar dimainkan untuk berbagai subkelompok anggotanya. Dan kami telah
berhasil menghubungkan pendekatan berorientasi kasus dengan pendekatan berorientasi variabel, melindungi urutan kasus
dan mendapatkan kekuatan konseptual yang dapat diberikan oleh variabel lintas batas.
Pekerjaan persiapan yang paling penting untuk membangun tampilan urutan komposit adalah memiliki pemahaman yang
kuat tentang bagaimana fase-fase tersebut diceritakan secara naratif dan kata-kata/frasa yang dihasilkan oleh peneliti atau
peserta yang paling baik menggambarkan dan memberi label pada fase-fase tersebut. Ini adalah salah satu tugas analitik yang
meminta Anda untuk mempertimbangkan kesamaan semua perbedaan—atau setidaknya sebagian besar perbedaan tersebut.
Anda juga mungkin menemukan bahwa bekerja secara bersamaan dan bolak-balik pada narasi dan tampilan akan membantu
menginformasikan perkembangan pihak lain.
Catatan
Metode ini memperkuat bahwa tampilan jaringan dapat menangani kompleksitas naratif dengan lebih mudah daripada
matriks.
Untuk studi kualitatif longitudinal yang sangat baik yang menggambarkan lima keputusan karir awal yang berbeda
dalam pengajaran, lihat Cochran-Smith et al. (2012).
Memesan berdasarkan Kasus
Sebuah meta-matrix deskriptif urutan kasus secara hierarki mengatur kasus sesuai dengan kriteria yang dipilih untuk
membandingkan variabel umum atau hasil yang menarik.
Meta-Matriks Deskriptif Berurutan Kasus
Keterangan
Sebuah meta-matrix deskriptif urutan kasus berisi data deskriptif tingkat pertama dari semua kasus, tetapi
Meta-matrix deskriptif terurut kasus berisi data deskriptif tingkat pertama dari semua kasus, tetapi kasus terurut
( misalnya, tinggi, sedang, rendah) menurut variabel utama yang diperiksa.
Dengan demikian, secara koheren menyusun data dasar untuk variabel utama di semua kasus (lihat Tampilan 8.9 dan
8.10).
Tampilan 8.9
Meta-Matriks Berurutan: Format untuk Data Dampak Siswa
Aplikasi
Case-ordered menampilkan data array kasus per kasus, tetapi kasus diurutkan menurut beberapa variabel yang
diminati, sehingga Anda dapat dengan mudah melihat perbedaan antara kasus tinggi, sedang, dan rendah.
Ini adalah cara yang ampuh untuk memahami perbedaan antar kasus untuk membantu menjawab pertanyaan seperti
berikut: Apa pola sebenarnya dari lebih banyak dan lebih sedikit X dalam kasus? Mengapa kita melihat lebih banyak X
di satu situs atau kasus dan lebih sedikit di situs atau kasus lain? Ini membuat metode ini sangat cocok untuk studi
evaluasi dan penelitian tindakan.
Contoh
Dalam studi peningkatan sekolah (Miles dan Huberman) kami, kami tertarik pada variabel yang kami sebut "dampak
siswa". Kami telah mewawancarai tidak hanya siswa itu sendiri tetapi juga guru, orang tua, administrator, dan konselor
—dan juga telah melihat data evaluasi formal. Kami ingin mengumpulkan informasi ini di satu tempat dan memahami
perbedaan di antara kasus yang menunjukkan dampak siswa yang tinggi, sedang, atau rendah.
Wawancara dan pengambilan data kami berfokus tidak hanya pada hasil siswa “langsung” (misalnya, peningkatan
nilai tes membaca) tetapi juga pada apa yang kami sebut “meta-level” atau hasil yang lebih umum (misalnya,
peningkatan minat dalam kegiatan sekolah) dan “efek samping ” (misalnya, “semangat dalam program eksperimental
menyebabkan keterasingan dari kelas reguler”). Kami juga ingin melacak efek positif dan negatif dari inovasi pada
siswa.
Bagaimana kasus dapat dipesan? Anda dapat melihat bagian yang relevan dari setiap laporan kasus dan mencatat
tingkat umum dampak siswa yang diklaim oleh penulis laporan kasus. Anda menempatkan kasus dalam urutan kasar,
lalu membaca ulang teks di setiap laporan kasus untuk melihat apakah kesan pertama dibenarkan atau apakah
urutannya harus diubah. Beberapa program bertujuan tinggi, menargetkan segalanya mulai dari prestasi siswa hingga
konsep diri, sementara yang lain lebih fokus, hanya berharap, katakanlah, untuk peningkatan keterampilan membaca.
Pembacaan tersebut juga menunjukkan kepada kami bahwa data tersebut memiliki kekokohan variabel — mulai dari
data pencapaian yang terperinci dan menyeluruh, wawancara, dan tanggapan kuesioner hingga pendapat yang hampir
tidak didukung.
Kisaran itu menunjukkan kegunaan format seperti Tampilan 8.9. Idenya di sini adalah untuk menunjukkan tujuan
dan memasukkan data dalam bentuk frase atau kalimat dalam sel yang sesuai. Dengan cara ini, kami menyimpan lebih
banyak data mentah, dan kami dapat melihat bagaimana hasil terkait dengan tujuan. Legenda/singkatan matriks kami
sendiri untuk menunjukkan sumber data (yaitu, Kode Atribut) adalah sebagai berikut: U untuk pengguna, A untuk
administrator, E untuk evaluator, S untuk siswa, P untuk orang tua, dan seterusnya. Jika dampaknya terlihat kuat, surat
itu akan digarisbawahi; jika tidak pasti, tanda tanya akan ditambahkan; jika bukti bertentangan, X akan ditambahkan
(yaitu, Kode Magnitudo).
Dari bagian yang relevan dari setiap laporan kasus, kami mencari materi kode pada level langsung dan meta
Dari bagian yang relevan dari setiap laporan kasus, kami mencari materi kode pada hasil langsung dan tingkat meta dan
meringkas materi dalam satu set kalimat atau frasa singkat, satu untuk setiap hasil yang berbeda. Kita dapat menyusun data
di kolom Tujuan Program dan Hasil Langsung secara paralel untuk mempermudah perbandingan. Tujuan keterampilan dan
pencapaian mungkin ditempatkan pertama, diikuti oleh afektif / sikap dan hasil lainnya.
Setelah semua data digabungkan ke dalam matriks, tinjau kembali: Apakah kasus-kasus tersebut diurutkan dengan benar
dari dampak siswa tinggi ke rendah? Dalam hal ini, beberapa kriteria untuk peringkat “tinggi” adalah sebagai berikut:
1. Program mencapai sebagian besar tujuannya.

2. Program ini juga mencapai tingkat meta dan efek samping positif lainnya.
3. Penilaian ini dikuatkan, baik melalui tanggapan berulang dari satu peran sampai
kesepakatan lintas peran, atau melalui data evaluasi.
Tampilan 8.10 menunjukkan cara kerja tampilan data semacam ini. Baris menunjukkan dua kasus (Perry
Parkdale, Masepa) di mana dampak siswa tinggi, dua di mana itu sedang (Carson, Calston), satu di mana itu
sedang hingga rendah (Dun Hollow), dan satu di mana itu rendah (Burton). (Untuk kesederhanaan, kami
menampilkan tabel kutipan, dengan hanya 6 dari 12 kasus kami.)
Analisis
Sekilas, Tampilan 8.10 terlihat menakutkan dan membebani. Tapi pertama-tama cobalah "analisis juling"
dengan menanyakan di bagian mana data terlihat padat atau jarang.
Melihat ke seberang baris, kita dapat melihat bahwa efek positif lebih sering daripada efek negatif (taktik:
Melihat ke seberang baris, kita dapat melihat bahwa efek positif lebih sering daripada efek negatif (taktik: membuat
kontras, perbandingan). Tinjauan lain menunjukkan kepada kita bahwa kasus di mana banyak efek negatif dicatat (misalnya,
Perry-Parkdale, Masepa) adalah kasus di mana banyak yang dicoba (dalam hal kolom Tujuan Program). Rupanya, upaya
besar lebih cenderung menghasilkan efek negatif bersama dengan efek positif (taktik: mencatat hubungan antar variabel).
Melihat dua kolom sebelah kanan menunjukkan meta-level dan efek samping yang signifikan di hampir semua kasus
(taktik: mencatat pola, tema); hanya dalam kasus dampak terendah (Burton) kita tidak melihat sama sekali. Mungkin pola ini
berarti bahwa klaim perubahan tingkat meta dalam kasus dampak sedang dicurigai. Mungkin begitu—mereka cenderung tidak
mengulangi penyebutan (garis bawah) dan memiliki lebih sedikit contoh konfirmasi peran ganda (taktik: menggunakan kasus
ekstrem).
Untuk mengklarifikasi dua kolom terakhir, kami mendefinisikan hasil meta-level sebagai kongruen dengan tujuan program
tetapi mempengaruhi aspek fungsi siswa yang lebih umum. Perhatikan program membaca di Calston: Hal itu mengarah pada
hasil langsung berupa peningkatan keterampilan membaca; tetapi dengan menyediakan materi dan peluang yang menarik
untuk pekerjaan siswa mandiri, hal itu mungkin telah mendorong hasil meta-level dari peningkatan pengarahan diri siswa. Efek
samping lebih tidak diinginkan: Perhatikan keterasingan siswa Perry-Parkdale, yang menyukai kekonkretan dan relevansi
program mereka tetapi dengan demikian tidak menyukai kursus dan aktivitas sekolah menengah reguler mereka.
Selama analisis meta-matriks deskriptif yang disusun berdasarkan kasus, pertama-tama lakukan juling umum. Seperti apa
bentuk matriks—di mana padat, di mana kosong? Menarik kesimpulan, dan menuliskannya. Kemudian, lihat ke bawah kolom
tertentu, bandingkan/kontraskan tampilannya untuk kasus tinggi, sedang, dan rendah. Mungkin berguna untuk melihat lebih
dari satu kolom sekaligus untuk mencatat hubungan antar variabel.
Meta-matriks deskriptif urutan kasus pertama bisa menjadi besar. Kami terkadang menggunakan hingga 20 kolom untuk
mencoba memilah berbagai variabel yang mungkin ada pada variabel "pengurutan" utama. Perangkat lunak database Excel
sangat berguna untuk jenis dan ukuran matriks ini. Berharap untuk membuat beberapa pemotongan pada format matriks
sebelum Anda memilih yang terbaik untuk tujuan Anda.
Periksa kembali urutan kasus di beberapa titik saat Anda melanjutkan; mintalah seorang kolega untuk mengkonfirmasi atau
berdebat dengan pesanan Anda. Untuk basis data yang tidak terlalu rumit, seringkali membantu memasukkan kutipan
langsung yang sebenarnya dari laporan kasus, daripada kalimat atau frasa yang dibuat. Mereka memberikan landasan yang
lebih langsung dalam data untuk analis dan pembaca.
Catatan
Tampilan klasik Miles dan Huberman 8.10 menggunakan legenda huruf tunggal dan simbol untuk membedakan antara
sumber dan pembuktian data. Saat ini, perangkat lunak seperti Word dan Excel dapat mewarnai kode atau menggunakan fitur
teks kaya dan berbagai ukuran font untuk memisahkan jenis data yang berbeda satu sama lain dalam matriks dan membuatnya
lebih terlihat secara visual dalam sekejap.
Meta-matrix deskriptif yang disusun berdasarkan kasus biasanya merupakan langkah fundamental berikutnya dalam
memahami apa yang terjadi di seluruh kasus. Dengan asumsi bahwa Anda memiliki dasar yang baik untuk mengurutkan
kasus, itu jauh lebih kuat daripada matriks yang diurutkan sebagian: Pola dapat dilihat untuk kasus tinggi, sedang, dan rendah;
dan permulaan penjelasan bisa muncul. Pengalaman "Aha" mungkin terjadi. Secara umum, waktu yang dihabiskan untuk ini
sepadan dengan investasi karena banyak analisis selanjutnya bergantung padanya.
Ingat juga bahwa baris dan kolom dapat dialihkan untuk tujuan analitik Anda. Biasanya lebih mudah menampilkan efek
menurut baris daripada kolom, hanya karena ada lebih banyak ruang untuk menulis judul di sana. Anda dapat membuat
matriks efek terurut kasus yang mengurutkan kasus berdasarkan derajat penyebab utama yang dipelajari dan menunjukkan
beragam efek untuk setiap kasus. Fokusnya adalah pada hasil di banyak kasus ketika banyak variabel juga perlu diperiksa
secara bersamaan (lihat Tampilan 8.11).
Tampilan 8.11
Templat Matriks Efek Berurutan Kasus

Matriks efek terurut kasus sangat berguna saat Anda mengantisipasi keragaman luas efek dari penyebab umum—itu
sendiri bervariasi di seluruh kasus. Mereka jatuh tepat di batas kabur antara deskripsi dan penjelasan lintas kasus,
memberikan petunjuk untuk membangun dan menguji teori. Matriks juga membantu Anda menghindari agregasi,
menjaga agar data kasus tetap berbeda, dan memungkinkan Anda melihat kasus yang menyimpang. Singkatnya,
matriks efek terurut kasus memungkinkan Anda menyatukan dan mengurutkan beberapa kasus, variabel, dan waktu
secara bersamaan untuk melihat beberapa konfigurasi hasil mereka.
Sebagian besar tampilan pengurutan rumit karena kami berusaha untuk mendokumentasikan kasus, peringkat,
variabel, tindakan, periode waktu, hasil, dan/atau penilaian secara multidimensi dan simultan. Literasi dan akses
perangkat lunak dasar bagi sebagian besar dari kita terbatas pada rendering dua dimensi, ketika kita berharap dapat
menggambar dalam tiga dimensi atau menganimasikan beberapa grafik kita.
Tapi matriks dan gambar dua dimensi membawa kita selangkah lebih dekat untuk memahami proses partisipan
yang kompleks.
Menjelajahi, menggambarkan, dan mengurutkan data adalah prasyarat yang diperlukan untuk metode bab
selanjutnya: menjelaskan. Jawaban yang kaya dan berwawasan dihasilkan dari mengajukan pertanyaan “bagaimana”
dan “mengapa”.
9
Metode Menjelaskan
Ringkasan Bab
Bab ini mengeksplorasi bagaimana tampilan dapat digunakan untuk membangun penjelasan untuk keterkaitan, perubahan,
dan sebab-akibat. Matriks dan jaringan dirancang dan diplot dengan hati-hati untuk memetakan cerita penelitian anteseden, urutan,
dan hasil.
Isi
pengantar
Menjelaskan Keterkaitan
Matriks Variabel demi Variabel
Menjelaskan Perubahan
Matriks Efek
Matriks Dinamika Kasus

Menjelaskan Penyebab
Rantai Penyebab
Jaringan Kausal: Analisis Dalam Kasus
Jaringan Kausal: Analisis Lintas Kasus
pengantar
Kami telah memprofilkan metode untuk mengembangkan deskripsi yang koheren tentang apa dan bagaimana sesuatu terjadi
di sejumlah kasus. Dalam bab ini, kita beralih ke pertanyaan mengapa.
Mengapa hal-hal terjadi berada di garis depan pengalaman penelitian, setelah Anda melewati masalah dasar untuk memahami
apa yang sebenarnya terjadi. Pertanyaan itu juga menjadi pertanyaan yang menonjol bagi orang-orang dalam kehidupan sehari-
hari mereka; pertanyaan “mengapa” dan “kenapa” dan jawaban yang diawali dengan “karena” muncul terus-menerus dalam
interaksi sehari-hari.
Pandangan konvensional adalah bahwa studi kualitatif hanya baik untuk penyelidikan eksplorasi atau deskriptif dan bahwa
penjelasan yang kuat, termasuk atribusi kausal, dapat diturunkan hanya melalui studi kuantitatif, terutama desain eksperimen-
kontrol klasik. Kami menganggap pandangan ini keliru. Bahkan prosedur kuantitatif yang paling elegan terutama berurusan dengan
asosiasi, bukan penyebab sebenarnya. Mereka hanya dapat mengembangkan kemungkinan yang masuk akal yang diratakan pada
banyak orang dan situasi.
Kami menganggap analisis kualitatif sebagai metode yang sangat kuat untuk menilai sebab-akibat. Tapi kita harus jauh melampaui
pernyataan, menunjukkan dasar empiris untuk klaim bahwa Y dijelaskan atau disebabkan/dipengaruhi oleh X.
Penjelasan yang baik perlu menghubungkan penjelasan yang diberikan oleh orang yang kita pelajari dengan penjelasan yang
kita kembangkan sebagai peneliti. Tapi tautan ini menimbulkan masalah. Penjelasan yang ditawarkan dalam kehidupan sehari-hari
memiliki banyak kekurangan—begitu pula dengan penjelasan peneliti. Orang mungkin tidak selalu menawarkan alasan rasional
mengapa sesuatu terjadi. Beberapa mungkin mengurangi kompleksitas suatu peristiwa menjadi satu akar penyebab. Munton,
Silvester, Stratton, dan Hanks (1999) menawarkan bahwa “keyakinan tentang kausalitas dapat, dan sering melibatkan banyak
penyebab dan banyak hasil. . . . Dalam urutan atribusi, hasil dalam satu atribusi
dapat menjadi penyebab berikutnya” (hal. 9). Penyebab tidak hanya banyak tetapi juga "konjungtural" —mereka menggabungkan
dan mempengaruhi satu sama lain serta "akibatnya". Selain itu, akibat dari banyak penyebab tidak sama dalam semua konteks,
dan kombinasi penyebab yang berbeda dapat berubah menjadi
memiliki efek serupa. Jadi, menurut Saldaña (2003), pengaruh dan afeksi mungkin merupakan cara yang lebih
akurat untuk merekonseptualisasikan konstruk positivis tentang “sebab dan akibat”. Namun dalam buku ini, efek
sebagai istilah akan lebih sering digunakan untuk menyelaraskan dengan prinsip tampilan metodologis sebab-
akibat yang ditetapkan oleh Miles dan Huberman.
Morrison (2009) menyarankan bahwa kita harus hati-hati mempertimbangkan perbedaan bernuansa antara
sebab, alasan, dan motif dan untuk menjaga fokus kita terutama pada niat, pilihan, tujuan, nilai, perspektif,
harapan, kebutuhan, keinginan, dan hak pilihan orang di dalamnya. konteks dan keadaan khusus mereka:
"Individulah, bukan variabel [seperti kelas sosial, jenis kelamin, etnis, dll.], yang melakukan tindakan dan
penyebab" (hal. 116). Manusia tidak seperti bola bilyar, masing-masing maju ke arahnya sendiri setelah dipukul.
Orang memiliki niat kompleks yang beroperasi di jaringan kompleks niat dan tindakan orang lain. Garis penalaran
lain menekankan sifat "tidak teratur" dari fakta sosial; mereka lebih kacau dan kurang koheren daripada yang
dibuat oleh pikiran kita. Seharusnya ada cara bagi kita untuk memahami bagaimana peristiwa dan makna manusia,
tindakan dan niat, dirantai dari waktu ke waktu, selicin dan tidak teraturnya.
Sama seperti tidak ada batas yang bersih antara deskripsi dan penjelasan, tidak ada batasan yang tepat antara
"penjelasan" umum dan "penyebab". Tidak adil untuk mengatakan bahwa menentukan sebab-akibat merupakan
bentuk penjelasan yang lebih kuat daripada yang lain. Paling tidak, kita dapat mencatat bahwa sebab-akibat
secara pasti membawa pertanyaan tentang waktu: Kami peduli dengan mencari tahu apa yang menyebabkan
apa. Peristiwa sebelumnya diasumsikan memiliki beberapa hubungan dengan peristiwa berikutnya, meskipun
hubungan tersebut mungkin tidak rapi dan jelas.
Jadi menilai sebab-akibat pada dasarnya adalah masalah retrospektif. Bahkan jika kami melakukan eksperimen
klasik, kami tidak dapat mengatakan apa efeknya sampai sesudahnya. Ini dapat dilanjutkan dengan pembuatan
dan penguraian cerita, alur peristiwa yang terhubung dalam konteks. Dalam mode proses , kita cenderung
menyusun kronologi, memperhatikan waktu, dan mencari koneksi dalam gambaran besar. Dalam mode variabel ,
kita akan cenderung mengkode potongan kecil data, mengambilnya, dan mencari persamaan dan pola konseptual,
dengan kurang memperhatikan pengaturan, urutan, dan berlalunya waktu. Jelas, kedua sikap tersebut akan
dibutuhkan pada titik yang berbeda dalam sebuah penelitian. Masalahnya adalah menyadari asumsi analitik Anda
dan menindaklanjutinya dengan tepat, bergerak bolak-balik antara mode cerita dan konsep untuk memperdalam
masing-masing.
Analisis kualitatif, dengan tampilan close-up, dapat mengidentifikasi mekanisme, melampaui asosiasi belaka.
Ini tak henti-hentinya lokal dan berhubungan dengan baik dengan jaringan peristiwa dan proses yang kompleks
dalam suatu situasi. Itu dapat memilah dimensi temporal , menunjukkan dengan jelas apa yang mendahului apa,
baik melalui pengamatan langsung atau melalui retrospeksi. Ini diperlengkapi dengan baik untuk berputar bolak-
balik antara variabel dan proses — menunjukkan bahwa cerita tidak berubah-ubah tetapi menyertakan variabel
yang mendasarinya dan bahwa variabel tidak terlepas tetapi memiliki koneksi dari waktu ke waktu.
Matriks penjelas biasanya memerlukan perhatian yang lebih cermat terhadap berbagai bentuk pengurutan.
Dan banyak kasus sangat membantu dalam menghasilkan penjelasan dan mengujinya secara sistematis. Dalam
arti sebenarnya, mereka adalah sumber daya terbaik kita untuk memajukan pernyataan dan teori kita tentang cara
kerja kehidupan sosial. Tetapi kita tidak boleh menipu diri kita sendiri bahwa penjelasan ilmiah entah bagaimana
tinggi, sepenuhnya ditentukan, dan tepat. Penelitian tidak pernah “membuktikan” apapun; paling-paling, itu
menyarankan.
Dalam bab ini, Menjelaskan Keterkaitan meneliti bagaimana variabel berinteraksi dan saling mempengaruhi.
Menjelaskan Perubahan melihat berbagai jalur yang mengarah ke variabel hasil. And Explaining Causation
menyediakan metode untuk menampilkan dan menceritakan “bagaimana” dan “mengapa” dari hasil penelitian.
Juga, lihat kembali Matriks Efek Penjelasan dan Tampilan 6.15 yang menyertainya pada halaman 141 di Bab 6
untuk membuat bagan awal penyebab untuk analisis lebih lanjut.
Menjelaskan Keterkaitan
Keterkaitan adalah salah satu prinsip dasar untuk metode menjelaskan perubahan dan menjelaskan sebab-
akibat. Matriks Variabel-demi-Variabel pertama-tama mengeksplorasi interaksi dan interaksi
antara beberapa pasang variabel untuk melihat apakah mereka berlaku untuk kasus yang dipilih.
Matriks Variabel demi Variabel

Keterangan
Matriks variabel demi variabel memiliki dua variabel utama dalam baris dan kolomnya. Properti atau komponen khusus
dari setiap variabel didaftar secara individual dan diurutkan berdasarkan intensitas. Entri sel, bukan bit data, adalah nama
kasus, sehingga kita dapat melihat kasus mana (mereka sendiri juga diurutkan pada variabel) yang menyertakan jenis
interaksi tertentu atau keterkaitan antara dua variabel utama (lihat Tampilan 9.1).
Aplikasi
Kadang-kadang, setelah kasus dianalisis dengan hati-hati, Anda mulai memperhatikan bahwa beberapa
variabel utama berperan, yang mendasari banyak fenomena spesifik. Biasanya, Anda ingin mengetahui
bagaimana variabel-variabel ini terhubung atau saling terkait. Persoalannya adalah bagaimana menjaga kekayaan
indikator-indikator spesifik dari variabel-variabel utama, sehingga dapat melihat lebih dalam apa hubungan intinya.
Matriks variabel-demi-variabel mengatur properti individual atau komponen variabel menjadi judul baris dan
kolom yang berbeda untuk mendeteksi jenis asosiasi atau perpotongan apa yang mungkin terjadi dalam kasus
dan datanya. Ini deskriptif dan berurutan, eksplorasi dan penjelasan, karena cocok dengan kasus dengan dua
variabel untuk mendorong Anda menjelaskan mengapa keterkaitan disarankan dalam matriks.
Contoh
Dalam studi reformasi sekolah tinggi perkotaan (Louis & Miles, 1990; Miles, 1986), salah satu pertanyaan
Yang menarik adalah bagaimana sekolah mengatasi masalah yang tak terelakkan yang dihadapi selama proses perubahan.
Peneliti telah mengelompokkan dan mengkategorikan jenis-jenis masalah yang dilaporkan dan mengurutkannya dari yang
paling banyak hingga yang paling tidak “dapat ditelusur” atau dipecahkan (lihat judul kolom Tampilan 9.1). Masalah seperti
proses program dan konten program relatif mudah diatasi; masalah yang berasal dari pengaturan fisik sekolah atau sumber
daya keuangan yang tersedia dinilai lebih sulit untuk diselesaikan, berdasarkan studi reformasi pendidikan sebelumnya. Urutan
pertama diputuskan bersama anggota tim peneliti lainnya.
Peneliti juga mengembangkan, dari lima kasus SMA yang ada, daftar 23 strategi koping (kolom kedua dari kiri): Apa yang
Anda lakukan saat menghadapi masalah? Strategi yang terdaftar di bawah strategi penanggulangan, seperti menunda/
menghindari, mengacak-acak orang, membangun/berbagi visi, dan mendesain ulang peran, diurutkan ke dalam sembilan
kelompok gaya, seperti TIDAK MELAKUKAN APA PUN, MELAKUKANNYA DENGAN CARA BIASA, MELAKUKANNYA LEBIH
KERAS, dan MERANCANG ULANG SISTEM. Kelompok-kelompok ini kemudian diurutkan menurut dimensi utama dangkal-
dalam, salah satu ujungnya adalah "dangkal, lembut, informal, kurang tajam" dan ujung lainnya "lebih dalam, lebih berorientasi
struktural, disengaja, dan perubahan orang." Di sini juga, potongan pertama membutuhkan umpan balik dan revisi dari rekan
kerja.
Setelah pekerjaan konseptual selesai, desain matriks diplot: Baris adalah strategi mengatasi masalah, dan kolom adalah
jenis masalah. Entri sel adalah lima nama kasus sekolah menengah: Agassiz dan Alameda memiliki penerapan yang paling
berhasil; satu kasus, Burroughs, cukup berhasil; dan Caruso dan Chester adalah yang paling tidak berhasil. Contoh masalah
dan strategi koping terkait yang digunakan diambil dari tampilan laporan kasus, catatan lapangan, dan penilaian peneliti.
Masalahnya diurutkan ke dalam kolom yang sesuai, dan strategi yang digunakan diidentifikasi oleh para peneliti yang paling
berpengetahuan melalui kerja lapangan dan analisis kasus mereka. Jika lebih dari satu strategi telah digunakan untuk masalah
yang sama, lebih dari satu entri sel dibuat. Ketika peneliti kurang yakin tentang hubungan pemecahan masalah, simbol “?”
ditambahkan ke entri sel setelah nama sekolah. Secara keseluruhan, 76 pasangan yang mengatasi masalah dimasukkan
untuk lima lokasi.
Analisis
Analisis matriks variabel-demi-variabel terutama bergantung pada mengamati hasil dan pembuatannya
kesimpulan tentang koneksi. Analis, melihat bagian atas tabel, menulis,
Sebagian besar contoh koping "dangkal" (DO NOTHING, TEMPORZE, LAKUKAN DENGAN CARA BIASA) muncul di dua situs yang kurang berhasil: Caruso dan Chester (taktik:
mencatat pola, tema).
Kedua, beralih ke bagian bawah tabel, cukup mencolok untuk dicatat bahwa strategi pengelolaan dan penanggulangan yang lebih dalam (BANGUN KAPASITAS PRIBADI &
SISTEM, TAMBAHKAN ORANG BARU, DESAIN ULANG SISTEM) sebagian besar digunakan oleh situs yang lebih sukses. Kecuali untuk struktur orkestrasi baru dan strategi
Pemantauan di Caruso, strategi semacam itu sebagian besar tidak ada di lokasi yang kurang berhasil. Situs Burroughs yang cukup sukses menggunakan beberapa strategi
"dalam", tetapi lebih sedikit dari Agassiz dan Alameda.
Kemudian analis melihat pola lain, sedikit lebih rumit. Dia fokus pada Agassiz dan
Situs Alameda dan menulis sebagai berikut:
Situs-situs ini sebenarnya menggunakan strategi yang sangat beragam, kecuali Tidak Ada dan Menunda/menghindari. Perasaan itu adalah salah satu dari secara aktif melakukan apa
pun yang tampaknya diperlukan oleh masalah, tetapi memiliki repertoar yang mencakup intervensi pengelolaan dan pengembangan kapasitas yang kuat di mana mereka dibutuhkan. .
. . [Mereka] menunjukkan penanganan yang "lebih dalam" untuk masalah yang lebih sulit.
Untuk memeriksa makna temuan ini lebih jauh, peneliti kembali ke laporan kasus, ke bagian di mana analis telah
menjelaskan hasil khas dari upaya mengatasi masalah, dan membuat tabel ringkasan yang ditunjukkan pada Tampilan 9.2
(taktik: mereplikasi temuan) . Tabel ringkasan ini tidak hanya mensintesis temuan, tetapi juga membantu menyatukan dan
mendukung asosiasi matriks variabel demi variabel.
Tampilan 9.2
Tabel Ringkasan: Konsekuensi Tipikal dari Mengatasi, berdasarkan Kasus

Semakin banyak properti dan komponen variabel yang tercantum dalam baris dan/atau kolom matriks,
semakin banyak pekerjaan persiapan yang diperlukan untuk meninjau korpus data dan mengisi sel. Tapi ini
adalah investasi waktu dan energi yang berharga untuk mempelajari apakah ada interaksi dan interaksi. Ini
dapat melampaui asosiasi deskriptif dasar untuk penalaran yang berpotensi menjelaskan.
Dimensi waktu dapat ditambahkan ke matriks variabel demi variabel dengan mengidentifikasi entri sel yang
terjadi lebih awal atau lebih lambat selama periode waktu tertentu. Setiap entri sel juga dapat menyertakan
kode besaran yang menunjukkan seberapa "sukses" suatu strategi. (Dalam tampilan khusus ini, apakah
masalah berulang, menyebabkan masalah baru, atau diselesaikan secara efektif?)
Catatan
Fungsi cut-and-paste dari tabel Word dan database Excel memungkinkan penyusunan ulang baris dan kolom
dengan mudah untuk analisis eksplorasi. Sebagian besar program CAQDAS memiliki kemampuan untuk
dengan cepat merakit dan menampilkan matriks variabel-demi-variabel (atau kode-demi-kode atau kategori-per-
kategori), sehingga memungkinkan pemeriksaan yang mudah tentang hubungan timbal balik apa yang mungkin
ada dalam kasus tertentu. Sebagian besar program ini juga dapat memberikan informasi statistik mengenai
kekuatan asosiasi.
Menjelaskan Perubahan
Kedua profil ini mengilustrasikan lintasan dan hasil cerita penelitian dengan fokus pada perubahan, tetapi
keduanya juga berfungsi sebagai metode dasar untuk menjelaskan sebab-akibat. Matriks efek umumnya
menjelaskan apa yang akhirnya terjadi, sementara matriks dinamika kasus memetakan bagaimana hasilnya.
Matriks Efek
Keterangan
Matriks efek menampilkan data pada satu atau lebih hasil sesuai kebutuhan penelitian. Efek selalu hasil dari
sesuatu — misalnya, program global, variabel independen, variabel intervening. Setidaknya selalu ada
pendahulu implisit, dan prinsip dasar dalam matriks efek adalah fokus pada variabel dependen (lihat Tampilan
9.3).
Aplikasi Dalam
banyak penelitian, peneliti tertarik pada hasil. Seorang evaluator mungkin ingin tahu apa
Dalam banyak penelitian, peneliti tertarik pada hasil. Seorang evaluator mungkin ingin mengetahui perubahan
apa yang dibawa oleh program atau pengobatan tertentu pada populasi sasarannya. Seorang peneliti yang lebih
deskriptif mungkin hanya ingin mengetahui di mana posisi sesuatu pada akhir suatu proses. Seorang peneliti yang
bertujuan untuk penjelasan biasanya ingin melihat dengan baik beberapa variabel dependen utama yang diminati
(misalnya, nilai membaca, angka putus sekolah, iklim sosial sekolah) sebelum beralih ke variabel prediktor. Ini
adalah contoh hasil "akhir". Label ini mungkin terdengar sok, tetapi itu hanya berarti bahwa variabel tersebut adalah
yang terakhir dilihat dalam rantai temporal atau kausal. Seorang peneliti juga akan tertarik pada hasil sebelumnya,
yang biasanya diberi label "intervensi" atau "menengah".
Tampilan 9.3
Matriks Efek: Perubahan Organisasi Setelah Implementasi Program ECRI
Masalah bagi peneliti kualitatif adalah bagaimana memilih dan menampilkan data yang akan dengan setia
mewakili keadaan orang, hubungan, kelompok, atau organisasi yang berubah, dilihat sebagai satu atau lebih hasil
yang menarik. Kata-kata jauh lebih sulit untuk dikelola dalam hal ini daripada angka. Untuk data kualitatif,
mengklarifikasi hasil mana saja yang terjadi tidak selalu merupakan proses yang mudah. Kejelasan konseptual
sangat berharga.
Contoh
Ketika sebuah organisasi, seperti sekolah, menerapkan inovasi, ada kemungkinan bahwa organisasi dapat
berubah sebagai konsekuensinya. Meskipun beberapa inovasi dapat "dijatuhkan" ke dalam struktur yang ada,
berfungsi sebagai bagian yang dapat diganti, sebagian besar inovasi ternyata menuntut sistem dan memiliki efek
riak. Respons organisasi seringkali muncul dalam bentuk sesuatu yang baru—sikap baru, peraturan baru, prosedur
baru, dan struktur baru. Dalam studi peningkatan sekolah, kami (Miles dan Huberman) ingin mempelajari perubahan
di sekolah-sekolah lokal yang dapat dilacak setelah mereka menerapkan inovasi. Pusat Teladan Pembelajaran
Membaca
(ECRI) inovasi dalam contoh ini adalah program seni bahasa yang relatif menuntut, agak terstruktur, yang diterapkan
di sekolah dasar. Dibutuhkan pendekatan behavioris untuk pengenalan kata, fonetik, komposisi, dan kosa kata.
Pertama, kita perlu memperjelas apa yang membentuk bundel yang disebut "hasil" (dalam hal ini, perubahan
organisasi). Bagian atau aspek apa yang dimilikinya? Tampilan 9.3 menunjukkan bagaimana ini berhasil.
Analis memutuskan bahwa hasil "perubahan organisasi" memiliki tiga bagian dasar: (1) perubahan struktural, (2)
perubahan prosedural atau operasi, dan, lebih umum, (3) perubahan iklim relasional atau sosial.
Kedua, analis, yang merefleksikan kasus tertentu, percaya bahwa aspek perubahan organisasi seperti itu harus
ditampilkan secara terpisah untuk periode penggunaan awal (tahun pertama dan kedua) dan untuk penggunaan
selanjutnya, ketika 9 dari 11 guru sekolah adalah pengguna. dari inovasi.
Ketiga, analis ingin membedakan antara perubahan primer—yang secara langsung mengikuti persyaratan
penerapan inovasi—dan yang disebut spin-of- s—efek sekunder, beberapa di antaranya mungkin tidak sepenuhnya
diantisipasi. Karena konvensi yang biasa (setidaknya dalam budaya di mana kata tercetak dibaca dari kiri ke kanan)
adalah bahwa peristiwa selanjutnya harus ditampilkan di sebelah kanan peristiwa sebelumnya, analis menempatkan
dimensi waktu dalam kolom dan jenis hasil dalam
baris.
Entri sel di Tampilan 9.3 adalah frase singkat yang menjelaskan perubahan organisasi spesifik yang ditemukan
dalam penulisan kode catatan lapangan. Pertanyaan awal kepada para guru, kepala sekolah, dan beberapa pejabat
kantor pusat adalah “Apakah ada perubahan yang terjadi dalam organisasi sekolah atau distrik selama periode ini?”
Pemeriksaan tindak lanjut menanyakan tentang perubahan struktural atau "penyiapan" tertentu, perubahan
prosedural, dan perubahan iklim atau perasaan. Aturan keputusannya adalah bahwa setiap perubahan yang
dilaporkan dan diverifikasi oleh dokumen atau setidaknya satu responden lainnya akan diringkas menjadi frase
ringkasan untuk dimasukkan ke dalam matriks.
Analisis
Melihat sisi kiri tabel menunjukkan kepada kita bahwa perubahan struktural utama adalah penjadwalan ulang
kegiatan seni bahasa yang sebelumnya terpisah menjadi satu periode pagi yang terintegrasi; perubahan ini
membutuhkan penjadwalan ulang mata pelajaran yang diajarkan oleh guru sirkulasi (musik, pendidikan jasmani).
Perubahan ini, pada gilirannya (lihat kolom Spin-Off), menciptakan dua rejimen harian yang terpisah, karena
penjadwalan dilakukan untuk dua pengguna ECRI di tahun pertama dan lima di tahun kedua. Guru lain berada di
jadwal lama.
Perubahan awal lainnya termasuk penggunaan tingkat penguasaan, bukan nilai huruf, dan pembuatan peran guru
bantu baru untuk membantu pengguna baru ECRI. Kita dapat melihat dengan bergerak secara vertikal ke bawah
kolom bahwa (seperti yang telah ditemukan dalam banyak penelitian psikologi sosial) perubahan struktural cenderung
mengarah pada perubahan prosedural dan, pada gilirannya, pada perubahan iklim/sikap (taktik: membuat koherensi
konseptual/teoretis) . Dalam hal ini, tekanan, ketidakamanan, dan perhatian khusus menyebabkan perubahan iklim
"kami sedikit yang tidak bahagia", di mana pengguna bersatu. Bergerak melintasi barisan iklim, kita bisa melihat efek
spin-off: klik dan gesekan.
Pindah ke bagian kanan matriks (Penggunaan Nanti, Tahun ke-3), kita dapat mencatat bahwa karena 9 dari 11
guru sekarang terlibat, penjadwalan menjadi lebih terintegrasi dan pengawasan ketat serta keseragaman menjadi
lebih umum. Dan disarankan agar skala yang lebih lengkap, penerapan yang lebih diatur sekarang dilihat oleh para
guru sebagai usaha kolektif. Melihat ke seberang dari perubahan primer ke spin-off, kami mengamati bahwa guru
lebih mungkin dan lebih mampu mengungkapkan kebutuhan akan bantuan dan untuk memberi dan menerimanya
(taktik: membangun rangkaian bukti yang logis).
Tampilan ini memungkinkan kita melihat bagaimana perubahan struktural menyebabkan perubahan prosedural
dan sikap. Kita dapat melihat bagaimana perubahan tingkat pertama mengarah pada konsekuensi selanjutnya (spin-
off), dan kita dapat melihat bagaimana perubahan organisasi mengalir dan berkembang selama periode 3 tahun.
Tentu saja, semua kesimpulan ini perlu dikonfirmasi, diuji, dan diverifikasi—misalnya, dengan mencari bukti negatif
atau memeriksa penjelasan tandingan. Tapi kami memiliki awal yang baik tentang efek apa yang ditambahkan. Jika
kami hanya menggabungkan semua perubahan organisasi yang dilaporkan menjadi satu ringkasan analitik konten, semua
informasi ini akan hilang.
Matriks efek juga dapat diatur oleh orang-orang tertentu. Anda dapat menunjukkan, misalnya, perubahan konsep, sikap, dan
perilaku yang dialami oleh beberapa guru sebagai akibat penggunaan inovasi mereka melalui kutipan wawancara. Matriks efek
mungkin juga menggunakan kode besaran seperti + atau - atau semacam peringkat numerik untuk menampilkan persepsi
pengguna tentang hasil.
Data efek dapat diambil dari pengamatan atau dokumen yang tersedia, serta dari wawancara. Dan tipikal “program”—
perawatan yang ditujukan untuk mencapai hasil—memiliki beberapa jenis komponen evaluasi yang melekat padanya, dengan
beberapa data yang sudah dikumpulkan, yang dapat dimasukkan juga.
Akhirnya, hasil dapat disortir menurut keterusterangannya. Beberapa hasil adalah efek "langsung", seperti perubahan utama
yang baru saja dicatat. Lainnya lebih umum; mereka mungkin disebut "efek-meta", hasil yang jauh melampaui efek langsung
langsung yang seharusnya dimiliki oleh inovasi. Dan kita dapat memikirkan "efek samping", hasil yang jauh dari tujuan awal.
Catatan
Hampir tidak mungkin inovasi apa pun diterapkan dengan sempurna dan diterima dengan senang hati oleh semua orang yang
terlibat. Jika matriks efek Anda tidak menyertakan hasil negatif (yang tidak diinginkan), bersiaplah untuk memberikan justifikasi
yang baik bagi pembaca.
Matriks Dinamika Kasus
Keterangan
Matriks dinamika kasus menampilkan serangkaian kekuatan untuk perubahan dan melacak proses konsekuensial
dan hasil. Prinsip dasarnya adalah salah satu penjelasan awal (lihat Tampilan 9.4).
Aplikasi Analis,
selama dan setelah pengumpulan data, terus-menerus mencoba menghubungkan data dengan penjelasan dan mencoba
memahami mengapa hal-hal tertentu terjadi seperti yang mereka lakukan dan bagaimana orang-orang dalam kasus tersebut
menjelaskan mengapa hal-hal terjadi seperti yang mereka lakukan. Matriks dinamika kasus mengilustrasikan, dengan cara awal,
penjelasan yang tampaknya relevan dengan pertanyaan tertentu.
Tampilan 9.4
Matriks Dinamika Kasus: Inovasi IPA sebagai Kekuatan Perubahan Organisasi di Kabupaten dan Kota
Sekolahnya
Contoh
Misalkan Anda tertarik, seperti kami (Miles dan Huberman), dalam studi peningkatan sekolah, pada pertanyaan tentang
bagaimana dan mengapa suatu inovasi menyebabkan perubahan dalam organisasi yang menerapkannya. Itu adalah
pertanyaan "mengapa" yang penting karena sejarah banyak inovasi pendidikan adalah bahwa mereka diabaikan atau diserap
ke dalam prosedur operasi rutin, menghilang tanpa jejak. Dalam kondisi apa ini tidak terjadi?
Jika kita mencari penyebab, kita mungkin mulai dengan masalah “dinamis”—hal-hal dengan kualitas yang mendesak atau
menuntut. Dalam hal ini, mereka mungkin "tuntutan", "persyaratan", atau "ketegangan" yang dibawa oleh inovasi. Ini bisa di
baris matriks. Untuk kolom, kita dapat menyertakan isu atau asumsi mendasar tentang arti dari tuntutan ini, tanggapan
penanggulangan organisasi, dan bagaimana hal-hal akhirnya diselesaikan dalam kaitannya dengan perubahan organisasi
yang dihasilkan.
Tampilan 9.4 menunjukkan cara kerjanya. Inovasinya adalah program untuk melakukan perencanaan pendidikan individual
untuk semua siswa di distrik sekolah, bukan hanya mereka yang terlibat dalam pendidikan luar biasa.
Dengan demikian, hal itu sengaja dirancang secara lokal untuk menjadi perubahan organisasional di seluruh distrik, dengan
prosedurnya untuk digunakan secara rutin oleh semua staf.
Melihat melalui catatan lapangan berkode, analis dapat memilih potongan materi yang ditandai dengan kode yang relevan.
Dalam hal ini, data yang dikodekan adalah sebagai berikut:
• Masalah implementasi • Efek

pada praktik organisasi • Efek pada iklim
organisasi
• Penjelasan efek pada organisasi
Analis juga telah memutuskan untuk mengurutkan efek organisasi menjadi tiga kelas umum yang lengkap:
(1) struktural, (2) prosedural, dan (3) iklim.
Aturan keputusan untuk entri data pada Tampilan 9.4 adalah sebagai berikut: (a) menemukan "tuntutan" yang jelas berbeda,
dan meringkas dalam satu atau dua frase inti dari tuntutan, metode penanggulangan, dan resolusi; (b) hanya menggunakan data
yang tidak bertentangan dengan informan lain; (c) untuk "masalah mendasar", naikkan tingkat abstraksi, gambarkan ide tentang
teori organisasi dan penjelasan yang ditawarkan orang situs, dan masukkan konsep yang tampaknya paling relevan.
Analisis
Seperti biasa, tampilan apa pun menutup beberapa masalah. Di sini, analis hanya melihat permintaan yang menyebabkan
efek yang benar-benar merupakan perubahan organisasi dan secara diam-diam mengecualikan permintaan yang tidak
menyebabkan efek organisasi atau diserap tanpa jejak.
Dalam matriks semacam ini, banyak analisis terjadi selama entri data aktual, yang dilakukan dengan berpindah ke setiap
baris. Pada saat baris diisi, analis memiliki pemahaman pertama tentang apa dinamika itu (taktik: mencatat pola, tema). Analitik,
meringkas teks dapat ditulis dengan memutar kembali sesuai kebutuhan ke catatan lapangan tertulis untuk amplifikasi dan
klarifikasi. Berikut adalah contoh teks tersebut untuk baris pertama Tampilan 9.4:
Antusiasme para “pemukim awal” di IPA sangat kuat; guru sering menghabiskan akhir pekan dengan salah satu dari lima anak mereka,
melakukan kegiatan khusus. Namun seiring berkembangnya program, ada ketegangan dan konflik peran: Orang tua entah bagaimana
mengharapkan guru untuk melaksanakan semua kegiatan. Penjelasan resmi bahwa orang tua dan siswa harus "bertanggung jawab" hanya
efektif sebagian; perkiraan yang paling menguntungkan adalah bahwa hanya 25-30 persen orang tua yang benar-benar membantu, dan
beberapa benar-benar menentang kegiatan “nonsekolah”. Kesenjangan itu harus diisi oleh koordinator yang semakin diharapkan untuk
mengatur dan melaksanakannya.
Analisis serupa dapat dilanjutkan baris demi baris.
Kita juga dapat melihat jenis perubahan yang dihasilkan di kolom terakhir (How Resolved), mencatat bahwa perubahan
struktural yang sebenarnya lebih sedikit daripada perubahan prosedural atau perubahan iklim (taktik: menghitung). Dan kita
dapat melihat ke kolom Underlying Issues untuk melihat bahwa masalah beban kerja dan otonomi terjadi berulang kali (taktik:
pengelompokan). Kembali ke kolom Bagaimana Diselesaikan, kita dapat melihat bahwa masalah beban kerja umumnya
diselesaikan melalui rutinitas dan pengurangan upaya.
Dengan menggunakan taktik membuat kontras, perbandingan, kita dapat melihat bahwa masalah otonomi diselesaikan
dengan cara yang menarik dan tidak terduga: peningkatan saling ketergantungan dan pengaruh rekan kerja.
Ketika analis sampai pada kesimpulan seperti itu, itu menimbulkan teka-teki: bagaimana menjelaskan temuan yang tidak terduga.
Ini membutuhkan taktik menindaklanjuti kejutan. Meninjau catatan lapangan lebih lanjut, komentar analis,
Tampaknya juga bahwa program tersebut mendorong lebih banyak kontak dan kolaborasi tingkat dasar-menengah—sebagian karena banyak
guru yang juga orang tua, dan mengalami program IPA dalam peran tersebut (dan dapat melihat penerapan yang buruk atau parsial serta
manfaatnya).
Dengan jenis tampilan ini, kami tidak sepenuhnya terjebak dalam analisis baris demi baris dan dapat melihat bagaimana baris
saling mempengaruhi — meskipun ini tidak sekaya tampilan jaringan.
Data dalam matriks penjelasan semacam ini berada pada beberapa jarak dari catatan lapangan yang sebenarnya, sehingga tampilan
akan berfungsi paling baik sebagai perangkat yang meringkas, mengklarifikasi, mengajukan teka-teki (tetapi tidak selalu memecahkan
teka-teki). Bersepeda kembali ke catatan lapangan seringkali merupakan langkah yang membantu.
Matriks dinamika kasus, daripada memulai dengan "strain", seperti contoh ini, dapat dimulai dengan
“dilema.” Kolom dapat diberi label sebagai berikut dengan entri sel yang sesuai:
• Dilema (masalah) • Isu (mengapa

dianggap sebagai masalah) • Siapa melakukan apa (tindakan
yang diambil individu untuk menyelesaikan dilema)
• Siapa melakukan apa (tindakan yang diambil individu untuk menyelesaikan dilema) •
Resolusi akhir (hasil dari tindakan)
Beberapa entri sel mungkin juga menyertakan kasus nonchange. Kolom dapat ditambahkan dengan mudah yang
menekankan stabilitas dan data yang tidak berubah—khususnya pada hasil yang mungkin diharapkan secara apriori
berubah sebagai akibat dari dorongan atau tekanan awal. Penambahan itu, pada gilirannya, menunjukkan perlunya kolom
"penjelasan".
Catatan
Tinjau (atau minta ulasan kolega) versi pertama matriks Anda untuk melihat apa yang Anda kecualikan dan analisis
apa yang akan dan tidak dapat Anda buat. Minta orang lain untuk melihat matriks yang sudah selesai dan memberi tahu
Anda seperti apa asumsi analitik Anda.
Menjelaskan Penyebab
Tiga metode dalam bagian ini dibangun di atas satu sama lain dan menggabungkan prinsip-prinsip terpilih dari
Menjelaskan Keterkaitan dan Menjelaskan Perubahan. Causal Chains mengilustrasikan lintasan atau jalur alur cerita
individu dalam data. Jaringan Kausal: Analisis Dalam Kasus mengintegrasikan beberapa rantai kausal ke dalam sistem
yang saling terkait, sedangkan Jaringan Kausal: Analisis Lintas Kasus dibangun di atas dan menggabungkan beberapa
jaringan dalam kasus. Ini mungkin merupakan metode analitik yang paling panjang dan paling kompleks yang dijelaskan
sejauh ini, tetapi hanya ada tiga profil yang kami tawarkan untuk panduan menuju pengembangan penjelasan.
Rantai Penyebab
Keterangan
Rantai sebab akibat adalah tampilan linear peristiwa, tindakan, dan/atau pernyataan yang dibuat oleh peneliti
menunjukkan urutan sebab dan akibat yang masuk akal (lihat Tampilan 9.5 dan 9.6).
Aplikasi Selama
tahap awal pemodelan kausal, ada baiknya membuat asumsi penyederhanaan tentang apa yang mengarah ke apa,
menempatkan sebab dan akibat dalam rantai linier. Rantai seperti itu membantu analis menjelaskan secara eksplisit apa
yang mungkin menyebabkan fenomena tertentu. Meskipun rantai memang mewakili penyederhanaan, penyederhanaan
itu membawa serta benih-benih penjelasan yang lebih lengkap.
Rantai sebab akibat berguna hanya karena membutuhkan sedikit elaborasi atau penjelasan tekstual. Mereka adalah
cara yang cepat dan sederhana untuk berkomunikasi dengan kolega (dan pembaca akhir) tentang arti dari— mekanisme
yang mendasari—suatu proses. Mereka dapat diuraikan dan dihubungkan dengan rantai lain untuk membentuk model
kausal atau untuk membangun jaringan kausal dalam kasus.
Contoh
Tampilan 9.5 menunjukkan upaya seorang analis untuk memahami bagaimana guru yang menggunakan inovasi yang
menekankan Individualisasi dan Keterpusatan Murid mengalami perubahan dalam diri mereka yang mereka sebut
“Melepaskan”. Label untuk setiap tempat sampah di antara panah dikembangkan oleh peneliti setelah meninjau catatan
lapangan berkode dan refleksi analitik pada hasil utama guru dari penelitian tersebut.
Analisis
Sebuah rantai sebab-akibat serupa dengan garis besar cerita untuk sebuah narasi—semacam perlakuan yang
diringkas sebelum penjelasan lengkap diberikan untuk apa yang menyebabkan apa dan mengapa. Analis memperluas
proses yang disarankan oleh Tampilan 9.5:
Tampilan 9.5
Rantai Kausal: Ilustrasi
Ada sesuatu seperti kontrak implisit antara pihak-pihak bahwa murid yang keluar dari kampus tidak akan “mengkhianati” guru mereka sebagai imbalan atas
pelayanan pastoral. . . [atau bahwa]
tes dalam proyeksebagai
penguasaan terikat kelas, siswa
imbalan akan
atas menyelesaikan
bantuan pekerjaan
individu dengan mereka
konsep atau dan melakukan
operasi latihan yang diperlukan atau
yang sulit.
Kami telah meninggalkan beberapa langkah [dalam tampilan ini]. Misalnya, Keterpusatan Murid juga mengarah pada Kedekatan Relasional (tidak
diperlihatkan) dan pemahaman yang lebih baik tentang Tingkat Kemampuan Individu dan Keadaan Emosional. Kepercayaan kemudian berkembang sebagai
hasil dari Ikatan Antara Staf dan Murid (Pelanggaran Kepercayaan adalah motif umum di banyak situs).
Rantai sebab akibat dapat digunakan untuk mempelajari proses yang kurang konstruktif—urutan dengan hasil
negatif. Tampilan 9.6 menampilkan satu rantai yang menjelaskan mengapa inovasi yang awalnya ambisius
akhirnya dihentikan, dengan pengeluaran energi terus berkurang. Label dari setiap tindakan, peristiwa, dan/atau
keadaan harus ringkas namun cukup deskriptif untuk memberi pembaca yang tidak memiliki latar belakang
pengetahuan tentang studi tersebut gambaran umum tentang apa yang terjadi sepanjang waktu.
Pertahankan rantai sebab-akibat terbatas pada maksimal lima hingga tujuh blok atau kotak deskriptif. Ingatlah
bahwa ini adalah sketsa kecil dari potret yang jauh lebih besar dan hanya satu utas urutan dalam permadani rumit
dari jalinan cerita kerja lapangan. Anda dapat menjelajahi urutan dengan melacak peristiwa penting ke depan
dalam waktu (dari A ke B ke C), atau mulai dengan hasil dan bekerja mundur untuk menentukan penyebab
sebelumnya (dari C ke B ke A).
Catatan
Rantai sebab akibat sengaja menggunakan konstruk positivis “sebab akibat” karena desain tampilannya linier.
Rantai kausal yang berjejaring, terjalin, dan multi arah menggambarkan “pengaruh dan pengaruh” kualitatif (lihat
Saldaña, 2003).
Jaringan Kausal: Analisis Dalam Kasus
Keterangan
Diasumsikan bahwa beberapa variabel memberikan pengaruh pada yang lain: Variabel X membawa variabel Y
menjadi ada, atau variabel X meningkatkan variabel Y dan menurunkan variabel Z. Jaringan kausal adalah tampilan
dari variabel yang paling penting (diwakili dalam kotak) di lapangan studi dan hubungan di antara mereka (diwakili
oleh panah). Plot dari hubungan ini searah daripada dua arah atau korelasional, untuk menunjukkan bahwa satu
atau lebih variabel mengarah ke variabel lain. Dalam jaringan kausal, analis melacak kemunculan dan konsekuensi
dari tema tertentu dan mengaturnya dengan yang lain. Agar bermanfaat, tampilan harus menyertakan teks analitik
yang menjelaskan arti hubungan antar variabel (lihat Menampilkan 9.7 [fragmen jaringan], 9.8 [kutipan jaringan],
dan 9.11 [jaringan lengkap]).
Tampilan 9.6
Tampilan 9.7
Fragmen Santai: Penguasaan Praktik Pendidikan Baru
Aplikasi Para
peserta berkeliling dengan peta kognitif di kepala mereka yang memberikan bingkai untuk tindakan dan persepsi dan
menjelaskan apa yang menyebabkan apa di dunia mereka. Sebagian besar penelitian lapangan berkaitan dengan
penyerapan skema dan elaborasi ulang; Anda berkeliling merekam peta penyebab mental individu, menyatukannya,
dan membuat koneksi dengan peta pengaturan Anda sendiri yang terus berkembang. Tapi sebab akibat tidak sepihak.
Jadi, bagaimana Anda mendapatkan pegangan yang masuk akal pada keseluruhan "plot" cerita penelitian — aliran
peristiwa dalam kasus tertentu — dan tidak tersesat dalam segala hal yang memengaruhi hal lainnya?
Pada dasarnya, jaringan sebab akibat mengilustrasikan melalui variabel studi bagaimana satu hal mengarah ke yang
lain dalam pola linier namun terjalin. Jaringan kausal membangun peta fenomena kasus yang terintegrasi secara
progresif dan, untuk banyak kasus, menyelaraskan peta mereka untuk membuat peta lintas kasus yang berisi penjelasan
kausal yang lebih dapat digeneralisasikan. Itu dengan rapi merakit dan "mengantologikan" menjadi satu tampilan tematik
semua kisah kasus pribadi Anda.
Jaringan sebab-akibat adalah gambaran abstrak dan inferensial yang mengatur data studi lapangan dengan cara
yang koheren. Dalam profil ini, kami meninjau bagaimana melakukannya untuk satu kasus; setelah itu, kami menguraikan
pendekatan kasus ganda atau lintas kasus. Mengembangkan peta kausal yang baik yang menghargai kompleksitas dan
secara masuk akal terhubung dengan responden adalah tantangannya. Memenuhi tantangan ini membantu analis
menghindari kelebihan intelektual dan menghasilkan hasil yang sistematis dan dapat diverifikasi.
Contoh
Konstruksi jaringan kausal memerlukan garis besar langkah demi langkah tentang "bagaimana". Jadi, yayasan
prinsip akan dibahas terlebih dahulu, diikuti dengan integrasinya.
Pendekatan Induktif dan Deduktif untuk Membangun Jaringan Kausal.
Pada dasarnya, Anda harus merencanakan dari awal pengumpulan data untuk menghasilkan tampilan jaringan
kausal, sehingga rangkaian pengumpulan data berturut-turut, analisis sementara dari semua data, dan iterasi jaringan
itu sendiri semuanya dibangun untuk mencapai tujuan tersebut. Tetapi ada dua cara berbeda untuk mendekati tugas: (1)
secara induktif dan (2) secara deduktif.
Dalam pendekatan induktif , peneliti menemukan fenomena yang berulang dalam aliran pengalaman lapangan dan
menemukan hubungan yang berulang di antara mereka. Hipotesis kerja ini dimodifikasi dan disempurnakan secara
progresif seiring kemajuan kerja lapangan. Jaringan kausal muncul sedikit demi sedikit dan secara induktif. Ia memiliki
keteraturan dan pola; beberapa hal terjadi hanya ketika yang lain melakukannya atau tidak. Hal-hal ini dan hubungan di
antara mereka memperoleh nama atau label mereka sendiri, dan mengelompok ke dalam kemungkinan pengaruh dan
pengaruh yang tampaknya mereka timbulkan — dan analis memiliki jaringan sebab akibat.
Dalam strategi deduktif , peneliti memiliki beberapa konstruksi dan proposisi yang berorientasi apriori untuk diuji atau
diamati di lapangan. Unit analitik ini dioperasionalkan dan kemudian dicocokkan dengan kumpulan data lapangan.
Induksi dan deduksi sebenarnya adalah penelitian dialektis daripada penelitian yang saling eksklusif
Induksi dan deduksi sebenarnya dialektis daripada prosedur penelitian yang saling eksklusif. Namun demikian, peneliti deduktif memulai
dengan jaringan kausal pendahuluan, dan peneliti induktif mengakhirinya dengan satu. Wolcott (1992) menyebut pendekatan "teori-dulu"
dan "teori-nanti." Dalam pendekatan mana pun, versi awal diubah dan disempurnakan saat diuji terhadap peristiwa dan karakteristik
empiris. Pada akhir pengumpulan data, kedua jenis peneliti berada di tempat yang sama. Keduanya memperkuat jaringan sebab-akibat/
pengaruh-dan-pengaruh, tetapi konseptualis deduktif memiliki model top-down, dan konstruktivis induktif memiliki model bawaan.
Pada prinsipnya, Anda dapat menggambar jaringan kausal lengkap untuk kasus tersebut selama tahap awal studi, lalu kembali ke
lapangan untuk pengujian dan pemurnian kumulatif. Kami tidak menyarankan ini. Risikonya adalah visi jaringan muncul terlalu dini.
Gambaran "koheren" terakhir muncul sebelum bagian-bagian individu dari gambar tersebut dipelajari dengan cermat secara individual dan
kombinasi. Analis membangun jaringan kausal prematur dan mulai menggunakannya untuk (salah) menafsirkan semua fenomena yang
menarik. Alternatif yang lebih baik adalah menyimpan gambar dan analisis jaringan kausal penuh untuk nanti dalam proyek, menjadikannya
mungkin latihan analitik terakhir.
Fragmen Penyebab.
Di awal bab ini, rantai sebab akibat diprofilkan dan diilustrasikan sebagai konstruksi linier. Banyak dari prinsip yang sama akan berlaku
untuk pembahasan fragmen kausal di bawah ini, tetapi linearitas rantai sekarang "membungkuk" di sana-sini untuk mengakomodasi
kompleksitas model jaringan.
Tampilan 9.7 menunjukkan fragmen penyebab. Yang satu ini menyatukan variabel tentang penguasaan a
praktik pendidikan baru. Cerita dapat diceritakan dengan cepat, poin demi poin atau kotak demi kotak:
Kotak 1. Proyek yang menuntut dengan persyaratan Implementasi yang tinggi . . .
Kotak 2. dimulai dengan Persiapan yang rendah atau tidak memadai, dan . . .
Kotak 3. ditebus oleh Bantuan tingkat tinggi, yang kemudian . . .
Kotak 4. Peningkatan Upaya Lokal, dan akhirnya. . .
Kotak 5. Penguasaan Praktek yang difasilitasi.
Tanda minus (-) menunjukkan pengaruh kausal terbalik; Persiapan yang rendah menghasilkan Bantuan yang tinggi di
kasus khusus ini.
Cobalah untuk mengumpulkan beberapa fragmen seperti itu dari studi Anda tanpa harus menghubungkan satu sama lain. Bermain-
main; melakukan beberapa causal noodling, mengutak-atik bagian lain. Jangan mencoba menghubungkan variabel yang tidak cocok
secara empiris, bahkan jika secara logis mereka "harus". Beberapa variabel, seperti beberapa golongan darah, tidak bercampur dengan
baik.
Dalam gaya pemetaan kausal yang kami jelaskan, kami (Miles dan Huberman) tidak menyarankan panah/aliran dua arah dari satu
kotak ke kotak lainnya. Mereka dengan cepat membingungkan pikiran ("setelah semua, semuanya mempengaruhi segalanya"). Untuk
kejelasan grafis dan intelektual, kami merasa lebih baik tetap menggunakan panah satu arah, yang memberikan urutan temporal pada
cerita penelitian yang didiagramkan. Untuk apa pun yang dibenarkan "memutar", terakumulasi, atau berputar kembali (misalnya, ekonomi
yang buruk menyebabkan harga tinggi, yang mengarah ke ekonomi yang lebih buruk, yang menyebabkan harga lebih tinggi, yang mengarah
ke...), tunjukkan tindakan berulang melalui kotak baru, bukan melalui panah dua arah. Saldaña menyarankan bahwa jika panah dua arah
digunakan , narasi harus menjelaskan dan membenarkan penggunaannya (lihat Tampilan 5.2).
Langkah selanjutnya yang berguna adalah membawa fragmen ini ke lapangan untuk melihat bagaimana dan apakah mereka bekerja.
Langkah ini dapat mencakup menunjukkan diagram kasar kepada peserta kasus (taktik: mendapatkan umpan balik dari peserta) untuk
mendapatkan rekomendasi konfirmasi atau revisi.
Jika Anda baru dalam penelitian kualitatif, mulailah dengan fragmen kausal. Mereka dapat dilakukan secara menguntungkan lebih awal
dan berulang kali sebagai dasar diskusi dengan teman-teman kritis Anda. Fragmen kausal berguna jika kasus Anda didefinisikan sebagai
individu—dan sangat berguna jika Anda mempelajari beberapa individu.
Jaringan Peristiwa-Negara sebagai Prekursor ke Jaringan Kausal.
Tampilan yang telah kita diskusikan hingga saat ini dapat menginformasikan dan memberi makan analisis jaringan kausal. Menganalisa
matriks terkelompok secara konseptual (Bab 7), misalnya, memungkinkan Anda mencari tahu hubungan dalam salah satu
keluarga variabel. Matriks efek (Bab 6 dan 8) adalah latihan dalam mengidentifikasi hubungan sebab-akibat.
Pengelompokan dan inferensi sebab-akibat sedang bekerja dalam matriks dinamika kasus (bab ini). Dengan kata lain,
analisis kausal berjalan secara bertahap; Anda menguji jalur individu dengan lebih ketat dan, pada saat yang sama,
membangun peta kausal terintegrasi yang bermakna secara kognitif. Tapi jaringan event-state (Bab 8) secara khusus
membuat kita hampir sampai.
Tampilan 9.8 menunjukkan kutipan dari jaringan kausal akhir, dengan nomor variabel yang dikunci ke variabel yang
sesuai dalam jaringan keadaan-kejadian. Peragaan 9.9 menunjukkan kutipan dari jaringan kejadian-keadaan asli untuk
kasus dalam ilustrasi kami (Perry-Parkdale).
Biasanya, akan ada variabel jaringan kausal yang jauh lebih sedikit daripada kotak dan gelembung keadaan-peristiwa.
(Ini akan menjadi kasus di sini seandainya kami menunjukkan kutipan yang lebih lengkap dari jaringan keadaan-peristiwa
dan seandainya kami mengeluarkan tiga variabel khusus kasus dari jaringan sebab-akibat.)
Dalam kebanyakan kasus, peristiwa dan status khusus kasus seperti yang ada di Tampilan 9.9 dapat diubah menjadi
variabel jaringan yang lebih umum. Mereka memberi Anda penjelasan yang lebih kuat, dapat digunakan dalam kasus lain.
Plus, ada banyak kekuatan analitik dalam bekerja dari tampilan temporal yang berorientasi proses khusus (jaringan
keadaan-peristiwa) menuju tampilan berorientasi variabel yang masih mempertahankan temporalitas (jaringan sebab
akibat).
Pelajaran di sini adalah ini: Gunakan pekerjaan tampilan analitik Anda sebelumnya tentang data Anda untuk utas untuk
menenun permadani jaringan kausal Anda.
Perlihatkan
9.8 Kutipan Dari Jaringan Kausal: Sekolah Perry-Parkdale
Perlihatkan
9.9 Kutipan Dari Jaringan Acara-Negara: Sekolah Perry-Parkdale

Menghasilkan Daftar Variabel Jaringan Kausal.
Terlambat selama pengumpulan data, Anda mungkin siap untuk mengumpulkan fragmen yang tersisa dari jaringan
kausal penuh. Tapi langkah pertama yang berguna adalah membuat set lengkap variabel jaringan sebagai daftar tertulis.
Ini juga merupakan latihan brainstorming yang menyenangkan. Idenya adalah membuat daftar semua peristiwa,
keadaan, faktor, proses, hasil, dan sebagainya yang tampaknya penting dan kemudian mengubahnya menjadi variabel.
Misalnya, beberapa pertengkaran antar karyawan akan menjadi “konflik organisasi”. Lulus pertama harus lengkap, yang
berikutnya lebih selektif. Daftar pertama harus disisir untuk redudansi dan overdifferensiasi (misalnya, tiga jenis
pertengkaran antar karyawan).
Sebagai ilustrasi, Tampilan 9.10 menampilkan daftar variabel inti yang dihasilkan dalam studi perbaikan sekolah
kami. (Ini adalah studi multikasus yang rumit; daftar untuk kasus tunggal yang lebih sederhana akan jauh lebih pendek.)
Tampilan 9.10
Daftar Variabel Anteseden, Mediasi, dan Hasil: Studi Peningkatan Sekolah

Perhatikan tiga kategori temporal umum:
1. Anteseden atau variabel awal: kondisi dasar di dalam lokasi lapangan yang nantinya
mengubah
2. Variabel mediasi: kejadian, status, proses, dan/atau faktor yang memicu perubahan atau tindakan tertentu
3. Hasil: hasil konsekuen variabel anteseden dan mediasi
Sama seperti menggambar fragmen penyebab adalah pekerjaan awal yang efektif untuk tampilan jaringan,
menyusun daftar variabel juga merupakan pekerjaan dasar yang penting. Ini memberi tahu Anda apa yang secara
khusus dimasukkan ke dalam kotak dan mendorong Anda untuk berhipotesis tentang apa yang menyebabkan apa.
Pengkodean penyebab (Saldaña, 2013) adalah cara yang efektif untuk menghasilkan daftar variabel anteseden dan
mediasi serta hasilnya untuk pekerjaan tampilan.
Menyusun Fragmen Data: Kode, Memo Analitik, dan Ringkasan.
Seperti yang diprofilkan sebelumnya, Kode Pola Siklus Kedua (Bab 4) secara simbolis mewakili bongkahan data yang lebih
besar dan seringkali menjadi kandidat untuk dimasukkan ke dalam jaringan sebab akibat. Intinya, mereka menandakan tema
atau pola yang dapat diintegrasikan ke dalam jaringan. Misalnya, dalam studi kami tentang Perry Parkdale, kami memperhatikan
bahwa guru yang menggunakan inovasi menggambarkan pengalaman mereka dalam istilah seperti "Akhirnya saya merasa
benar-benar di atasnya", "Menjadi lebih mudah ketika saya tahu caranya", "Sekarang sangat mudah, ” dan “Pada dasarnya,
saya belajar bagaimana melakukannya dengan benar.” Kami memberi label pola tanggapan ini, dan dengan demikian variabel
yang mendasarinya, "Keterampilan pengguna" dan membuat kotak untuk itu.
Memo analitik dan proses analitik lainnya tentang keterkaitan, ditambah dengan ringkasan eksplorasi dan deskriptif,
mensintesis potongan data yang terpisah menjadi rantai bukti yang menunjukkan sebab-akibat. Anda berpikir, secara
kasar, "Variabel ini ada atau tidak ada bersama-sama (bervariasi), sementara yang lain terlihat acak atau tidak
terhubung." Taktiknya adalah membangun rangkaian bukti yang logis. Tetapi dengan lebih banyak pengetahuan,
Anda mulai berpikir lebih rumit: “Beberapa dari variabel ini berperan sebelum yang lain, bervariasi dengan yang lain,
atau berpengaruh pada yang lain, dan efek itu tampaknya berubah ketika variabel lain diperhitungkan. ” Anda memiliki
dasar-dasar jaringan kausal itu
berisi pernyataan beralasan tentang arah pengaruh antara set variabel.
Ide-ide pada akhirnya perlu digambar di atas kertas atau di monitor, dan potongan-potongan pemikiran dan analisis Anda
mulai menyatu ke satu tempat dengan melakukan hal berikut:
• Terjemahkan pekerjaan analitik awal Anda ke dalam variabel, yaitu, sesuatu yang dapat diskalakan (tinggi ke rendah,
besar ke kecil, lebih banyak ke lebih sedikit).
• Nilai variabel (misalnya, tinggi, sedang, rendah). Berapa banyak dari itu dalam kasus ini? • Tarik
garis di antara pasangan variabel yang berkovariasi, yaitu, yang muncul bersamaan secara konsisten dalam kasus, yang
memiliki semacam hubungan—misalnya, satu variabel lebih banyak dan lebih sedikit variabel lainnya.
• Gambarlah panah satu arah antara setiap variabel yang muncul lebih dulu (sementara) dan variabel berikutnya
yang tampaknya berpengaruh. Pengaruh di sini berarti bahwa lebih atau kurang dari satu variabel menentukan
sampai batas tertentu peringkat yang lain. Peringkat variabel kedua mungkin berbeda jika yang pertama tidak
ada — "mekanisme" yang masuk akal terlibat.
• Jika dua variabel bersekutu tetapi tampaknya hanya memiliki pengaruh yang hangat atau miring satu sama lain,
mungkin variabel laten lain perlu ditemukan untuk menggabungkan keduanya (taktik: menemukan variabel
intervening). Tinjau daftar lengkap kode untuk melihat apakah ada yang cocok di sini.
Penting untuk dicatat bahwa tidak semua variabel mungkin memerlukan peringkat atau skala yang menyertainya (tinggi,
sedang, rendah) agar memenuhi syarat untuk dimasukkan sebagai kotak jaringan kausal. Contoh yang digunakan dalam
profil ini menyertakannya karena studi asli memiliki tujuan evaluasi.
Analisis
Tampilan 9.11 menunjukkan jaringan kausal yang dihasilkan untuk satu kasus. Pada awalnya, ini mungkin terlihat rumit
dan menakutkan. Tapi lihat satu bagiannya (katakanlah, mulai dari kiri atas) bersamaan dengan beberapa teks, seperti ini:
Tiga variabel anteseden pertama (1, 2, dan 4) bekerja dengan cara ini: Mandat negara (2) untuk program pendidikan karir yang direncanakan
dengan baik, bersama dengan penilaian kinerja lokal kurang dari memadai (1), menyebabkan pencarian untuk program-program baru (3), yang
terbukti sesuai (7) dengan karakteristik kabupaten, dan karenanya mendukung kabupaten (8), dan mengadopsi program (9).
Tetapi ini bukanlah alasan yang cukup untuk adopsi. Dana lokal yang tidak memadai (4) untuk menutupi program-program yang ada
menyebabkan pencarian tanpa henti untuk dana tambahan (6) hampir seperti “gaya hidup” kabupaten. Pencarian itu menghasilkan dana eksternal
sementara (14) untuk periode tiga tahun; mereka adalah penyebab dasar adopsi lainnya (9).
Program tersebut, ketika diadopsi, terbukti memiliki persyaratan implementasi yang substansial (10), yang mendikte perlunya bantuan (18), dan
juga memberikan banyak tekanan untuk pemilihan staf berkualitas tinggi secara hati-hati (21), dan untuk persiapan yang hati-hati. (19) diantaranya
untuk melaksanakan program tersebut. Persyaratan implementasi yang berat (10), dan sampai taraf tertentu bantuan yang diberikan (18),
mendorong komitmen pengguna yang baik (20), dan pada gilirannya keterampilan pengguna (26), yang juga tinggi karena kualitas staf (21) .
Ketrampilan pengguna yang tinggi, bersama dengan fakta bahwa program tersebut cukup stabil (27) pada akhir 1980, menghasilkan tingkat
dampak siswa yang wajar (30).
Teks dan jaringan bersama-sama berkomunikasi lebih dari yang bisa dilakukan sendiri-sendiri. Kami bergerak menuju
penjelasan—bukan hanya deskripsi—tentang apa yang terjadi di Perry-Parkdale. Jaringan ini telah mengambil lebih dari 300
halaman catatan lapangan hingga beberapa lusin kata kotak dan tanda panah pada satu halaman; jaringan dan teks
menceritakan secara ekonomis bagaimana dan mengapa hal-hal menjadi seperti itu.
Aliran.
Menggambar jaringan dilakukan dengan cara yang sama seperti Anda menganalisisnya: aliran demi aliran. Beberapa
aliran — rantai variabel yang tidak terputus — panjang. Lihat salah satu yang melewati kotak bernomor ini: 1 > 3 > 7 > 8 > 9
> 10 > 20 > 26 > 30 > 31 > 32. Lainnya lebih pendek, seperti aliran bawah: 5 > 33 > 32. Di dalam aliran yang tidak terputus,
banyak saluran biasanya mengarah ke arah yang berbeda atau berakhir di tempat yang sama melalui rute yang berbeda. Itu
juga harus ditarik.
Aliran dapat ditarik paling mudah — terutama jika jaringan peristiwa-keadaan digunakan sebagai percobaan sebelumnya
— dari anteseden ke depan dalam waktu. Dimungkinkan juga untuk mengambil variabel dependen dan bekerja
mundur, tetapi kemudian, penting untuk menjalankannya lagi untuk memastikan tautannya koheren dan
dibenarkan secara empiris. Anda pasti akan menemukan koneksi lintas aliran, dan mereka dapat ditarik
saat jaringan berkembang.
Seringkali, aliran ini dapat diberi nama—skenario atau tema—dan pelabelan ini membuatnya lebih
mudah untuk dianalisis dan dilaporkan. Misalnya, di sepanjang arus bawah, variabel 5 > 17 > 35 > 34
memiliki tema "kosmopolitanisasi": Orang-orang keluar dari lingkungan mereka sehubungan dengan proyek
baru, dan pengalaman itu merentangkan mereka dan mengatur perubahan karier. Atau lagi, tetap berada
di bagian bawah jaringan, kotak 4 > 16 > 25 > 33 menambahkan aliran “korban” (korban, bukan kausalitas):
uang rendah, turbulensi tinggi (biasanya dalam bentuk pemotongan anggaran), staf ketidakstabilan, dan
penugasan ulang staf terakhir.
Aliran juga dapat diberi label menurut tingkat variabel dependen, seperti skenario dampak siswa yang
tinggi, skenario pelembagaan yang rendah, atau skenario mobilitas pekerjaan yang tinggi. Skenario dengan
nama yang mirip ini bisa sangat berbeda, bahkan dalam kasus yang sama. Misalnya, satu skenario
mobilitas pekerjaan yang tinggi melibatkan promosi atau transfer yang diinginkan, sedangkan yang lain melibatkan
penugasan kembali yang tidak diinginkan atau bahkan PHK.
Akhirnya, jaringan kausal dapat memiliki fungsi prediktif. Dalam menggambar aliran variabel dengan dua atau tiga
subaliran yang mengarah ke variabel dependen, Anda berada dalam posisi untuk mengatakan sesuatu seperti "Efek D
kemungkinan terjadi ketika prediktor A, B, dan C terjadi secara berurutan," atau "Untuk mendapatkan tingkat J yang tinggi,
Anda membutuhkan tingkat G, H, dan I yang tinggi tetapi tidak harus dari E dan F. Pernyataan-pernyataan ini memiliki
bobot yang sedang dalam analisis kasus tunggal, tetapi pernyataan tersebut menjadi lebih menarik ketika beberapa
kumpulan dalam kasus menunjukkan pola yang sama atau serupa.
Narasi Jaringan Kausal.
Menarik kesimpulan dari jaringan sejalan dengan produksinya. Seperti semua representasi yang berhubungan dengan
waktu, yang satu ini menceritakan sebuah cerita—sungguh, beberapa cerita. Anda dapat menulis narasi kronologis
termasuk masing-masing aliran utama, dimulai dari awal. Peragaan 9.12 menyajikan narasi lengkap untuk jaringan kausal
yang ditunjukkan pada Peragaan 9.11.
Menulis narasi biasanya melakukan beberapa hal. Pertama, ini memaksa Anda untuk tidak terlalu mekanistik dan lebih
koheren; mengubah jaringan menjadi teks yang jelas mengharuskan Anda untuk jujur dan eksplisit tentang apa yang
menurut Anda menyebabkan apa. (Koreksi dan revisi sangat khas.) Kedua, ini memberikan peluang untuk perluasan: Anda
dapat menjelaskan mengapa variabel terkait, mengapa dinilai berbeda, mengapa beberapa mendahului yang lain, mana
yang lebih penting, dan seterusnya. Ketiga, kedua produk—tampilan jaringan dan teks naratif—merupakan bahan dasar
yang akan diserahkan kepada kolega untuk ditanggapi dan direvisi. Hampir tidak mungkin untuk memetakan jaringan
kausal dengan "benar" untuk pertama kalinya. Orang lain yang mengetahui database dapat meninjaunya dan menyarankan
perbaikan. Ketika jaringan kausal dan narasinya direvisi menjadi bentuk yang koheren, mereka dapat digunakan untuk
menghasilkan penjelasan yang lebih umum pada tingkat multikasus.
Rekomendasi Akhir.
Berhati-hatilah dalam memberikan bobot diam-diam ke variabel jaringan individual. Agaknya yang memiliki lebih banyak
panah mengarah ke mereka lebih signifikan, tetapi analisis tingkat aliran membatalkannya. Nyatanya, variabel dengan
terlalu banyak panah yang mengarah ke sana menjadi gangguan, karena mengalikan jumlah aliran yang mungkin.
Tampilan 9.12
Narasi untuk Jaringan Kausal: Program PEDULI Perry-Parkdale
Tiga variabel anteseden pertama (1, 2 dan 4) bekerja dengan cara ini. Mandat negara (2) untuk program pendidikan
karir yang direncanakan dengan baik, bersama dengan penilaian kinerja lokal kurang dari memadai (1), menyebabkan
pencarian program baru (3), yang terbukti cocok (7) dengan karakteristik kabupaten, dan karenanya dukungan kabupaten
(8), dan adopsi program (9).
Tetapi ini bukanlah alasan yang cukup untuk adopsi. Dana lokal yang tidak memadai (4) untuk menutupi program-
program yang ada menyebabkan pencarian tanpa henti untuk dana tambahan (6) hampir seperti “gaya hidup” kabupaten.
Pencarian itu menghasilkan dana eksternal sementara (14) untuk periode tiga tahun; mereka adalah penyebab dasar
adopsi lainnya (9).
Program tersebut, ketika diadopsi, terbukti memiliki persyaratan implementasi yang substansial (10), yang mendikte
perlunya bantuan (18), dan juga memberikan banyak tekanan untuk pemilihan staf berkualitas tinggi secara hati-hati (21),
dan untuk persiapan yang hati-hati. (19) diantaranya untuk melaksanakan program tersebut. Persyaratan implementasi
yang berat (10), dan sampai taraf tertentu bantuan yang diberikan (18), mendorong komitmen pengguna yang baik (20),
dan pada gilirannya keterampilan pengguna (26), yang juga tinggi karena kualitas staf (21) . Ketrampilan pengguna yang
tinggi, bersama dengan fakta bahwa program tersebut cukup stabil (27) pada akhir 1980, menghasilkan tingkat dampak
siswa yang wajar (30).
Aliran kausalitas pada dasarnya mengacu pada dinamika program internal. Apa yang terjadi di tingkat distrik dan
gedung ?
Kembali ke karakteristik permintaan program (11), kami mencatat aspek-aspek tertentu dari program
Kembali ke karakteristik permintaan program (11), kami mencatat bahwa aspek-aspek tertentu dari program
(seperti pemindahan siswa dari kendali sekolah menengah, dan dari kursus dan kegiatan sekolah menengah)
menyebabkan kesesuaian yang buruk antara program dan bangunan pengirim (12) . Kecocokan yang buruk itu
menyebabkan kurangnya dukungan (22) dari kepala sekolah, konselor, dan guru. Dukungan yang buruk semakin
dilemahkan dengan adanya kompetisi untuk dana dan untuk siswa (15), yang disebabkan oleh fakta bahwa dana
eksternal (14) bersifat sementara.
Pendanaan sementara, bersama dengan karakteristik permintaan program (11) (misalnya, siswa terlihat oleh
pemberi kerja, harus bertanggung jawab, dan dapat dengan mudah berperilaku seperti "bajingan") juga membuat
banyak kerentanan program (13). Akibatnya, staf cenderung menjalankan program dengan cara yang agak terisolasi
(23), untuk melindunginya dari konsekuensi kerentanan ketika dukungan lingkungan langsung (22) lemah. Program
tertentu menuntut karakteristik (11), seperti blok waktu intensif, isolasi yang diperkuat (23) juga.
Satu set tambahan variabel kausal juga berperan. Motivasi kemajuan karir (5) dari staf dan kepala sekolah kunci
kantor pusat beroperasi untuk menimbulkan banyak gejolak (16) di kabupaten.
Turbulensi ini secara efektif mengurangi pengaruh mereka yang menganjurkan inovasi (24); untuk beberapa
advokat, pengaruhnya dilemahkan oleh ketidakamanan pekerjaan (25).
Jadi, meskipun program diubah dan diubah (28) sampai taraf tertentu untuk memenuhi keberatan yang berasal
dari dukungan bangunan rendah (22), mencapai peningkatan moderat dalam persentase penggunaan (31) untuk
sementara, dan, seperti yang telah kita lihat, terbukti cukup efektif dengan siswa (30), faktor-faktor ini tidak cukup
untuk memastikan pelembagaan program (dibangun ke dalam sistem) (32).
Sebaliknya, dukungan bangunan yang lemah (22), isolasi program (23), kompetisi untuk dana dan siswa (15),
dan penerapan pengaruh yang lemah oleh pendukung inovasi (24) mengakibatkan pelembagaan yang lemah (32).
Jadi, sepertinya, kepergian staf program, yang mobilitasnya (33) didorong oleh motivasi kemajuan karir (5) dan
ketidakamanan pekerjaan (25). Tampaknya juga bahwa pengembangan kapasitas pengguna (34) yang didorong
oleh pengalaman dengan penggunaan program yang terampil (26), ditingkatkan oleh jaringan kontak eksternal (35)
yang dihasilkan melalui upaya diseminasi (17), juga berkontribusi terhadap keputusan tersebut. anggota staf (dan
tampaknya, mungkin direktur).
pindah.
Secara keseluruhan, penjelasan ini tampak barok dan rumit. Tapi ada bukti yang cukup jelas bahwa setiap
hubungan sebab akibat bekerja seperti yang dijelaskan. Bagan tersebut akan terlihat tidak terlalu rumit jika
seseorang mencatat bahwa bagan tersebut berisi empat aliran dasar: aliran pengembangan program di bagian
atas, aliran bangunan/ kabupaten di tengah, aliran karir di dekat bagian bawah, dan aliran diseminasi eksternal/
jaringan terakhir. Dalam banyak hal hasil akhir dapat dilihat sebagai berasal dari tekanan yang saling bertentangan
di seluruh sungai.
Kami menyarankan (a) selalu menulis teks yang menyertai untuk mengklarifikasi dan meringkas aliran dan (b)
meningkatkan kredibilitas jaringan dan narasi tertentu dengan mengarahkannya ke kritik kolega dan bahkan peserta.
Perlu diingat bahwa Anda mungkin membangun terlalu banyak keteraturan dan tujuan ke dalam acara yang longgar
dan tidak meyakinkan. Dapatkan orang lain untuk menghibur tampilan yang lebih kacau.
Melakukan jaringan kausal memaksa tingkat analisis yang lebih inferensial yang menggabungkan data menjadi
satu bentuk ringkasan. Anda harus melihat semua data dan kesimpulan sebelumnya dan memetakannya dengan
cara yang koheren. Jika Anda melakukannya dengan benar, Anda akan menghormati kompleksitas kausalitas lokal
seperti yang telah dimainkan dari waktu ke waktu dan berhasil menggabungkan analisis "proses" dan "variabel".
Catatan
Ingatlah bahwa jaringan kausal hanya sebagus analisis yang dipikulnya: kode asli, kelompok konseptual, dan
tampilan. Peringatan itu mengirim kita kembali ke kualitas dan
cakupan data dan kepercayaan metode pengumpulan data. Model yang baik hanya sebagus ukuran dan analisis sederhana
yang berasal darinya.
Program CAQDAS terpilih dilengkapi untuk membantu menarik aliran sebab-akibat untuk Anda, berdasarkan masukan
Anda selama entri analitik. Anda, bagaimanapun, harus menentukan dan memverifikasi koneksi dari apa yang mengarah
ke apa.
Jaringan Kausal: Analisis Lintas Kasus

Deskripsi Analisis
jaringan kausal lintas kasus adalah narasi tematik yang diturunkan dari perbandingan sistematis tampilan jaringan
kausal dalam kasus. Semua kasus dalam sampel dianalisis menggunakan variabel yang diperkirakan paling berpengaruh
dalam memperhitungkan hasil atau variabel inti. Anda melihat setiap ukuran hasil dan memeriksa, untuk setiap kasus,
aliran variabel yang mengarah ke atau "menentukan" hasil tersebut. Aliran yang serupa atau identik di seluruh kasus, dan
yang berbeda dalam beberapa cara yang konsisten dari aliran lain, diekstraksi dan ditafsirkan secara tematis. Prinsip
dasarnya adalah mengembangkan satu atau lebih jaringan meta yang menghormati jaringan kasus individual dari mana
mereka berasal (Huberman & Miles, 1989; lihat Tampilan 9.13 untuk contoh subjaringan).
Aplikasi
Tampilan jaringan kausal dalam kasus menunjukkan cara membuat analisis yang inklusif dan jelas dari data kasus
tunggal. Jaringan kausal lintas kasus , dengan daftar inti variabel yang ditemukan memiliki signifikansi di beberapa kasus,
adalah cara ampuh untuk beralih dari penjelasan khusus kasus ke konstruksi dan teori yang lebih dapat digeneralisasikan.
Kami beralih dari penyebab lokal ke kelompok atau "keluarga" kasus yang berbagi atribut penting.
Contoh
Karena jaringan kausal lintas kasus melibatkan manipulasi beberapa set kotak dan panah pada saat yang sama, hal ini
dapat membingungkan untuk dijelaskan. Jadi mari kita uraikan prosesnya menjadi langkah-langkah analitik yang berurutan.
Kami akan bekerja dari contoh yang sudah dikenal dan mengambil variabel hasil yang mudah digunakan untuk analisis
lintas kasus.
Tampilan 9.13
Subjaringan: Arus Variabel yang Mengarah ke Mobilitas Kerja Tinggi, Kasus Perry-Parkdale
Sumber: Miles, MB, & Huberman, AM (1994). Analisis data kualitatif: Buku sumber yang diperluas (edisi ke-2). Seribu Oak,
Merakit Jaringan Kausal. Kami akan berasumsi bahwa Anda memiliki blok bangunan dasar
jaringan kausal dalam kasus (dibahas di atas) untuk setiap kasus Anda:
• Daftar variabel inti (lihat Tampilan 9.10 untuk contoh) • Jaringan sebab
akibat (lihat Tampilan 9.11) • Narasi yang menyertainya (lihat Tampilan
9.12)
Dalam studi peningkatan sekolah (Miles dan Huberman) kami, misalnya, kami memiliki 12 jaringan dan narasi
semacam itu, menggabungkan daftar inti dari sekitar 35 variabel, bersama dengan 6 variabel khusus kasus. Akan
membantu jika setiap tampilan jaringan kausal dalam kasus dicetak dan dipasang di dinding atau permukaan
tampilan lainnya.
Mengisolasi Arus Kausal untuk Setiap Kasus yang Mengarah ke Variabel Dependen yang Dianalisis.
Ini adalah tugas utama. Mari kita asumsikan, untuk tujuan ilustrasi, bahwa Anda ingin melihat bagaimana hasil
yang disebut "mobilitas pekerjaan" ditentukan dalam studi tentang peran orang dan pergeseran karier. Kita mulai
dengan melihat prediktor dari hasil tersebut untuk satu kasus. Kita mulai dengan pameran yang telah kita lihat,
jaringan sebab-akibat untuk kasus Perry-Parkdale (Tampilan 9.9). Namun untuk membuat analisis jaringan kausal
lintas kasus lebih mudah diikuti, mari ekstrak aliran dari jaringan kausal yang mengarah ke mobilitas pekerjaan,
seperti yang ditunjukkan pada Tampilan 9.13.
Kami telah mengeluarkan subjaringan variabel yang mengarah ke hasil mobilitas pekerjaan. Kotak mobilitas
pekerjaan (Nomor 33) memiliki tiga anak panah yang mengarah ke sana, dari Kotak 5, 25, dan 34. Dua dari kotak
tersebut, pada gilirannya, memiliki anak panah lain yang mengarah ke mereka sepanjang apa yang kita sebut arus.
Aliran yang mengarah ke "mobilitas pekerjaan" mudah dilihat jika Anda memindai mundur dari Kotak 33 ke kotak
sebelumnya. Ini membantu untuk mundur hanya dua langkah dari ukuran hasil. Kotak-kotak yang dicapai dengan
cara itu dapat dianggap sebagai penyebab "segera" dari hasil; kotak sebelumnya pada aliran kausal adalah
penyebab "jauh" (umumnya).
Untuk memahami lima aliran dalam subnetwork, kami memiliki dua alat. Pertama, kita dapat membaca di setiap
aliran untuk melihat apa yang terjadi—apa tema atau urutan logisnya. Untuk melakukan itu, kami memiliki label
variabel dan peringkatnya. Misalnya, ambil sub-aliran 5 > 17 > 35. Pesannya di sini adalah bahwa peserta utama di
Perry-Parkdale tertarik untuk dipromosikan (5), yang mengarah pada upaya yang lebih giat untuk menyebarluaskan
(17) inovasi yang telah mereka kembangkan ke yang lain di luar distrik asal mereka (35), di mana, mungkin,
beberapa pekerjaan menarik dapat ditemukan.
Dari bagian bawah tampilan, mari kita lihat lima aliran yang menyebabkan mobilitas pekerjaan (Kotak 33):
• 5 > 17 > 35 > 34 > 33

• 5 > 33
• 5 > 16 > 25 > 33
• 4 > 16 > 25 > 33
• 10 > 18 > 20 > 26 > 34 > 33
Untuk memastikan bahwa interpretasi seperti itu masuk akal, kami memiliki alat kedua: narasi jaringan kausal
(lihat Tampilan 9.12, narasi untuk kasus yang dibahas di sini). Narasi memaku konteks, menunjukkan hubungan
temporal dan kausal yang dipetakan pada jaringan, dan menjelaskan mengapa variabel dirantai sebagaimana
adanya.
Tapi di sinilah analisis mengambil giliran kualitatif yang nyata. Setiap aliran mobilitas pekerjaan di Tampilan 9.13
bukan sekedar rantai sebab akibat melainkan sebuah cerita dengan tema penyerta :
• 4 > 16 > 25 > 33: Aliran ini tampak tidak menyenangkan—dana rendah, turbulensi tinggi, ketidakamanan kerja tinggi,
stabilitas staf program rendah, mobilitas kerja tinggi. Membaca narasi menegaskan kesan kami bahwa ini adalah
skenario korban : Pendanaan yang rendah menyebabkan ketidakpastian lokal untuk melanjutkan proyek, yang
menyebabkan staf proyek dialihkan ke pekerjaan lain.
• 5 > 16 > 25 > 33: Aliran ini menambahkan variabel “motivasi kemajuan karir” dan dengan demikian memperkuat tema
kecelakaan ; orang tidak dipromosikan atau dipindahkan ke slot pekerjaan yang diinginkan, meskipun mereka berharap
demikian.
• 5 > 33: Beberapa orang mencapai tempat yang mereka inginkan melalui proyek. Untuk saat ini, sebut saja yang ini
aliran oportunisme . • 5 > 17 > 35 > 34 > 33: Beberapa melakukan pergantian pekerjaan yang diinginkan, tetapi
secara sosial terlihat
cara penebusan. Upaya diseminasi mungkin didorong oleh motif peningkatan karir, tetapi proses penyebaran proyek
ke kabupaten lain mengembangkan keterampilan pelatihan dan konsultasi (perubahan kapasitas) yang kemudian
digunakan pada pekerjaan berikutnya. Membaca narasi untuk mendapatkan pengertian yang lebih jelas tentang
apa yang terjadi di sini menghasilkan tema kristalisasi karir : Orang yang melakukan penyebarluasan menyadari
bahwa mereka ingin terus melakukan pekerjaan semacam ini daripada kembali ke pekerjaan sebelumnya.
• 10 > 18 > 20 > 26 > 34 > 33: Aliran itu sendiri optimis: Staf lokal mengambil proyek yang kaku (persyaratan
implementasi yang tinggi), menerima bantuan yang layak, mengembangkan komitmen yang kuat, menguasai
proyek (keterampilan pengguna yang tinggi), mengembangkan kapasitas baru, dan pindah ke pekerjaan baru yang diinginkan.
Sebut saja kemajuan yang didorong oleh kesuksesan aliran ini.
Jangan mencoba nama tema atau skenario sampai Anda melihat beberapa kasus. Aliran biasanya memiliki satu atau dua
prediktor tersesat, dan Anda harus menunggu sampai tersesat ini dapat dipisahkan dari variabel yang muncul secara konsisten,
yang akan memberi nama pada aliran. Untuk memberikan pepatah untuk sisa analisis ini, "Di mana ada aliran, di situ ada
tema."
Analisis
Pencocokan pola menemukan apakah pola yang ditemukan dalam satu kasus direplikasi di kasus lain juga, menyarankan
skenario umum. Apakah pola variabel inti yang sama terlibat? Apakah peringkatnya (tinggi, sedang, rendah) sama? Mari kita
ambil kasus mobilitas pekerjaan tinggi lainnya, mengekstrak aliran yang mengarah ke hasil tersebut. Tampilan 9.14 menyajikan
hasil untuk kasing Calston.
Hanya dua aliran yang mengarah ke variabel "mobilitas pekerjaan", dan keduanya menyoroti skenario yang sama. Jika
Anda melihat kembali alur/tema korban untuk kasus Perry-Parkdale (Tampilan 9.13), tiga variabel yang sama (dana internal,
turbulensi lingkungan, stabilitas staf program) ada di sini. Lebih baik lagi, mereka berada dalam urutan yang sama dan memiliki
peringkat yang identik.
Mari kita coba kasus lain. Tampilan 9.15 memperlihatkan bagian yang diekstraksi untuk Banestown.
Tampilan 9.14
Subjaringan untuk Mobilitas Pekerjaan, Calston Case
Tampilan 9.15
Subjaringan untuk Mobilitas Pekerjaan, Kasus Banestown

Subjaringan untuk Mobilitas Pekerjaan, Kasus Banestown
Ini jelas merupakan kasus bertema korban lainnya . Jika kita mengeluarkan variabel khusus kasus (“iklim di kantor distrik”)
dan variabel “dana eksternal”, kita memiliki variabel yang sama, diberi peringkat identik, seperti di Perry-Parkdale, meskipun
tidak dalam urutan yang sama. Di sini, variabel “dana internal” muncul setelah, bukan sebelumnya, variabel “turbulensi
lingkungan”. Tetapi membaca narasi kasus menghasilkan skenario sedih yang sama dari harapan karier yang pupus;
pergeseran urutan berarti sedikit.
Mari kita lihat satu contoh lagi di Tampilan 9.16.
Sekarang, Anda mungkin dapat membedah jaringan dengan lebih cepat. Tiga anak panah mengarah pada “mobilitas
pekerjaan” yang tinggi, tetapi demikian juga lima aliran yang mungkin. Yang pertama—variabel 20 > 18 > 26 > 36 > 37—
harus familiar; itu adalah aliran/tema kemajuan yang digerakkan oleh kesuksesan yang kita lihat di Perry-Parkdale, setidaknya
dalam variabel kausal langsung, yang paling dekat dengan ukuran kriteria: keterampilan, perubahan kapasitas. Urutannya
sama, dan peringkatnya identik.
Mari kita coba aliran lain: 27 > 31 > 37; ini terlihat seperti skenario oportunisme di Perry-Parkdale.
Terakhir, mari kita ambil aliran ketiga: 39 > 38 > 37. Ini adalah urutan yang sama dengan tiga prediktor terakhir dalam
skenario korban Calston , yang sebenarnya identik dengan skenario korban Perry-Parkdale . (Untuk mengonfirmasi hal ini,
analis membaca ulang narasi jaringan kausal untuk ketiga kasus tersebut.)
Pada akhir analisis ini, 40+ aliran untuk 12 kasus jatuh ke dalam empat keluarga tematik yang kami
diidentifikasi sepanjang jalan:
1. Skenario korban 2.
Skenario oportunisme 3. Skenario
kemajuan yang digerakkan oleh kesuksesan
4. Skenario kristalisasi karir
Selain itu, analis dapat menaikkan takik analitik dan kasus klaster daripada aliran individu. Misalnya, Perry-Parkdale dan
Plummet memiliki skenario mobilitas pekerjaan yang berhasil dan tidak berhasil; beberapa orang mendapatkan apa yang
mereka cari, dan yang lainnya tidak. Ini juga diperoleh untuk kasus lain; kita dapat mengelompokkannya pada tingkat kasus
sebagai skenario/tema menang-kalah .
Tampilan 9.16
Subjaringan untuk Mobilitas Pekerjaan, Kasus Anjlok

Dalam sampel kasus, kami tidak hanya memiliki keterbandingan tetapi juga variabilitas. Ada kasus mobilitas
kerja sedang dan rendah, dan kita harus memastikan aliran kausal mereka berbeda atau bertentangan dengan
kasus mobilitas kerja tinggi. Idealnya, kasus rendah akan memiliki beberapa variabel yang sama dalam urutan
yang sama atau serupa dengan kasus tinggi, tetapi peringkatnya akan berbeda.
Misalnya, dana internal yang tinggi, digabungkan dengan turbulensi lingkungan yang rendah dan stabilitas staf
yang tinggi, akan menyebabkan mobilitas pekerjaan yang rendah—kebalikan dari skenario korban tetapi dengan
variabel yang sama dalam urutan yang sama. Itu akan memperkuat analisis dan meningkatkan kekuatan penjelasnya.
Kami sekarang dapat mengklaim dengan lebih yakin bahwa mobilitas pekerjaan disebabkan oleh kombinasi
tertentu dari pendanaan, turbulensi, dan stabilitas staf, karena mobilitas tinggi dan rendah dihasilkan dari interaksi
yang sama dari variabel-variabel ini.
Konfirmasi skenario/tema yang muncul dapat berkisar dari diskusi tim peneliti dan
konsensus untuk serangkaian aturan keputusan berbasis logika, seperti berikut ini:
• Variabel prediktor yang paling dekat—dua atau tiga yang paling dekat dengan ukuran hasil—adalah sama
dan berada dalam urutan yang sama. • Prediktor umum memiliki peringkat yang sama (tinggi, sedang,
rendah). • Tema hasil berbeda (atau tidak ada) dalam kasus dengan variabel hasil yang dinilai berbeda
(misalnya, tinggi, sedang, rendah).
Dalam studi kasus tunggal, membuat dan merevisi daftar variabel cukup mudah. Dalam studi kasus ganda,
kita berada pada saat yang menentukan. Untuk perbandingan lintas kasus, variabel yang sama akan digunakan
untuk menganalisis 5, 10, atau 20 kasus. Agar hal ini terjadi, idealnya setiap variabel harus bermakna secara
empiris dalam semua kasus. Tentu saja, Anda harus meninggalkan kelonggaran untuk dua kemungkinan situasi:
(1) akan ada beberapa variabel unik kasus dan (2) beberapa variabel akan berpengaruh di sebagian besar tetapi
tidak semua kasus. Dalam contoh sebelumnya, jaringan kausal akhir akan berisi beberapa variabel khusus kasus,
diberi label demikian. Dalam contoh terakhir, beberapa variabel jaringan akan dihapus (dengan penjelasan) dari
kasus di mana mereka berkontribusi sedikit atau tidak sama sekali untuk analisis.
Akhirnya, mundur dari jalan buntu tertentu. Jalan buntu adalah aliran yang tidak masuk akal dan perlu dipecah,
meskipun tampaknya umum terjadi di berbagai kasus. Dan jika skenario lintas kasus tidak sesuai dengan narasi
jaringan, skenario perlu direvisi.
Catatan
Kami menemukan bahwa operasi dasar untuk analisis jaringan kausal lintas kasus sangat mirip dengan yang
digunakan untuk jaringan kausal dalam kasus. Pelajaran lagi di sini adalah menggunakan pekerjaan tampilan analitik
Anda sebelumnya tentang data Anda untuk utas untuk menenun permadani jaringan kausal Anda.
Menampilkan jaringan kausal lintas kasus dimungkinkan, tetapi kami memberikan contoh di sini. Ini adalah salah
satu kasus di mana kata-kata, dalam bentuk tema dan narasi penjelasan yang menyertainya, merupakan strategi
tampilan yang lebih kuat dan elegan untuk upaya analitik Anda. Program CAQDAS yang dipilih dapat menyediakan
perangkat lunak yang diperlukan untuk pemodelan rumit seperti itu, tetapi Anda tetap harus, sebagai analis data,
memulai dan membenarkan label dan jalur kotak.
Ingatlah bahwa penelitian tidak pernah membuktikan apapun; paling-paling, itu menyarankan. Menjelaskan
melalui metode ini “mengapa” sesuatu terjadi seperti itu adalah upaya berbasis bukti tetapi tetap dengan itikad baik
untuk memetakan sebab-akibat. Ini adalah perusahaan yang kompleks dan licin yang mengharuskan analis
menemukan alur cerita dalam data, yang dibangun melalui penyelidikan sistematis tentang "Apa yang terjadi selanjutnya?"
Dengan penjelasan muncul dasar untuk memprediksi, metode yang diuraikan dalam bab berikutnya.
10
Metode Memprediksi
Ringkasan Bab
Bab ini menyajikan metode menampilkan upaya yang mencoba memprediksi hasil berdasarkan analisis anteseden
yang hati-hati dan bernuansa. Metode ini mengandalkan tampilan sebelumnya yang berfungsi sebagai dasar untuk
mendokumentasikan dan membuat hipotesis tentang kemungkinan lintasan tindakan.
Isi
pengantar
Metode Memprediksi
Membuat dan Menguji Prediksi
Matriks Prediktor-Hasil-Konsekuensi
Model Prediksi Kausal
pengantar
Futuris dan penemu bertanya pada diri sendiri tiga pertanyaan ketika mereka berpikir tentang visi dunia:
1. Apa yang mungkin? (yaitu, Apa yang mungkin terjadi?)

2. Apa yang masuk akal? (yaitu, Apa yang bisa terjadi?)
3. Apa yang lebih disukai? (yaitu, Apa yang harus terjadi?)
Pertanyaan yang sama ini juga berlaku untuk peneliti kualitatif yang mencoba memprediksi dan berteori tentang
studi mereka untuk konteks masa depan yang sebanding.
Tapi tidak ada yang bisa memprediksi masa depan dengan akurasi 100%. Bahkan ahli statistik dengan model
matematis mereka yang canggih memberi diri mereka margin kesalahan. Prediksi dan teori berbasis penelitian memiliki
informasi yang baik tetapi, bagaimanapun, visi sementara tentang apa yang mungkin, bisa, dan harus terjadi.
Metode Memprediksi
Membuat dan Menguji Prediksi menguraikan serangkaian heuristik untuk mengajukan hipotesis dan membangun
teori. Matriks Predictor-Outcome-Consequences mengilustrasikan cara mendokumentasikan, mengurutkan, dan
memetakan variabel anteseden yang mengarah pada hasil dan konsekuensi utama. Model Prediksi Kausal melengkapi
seri dengan menunjukkan bagaimana data matriks utama berubah menjadi tampilan jaringan untuk analisis penjelasan
dan teori atau konstruksi prediktif.
Membuat dan Menguji Prediksi

Deskripsi Prediksi adalah
kesimpulan yang dibuat peneliti tentang kemungkinan evolusi peristiwa kasus atau hasil selama
beberapa bulan atau tahun berikutnya. Prediksi disusun pada saat analisis, diadakan, dan
kemudian diserahkan kepada peserta kasus kemudian (misalnya, 6-12 bulan, tetapi waktunya
jelas bergantung pada sifat kasus dan prediksi yang terlibat). Peserta menanggapi (a) keakuratan
prediksi dan (b) keakuratan alasan yang diberikan untuk membenarkannya. Meskipun prediksi bisa
berasal dari hampir semua proses peneliti, mereka lebih kuat membumi ketika mereka berasal dari tampilan kausal/
penjelas (lihat Tampilan 10.1).
Aplikasi
Sejarah, kata Napoleon, adalah versi dari peristiwa masa lalu yang telah diputuskan untuk disetujui oleh orang-
orang. Dan peneliti lapangan, yang sangat bergantung pada persepsi peserta lokal dalam membangun penulisan
deskriptif dan penjelasan dari situs tersebut, kemungkinan akan tersedot ke dalam persepsi kolektif yang memberikan
koherensi pada penulisan semacam itu. Ada banyak cara untuk menghindari bias yang jelas dalam data yang
dikumpulkan, tetapi ada lebih sedikit cara untuk menghindari bias kolektif dan konsensual. Selain itu, peserta
mungkin tidak setuju—baik dengan sebagian tulisan Anda atau dengan satu sama lain. Orang yang menyaksikan
peristiwa yang sama mungkin memahaminya dengan cara yang sangat berbeda dan memberikan perbedaan
akun.
Tampilan 10.1
Formulir Umpan Balik Prediksi
Dalam tiga studi di mana kami memberi umpan balik pada jaringan kausal, kami hanya menemukan perbedaan kecil
di antara peserta, atau antara mereka dan kami. Tapi ada beberapa ketidaksepakatan, dan kami dibiarkan duduk di
atasnya, mencoba memikirkan cara untuk mendapatkan resolusi. Kami menemukan satu pendekatan: menguji validitas
temuan Anda dengan memprediksi apa yang akan terjadi dalam kasus Anda setelah 6 bulan atau satu tahun. Agaknya,
jika analisis diungkapkan dengan jelas, ia memiliki beberapa implikasi atau konsekuensi (menggunakan taktik jika-maka ).
Ini bisa dibilang dan dioperasionalkan. Hasil dunia nyata dapat diperiksa nanti di a
kontak lapangan baru melalui taktik mendapatkan umpan balik dari peserta. Hasilnya adalah prediksi peneliti kualitatif yang
kaya dan lengkap tentang sepotong kehidupan sosial, yang pada gilirannya membantu cara kerja dan hidup saat ini dan
memperingatkan kita sebelumnya tentang hambatan potensial saat kita berjuang menuju tujuan kita.
Menghasilkan prediksi adalah pengalaman yang baik: Anda harus mencermati data dan analisis dan menangani pertanda
mereka secara eksplisit. Ini adalah cara mengklarifikasi teori umum tentang kasus Anda dengan menghasilkan banyak
prediksi tentang berbagai aspek kasus. Ini juga merupakan perangkat validasi, bahkan ketika respons peserta tidak jelas.
Prediksi juga membawa data tambahan yang ditargetkan dengan baik yang dapat ditambahkan ke laporan kasus. Akhirnya,
peserta merasa dihargai; banyak yang menikmati status yang berasal dari pendapat yang diminta.
Apakah pembuatan prediksi sepadan dengan waktu? Ya, jika Anda ingin tahu seberapa bagus analisis Anda sebenarnya atau
apakah banyak yang memanfaatkannya. Tidak, jika tujuan utama Anda dalam sebuah penelitian bersifat deskriptif, bukan penjelasan
atau prediksi.
Contoh
Membuat Prediksi.
Latihan prediksi harus dimasukkan ke dalam anggaran dan jadwal studi Anda. Dalam studi peningkatan sekolah (Miles
dan Huberman) kami, kami telah melihat secara retrospektif upaya perubahan selama 3 atau 4 tahun di sekolah. Masuk akal
untuk merencanakan tindak lanjut, setahun setelah kerja lapangan berakhir, untuk melihat apakah analisis kami tidak hanya
memiliki kekuatan penjelas tetapi juga prediksi.
Untuk melihat bagaimana proses ini bekerja, lihat kembali Tampilan 9.11 di halaman 244 di Bab 9, dan temukan variabel/
Kotak 32 di jaringan: Institusionalisasi. Ini memiliki peringkat "rendah", yang menunjukkan bahwa inovasi di situs ini belum
menjadi bagian rutin yang tahan lama dan terintegrasi dari operasi yang sedang berlangsung. Peringkat pada variabel ini
adalah fungsi dari beberapa jalur yang mengarah ke sana, baik dari variabel hasil lainnya (misalnya, 30 Dampak siswa, dan
31 Persentase penggunaan) dan dari variabel yang lebih jauh ke belakang pada aliran sebab-akibat. Secara skematis,
jaringan kausal mengatakan bahwa Institusionalisasi adalah serendah fungsi gabungan dari variabel-variabel yang mengarah
padanya; mereka adalah kemungkinan penyebab dari "efek" Pelembagaan .
Dalam menguji masuk akalnya analisis kausal, kami mengajukan dua pertanyaan prediksi: (1) Apa yang mungkin terjadi
pada inovasi antara sekarang dan tahun depan saat ini? (2) Pada faktor apa kita mendasarkan perkiraan itu?
Melihat jaringan kausal dan teks yang menyertainya, dan meninjau tampilan kolektif kami untuk penelitian ini, analis
memutuskan bahwa program tersebut bermasalah. Data menunjukkan bahwa inovasi tersebut bersifat periferal, manfaatnya
kurang dari permintaan staf, dukungannya lunak, praktik persaingan belum dihilangkan, dan pendanaannya tidak pasti.
Tapi ada beberapa tanda yang menjanjikan—program berjalan secara teratur, setiap hari, dan mendapatkan hasil positif
dengan siswa yang tidak aktif—tetapi mereka terkubur dalam tumpukan indikator pesimistis. Analis memperkirakan bahwa
proyek tersebut akan dihapus secara bertahap pada tahun berikutnya.
Membenarkan Prediksi.
Sekarang prediksi telah dibuat, perlu dibenarkan melalui data. Di sinilah Anda
karya pajangan memberikan dukungan pembuktian.
Kembali ke contoh kita: Pada halaman 244, Tampilkan aliran kausal 9.11 yang mengarah ke Kotak 32,
Institusionalisasi, lihat firasat. Kisah-kisah yang diceritakan oleh variabel-variabel yang saling terkait adalah sebagai berikut:
• Proyek tidak sesuai dengan program (Kotak 12) dan tidak didukung oleh guru atau
administrator (Kotak 22). Ini belum berjalan lebih baik dengan mengubah organisasi (Kotak 29).
• Proyek rentan karena tuntutannya, isolasinya, dan ketergantungannya pada soft

• Proyek rentan karena tuntutannya, isolasinya, dan ketergantungannya pada soft

uang (Kotak 11, 13, 14, dan 23).
• Ini bersaing untuk dana dan siswa (Kotak 15). •
Dukungannya di kantor administrasi pusat tidak pasti karena berbagai alasan (Kotak 24). • Staf kunci proyek
akan segera pergi (Kotak 33). • Jumlah siswa yang diproyeksikan untuk tahun berikutnya lebih rendah dari
tahun sebelumnya
(Kotak 31).
Ini adalah alasan untuk prediksi yang mengerikan. Anda menimbang semua indikator ini berdasarkan tingkat
pengaruhnya; ini juga merupakan cara untuk menurunkan angka menjadi empat atau lima, hanya itu yang diminta
untuk ditanggapi oleh peserta. Tampilan 10.2 menunjukkan lima yang ditetapkan.
Mencari Data yang Berlawanan.
Jika Anda hanya mencari faktor pendukung prediksi, Anda mungkin akan membuat prediksi yang buruk. Membuat
tebakan yang baik adalah fungsi menimbang peluang untuk satu hasil terhadap hasil lainnya. Penting untuk
mempertimbangkan faktor-faktor yang dapat bertentangan dengan prediksi (taktik: mencari bukti negatif).
Dalam contoh yang sama (Tampilan 9.11) terdapat indikasi bahwa proyek tersebut mengakar dengan baik dalam
operasi rutin, yang tampaknya membuahkan hasil bagi masyarakat murid yang biasanya sulit dijangkau (Kotak 30 > 31
> 32), dan bahwa proyek tersebut memiliki beberapa dukungan kantor pusat (24). Mengumpulkan indikator-indikator ini
dengan analisis kontekstual dan tren kasus secara keseluruhan, analis menemukan empat faktor, yang ditunjukkan
pada Tampilan 10.3, yang dapat "merusak" prediksi pesimistis.
Tampilan 10.2
Faktor Pendukung Prediksi “Pelembagaan”.
Perlihatkan
10.3 Faktor-Faktor yang Melawan Prediksi “Pelembagaan”.
Analisis
Memilih Peserta untuk Konfirmasi/ Diskonfirmasi Prediksi.

Sebelum prediksi dikirim, tinjauan etis penting: Dapatkah informasi ini merusak individu atau kolega mereka
dengan cara apa pun? Prediksi umum biasanya memiliki sedikit potensi berbahaya, berbeda dengan informasi
khusus orang. Tetapi pertanyaan itu membutuhkan perhatian yang cermat.
Prediksi dan justifikasinya diberikan kepada peserta kunci di lokasi 1 tahun kemudian, dengan permintaan
data tentang situasi terkini dan aktual yang menjadi dasar prediksi tersebut. Biasanya, Anda memilih peserta
yang (a) terbukti dapat diandalkan, (b) berada dalam posisi untuk mengetahui situasi saat ini, dan (c) menempati
peran yang berbeda dan memiliki perspektif yang agak berbeda.
Tampilan 10.4 memperlihatkan formulir tanggapan dari salah satu dari tiga peserta kasus. Faktor A sampai E
di bagian atas bagan adalah “faktor pendukung” yang kami cantumkan sebelumnya; Faktor A hingga D di bagian
bawah adalah "spoiler". Responden ini setuju bahwa sebagian besar faktor pendukung terkait dalam menentukan
bagaimana keadaan terjadi 1 tahun kemudian. Peserta lain membuat penilaian yang serupa, tetapi tidak identik,
pada semua prediktor (misalnya, dua pemikiran dukungan kantor pusat lebih kuat dan "pengetatan" adalah
prediktor yang lebih relevan).
Mengenai faktor-faktor yang bertentangan dengan prediksi, dua perkiraan "kesesuaian" yang tinggi
menunjukkan bahwa analis telah meremehkan kemungkinan lebih banyak pendanaan eksternal dan pentingnya
fungsi "tempat pembuangan" dari proyek tersebut. (Dua peserta lain setuju, tetapi mereka juga merasa bahwa
C dan D adalah faktor berpengaruh yang meningkatkan peluang pelembagaan. Jadi kami masih terperangkap
dalam dilema persepsi yang berbeda di antara responden — sebuah dilema yang terkadang dapat diselesaikan
dengan tindak lanjut wawancara telepon.)
Tampilan 10.4
Formulir Respons yang Diisi dari Informan Kasus untuk Prediksi “Pelembagaan”.
Batasi jumlah variabel atau hasil yang Anda perkirakan (misalnya, empat atau lima), dan pertahankan
faktor penjelas untuk masing-masing angka yang sama atau kurang. Tentukan masing-masing variabel
hasil secara khusus, atau peserta dapat memberikan tanggapan yang membingungkan. Secara etis Anda
tidak boleh mengharapkan personel lokasi untuk melakukan pekerjaan profesional tanpa bentuk kompensasi
apa pun. Kami menawarkan biaya pembaca yang sederhana untuk waktu dan umpan balik peserta untuk
formulir respons prediksi kami.
Menilai Prediksi.
Bagaimana dengan prediksi peneliti sendiri—bahwa program ini akan dihapus? Prediksi tersebut
mungkin bermasalah karena peserta merasa bahwa beberapa faktor "spoiler" relevan dan penting.
Ternyata, prediksi kami terlalu pesimis. Skala proyek dikurangi, dan statusnya transisi — tetapi masih ada,
meski nyaris.
Dukungan kantor pusat ternyata lebih kuat dari yang diperkirakan, karena fungsi tempat pembuangan yang
berhasil dan masih diperlukan serta kemungkinan menerima dana eksternal baru untuk menyebarluaskan
proyek ke kabupaten lain. Kantor distrik telah memutuskan untuk mendanai proyek tersebut untuk satu tahun lagi tetapi
telah memotong setengah staf proyek dan siswa. Kami menghitung akurasi kami hanya sedang.
Kami lebih baik dalam memprediksi Institusionalisasi di lokasi lapangan lainnya; satu lainnya cukup akurat, dan
sisanya tinggi/sedang hingga sangat akurat. Selain itu, penjelasan yang diberikan oleh kami dan orang-orang di lokasi
cukup tumpang tindih (58% dari penyebab yang ditetapkan sepenuhnya setuju).
Seperti yang ditunjukkan oleh jaringan sebab-akibat pada Tampilan 9.11, ini adalah prediksi yang sulit dibuat,
mengingat jumlah aliran dan fakta bahwa tidak semua menghasilkan kesimpulan yang sama. Prediksi untuk variabel
hasil lain yang ditunjukkan pada akhir jaringan hasil (misalnya, dampak siswa dan mobilitas pekerjaan) lebih mudah
dibuat dan tepat sasaran.
Catatan
Latihan ini memiliki beberapa batasan. Kecuali Anda kembali ke lapangan, Anda hanya mengandalkan data laporan
diri. Dan prediksi bisa salah karena alasan yang tidak ada hubungannya dengan validitas internalnya. Beberapa
peristiwa yang tidak terduga, seperti kematian mendadak dari peserta kunci atau krisis anggaran, dapat mendatangkan
malapetaka pada proyeksi terbaik seorang analis. Meskipun Anda mungkin mencoba membayangkan intrusi peristiwa
tak terduga sebagai bagian dari pekerjaan prediksi, kejutan dan keistimewaan tidak pernah dapat diantisipasi
sepenuhnya.
Deskripsi Matriks Predictor-Outcome-Consequences
Matriks prediktor-hasil-konsekuensi menyusun kasus
dan data pada tiga komponen: (1) variabel anteseden utama yang menurut Anda mungkin merupakan kontributor
paling penting untuk (2) variabel hasil atau kriteria utama, lalu (3 ) konsekuensi yang diprediksi dari hasil. Prinsip dasar
di balik matriks tiga komponen lebih bersifat menjelaskan daripada murni deskriptif; kami ingin melihat apakah anteseden
dan hasil tertentu memprediksi atau memperhitungkan konsekuensi.
Model analitik ini tidak selalu "memprediksi masa depan", untuk kasus tertentu yang sedang Anda selidiki. Alih-alih,
Anda secara strategis mendokumentasikan apa yang sebenarnya telah terjadi pada kasus untuk menemukan apakah,
dalam retrospeksi, variabel atau faktor anteseden tertentu, dan dalam kombinasi apa, meramalkan—yaitu, memprediksi
—hasil dan konsekuensi tertentu (lihat Tampilan 10.5 ).
Aplikasi Matriks
lintas kasus dapat digunakan untuk mengeksplorasi dan menguji hubungan antara dua, kemudian di antara beberapa
variabel. Ini juga memungkinkan untuk melakukan pekerjaan penjelasan yang lebih langsung dengan matriks lintas
kasus, bergerak melampaui prediksi probabilistik ke analisis yang lebih kausal (deterministik). Kita dapat mengaitkan
rantai prediktor ke beberapa hasil antara dan kemudian menunjukkan konsekuensi selanjutnya dari hasil tersebut—hasil
dari hasil tersebut. Tampilan seperti itu sangat bagus ketika Anda melihat variabel perantara atau intervensi yang tidak
ditafsirkan sebagai hasil "akhir".
Gunakan matriks prediktor-hasil-konsekuensi ketika Anda ingin melihat bagaimana beberapa faktor yang berkontribusi
berfungsi bersama dalam kaitannya dengan tingkat ukuran kriteria yang berbeda. Berorientasi variabel tetapi
mempertahankan konfigurasi variabel untuk setiap kasus. Matriks ini dan analisis yang menyertainya juga memberikan
peluang untuk mengembangkan hipotesis kondisional, meskipun mungkin hanya spesifik lokasi untuk konteks kasus.
Contoh
Dalam studi peningkatan sekolah, kami (Miles dan Huberman) menemukan bahwa beberapa kasus memiliki waktu
yang mudah dan lancar selama penggunaan awal dan yang lain memiliki waktu yang sulit. Apa yang menyebabkan
perbedaan ini? Dengan kata lain, faktor utama manakah, yang muncul sebelum atau selama penggunaan awal, yang
dikaitkan dengan lebih atau kurang mulusnya? Kami telah melakukan beberapa analisis awal tentang "faktor kesiapan" (misalnya,
sumber daya dan materi yang tersedia, keterampilan dan pelatihan personel sekolah, dll.), yang tidak akan
kami bahas di sini karena detail yang berlebihan, yang akan membingungkan daripada memperjelas profil metode.
Hal penting yang perlu diperhatikan dari analisis tersebut adalah kami menetapkan deskriptor dinamis untuk
setiap variabel kasus yang diperiksa. Misalnya, kami menilai apakah untuk setiap situs
• Perubahan praktik yang diperlukan adalah besar, sedang, atau kecil; •

Ukuran aktual dan ruang lingkup inovasi besar, sedang, atau kecil; • Kecocokan aktual
kelas/ organisasi dari inovasi itu baik, sedang, atau buruk; • Komitmen Central of ice untuk berubah
tinggi, sedang, atau rendah; • Kehalusan atau kekasaran pelaksanaan awal sangat kasar, kasar,
halus, sebagian besar halus, atau campuran; dan • variabel lainnya.
Penggunaan deskriptor magnitudo ini tidak dimaksudkan untuk mengurangi atau tampaknya mengukur
pengamatan kita. Sebaliknya, ini dimaksudkan untuk membuat analisis komparatif dan evaluatif lintas kasus
dan antar variabel menjadi lebih mungkin dan dapat dikelola.
Di Tampilan 10.5, tujuan pertama adalah memprediksi tingkat Bantuan yang diberikan di 12 lokasi lapangan
(yang diurutkan di kolom sebelah kiri). Untuk melakukan ini, analis mengumpulkan prediktor yang paling
mungkin muncul dari kasus individual dan dari analisis lintas kasus sebelumnya.
Tiga kolom Kondisi Anteseden pertama (Ukuran aktual/ lingkup inovasi, Perubahan praktik yang diperlukan,
dan Kesesuaian kelas/ organisasi aktual) berurusan dengan variabel yang digabungkan bersama dan diberi
bobot numerik di kolom keempat, yang menandakan Kekuatan persyaratan implementasi. Sebuah "skor" tinggi
15 adalah mungkin.
Kemudian kami memiliki tiga kolom Kondisi Pendahulu (Skala pendanaan, Pusat komitmen es untuk perubahan,
dan lintang Administratif). Kehadiran Keseluruhan sebagai tingkat Bantuan tercantum di kolom berikutnya.
Peringkat mod/tinggi atau rendah/mod berarti penilaian kami berada di antara dua kata (yaitu, "cukup tinggi" dan
"rendah hingga sedang"). Kami membuat peringkat prediktif ini berdasarkan variabel anteseden yang muncul
sebelum mereka pada matriks, ditambah dengan analisis sebelumnya tentang faktor kesiapan, ditambah
pengetahuan penelitian orang dalam kami tentang seluk-beluk 12 kasus.
Jika kami mau, kami dapat menghentikan analisis di sini dan berakhir dengan matriks prediktor-hasil dua
komponen. Tetapi tampilan dapat dibantu dengan tujuan lain: melihat lebih jauh Bantuan ke Konsekuensinya
selama penerapan awal (di sebelah kolom terakhir) dan selama penerapan selanjutnya (kolom terakhir). Dengan
kata lain, meskipun tingkat Bantuan adalah variabel dependen untuk analisis sebelumnya, pada gilirannya, itu
adalah prediktor utama dari dua Konsekuensi selanjutnya.
Analisis
Langkah selanjutnya adalah masuk ke mode prediksi multivariat , mengambil anteseden atau prediktor tersebut
Langkah selanjutnya adalah masuk ke mode prediksi multivariat , mengambil variabel anteseden atau prediktor yang kami yakini
memiliki alasan kuat untuk berkontribusi pada hasil dan menilai efek terpisah dan gabungannya untuk konsekuensi.
Analis sedang mencari untuk melihat apakah prediktor yang paling diperhitungkan untuk tingkat bantuan masuk akal dan
mengarah ke tingkat hasil yang berbeda di kemudian hari. Jadi kita memiliki dasar rantai sebab akibat yang muncul dalam matriks.
Tapi kita akan melampaui konfigurasi sederhana dalam setiap kasus untuk memahami, jika kita bisa, mekanisme kausal sebenarnya
yang terlibat.
Analis mulai menyusun mozaik ini dengan mencari kemungkinan konfigurasi penjelasan dan dengan kembali ke laporan tingkat
kasus untuk melihat apakah gambaran yang muncul masuk akal. Di sini, analis melihat satu kelompok kasus dan variabel (perubahan
praktik kecil, lintang tinggi, dan inovasi berukuran kecil) dengan kelompok penyeimbangnya (perubahan praktik besar, lintang rendah,
dan ukuran inovasi besar). Dia kemudian dapat melihat kembali laporan kasus untuk melihat apakah hewan seperti itu benar-benar
ada dan apakah hipotesis tentang ukuran perubahan yang dicoba mempengaruhi kelancaran awal masuk akal dalam setiap kasus
atau tidak (taktik: mereplikasi temuan).
Tentu saja, mengamati matriks dan mencari pola adalah cara terbaik untuk menyusun prediksi.
Seorang analis mengembangkan tiga pernyataan menggunakan logika dasar jika-maka:
1. Ketika hampir tidak ada bantuan persiapan di tempat untuk suatu inovasi, program selanjutnya
stabilisasi akan cenderung rendah.
2. Bahkan ketika ada bantuan persiapan di tempat yang substansial untuk sebuah inovasi, implementasi program awal akan
sulit, tetapi stabilisasi program selanjutnya kemungkinan besar akan moderat.
3. Besaran dana on-site untuk suatu inovasi tampaknya tidak mempengaruhi program
implementasi awal akhirnya atau stabilisasi kemudian; tetapi tidak ada dana sama sekali umumnya sama dengan bantuan
persiapan di tempat yang minimal (yang, dalam beberapa kasus, dapat menyebabkan stabilisasi program yang lebih
rendah di kemudian hari).
Penegasan atau pernyataan tentang apa yang terjadi di 12 lokasi tertentu ditulis dalam waktu sekarang, dapat dibandingkan
dengan hipotesis—proyeksi atau prediksi tentang apa yang dapat terjadi atau kemungkinan besar akan terjadi jika inovasi program
serupa lainnya akan dimulai di masa mendatang di lokasi tersebut . Juga, perhatikan bahwa mereka bersyarat, artinya frasa seperti
"cenderung", "tampaknya tidak", "kemungkinan besar", "dalam beberapa kasus" , dan seterusnya, dijalin ke dalam pernyataan. Tidak
ada yang bisa memprediksi masa depan dengan pasti, bahkan ahli statistik sekalipun. Oleh karena itu, berikan prediksi kualitatif
Anda dengan sentuhan kerendahan hati.
Mulailah bekerja dengan sejumlah calon prediktor variabel anteseden yang dapat dikelola yang dipilih berdasarkan akal sehat,
masuk akal konseptual, dan landasan empiris. Lebih dari 12 sekaligus adalah formula untuk kelebihan beban; jangan biarkan
prediktor membengkak. Ekspedisi memancing murni tidak pernah membantu; kerangka konseptual atau data dari kasus harus
memberikan petunjuk yang menjanjikan sejak awal. Berharap bahwa satu matriks akan mengarah ke yang lain dan yang berikutnya
akan lebih kecil dan lebih terinformasi sebagai hasil dari yang pertama.
Bekerja dengan matriks secara deskriptif sebelum Anda bekerja dengan hubungan antar variabel; yaitu, turunkan setiap kolom
terlebih dahulu (taktik: mencatat pola, tema) dan kemudian mulai membandingkan, mengkontraskan kolom. Jika ada terlalu
sedikit variasi dalam matriks, puaslah dengan apa yang dapat Anda ekstrak secara deskriptif, atau hanya berfokus pada variabel
yang memiliki rentang tertentu.
Catatan
Meskipun metode ini tidak dirancang untuk "memprediksi masa depan" untuk studi spesifik yang sedang Anda kerjakan, tidak
ada yang mengatakan bahwa Anda tidak dapat memprediksi secara masuk akal di tengah kerja lapangan Anda apa yang mungkin
terjadi, dan kemudian lihat apakah prediksi Anda tentang hasil dan konsekuensinya benar (atau tidak).
Bergantung pada ruang lingkup studi Anda dan persuasif argumen Anda, mungkin ada transferabilitas prediksi Anda ke pengaturan,
konteks, dan kondisi lain yang sebanding.
Profil ini mengilustrasikan model tiga komponen: prediktor, hasil, dan konsekuensi. Untuk
Profil ini mengilustrasikan model tiga komponen: prediktor, hasil, dan konsekuensi. Untuk studi skala kecil atau jangka
pendek, Anda mungkin ingin menjelajahi model prediksi dan hasil dua bagian yang lebih sederhana (dibahas di bawah pada
Tampilan 10.7).
Model Prediksi Kausal

Keterangan
Model prediksi kausal adalah jaringan variabel dengan hubungan kausal di antaranya, yang diambil dari analisis banyak
kasus. Meskipun didasarkan secara empiris, ini pada dasarnya adalah upaya tingkat tinggi untuk mendapatkan serangkaian
proposisi yang dapat diuji tentang jaringan variabel dan keterkaitan yang lengkap.
Prinsipnya adalah salah satu teori bangunan dan dengan demikian prediksi (lihat Tampilan 10.6).
Aplikasi Meta-
matriks yang diurutkan dengan hati-hati, matriks yang diurutkan waktu, atau matriks efek dapat mulai memberi tahu kita
banyak tentang apa yang terjadi dengan apa. Variabel demi variabel, kita dapat memahami bahwa X datang sebelum Y, dan
lebih banyak X berjalan dengan lebih banyak Y; bahwa lebih sedikit dari Z berjalan dengan lebih banyak dari Y; dan mungkin
W terlihat tidak terkait dengan X—kecuali jika Anda memperhitungkan berbagai tingkat V. Ini semua agak atomistik. Dua
masalah tersisa.
Yang pertama mulai melampaui sekadar asosiasi dan sampai pada keterkaitan — sesuatu seperti penilaian bahwa variabel
X tidak hanya mendahului Y dalam waktu tetapi juga terlihat terhubung secara koheren dengannya: Jika X naik karena suatu
alasan, kita akan mengharapkan Y naik atau turun juga.
Tampilan 10.6
Model Prediksi Kausal Menelusuri Perubahan Praktik Pengguna
Masalah kedua adalah bagaimana melampaui pembuatan daftar belaka menjadi sesuatu seperti seperangkat hubungan
yang terintegrasi di antara variabel: singkatnya, sebuah model. Dalam praktiknya, masalah ini biasanya perlu diselesaikan
bersama, dan mereka membutuhkan jaringan daripada tampilan matriks.
Kita telah membahas di Bab 9 masalah praktis dalam menilai kausalitas dan membentuk jaringan kausal yang masuk akal
dan berdasarkan data. Pertanyaan yang ada adalah ini: Diberikan data multi-kasus dalam bentuk matriks terurut dan
serangkaian kesimpulan berorientasi variabel, bagaimana Anda dapat mengintegrasikan temuan tersebut ke dalam model
visual umum dari variabel yang terlibat yang menentukan hubungan kausal dan teoritis/prediktif dengan jelas. ? Model prediksi
kausal diusulkan sebagai satu heuristik.
Contoh
Tampilan Pendahuluan: Variabel dan Hasil.
Dalam studi peningkatan sekolah, kami (Miles dan Huberman) mengajukan pertanyaan “Dengan cara apa pengguna
inovasi mengubah 'praktik' mereka setelah menggunakan inovasi—dan apa yang menentukan perubahan praktik yang
lebih besar atau lebih kecil?” Karena pemodelan prediksi kausal biasanya merupakan aktivitas urutan kedua yang
menggambar pada tampilan lain, kita perlu membahas tampilan awal terlebih dahulu.
Sepanjang buku ini, telah banyak tampilan yang berkaitan dengan studi peningkatan sekolah, beberapa di antaranya
berfokus pada mengeksplorasi, mendeskripsikan, mengurutkan, menjelaskan, dan memprediksi variabel, tindakan,
proses, fenomena, keadaan, peristiwa, hasil, konsekuensi, dan sebagainya dari para peserta. Kami memanfaatkan
tampilan tersebut ditambah catatan lapangan dan wawasan analitik tambahan yang dibuat sepanjang jalan untuk
menyumbangkan ide untuk model prediksi-kausal. Ini akan dibahas nanti.
Tampilan Awal: Prediktor dan Hasil.
Pertama-tama kita perlu melihat pertanyaan tentang variabel prediktor mana yang mungkin terkait dengan hasil
tertentu dalam penelitian ini. Untuk itu kita perlu membuat matriks meta prediktor-hasil yang diurutkan berdasarkan kasus
(lihat Tampilan 10.7).
Analis dalam kasus ini memilih untuk mengurutkan kasus dalam hal intensitas keseluruhan hasil (tinggi, sedang,
sedang-rendah, kecil/tidak ada perubahan) dan memilih sejumlah prediktor yang tampaknya penting pada kasus demi
kasus. dasar kasus dalam mendorong perubahan praktik pengguna.
Dalam contoh ini, analis menyimpulkan bahwa Perubahan praktik yang diperlukan, Ukuran/ cakupan proyek, dan
Kecocokan Kelas/ organisasi semuanya terkait dengan tingkat perubahan praktik pengguna (taktik: membuat kontras,
perbandingan). Kesimpulan ini juga melibatkan taktik lain: memeriksa makna outlier. Misalnya, analis mencatat bahwa
program berukuran sedang di Proville hanya disabotase oleh pengguna yang tidak puas, sehingga tidak ada peluang
untuk terjadinya perubahan praktik pengguna. Analis juga mencatat bahwa sikap umum selama implementasi adalah
prediktor yang buruk karena sebagian besar positif, kecuali dalam kasus di mana terjadi penghentian (Dun Hollow,
Proville).
Akhirnya analis melihat bahwa tekanan Administratif dari jenis Langsung , dengan sendirinya, bukanlah prediktor yang
sangat baik. Tetapi jika dikombinasikan dengan tekanan tidak langsung (mendesak, memperkuat), konsekuensinya jelas:
Pendekatan carrot-and-stick dikaitkan dengan perubahan praktik pengguna yang lebih besar (taktik: menemukan variabel
intervening).
Analisis
Membangun Model Prediksi-Kausal.
Sekarang Anda mulai merenungkan: Bagaimana asosiasi yang dicatat dalam tampilan matriks diubah dan diintegrasikan
ke dalam model jaringan penjelas yang bermakna? Sejauh ini, analisis sebagian besar berorientasi pada variabel. Mari
terapkan empat aturan praktis yang berorientasi pada proses:
1. Urutkan model secara temporal: Pelajari variabel relevan mana yang muncul pertama kali, yang terjadi selama
implementasi, dan yang dapat dilihat sebagai hasil awal dan akhir.
2. Pertimbangkan variabel mana yang mungkin diharapkan memiliki dampak langsung pada variabel lain, baik
yang mendahuluinya dalam waktu maupun yang memiliki hubungan langsung yang masuk akal.
3. Periksa penjelasan peserta kasus: Hubungan kausal apa yang mereka klaim ada?
Konsultasikan catatan lapangan.
4. Pertimbangkan apa yang dikatakan oleh penelitian dan teori yang tersedia tentang hubungan sebab akibat dan
prediksi hasil mereka. (Dalam hal ini, studi sebelumnya tentang implementasi dan teori pembelajaran individu
mungkin menyarankan hubungan antar variabel.)
Dengan menggunakan aturan ini, Anda harus membuat mie sebentar. Seperti tampilan jaringan lainnya, ada baiknya
untuk meletakkan variabel pada kartu indeks atau "catatan tempel", memindahkannya ke berbagai konfigurasi, dan
melihat koneksi yang tampaknya masuk akal dan masuk akal. Jika Anda memiliki beberapa perangkat lunak grafis
CAQDAS yang mudah digunakan, gunakan itu. Tampilan 10.6 menunjukkan model yang akhirnya muncul dari proses
kita sendiri. Mari kita lihat beberapa aspeknya.
Pertama, analis menyimpulkan bahwa tiga persyaratan Implementasi inovasi secara logis sebelum apa yang terjadi
ketika diimplementasikan. Jadi dia menempatkan ukuran/ cakupan Inovasi, kecocokan Ruang Kelas/ organisasi, dan
Perubahan praktik yang diperlukan sebagai anteseden dari beberapa aspek perubahan praktik pengguna.
Dari matriks Tampilan 10.7, kami dapat menyarankan bahwa hal yang paling mudah (mungkin paling awal) untuk
diubah adalah rutinitas kelas. Analis, yang merefleksikan momen dan meninjau data kasus, juga menyadari bahwa
rutinitas seperti itu diubah, bukan dengan sihir, tetapi dengan bentuk pengorganisasian proyek dan cara pelaksanaannya
di ruang kelas. Jadi itu ditarik saat Praktik Sehari-hari langsung berubah selama implementasi awal. Modelnya
berkembang.
Di manakah tekanan Administratif harus dimasukkan ke dalam model? Itu terjadi terutama selama implementasi awal,
catatan lapangan menunjukkan, dan alasan analis bahwa itu mungkin memiliki efek langsung pada perubahan Praktik
Sehari-hari : Mempersenjatai dan menasihati dengan kuat berfungsi untuk menjaga perubahan praktik jangka pendek
langsung di tempatnya. (Penelitian implementasi pendidikan sebelumnya cenderung mendukung keterkaitan ini,
berkontribusi pada kekuatan komponen prediksi model.)
Analis juga mendalilkan bahwa tekanan Administratif memiliki efek yang lebih lemah, kemudian juga (disarankan
melalui garis putus-putus): Ini mendorong Sikap positif terhadap inovasi itu sendiri (melalui mempersenjatai dan
menasihati dengan kuat) dan membuatnya lebih mungkin bahwa pengguna akan Mentransfer pembelajaran mereka
untuk mata pelajaran dan tugas lain.
Implementasi Dari Awal (T1) Hingga Nanti (T3).
Setelah perubahan pengguna awal dalam praktik terjadi, model apa yang masuk akal yang akan membawa kita ke
hasil lain yang "lebih dalam" yang dicatat di Tampilan 10.6? Ini hampir pasti bukan rantai linier tetapi jaringan. Kita
harus mempertimbangkan bagaimana jenis perubahan guru yang berhasil dapat mempengaruhi dan mempengaruhi
satu sama lain. Di sini sekali lagi, empat aturan praktis berlaku. Analis juga memiliki variabel dan hasil dari tampilan
relevan sebelumnya sebagai awal empiris.
Analis diambil dari tampilan sebelumnya dan catatan lapangan bahwa Rutinitas proyek , mengingat beberapa
pengalaman guru dengan mereka, menyebabkan perluasan Repertoar (yaitu, guru memiliki hal-hal baru yang mereka
tahu bagaimana melakukannya). Dari ekspansi ini muncul Sikap positif terhadap inovasi.
Kedua perubahan praktik ini memiliki konsekuensi lebih lanjut. Repertoar yang diperluas mengarah pada perubahan
Relasional (misalnya, lebih banyak keinginan untuk berbagi pengetahuan baru dengan guru lain); dan itu memperdalam
Pemahaman guru —tentang dinamika kelas, peran mereka sendiri dan peran murid, dan, dalam beberapa kasus,
dinamika sekolah dan distrik.
Akhirnya, perluasan repertoar dan sikap positif terhadap inovasi menghasilkan peningkatan Efikasi Diri (yaitu, saya
lebih terampil dalam melakukan hal baru yang baik ini, oleh karena itu saya merasa nyaman dengan diri saya sendiri
secara profesional).
Setelah implementasi yang baik, perubahan sikap inti (misalnya, “Saya belajar menjadi fleksibel”) pada dasarnya
berasal dari hubungan kerja guru dengan teman sebayanya, serta dengan siswa itu sendiri. Analis juga mengusulkan
bahwa perubahan konstruk Peran (misalnya, rekonseptualisasi pengajaran "terstruktur" sebagai produktif daripada
otoriter) pada dasarnya berasal dari pemahaman dasar dan dari pengalaman sukses transfer ke mata pelajaran dan
tugas lain. Transfer, itu sendiri, terutama berasal dari Self-eficacy, dalam model ini: Semakin baik perasaan saya
tentang kompetensi saya, semakin besar kemungkinan saya untuk mencoba ide dan praktik baru saya dalam aspek
lain dari pekerjaan saya.
Semua variabel ini dipetakan ke Tampilan 10.6, model prediksi kausal. Pikirkan hasil akhir sebagai rangkaian rantai
sebab akibat yang terjalin dengan hati-hati dari studi peningkatan sekolah, dengan kemungkinan yang dapat ditransfer
ke situs dan konteks yang sebanding. Setiap aliran adalah cerita tentang proyek dan pesertanya sepanjang waktu,
dan titik (atau variabel) konvergensi mereka adalah momen keterkaitan. Struktur model prediksi kausal dengan “Apa
yang terjadi selanjutnya?” skenario menguraikan narasi pendamping yang kami buat untuk pembaca untuk memberi
tahu mereka, "Inilah yang terjadi, dan inilah mengapa itu terjadi dalam urutan khusus ini." Ini menyiratkan bahwa kami
sedang mengajukan sebuah teori; dan teori adalah tentang prediksi.
Rekomendasi Pengembangan Model Prediksi Kausal.
Terkadang membantu membuat submodel yang sepenuhnya linier (W ÿ X ÿ Y ÿ Z), sebagai strategi penyederhanaan
(lihat profil metode untuk rantai sebab akibat di Bab 9). Ini juga berguna untuk mempertimbangkan pendekatan
pemetaan mundur: Anda mulai dengan hasil akhir dan alasan kembali sepanjang jalan kausal (Variabel mana, pada
prinsipnya, yang harus diubah untuk mendorong perubahan ini?).
Seringkali Anda merasa terhalang, tidak dapat memahami bagaimana variabel A dapat mengarah ke variabel C
dengan cara yang masuk akal. Harus ada satu atau lebih variabel lain dalam gambar yang mempengaruhi hasilnya.
Gunakan taktik menemukan variabel intervening untuk menghasilkan variabel B yang berada di antara A dan C.
Analis lain bisa saja keluar dengan model prediksi kausal yang agak berbeda. Aturan praktis mungkin memiliki
bobot yang berbeda, atau mungkin muncul akun alternatif yang sama-sama menarik. Anda harus memverifikasi model
sebab-akibat "akhir", paling mudah melalui kolega
dan peserta, yang dapat membantu Anda mengklarifikasi asumsi yang Anda buat dan menyarankan pandangan
alternatif (taktik: memeriksa penjelasan saingan). Diberikan model prediksi-sebab akibat yang cukup memuaskan
Anda secara intelektual, kembalilah sekali lagi ke catatan lapangan tertulis untuk bukti diskonfirmasi atau revisi yang
diperlukan. Tentu saja, ujian sebenarnya dari model prediksi-kausal adalah jika urutan yang sama terjadi di latar yang
berbeda di masa depan.
Catatan
Berharap untuk melakukan beberapa versi model prediksi kausal. Gunakan teknologi sederhana yang memungkinkan
fleksibilitas dalam penataan ulang—kartu indeks dan "catatan tempel" memang bekerja dengan baik untuk tahap awal
desain tampilan. Setelah itu relatif disetel, ubah nampan menjadi representasi digital dengan perangkat lunak
pemodelan. Dapatkan saran dari rekan kerja; jangan menutup terlalu cepat. Kembali berulang kali ke catatan lapangan
untuk memeriksa, menguji, dan memperluas model. Biasanya membantu untuk merujuk kembali ke matriks sebelumnya,
dengan melihat dengan baik outlier dan kasus ekstrim. Ketika kasus tertentu yang dipahami dengan baik tidak sesuai
dengan model, ubah model untuk mengakomodasi informasi tersebut, alih-alih mencoba menjelaskan informasi yang
"tidak nyaman".
Prediksi adalah konsep yang licin dalam penyelidikan kualitatif, tetapi mungkin ada beberapa kejadian di mana
proyeksi tentang apa yang mungkin, dapat, dan seharusnya terjadi merupakan hasil yang diperlukan dari usaha
penelitian kita. Kami menyarankan agar Anda memprediksi, mengusulkan, berhipotesis, dan berteori hanya setelah
analisis yang cermat dan refleksi yang cermat atas konsekuensi dari pernyataan Anda.
Kami telah menyelesaikan lima bab tentang metode analisis data kualitatif melalui tampilan: mengeksplorasi,
mendeskripsikan, mengurutkan, menjelaskan, dan memprediksi. Bab berikutnya menawarkan beberapa metode
untuk kerja analitik lebih lanjut—cara-cara untuk memastikan kredibilitas dan kepercayaan temuan Anda dengan
lebih baik.

(24-240) Translate Indo - Qualitative Data Analysis - A Methods Sourcebook (PDFDrive)

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

(24-240) Translate Indo - Qualitative Data Analysis - A Methods Sourcebook (PDFDrive)

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

Tujuan Buku Ini

Sifat Buku Ini

Genre Penelitian Kualitatif

untuk, mengambil tindakan, dan mengelola situasi sehari-hari mereka.

Pendekatan Analisis Data Kualitatif

Metode Analitik: Beberapa Fitur Umum

• Membandingkan generalisasi tersebut dengan kumpulan pengetahuan formal dalam bentuk

Sifat Data Kualitatif

Kekuatan Data Kualitatif

menghubungkan makna-makna ini dengan dunia sosial di sekitar mereka.

Kekuatan data kualitatif terpusat pada kompetensi analisisnya

Pandangan Kami tentang Analisis Data Kualitatif

Menggambar dan Memverifikasi Kesimpulan

Komponen Analisis Data: Model Interaktif

Saran untuk Pembaca

Mahasiswa dan Peneliti Pemula Lainnya

Pengajar Mata Kuliah Metode Penelitian Kualitatif

Penutupan dan Transisi

Pengambilan Sampel Banyak Kasus

Desain Ketat Versus Longgar: Beberapa Trade-Off

Membangun Kerangka Konseptual

inovasi, penggunanya, dan organisasi.

Pengaruh Utama pada Praktek Guru Seni Bahasa

Merumuskan Pertanyaan Penelitian

Bagaimana keputusan adopsi dibuat?

Apa komponen dari rencana awal untuk implementasi?

Apakah kondisi yang diperlukan untuk implementasi dipastikan sebelum dimulai?

Deskripsi dan Rasional

Kasus sebagai Unit Analisis

Sebuah kasus juga dapat didefinisikan oleh

• peran (kepala sekolah, CEO, pengawas perawat), • kelompok

siklus pemilihan presiden 2012).

Sampling: Membatasi Pengumpulan Data

Fitur Utama Sampling Kualitatif

karya pengembangan persahabatan.

Strategi Pengambilan Sampel Umum

Pengambilan Sampel Dalam Kasus

Pengambilan Sampel Banyak Kasus

Parameter Pengambilan Sampel Pilihan yang Mungkin

Acara Penangkapan, pemesanan, kemungkinan pengejaran tersangka, dan pembenaran

Anda meningkatkan generalisasi temuan Anda, jika relevan, baik melalui

Argumen untuk Instrumentasi Sedikit Sebelumnya

Instrumentasi Sebelumnya: Faktor Keputusan Utama

Argumen untuk Banyak Instrumentasi Sebelumnya

Argumen untuk "Tergantung"

Kutipan Dari Panduan Wawancara, Studi Peningkatan Sekolah

___ Terhubung dengan jelas, dibedakan vs. tidak terhubung, membingungkan

___ Jelas cara memulai vs. luar biasa, sulit

___ Kompleks (banyak bagian) vs. sederhana dan lugas

___ Preskriptif dan kaku vs. fleksibel dan dapat dimanipulasi

___ Menyiapkan bahan

___ Berbicara (dengan siapa, tentang apa)

___ Hal-hal turun

___ Hal-hal yang ditambahkan, dibuat

___ Hal-hal yang direvisi

Menghubungkan Data Kualitatif dan Kuantitatif

studi kualitatif, kami memiliki campuran yang sangat kuat.

Pendekatan untuk Desain Metode Campuran

Desain Ilustrasi yang Menghubungkan Data Kualitatif dan Kuantitatif

Berikut adalah beberapa contoh dari berbagai desain metode campuran.

Tingkat Penghitungan Selama

• 5 = tinggi, 4 = sedang/ tinggi, 3 = sedang, 2 = sedang/ rendah, 1 = rendah • 5 = halus, 4