Analyzing Qualitative Data for Journal Articles
Menganalisis Data Kualitatif untuk Artikel Jurnal

Collated and edited by Ross Woods, 2026

This is a guide for analyzing qualitative data to be used to write journal articles, that is, it is not as complex as you might need for a major dissertation. The aim is not to produce an exhaustive account of every coding decision, but to produce findings that are credible, transparent, and convincing.

It assumes that you have already collected a manageable amount of data (for example, 10–20 interviews, 3–4 focus groups, or a modest collection of documents. This guide emphasizes interpretation rather than software, and it should be usable whether you analyze data by hand, in Word, Excel, or with software such as NVivo or ATLAS.ti.

Purpose of analysis

The purpose of qualitative data analysis is to identify patterns, themes, and explanations that answer the research question. The goal is not simply to summarize what participants said, but to explain what their responses mean.

Workflow

For most journal articles, qualitative analysis follows a straightforward sequence. However, these are not just simple steps. The entire process is iterative; researchers often move backwards and forwards between the data, codes, and themes.

Prepare the data.
Read everything and become familiar with the data.
Code meaningful passages.
Review and combine similar codes into themes.
Review and refine the themes.
Check themes against the data.
Get a colleage to review your codes and themes.
Select representative quotations.
Write the findings.

Terminology

A code describes a specific idea in the data, while a theme explains what several related codes have in common:

A code is a short label that describes the meaning of a small piece of data, such as a sentence, paragraph, or quotation from a participant. Codes identify ideas, actions, feelings, experiences, or events that are important for answering the research question.
A theme is a broader pattern made up of several related codes. It represents an important idea or concept that appears repeatedly across the data and helps explain the findings of the study.

In the example below, the three individual codes describe specific ideas in particular quotations. Together they contribute to the broader theme Barriers to classroom participation.

Participant quotation	Code	Theme
"I was afraid to ask questions because everyone else seemed to understand."	Fear of asking questions	Barriers to classroom participation
"The lecturer spoke so quickly that I couldn't keep up."	Pace too fast	Barriers to classroom participation
"I worried that my classmates would laugh at me."	Fear of embarrassment	Barriers to classroom participation

Step 1. Prepare the data

Before analysis begins:

Transcribe interviews or focus groups if necessary
Check transcripts for accuracy
Remove identifying information if required
Organize files clearly, for example:

Interview01.docx
Interview02.docx
FocusGroup_A.docx
FocusGroup_B.docx
Document_01.docx
Document_02.docx

Step 2. Read the data

Read every transcript from beginning to end several times so that you feel familiar with it. Do not begin coding immediately; instead ask:

What is this participant talking about?
What seems important?
What surprises me?
What repeatedly appears?

Note your initial impressions immediately. Many researchers make short notes in the margin, even though these early notes are not yet formal codes. Examples of short notes might include:

frustration with technology
lack of support
unexpected benefit

Step 3. Begin coding

Read the transcripts again. Whenever a passage helps answer the research question, assign a short label (code). A code should describe one idea only, and should usually contain only one to four words. Here are two example quotations from transcripts with possible codes:

Quotation	Possible codes
"I was nervous during my first online class because I didn't know how to use Zoom."	anxiety, lack of technical skills, first online experience
"After several weeks I became much more confident."	increased confidence, learning through experience.

Step 4. Continue coding all data

Repeat the process for every interview or focus group. Do not worry if new codes appear, old codes disappear, or some codes merge together. Coding gradually becomes more consistent.

Many researchers keep a coding table like this:

Quotation	Code
"I was nervous."	anxiety
"Nobody helped me."	lack of support
"Later I became confident."	increased confidence

Step 5. Look for patterns

Once coding is complete, examine all the codes. Ask:

Which codes belong together?
Which ideas appear repeatedly?
Which ideas explain other ideas?

For example, the codes anxiety, uncertainty, and fear of technology might combine into a theme: Initial uncertainty. Similarly, the codes encouragement, technical support, and peer assistance might become the theme: Support enables success.

Themes should answer the research question, not merely group similar words.

Step 6. Review the themes

Read every transcript again. Ask:

Does every theme accurately represent the data?
Does every quotation fit its theme?
Have I overlooked anything important?

Sometimes themes need to be split into two themes, merged together, renamed, or discarded. In any case, good themes are:

internally consistent
clearly different from one another
supported by multiple participants

Step 7. Name the themes

A good theme name is short, descriptive, and meaningful. The theme title should already suggest the main finding.

Weak theme: Experiences
Better theme: Building confidence through practice
Weak theme: Technology
Better theme: Technology as a barrier to participation

Step 8. Peer review of coding

It's good practice to get a colleague to review the coding and themes to improve the credibility and transparency of the analysis. This forces you to justify analytical decisions. They are not trying to produce exactly the same coding as the original researcher or to create a new set of codes and themes.

A fresh reader often notices blind spots that the primary researcher has missed, such as overlooked patterns, contradictory evidence, unusual cases, and participant perspectives that have been unintentionally ignored. The colleague asks questions such as:

"Why did you code this passage this way?"
"Could this quotation fit a different code?"
"Have you overlooked another interpretation?"
"Are these two themes really different?"

The colleague also checks whether:

similar pieces of data receive similar codes,
the definitions of codes are applied consistently,
themes are internally coherent, and
the themes accurately represent the coded data.
every theme is supported by sufficient evidence,
quotations genuinely illustrate the theme,
the themes answer the research question, and
some themes should be merged, divided, renamed, or discarded.

If the colleague disagrees, record what the disagreement was, why the coding was reconsidered, and what changes (if any) were made. This demonstrates that the analysis developed through critical reflection rather than intuition alone.

Here it is as a practical procedure:

Complete the initial coding yourself and develop preliminary themes.
Give a colleague:

the research question,
code definitions,
several coded transcripts,
the proposed themes.

Ask the colleague to identify unclear coding, overlooked interpretations, inconsistencies, and weak themes.
Discuss any disagreements.
Revise the coding or themes where appropriate.
Record the major changes and the reasons for them.

Step 9. Select representative quotations

Readers need evidence. Choose quotations that clearly illustrate the theme, are easy to understand, and represent several participants rather than unusual opinions. Avoid using too many quotations. For journal articles, two to five quotations per major theme are often enough.

Step 10. Interpret the findings

Analysis does not stop after identifying themes. Interpretation is what turns coding into scholarship. Ask:

Why did this happen?
What explains this pattern?
How do the themes relate to one another?
How do the findings compare with previous research?

Instead of merely saying Participants lacked confidence explain: Participants' lack of confidence appeared to arise primarily from unfamiliarity with online learning rather than from resistance to technology itself.

Step 11. Write the findings

Formulate a cohesive story. Most journal articles organize findings around themes, for example:

Theme 1. Initial uncertainty

Describe the theme.
Include supporting quotations.
Interpret what the quotations mean.
Transition naturally to the next theme.

Theme 2. Learning through experience

Describe the theme.
Include supporting quotations.
Interpret what the quotations mean.
Transition naturally to the next theme.

The researcher's interpretation should always be more prominent than the quotations. Avoid presenting long lists of quotations with little explanation.

Checking the quality of your analysis

Before writing the discussion section, ask:

Do the themes answer the research question?
Are the themes supported by sufficient evidence?
Are contradictory cases acknowledged?
Have I distinguished participants' words from my interpretation?
Can another reader understand how the themes were developed?

If the answer is yes, the analysis is probably ready for publication.

Common mistakes

Avoid these common problems:

Reporting quotations without interpreting them.
Creating dozens of tiny themes instead of a few important ones.
Confusing topics with themes.
Coding every sentence regardless of its relevance.
Ignoring contradictory evidence.
Allowing interesting stories to overshadow the overall patterns.
Using vague theme names such as "Opinions"or "Experiences."

Example report of the analysis process.

This is a fictitious report that is typical of a published journal article. Published reports vary considerably. Some articles describe the analysis in only a few sentences, whereas others provide several paragraphs explaining the coding process, theme development, use of software, reflexive practices, and procedures used to enhance credibility. The level of detail should be appropriate for the journal, the complexity of the study, and the analysis method used. Regardless of length, readers should be able to understand how the researchers moved from the raw data to the reported themes.

The interview transcripts were analysed using thematic analysis. Audio recordings were transcribed verbatim and checked against the original recordings for accuracy. The transcripts were read several times to become familiar with the data and to gain an overall understanding of participants' experiences.

Coding was conducted inductively. Meaningful segments of text relevant to the research question were assigned descriptive codes. As coding progressed, similar codes were compared, merged, refined, or divided where necessary. Coding was iterative rather than linear, with earlier transcripts revisited as new insights emerged.

After all transcripts had been coded, related codes were grouped into broader categories. These categories were then examined to identify potential themes that captured recurring patterns across participants. Candidate themes were reviewed against the coded extracts and the complete dataset to ensure that they were internally coherent, distinct from one another, and adequately supported by the data. Several preliminary themes were combined or discarded because they overlapped substantially or were supported by insufficient evidence.

Throughout the analysis, analytic memos were maintained to record emerging ideas, relationships between codes, and decisions made during theme development. These memos provided an audit trail documenting the development of the analysis.

To enhance the credibility of the findings, a second qualitative researcher independently reviewed the coding framework, theme definitions, and representative quotations from several transcripts. Areas of disagreement were discussed until a shared interpretation was reached, leading to clarification of several code definitions and refinement of two themes. The purpose of this review was to strengthen the consistency and transparency of the analysis rather than to achieve statistical agreement.

The final themes were defined, named, and organised to answer the research question. Representative quotations were selected to illustrate each theme while preserving participants' anonymity.

Ini adalah panduan untuk menganalisis data kualitatif yang akan digunakan dalam penulisan artikel jurnal. Artinya, analisis yang dilakukan tidak perlu serumit analisis untuk disertasi besar. Tujuannya bukan untuk menghasilkan uraian yang sangat rinci tentang setiap keputusan dalam proses pengodean, tetapi untuk menghasilkan temuan yang kredibel, transparan, dan meyakinkan.

Panduan ini mengasumsikan bahwa Anda telah mengumpulkan data dalam jumlah yang dapat dikelola (misalnya, 10–20 wawancara, 3–4 kelompok fokus, atau sejumlah dokumen yang tidak terlalu banyak). Panduan ini menekankan interpretasi, bukan perangkat lunak, dan dapat digunakan baik ketika Anda menganalisis data secara manual, menggunakan Word atau Excel, maupun menggunakan perangkat lunak seperti NVivo atau ATLAS.ti.

Tujuan analisis

Tujuan analisis data kualitatif adalah mengidentifikasi pola, tema, dan penjelasan yang menjawab pertanyaan penelitian. Tujuannya bukan sekadar merangkum apa yang dikatakan oleh partisipan, tetapi menjelaskan makna dari tanggapan mereka.

Alur kerja

Untuk sebagian besar artikel jurnal, analisis kualitatif mengikuti urutan yang cukup sederhana. Namun, ini bukan sekadar langkah-langkah yang dilakukan secara berurutan. Keseluruhan proses bersifat iteratif; peneliti sering bergerak bolak-balik antara data, kode, dan tema.

Siapkan data.
Baca seluruh data dan kenali data tersebut dengan baik.
Berikan kode pada bagian-bagian data yang bermakna.
Tinjau dan gabungkan kode-kode yang serupa menjadi tema.
Tinjau dan sempurnakan tema.
Periksa tema dengan membandingkannya kembali dengan data.
Mintalah seorang kolega untuk meninjau kode dan tema Anda.
Pilih kutipan yang representatif.
Tulis temuan penelitian.

Istilah

Sebuah kode menggambarkan suatu gagasan tertentu dalam data, sedangkan sebuah tema menjelaskan kesamaan yang terdapat di antara beberapa kode yang saling berkaitan:

Sebuah kode adalah label singkat yang menggambarkan makna dari bagian kecil data, seperti kalimat, paragraf, atau kutipan dari seorang partisipan. Kode mengidentifikasi gagasan, tindakan, perasaan, pengalaman, atau peristiwa yang penting untuk menjawab pertanyaan penelitian.
Sebuah tema adalah pola yang lebih luas yang terdiri atas beberapa kode yang saling berkaitan. Tema mewakili suatu gagasan atau konsep penting yang muncul berulang kali dalam data dan membantu menjelaskan temuan penelitian.

Dalam contoh di bawah ini, ketiga kode individual menggambarkan gagasan tertentu dalam masing-masing kutipan. Secara bersama-sama, kode-kode tersebut membentuk tema yang lebih luas, yaitu Hambatan terhadap partisipasi di kelas.

Kutipan partisipan	Kode	Tema
"Saya takut bertanya karena semua orang lain tampaknya sudah memahami materi."	Takut bertanya	Hambatan terhadap partisipasi di kelas
"Dosen berbicara begitu cepat sehingga saya tidak dapat mengikutinya."	Tempo terlalu cepat	Hambatan terhadap partisipasi di kelas
"Saya khawatir teman-teman sekelas akan menertawakan saya."	Takut merasa malu	Hambatan terhadap partisipasi di kelas

Langkah 1. Siapkan data

Sebelum analisis dimulai:

Transkripsikan wawancara atau kelompok fokus jika diperlukan
Periksa keakuratan transkrip
Hapus informasi yang dapat mengidentifikasi partisipan jika diperlukan
Atur file dengan jelas, misalnya:

Wawancara01.docx
Wawancara02.docx
KelompokFokus_A.docx
KelompokFokus_B.docx
Dokumen_01.docx
Dokumen_02.docx

Langkah 2. Baca data

Baca setiap transkrip dari awal hingga akhir beberapa kali agar Anda benar-benar mengenal data tersebut. Jangan langsung mulai melakukan pengodean; sebaliknya, tanyakan:

Apa yang sedang dibicarakan oleh partisipan ini?
Apa yang tampaknya penting?
Apa yang mengejutkan saya?
Apa yang muncul berulang kali?

Segera catat kesan awal Anda. Banyak peneliti membuat catatan singkat di bagian pinggir, meskipun catatan awal ini belum merupakan kode formal. Contoh catatan singkat antara lain:

frustrasi terhadap teknologi
kurangnya dukungan
manfaat yang tidak terduga

Langkah 3. Mulai melakukan pengodean

Baca kembali transkrip tersebut. Setiap kali menemukan bagian yang membantu menjawab pertanyaan penelitian, berikan label singkat (kode). Sebuah kode sebaiknya hanya menggambarkan satu gagasan dan biasanya hanya terdiri atas satu hingga empat kata. Berikut adalah dua contoh kutipan dari transkrip beserta kemungkinan kodenya:

Kutipan	Kemungkinan kode
"Saya merasa gugup selama kelas daring pertama karena saya tidak tahu cara menggunakan Zoom."	kecemasan, kurangnya keterampilan teknis, pengalaman daring pertama
"Setelah beberapa minggu, saya menjadi jauh lebih percaya diri."	meningkatnya kepercayaan diri, belajar melalui pengalaman

Langkah 4. Lanjutkan pengodean seluruh data

Ulangi proses ini untuk setiap wawancara atau kelompok fokus. Jangan khawatir jika muncul kode-kode baru, kode-kode lama tidak lagi digunakan, atau beberapa kode digabungkan. Proses pengodean secara bertahap akan menjadi lebih konsisten.

Banyak peneliti menggunakan tabel pengodean seperti berikut:

Kutipan	Kode
"Saya merasa gugup."	kecemasan
"Tidak ada yang membantu saya."	kurangnya dukungan
"Kemudian saya menjadi lebih percaya diri."	meningkatnya kepercayaan diri

Langkah 5. Cari pola

Setelah pengodean selesai, periksa semua kode. Tanyakan:

Kode mana yang saling berkaitan?
Gagasan mana yang muncul berulang kali?
Gagasan mana yang menjelaskan gagasan lainnya?

Sebagai contoh, kode kecemasan, ketidakpastian, dan ketakutan terhadap teknologi dapat digabungkan menjadi sebuah tema: Ketidakpastian awal. Demikian pula, kode dorongan, dukungan teknis, dan bantuan teman sebaya dapat menjadi tema: Dukungan memungkinkan keberhasilan.

Tema harus membantu menjawab pertanyaan penelitian, bukan sekadar mengelompokkan kata-kata yang serupa.

Langkah 6. Tinjau tema

Baca kembali setiap transkrip. Tanyakan:

Apakah setiap tema secara akurat mewakili data?
Apakah setiap kutipan sesuai dengan temanya?
Apakah saya telah melewatkan sesuatu yang penting?

Terkadang tema perlu dibagi menjadi dua tema, digabungkan, diberi nama baru, atau dihapus. Dalam hal apa pun, tema yang baik:

konsisten secara internal
jelas berbeda satu sama lain
didukung oleh beberapa partisipan

Langkah 7. Beri nama pada tema

Nama tema yang baik bersifat singkat, deskriptif, dan bermakna. Judul tema sebaiknya sudah menunjukkan temuan utamanya.

Tema yang kurang baik: Pengalaman
Tema yang lebih baik: Membangun kepercayaan diri melalui praktik
Tema yang kurang baik: Teknologi
Tema yang lebih baik: Teknologi sebagai hambatan terhadap partisipasi

Langkah 8. Tinjauan sejawat terhadap pengodean

Merupakan praktik yang baik untuk meminta seorang kolega meninjau pengodean dan tema guna meningkatkan kredibilitas dan transparansi analisis. Proses ini mendorong Anda untuk memberikan alasan atas keputusan-keputusan analitis yang telah dibuat. Tujuannya bukan agar kolega menghasilkan pengodean yang persis sama dengan peneliti utama atau membuat seperangkat kode dan tema yang baru.

Pembaca yang melihat data dengan sudut pandang baru sering kali menemukan hal-hal yang terlewatkan oleh peneliti utama, seperti pola yang belum diperhatikan, bukti yang bertentangan, kasus yang tidak biasa, dan perspektif partisipan yang secara tidak sengaja terabaikan. Kolega dapat mengajukan pertanyaan seperti:

"Mengapa Anda memberikan kode seperti ini pada bagian tersebut?"
"Apakah kutipan ini dapat dimasukkan ke dalam kode yang berbeda?"
"Apakah ada interpretasi lain yang mungkin terlewatkan?"
"Apakah kedua tema ini benar-benar berbeda?"

Kolega juga memeriksa apakah:

bagian-bagian data yang serupa diberi kode yang serupa,
definisi kode diterapkan secara konsisten,
tema memiliki koherensi internal, dan
tema secara akurat mewakili data yang telah dikodekan,
setiap tema didukung oleh bukti yang memadai,
kutipan benar-benar menggambarkan tema,
tema menjawab pertanyaan penelitian, dan
beberapa tema perlu digabungkan, dibagi, diberi nama baru, atau dihapus.

Jika kolega tidak setuju, catat apa yang menjadi perbedaan pendapat, mengapa pengodean tersebut dipertimbangkan kembali, dan perubahan apa (jika ada) yang dilakukan. Hal ini menunjukkan bahwa analisis dikembangkan melalui refleksi kritis, bukan hanya berdasarkan intuisi.

Berikut adalah prosedur praktisnya:

Selesaikan sendiri pengodean awal dan kembangkan tema-tema sementara.
Berikan kepada seorang kolega:

pertanyaan penelitian,
definisi kode,
beberapa transkrip yang telah dikodekan,
tema-tema yang diusulkan.

Minta kolega tersebut untuk mengidentifikasi pengodean yang tidak jelas, interpretasi yang terlewatkan, ketidakkonsistenan, dan tema-tema yang lemah.
Diskusikan setiap perbedaan pendapat.
Perbaiki pengodean atau tema jika diperlukan.
Catat perubahan-perubahan utama dan alasan dilakukannya perubahan tersebut.

Langkah 9. Pilih kutipan yang representatif

Pembaca membutuhkan bukti. Pilih kutipan yang dengan jelas menggambarkan tema, mudah dipahami, dan mewakili beberapa partisipan, bukan pendapat yang tidak umum. Hindari menggunakan terlalu banyak kutipan. Untuk artikel jurnal, dua hingga lima kutipan untuk setiap tema utama biasanya sudah cukup.

Langkah 10. Interpretasikan temuan

Analisis tidak berhenti setelah tema-tema diidentifikasi. Interpretasi adalah proses yang mengubah pengodean menjadi karya ilmiah. Tanyakan:

Mengapa hal ini terjadi?
Apa yang menjelaskan pola ini?
Bagaimana tema-tema tersebut saling berkaitan?
Bagaimana temuan tersebut dibandingkan dengan penelitian sebelumnya?

Daripada hanya mengatakan Partisipan kurang percaya diri, jelaskan: Kurangnya kepercayaan diri partisipan tampaknya terutama disebabkan oleh ketidakbiasaan mereka dengan pembelajaran daring, bukan karena penolakan terhadap teknologi itu sendiri.

Langkah 11. Tulis temuan

Susunlah temuan menjadi uraian yang terpadu. Sebagian besar artikel jurnal mengorganisasi temuan berdasarkan tema, misalnya:

Tema 1. Ketidakpastian awal

Jelaskan tema.
Sertakan kutipan yang mendukung.
Interpretasikan makna dari kutipan tersebut.
Hubungkan secara alami dengan tema berikutnya.

Tema 2. Belajar melalui pengalaman

Jelaskan tema.
Sertakan kutipan yang mendukung.
Interpretasikan makna dari kutipan tersebut.
Hubungkan secara alami dengan tema berikutnya.

Interpretasi peneliti harus selalu lebih menonjol daripada kutipan. Hindari menyajikan daftar panjang kutipan dengan sedikit penjelasan.

Memeriksa kualitas analisis Anda

Sebelum menulis bagian pembahasan, tanyakan:

Apakah tema-tema tersebut menjawab pertanyaan penelitian?
Apakah tema-tema tersebut didukung oleh bukti yang memadai?
Apakah kasus-kasus yang bertentangan telah diakui?
Apakah saya telah membedakan antara kata-kata partisipan dan interpretasi saya?
Apakah pembaca lain dapat memahami bagaimana tema-tema tersebut dikembangkan?

Jika jawabannya ya, analisis tersebut kemungkinan sudah siap untuk dipublikasikan.

Kesalahan umum

Hindari masalah-masalah umum berikut:

Melaporkan kutipan tanpa menginterpretasikannya.
Membuat puluhan tema kecil daripada beberapa tema yang penting.
Mengacaukan topik dengan tema.
Memberikan kode pada setiap kalimat tanpa mempertimbangkan relevansinya.
Mengabaikan bukti yang bertentangan.
Membiarkan cerita yang menarik mengaburkan pola-pola keseluruhan.
Menggunakan nama tema yang tidak jelas seperti "Pendapat" atau "Pengalaman."

Contoh laporan proses analisis

Berikut adalah contoh laporan fiktif yang lazim ditemukan dalam artikel jurnal yang telah dipublikasikan. Laporan yang dipublikasikan sangat bervariasi. Beberapa artikel menjelaskan analisis hanya dalam beberapa kalimat, sedangkan artikel lainnya menggunakan beberapa paragraf untuk menjelaskan proses pengodean, pengembangan tema, penggunaan perangkat lunak, praktik refleksif, dan prosedur yang digunakan untuk meningkatkan kredibilitas. Tingkat perincian harus sesuai dengan jurnal, kompleksitas penelitian, dan metode analisis yang digunakan. Terlepas dari panjangnya, pembaca harus dapat memahami bagaimana peneliti bergerak dari data mentah hingga menghasilkan tema-tema yang dilaporkan.

Transkrip wawancara dianalisis menggunakan analisis tematik. Rekaman audio ditranskripsikan secara verbatim dan diperiksa dengan rekaman asli untuk memastikan keakuratannya. Transkrip dibaca beberapa kali untuk mengenali data dengan baik dan memperoleh pemahaman menyeluruh tentang pengalaman para partisipan.

Pengodean dilakukan secara induktif. Bagian-bagian teks yang bermakna dan relevan dengan pertanyaan penelitian diberi kode deskriptif. Seiring berlangsungnya proses pengodean, kode-kode yang serupa dibandingkan, digabungkan, disempurnakan, atau dipisahkan jika diperlukan. Pengodean dilakukan secara iteratif, bukan linear, dengan meninjau kembali transkrip-transkrip sebelumnya ketika muncul pemahaman baru.

Setelah semua transkrip selesai dikodekan, kode-kode yang saling berkaitan dikelompokkan ke dalam kategori yang lebih luas. Kategori-kategori tersebut kemudian diperiksa untuk mengidentifikasi tema-tema potensial yang mencerminkan pola-pola yang berulang di antara para partisipan. Tema-tema sementara ditinjau dengan membandingkannya dengan bagian-bagian data yang telah dikodekan dan keseluruhan kumpulan data untuk memastikan bahwa tema-tema tersebut memiliki koherensi internal, berbeda satu sama lain, dan didukung secara memadai oleh data. Beberapa tema awal digabungkan atau dihapus karena terlalu banyak tumpang tindih atau tidak didukung oleh bukti yang memadai.

Sepanjang proses analisis, memo analitis dibuat untuk mencatat gagasan-gagasan yang muncul, hubungan antara kode, dan keputusan yang dibuat selama pengembangan tema. Memo-memo tersebut menyediakan jejak audit yang mendokumentasikan perkembangan analisis.

Untuk meningkatkan kredibilitas temuan, seorang peneliti kualitatif kedua secara independen meninjau kerangka pengodean, definisi tema, dan kutipan-kutipan representatif dari beberapa transkrip. Perbedaan pendapat dibahas hingga tercapai interpretasi bersama, yang menghasilkan klarifikasi terhadap beberapa definisi kode dan penyempurnaan dua tema. Tujuan tinjauan ini adalah untuk memperkuat konsistensi dan transparansi analisis, bukan untuk mencapai kesepakatan secara statistik.

Tema-tema akhir didefinisikan, diberi nama, dan disusun untuk menjawab pertanyaan penelitian. Kutipan-kutipan representatif dipilih untuk menggambarkan setiap tema dengan tetap menjaga anonimitas partisipan.

CC BY-NC-ND
This work is released under a CC BY-NC-ND license, which means that you are free to do with it as you please as long as you (1) properly attribute it, (2) do not use it for commercial gain, and (3) do not create derivative works. Link
Disclaimer: Artificial Intelligence (AI) was used in some parts of this book. If AI plagiarized your content, contact the author with evidence to initiate changes.

Analyzing Qualitative Data for Journal Articles Menganalisis Data Kualitatif untuk Artikel Jurnal