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.

Panduan ini menjelaskan cara menganalisis data kualitatif untuk penulisan artikel jurnal. Proses yang dijelaskan tidak serumit analisis yang biasanya diperlukan untuk disertasi besar. Tujuannya bukan menghasilkan uraian yang sangat rinci mengenai setiap keputusan pengodean, melainkan menghasilkan temuan yang kredibel, transparan, dan meyakinkan.

Panduan ini mengasumsikan bahwa Anda telah mengumpulkan data dalam jumlah yang masih dapat dikelola (misalnya 10–20 wawancara, 3–4 focus group, atau kumpulan dokumen dalam jumlah sedang). Panduan ini menekankan interpretasi daripada penggunaan perangkat lunak, sehingga dapat digunakan baik saat menganalisis data secara manual, menggunakan Word, Excel, maupun 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 kerja yang cukup sederhana. Namun, langkah-langkah ini bukanlah proses yang benar-benar linear. Seluruh proses bersifat iteratif; peneliti sering kali bergerak maju dan mundur antara data, kode, dan tema.

Menyiapkan data.
Membaca seluruh data hingga benar-benar memahaminya.
Memberi kode pada bagian-bagian data yang bermakna.
Meninjau dan menggabungkan kode-kode yang serupa menjadi tema.
Meninjau dan menyempurnakan tema.
Memeriksa kembali tema dengan membandingkannya terhadap data.
Meminta seorang kolega meninjau kode dan tema yang telah dibuat.
Memilih kutipan yang paling mewakili.
Menulis hasil penelitian.

Istilah

Sebuah kode menggambarkan suatu gagasan tertentu dalam data, sedangkan sebuah tema menjelaskan persamaan yang dimiliki oleh beberapa kode yang saling berkaitan.

Sebuah kode adalah label singkat yang menggambarkan makna dari sebagian kecil data, misalnya sebuah 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 dibentuk oleh beberapa kode yang saling berkaitan. Tema mewakili suatu gagasan atau konsep penting yang muncul berulang kali dalam data dan membantu menjelaskan temuan penelitian.

Pada contoh di bawah ini, ketiga kode menggambarkan gagasan-gagasan tertentu yang terdapat dalam masing-masing kutipan. Ketiganya bersama-sama membentuk tema yang lebih luas, yaitu Hambatan terhadap Partisipasi di Kelas.

Kutipan partisipan	Kode	Tema
"Saya takut bertanya karena semua orang tampaknya sudah mengerti."	Takut bertanya	Hambatan terhadap partisipasi di kelas
"Dosen berbicara terlalu cepat sehingga saya tidak dapat mengikutinya."	Kecepatan berbicara terlalu tinggi	Hambatan terhadap partisipasi di kelas
"Saya khawatir teman-teman sekelas akan menertawakan saya."	Takut dipermalukan	Hambatan terhadap partisipasi di kelas

Langkah 1. Menyiapkan data

Sebelum analisis dimulai:

Transkripsikan wawancara atau focus group jika diperlukan.
Periksa kembali transkrip untuk memastikan keakuratannya.
Hilangkan informasi yang dapat mengidentifikasi partisipan jika diperlukan.
Atur berkas dengan nama yang jelas, misalnya:

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

Langkah 2. Membaca data

Bacalah setiap transkrip dari awal hingga akhir beberapa kali sampai Anda benar-benar mengenal isinya. Jangan langsung mulai memberi kode. Sebaliknya, tanyakan kepada diri sendiri:

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

Catat kesan awal Anda segera. Banyak peneliti membuat catatan singkat di tepi halaman, meskipun catatan awal ini belum merupakan kode formal. Contoh catatan singkat antara lain:

frustrasi terhadap teknologi
kurangnya dukungan
manfaat yang tidak diduga

Langkah 3. Mulai memberi kode

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

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

Langkah 4. Lanjutkan memberi kode pada seluruh data

Ulangi proses ini untuk setiap wawancara atau focus group. Jangan khawatir jika muncul kode-kode baru, beberapa kode lama tidak lagi digunakan, atau beberapa kode digabungkan menjadi satu. Seiring waktu, proses pengodean akan menjadi semakin konsisten.

Banyak peneliti menggunakan tabel pengodean seperti berikut:

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

Langkah 5. Mencari pola

Setelah seluruh proses pengodean selesai, periksalah semua kode yang telah dibuat. Tanyakan:

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

Misalnya, kode kecemasan, ketidakpastian, dan takut terhadap teknologi dapat digabungkan menjadi tema Ketidakpastian pada tahap awal. Demikian pula, kode dorongan, dukungan teknis, dan bantuan teman dapat menjadi tema Dukungan memungkinkan keberhasilan.

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

Langkah 6. Meninjau kembali tema

Bacalah kembali setiap transkrip. Tanyakan:

Apakah setiap tema benar-benar mewakili data?
Apakah setiap kutipan sesuai dengan tema yang diberikan?
Apakah ada hal penting yang saya lewatkan?

Terkadang suatu tema perlu dipecah menjadi dua tema, digabungkan dengan tema lain, diberi nama baru, atau dihapus. Bagaimanapun juga, tema yang baik memiliki ciri-ciri berikut:

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

Langkah 7. Memberi nama pada tema

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

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

Langkah 8. Telaah sejawat terhadap pengodean

Praktik yang baik adalah meminta seorang kolega meninjau kode dan tema yang telah dibuat untuk meningkatkan kredibilitas dan transparansi analisis. Proses ini memaksa peneliti menjelaskan dan mempertanggungjawabkan setiap keputusan analitis. Tujuannya bukan agar kolega menghasilkan kode yang persis sama dengan peneliti atau membuat kumpulan kode dan tema yang baru.

Seorang pembaca yang baru sering kali dapat menemukan kelemahan yang tidak disadari oleh peneliti utama, misalnya pola yang terlewat, bukti yang bertentangan, kasus-kasus yang tidak biasa, atau sudut pandang partisipan yang tanpa sengaja diabaikan. Kolega dapat mengajukan pertanyaan seperti:

"Mengapa bagian ini diberi kode seperti itu?"
"Apakah kutipan ini mungkin lebih sesuai dengan kode yang lain?"
"Apakah ada interpretasi lain yang terlewatkan?"
"Apakah kedua tema ini benar-benar berbeda?"

Kolega juga memeriksa apakah:

bagian-bagian data yang serupa diberi kode yang serupa,
definisi setiap kode diterapkan secara konsisten,
setiap tema memiliki konsistensi internal,
tema benar-benar mewakili data yang telah diberi kode,
setiap tema didukung oleh bukti yang memadai,
kutipan yang dipilih benar-benar menggambarkan tema tersebut,
tema-tema tersebut menjawab pertanyaan penelitian, dan
ada tema yang sebaiknya digabungkan, dipecah, diberi nama baru, atau dihapus.

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

Berikut prosedur praktisnya:

Selesaikan terlebih dahulu pengodean awal dan susun tema-tema sementara.
Berikan kepada kolega:

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

Mintalah kolega mengidentifikasi pengodean yang kurang jelas, interpretasi yang terlewat, ketidakkonsistenan, dan tema yang lemah.
Diskusikan setiap perbedaan pendapat.
Revisi kode atau tema jika diperlukan.
Catat perubahan-perubahan utama beserta alasan perubahan tersebut.

Langkah 9. Memilih kutipan yang mewakili

Pembaca memerlukan bukti. Pilihlah kutipan yang dengan jelas menggambarkan tema, mudah dipahami, dan mewakili beberapa partisipan, bukan hanya pendapat yang tidak biasa. Hindari menggunakan terlalu banyak kutipan. Untuk artikel jurnal, dua hingga lima kutipan untuk setiap tema utama biasanya sudah memadai.

Langkah 10. Menginterpretasikan temuan

Analisis tidak berhenti setelah tema berhasil diidentifikasi. Interpretasilah yang mengubah proses pengodean menjadi karya ilmiah. Tanyakan:

Mengapa hal ini terjadi?
Apa yang menjelaskan pola ini?
Bagaimana hubungan antartema?
Bagaimana temuan ini dibandingkan dengan penelitian sebelumnya?

Jangan hanya menuliskan Partisipan kurang percaya diri. Sebaliknya, jelaskan, misalnya: Kurangnya rasa percaya diri partisipan tampaknya terutama disebabkan oleh ketidakbiasaan mereka dengan pembelajaran daring, bukan karena penolakan terhadap teknologi itu sendiri.

Langkah 11. Menulis temuan

Susunlah temuan menjadi suatu uraian yang utuh dan mengalir. Sebagian besar artikel jurnal menyajikan temuan berdasarkan tema, misalnya:

Tema 1. Ketidakpastian pada tahap awal

Jelaskan tema tersebut.
Sertakan kutipan-kutipan yang mendukung.
Interpretasikan makna dari kutipan-kutipan tersebut.
Beralih secara alami ke tema berikutnya.

Tema 2. Belajar melalui pengalaman

Jelaskan tema tersebut.
Sertakan kutipan-kutipan yang mendukung.
Interpretasikan makna dari kutipan-kutipan tersebut.
Beralih secara alami ke tema berikutnya.

Interpretasi peneliti harus selalu lebih menonjol daripada kutipan-kutipan yang digunakan. Hindari menyajikan daftar kutipan yang panjang dengan sedikit atau tanpa penjelasan.

Memeriksa kualitas analisis

Sebelum menulis bagian pembahasan, tanyakan kepada diri sendiri:

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

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

Kesalahan yang sering terjadi

Hindari kesalahan-kesalahan berikut:

Menyajikan kutipan tanpa menginterpretasikannya.
Membuat puluhan tema kecil daripada beberapa tema penting.
Mengacaukan topik dengan tema.
Memberi kode pada setiap kalimat tanpa mempertimbangkan relevansinya.
Mengabaikan bukti yang bertentangan.
Membiarkan kisah-kisah yang menarik mengalihkan perhatian dari pola-pola utama.
Menggunakan nama tema yang terlalu umum, seperti "Pendapat" atau "Pengalaman".

Contoh laporan proses analisis

Berikut ini adalah contoh laporan fiktif yang menggambarkan bentuk laporan yang umum ditemukan dalam artikel jurnal. Laporan yang dipublikasikan sangat bervariasi. Ada artikel yang menjelaskan proses analisis hanya dalam beberapa kalimat, sedangkan artikel lain menyediakan beberapa paragraf yang menjelaskan proses pengodean, pengembangan tema, penggunaan perangkat lunak, praktik refleksivitas, dan prosedur yang digunakan untuk meningkatkan kredibilitas. Tingkat kerincian sebaiknya disesuaikan dengan jurnal tujuan, kompleksitas penelitian, dan metode analisis yang digunakan. Terlepas dari panjangnya laporan, 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 kata demi kata dan diperiksa kembali dengan membandingkannya terhadap rekaman asli untuk memastikan keakuratannya. Seluruh transkrip dibaca berulang kali agar peneliti memahami data secara mendalam dan memperoleh gambaran umum mengenai pengalaman para partisipan.

Pengodean dilakukan secara induktif. Bagian-bagian teks yang bermakna dan relevan dengan pertanyaan penelitian diberi kode deskriptif. Selama proses pengodean berlangsung, kode-kode yang serupa dibandingkan, digabungkan, disempurnakan, atau dipisahkan bila diperlukan. Proses pengodean bersifat iteratif, bukan linear, sehingga transkrip yang telah dianalisis sebelumnya ditinjau kembali ketika muncul pemahaman baru.

Setelah seluruh transkrip selesai diberi kode, kode-kode yang saling berkaitan dikelompokkan ke dalam kategori yang lebih luas. Kategori-kategori tersebut kemudian ditelaah untuk mengidentifikasi tema-tema yang menggambarkan pola-pola yang muncul berulang kali di antara para partisipan. Tema-tema sementara ditinjau kembali dengan membandingkannya terhadap kutipan-kutipan yang telah diberi kode maupun keseluruhan kumpulan data untuk memastikan bahwa setiap tema memiliki konsistensi internal, berbeda secara jelas dari tema lainnya, dan didukung secara memadai oleh data. Beberapa tema awal digabungkan atau dihapus karena tumpang tindih secara substansial atau didukung oleh bukti yang tidak memadai.

Selama proses analisis, peneliti membuat memo analitis untuk mencatat gagasan-gagasan yang muncul, hubungan antar kode, serta keputusan-keputusan yang diambil selama pengembangan tema. Memo-memo tersebut menyediakan jejak audit yang mendokumentasikan perkembangan proses analisis.

Untuk meningkatkan kredibilitas temuan, seorang peneliti kualitatif kedua secara independen meninjau kerangka pengodean, definisi tema, dan kutipan-kutipan yang mewakili dari beberapa transkrip. Perbedaan pendapat didiskusikan hingga dicapai kesepahaman, sehingga beberapa definisi kode menjadi lebih jelas dan dua tema berhasil disempurnakan. Tujuan telaah ini adalah meningkatkan konsistensi dan transparansi analisis, bukan untuk mencapai kesesuaian statistik.

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