Proses interpretasi dan analisis data merupakan bagian penting dari penelitian. Interpretasi data adalah proses memberikan makna pada data mentah, sedangkan analisis data bertujuan menarik kesimpulan dari hubungan antar variabel. Terdapat berbagai jenis analisis data, seperti univariat, bivariat, multivariat, kuantitatif, dan kualitatif.

1. Interpretasi Data
Merupakan kegiatan membahasakan data
Yakni fata-data yang ada yang umumnya berbentuk angka-angka,
diartikan atau diterjemahkan oleh peneliti
Berbeda dengan Analisis data yang merupakan usaha peneliti untuk menarik simpulan dari
data yang ada. Dimana biasanya peneliti mencoba mencari keterkaitan antara data yang ada
dengan teori yang digunakan, dan dengan analisis peneliti dari hasil pengamatan selama
peneliti melakukan pengumpulan data di lapangan
Proses interpretasi dan analisis data merupakan jiwa dari
laporan penelitian.

2. Analisis Data Kuantitatif
Analisis Univariant
 Dilakukan terhadap satu variabel
 Digunakan untuk kepentingan mendiskripsikan data
 Tidak ada perbedaan yang signifikan antara interpretasi terhadap grafik amupun tabel
frekuensi
Analisis Bivariant
Analisis mengenai hubungan antara dua variabel
Digambarkan dengan menggunakan tabel silang, bisa asimetris atau simetris
interpretasi
Variabel Bebas
Variabel terikat
persentase
 Persen baris; digunakan jika variabel
independen (bebbas) diletakkan pada
sisi baris
 Persen kolom; digunakan jika variabel
independen (bebas) diletakkan pada
sisi kolom
 Persen total; digunakan jika hubungan
antara dua variabel simetris

3.  Selain tabel silang (tabel bivariant) yang
menyadikan data dalam bentuk persentase,
maka analisis bivariant juga bisa dilakukan
dengan menampilkan ukuran-ukuran statistik.
 Untuk dapat memilih uji statistik yang tepat,
maka peneliti harus memiliki pengetahuan
statistik.
 Peneliti harus mengetahui skala dari variabel
yang digunakan
 Untuk hubungan antar variabel yang berskala
nominal bisa menggunakan uji statistik Lamda,
Cramers, dan Contingency Coeficient
 Untuk hubungan antar variabel yang berskala
ordinal bisa menggunakan uji statistik
Sommersd Gamma, dan Tau kendall
 untuk hubungan antar variabel yang berskala
interval/rasio bisa menggunakan uji statistik
Pearson
 Jika salah satu variabel berskala nominal dan
variabel lain berskala ordinal, maka
menggunakan uji statistik untuk variabel dengan
skala yang lebih rendah
 Chi Square, merupakan ukuran asosiasi yang berusaha
untuk menguji hipotesis bahwa antar variabel
independen dan variabel dependen terdapat hubungan
yang signifikan
 Lambda, merupakan uji statistik yang memperhitungkan
pengukuran proporsional pada keslahan
 Tau Kendall, merupakan ukuran korelasi non-parametik
yang digunakan untuk variabel berskala ordinal dengan
arah hubungan yang simetris maupun asimetris
 Sommers’d, merupakan uji statistik yang digunakan
untuk mengukur kekuatan hubungan pada skala
pengukuran ordinal dengan arah hubungan simetris
maupun asimetris
 Koefisien korelasi Spearman, digunakan untuk mengukur
korelasi antara dua variabel ordinal
 Koefisien korelasi product momment Pearson, merupakan
uji statistik yang digunakan untuk mengukur kekuatan
hubungan linear antara data yang berskala interval/rasio
dengan atau hubungan simetrik.
 Regresi linear, merupakan uji statistik yang digunakan
untuk menguji apakah ada hubungan antar sebuah
variabel dependen dengan satu atau beberapa variabel
independen

4. Merupakan analisis yang melihat pola hubungan lebih dari dua variabel.
(Variabel independen, variabel dependen, dan variabel kontrol)
Selain menggunakan tabel silang multivariant, hubungan antara lebih dari dua variabel bisa
menggunakan pola elaborasi. Elaborasi dapat dilakukan dengan melihat hasil pada presentase
tabel atau juga melihat kekuatan hubungan melalui uji statistik. Terdapat lima bentuk elaborasi,
yaitu:
a. Replikasi, Jika hubungan multivariant sama dengan hubungan bivariant
b. Spesifikasi, jika hubungan multivariant hanya menunjukkan pada salah satu kategori, atau
hubungan bivariant menjadi lebih spesifik di dalam salah satu kategori variabel kontrol yang
digunakan
c. Interpretasi, jika hubungan bivariant menjadi semakin lemah atau hilang pada hasil
elaborasi. Kondisi ini bisa berlaku jika variabel kontrol merupakan variabel antara
d. Eksplanisasi, jika hubungan bivariant menjadi semakin lemah atau hilang pada hasil
elaborasi. Kondisi ini bisa berlaku jika variabel kontrol merupakan variabel antesedent
e. Suppresor, jika tidak terlihat adanya hubungan di dalam analisis bivariant, namun ketika
dielaborasi, terlihat adanya hubungan antara kedua variabel
Analisis Multivariant

5. Analisis Data Kualitatif
• Karakter data kualitatif berkaitan erat
dengan realitas sosial dan hakikat
manusia yang dikaji oleh kaum interpretif
(pemberian makna)
• Penangkapan realitas sosial hanya
menggunakan panca indra harus
diinterpretasi melalui proses yang
melibatkan faktor kognisi (pengetahuan)
• Melakukan perbandingan antara
pengamatan yang empirik dengan
jaringan input (makna) yang telah ada.
Jaringan input bisa berbentuk norma,
idiologi, atau tradisi yang melengkapi
realisasi sosial yang sedang dikaji
Teori
Analisis data
Pengumpulan data
Data

6. Realitas sosial hanya akan memiliki arti signifikan, jika dapat dilihat
keterkaitannya dengan teori-teori interpretif yang ada dalam komunitas di
mana realitas sosial itu ada.
 Tahap pertama, analisis akan dilakukan secara bersamaan dengan proses
pengumpulan data, proses interpretasi data dan juga penulisan narrative
reporting
 Tahap kedua dilakukan saat melakukan proses analisis data. Tahap kedua
ini sering juga disebut sebagai formasi konsep dimana peneliti berusaha
melakukan re-contextualization dan co-contextualization
 Tahap ketiga adalah melakukan beberapa bentuk presentasi data yang
dapat memudahkan pembaca untuk memahami kompleksitas gejala
yang diteliti
 Tahap keempat peneliti mengidentifikasi prosedur coding yang dilakukan
untuk mereduksi informasi ke dalam berbagai tema dan kategori
Realitas sosial X
Makna X
Makna Z
Makna Y
Interpretasi
tentang X dalam
rangkaian X Y Z
kesimpulan
Analisis data
Kategori data Kategori data
Reduksi data
Analisis data
Data Data Data Data Data
Re-contextualization diartikan sebagai kegiatan yang
dilakukan peneliti untuk melakukan organisasi data
dengan cara meletakkan data tersebut dalam konteks
makna yang ada.
De-contextualization diartikan sebagai kegiatan yang
dilakukan peneliti untuk menemukan rangkaian gejala
yang tidak terkait dan karenanya mengaburkan makna
gejala utama yang sedang diteliti