Qualitative Design &

Data Analysis
Adi Utarini
Sampling Issues
Criteria for a good sample

• Main criterion: richness of information

• Representative from a theoretical viewpoint
• Determine variations of characteristics in the
population
• Purposively select location and informants
Purposive Sampling techniques
• Extreme case
• Maximum variation
• Homogenous sampling
• Typical case sampling
• Snowball sampling
• Convenience sampling
 Determine sample size

• Tentatively determined, based on sample

characteristics and research objective
• The number of sample size is finalized during
data collection process
• Key consideration: Saturation or redundancy
(Any new information?)
Trustworthiness:
Is it worth to trust?
Issue Qualitative Quantitative
criteria criteria
Truth value Credibility Internal validity

Applicability Transferability External validity

Consistency Dependability Reliability

Neutrality Confirmability Objectivity

 Credibility (‘Internal Validity’)
• Have we been able to capture multiple
realities?
• Can ‘they’ recognize the ‘truth’?
• Do others understand this?

Strategy: Triangulation, prolonged observation,

member checking
Strategy for Improving Rigor in QL
Criteria Strategy

Credibility Prolonged observation,

triangulation, member checking

Transferability Thick description

Dependability Inquiry audit, decision trails

Conformability Reflexive diary

Credibility: Triangulation

• Data sources
• Method
• Investigators
• Theory
 Common strategies used:
• Data collection phase:
– Member checking
– Triangulation of data sources and method
– Peer-debriefing

• Analysis:
– Multiple coding
 Qualitative Analysis
the range of processes and procedures whereby we move
from the qualitative data that have been collected into
some form of explanation, understanding or interpretation
of the people and situations we are investigating
 Approaches in Data analysis
Content Analysis
Phenomenology
Focused
ethnography
? Grounded
Case Studies Theory

Ethnography Narrative
 PREPARATION
Field Notes or Raw Data
(eg diary, recording, observation; words, text)

Write-ups/Complete notes
(can be read by anyone, editable for accuracy,
can be coded/analysed; aware of biases)

Data Analysis
 Analysis: Open Coding
• Identify codes

• Group codes into sub-category and

category

• Group categories into themes

 Pemanfaatan standar oleh dokter di RS
pendidikan: Apa maknanya?

• Standar itu dipakai oleh residen junior. Kalau

yang sudah senior tidak..

• Ibaratnya [standar itu] dipake kalau

penyakitnya S, M, L seperti baju..
 Example of Coding:
A Study on Hypoglycaemia

Ref: Graneheim and Lundman (2004)

Mengelompokkan koding menjadi kategori
• Definisi:
– Kelompok yang mempunyai kesamaan (commonality)
– Secara internal bersifat homogen, akan tetapi secara
eksternal bersifat heterogen
– Bersifat mutually exclusive (tidak saling tumpang
tindih)
• Fungsi:
– Benang merah code
– Tingkatan deskriptif
– Menjelaskan: What?
 Latihan koding: Mengapa merokok?
• Saya sudah mencoba berhenti merokok beberapa kali, tetapi
saya tidak berhasil
• Saya senang merasakan memegang rokok di tangan saya
• Karena menyenangkan..
• Kenapa harus berhenti?
• Saya suka mengeluarkan asap melalui mulut dan hidung
• Karena saya merasa percaya diri dan punya kontrol kalau sedang
merokok
• Membantu saya untuk berpikir lebih baik
• Saya suka image ketika merokok
• Saya merasa orang jadi lebih menghargai saya kalau saya
perokok
• Semua teman saya perokok
• ……………………………………………..
 Kategori alasan merokok
Pleasure (pls)
Saya senang merasakan
memegang rokok di tangan
saya (Sensasi
menyenangkan)
Karena menyenangkan…
(menyenangkan)
Saya suka mengeluarkan asap
melalui mulut dan hidung
(nikmat)
Saya senang membuat
bentuk lingkaran ketika
mengeluarkan asap
(kenikmatan)
Being sociable Giving self-
(soc) confidence (Sc)
Semua teman saya perokok Karena saya merasa
(pertemanan, pergaulan) percaya diri dan punya
kontrol kalau sedang
merokok (percaya diri,
kendali)
Kalau saya tawari rokok, Membantu memecahkan
membantu orang lain masalah (memampukan)
menjadi ramah dan nyaman Bisa berpikir lebih baik
ke saya (penerimaan/ (memampukan)
acceptance)
Example of Public Domain Software for
Qualitative analysis:

OpenCode
www8.umu.se/phmed/epidemi/forsk
ning/open_code.html
 Terima Kasih

Terima kasih apabila bapak/ibu tertarik menggunakan slide ini. Mohon menyebutkan
sumber slide untuk menghargai penyusun slide (AU) dan menjunjung integritas akademik