Analisis Data Sekunder untuk Skripsi dan Tesis: Cara Menggunakan Dataset dan Dokumen yang Sudah Ada

Data belum terkumpul, waktu bimbingan makin dekat, dan kamu mulai sadar bahwa menyebar kuesioner atau wawancara puluhan responden tidak selalu realistis untuk jadwal skripsi atau tesis. Di sisi lain, kamu menemukan banyak data yang sudah tersedia: laporan tahunan perusahaan, statistik pemerintah, arsip berita, dokumen kebijakan kampus, transkrip pidato, unggahan media sosial organisasi, atau dataset terbuka. Masalahnya, memakai data yang sudah ada sering dianggap “lebih mudah”, padahal dosen pembimbing biasanya tetap akan bertanya: datanya dari mana, kenapa layak dipercaya, bagaimana dianalisis, dan apa batasannya? Di titik ini, analisis data sekunder bukan jalan pintas, melainkan pilihan metodologis yang harus dijelaskan dengan rapi.

Analisis data sekunder berarti memakai dataset, arsip, laporan, dokumen kebijakan, artikel, atau catatan yang sudah tersedia sebagai bahan bukti penelitian. Agar layak untuk skripsi atau tesis, mahasiswa perlu menjelaskan asal data, kriteria pemilihan, cara analisis, batasan, dan alasan mengapa data tersebut cocok dengan pertanyaan penelitian.

In this guide

• Apa itu analisis data sekunder dalam skripsi atau tesis?
• Kapan menggunakan data sekunder lebih masuk akal daripada mengumpulkan data baru?
• Bagaimana cara memilih dataset atau dokumen yang layak dianalisis?
• Bagaimana metode analisis dokumen diterapkan pada bahan yang sudah ada?
• Bagaimana cara menganalisis data yang sudah ada secara sistematis?
• Bagaimana menulis bab metodologi untuk metode penelitian data sekunder?
• Kesalahan apa yang sering dilakukan mahasiswa saat melakukan analisis data sekunder?
• Bagaimana contoh analisis data sekunder terlihat di berbagai bidang?
• Bagaimana mengecek kesiapan analisis data sekunder sebelum lanjut menulis?

Apa itu analisis data sekunder dalam skripsi atau tesis?

Analisis data sekunder adalah penggunaan data yang sudah dikumpulkan, diterbitkan, atau diarsipkan oleh pihak lain untuk menjawab pertanyaan penelitian baru. Data tersebut bisa berbentuk angka, teks, gambar, catatan administratif, dokumen hukum, laporan institusi, atau rekaman digital. Dalam skripsi dan tesis S2, pendekatan ini sah selama sumber data, relevansi, teknik analisis, dan keterbatasannya dijelaskan secara terbuka.

Data sekunder bukan sekadar “data dari internet”

Data sekunder adalah data yang tidak dikumpulkan langsung oleh peneliti untuk studi yang sedang ditulis. Contohnya adalah data Badan Pusat Statistik, laporan keuangan perusahaan, laporan audit, peraturan pemerintah, dokumen kurikulum, putusan pengadilan, hasil survei nasional, atau dataset publik dari lembaga riset. Data dari internet baru bisa disebut layak jika sumbernya jelas, stabil, dapat dilacak, dan sesuai dengan kebutuhan penelitian.

Kesalahan umum terjadi ketika mahasiswa menyalin tabel dari situs web tanpa menjelaskan siapa pembuat data, kapan data dikumpulkan, dan bagaimana data itu awalnya dibuat. Padahal, kualitas analisis akan bergantung pada kualitas data awal. Jika sumber datanya lemah, hasil analisis ikut rapuh, meskipun teknik analisisnya terlihat rapi.

Analisis sekunder tetap membutuhkan desain penelitian

Menggunakan data sekunder tidak berarti bagian metodologi boleh ditulis singkat. Kamu tetap perlu merumuskan pertanyaan penelitian, menentukan unit analisis, memilih kriteria dokumen atau dataset, menjelaskan teknik pengolahan, lalu mengaitkan temuan dengan teori atau konsep. Jika kamu masih menentukan apakah pendekatan ini cocok, alur dalam memilih metodologi penelitian berdasarkan pertanyaan dan sumber daya bisa membantu melihat hubungan antara pertanyaan, data, dan keterbatasan waktu.

Pada penelitian kuantitatif, analisis data sekunder dapat memakai dataset statistik yang sudah tersedia. Pada penelitian kualitatif, data sekunder bisa berupa dokumen organisasi, kebijakan, berita, unggahan resmi, atau arsip wawancara. Pada studi konseptual, sumber sekunder bisa berupa teks akademik dan dokumen normatif yang dianalisis untuk membangun argumen.

Kapan menggunakan data sekunder lebih masuk akal daripada mengumpulkan data baru?

Menggunakan data sekunder lebih masuk akal ketika data yang dibutuhkan sudah tersedia, dapat dipercaya, dan cukup relevan untuk menjawab pertanyaan penelitian. Pilihan ini juga tepat ketika pengumpulan data primer terlalu mahal, terlalu lama, sulit secara etis, atau tidak mungkin dijangkau oleh mahasiswa S1/S2. Namun, alasan praktis saja tidak cukup; kamu tetap harus menunjukkan bahwa data sekunder memang cocok secara akademik.

Situasi yang cocok untuk data sekunder

Data sekunder cocok ketika penelitianmu membutuhkan cakupan waktu atau wilayah yang sulit dikumpulkan sendiri. Misalnya, mahasiswa manajemen ingin meneliti hubungan kinerja keuangan dan praktik keberlanjutan pada perusahaan terbuka selama lima tahun. Mengumpulkan data primer dari semua perusahaan akan sulit, tetapi laporan tahunan dan laporan keberlanjutan menyediakan jejak data yang bisa dianalisis.

Dalam psikologi sosial, mahasiswa dapat meneliti perubahan representasi kesehatan mental dalam kampanye publik dengan menganalisis unggahan resmi lembaga kesehatan dari tahun tertentu. Dalam keperawatan, mahasiswa bisa meninjau data audit rumah sakit atau laporan mutu pelayanan yang sudah dianonimkan, jika akses dan izin institusional tersedia. Dalam pendidikan, mahasiswa dapat menganalisis dokumen kurikulum, modul ajar, atau kebijakan asesmen untuk melihat bagaimana konsep literasi digital dimunculkan.

Kapan data primer tetap lebih tepat

Data sekunder kurang cocok jika pertanyaan penelitian membutuhkan pengalaman langsung, persepsi terbaru, atau informasi yang tidak tercatat dalam dokumen. Jika kamu ingin mengetahui alasan personal mahasiswa menunda pengerjaan skripsi, wawancara atau survei mungkin lebih tepat daripada membaca kebijakan akademik. Dokumen dapat menunjukkan aturan dan konteks, tetapi tidak selalu menjelaskan pengalaman subjektif.

Pertanyaan “mengapa” yang menuntut penjelasan mendalam kadang tetap membutuhkan data primer. Namun, data sekunder masih bisa dipakai sebagai pelengkap: kebijakan kampus, pedoman skripsi, dan jadwal akademik dapat memberi konteks sebelum wawancara dilakukan. Jika kamu ragu memilih jalur kuantitatif, kualitatif, atau konseptual, lihat juga tiga jalur metode penelitian agar desain tidak dipilih hanya karena terasa paling cepat.

Bagaimana cara memilih dataset atau dokumen yang layak dianalisis?

Dataset atau dokumen layak dianalisis jika sumbernya jelas, relevan dengan pertanyaan penelitian, cukup lengkap, dan dapat dipertanggungjawabkan. Kamu perlu menilai siapa pembuat data, tujuan awal pengumpulan, periode data, cakupan populasi, format, akses, serta potensi bias. Pemilihan data sebaiknya ditulis sebagai keputusan metodologis, bukan sekadar daftar bahan yang kebetulan ditemukan.

Kriteria seleksi yang bisa dijelaskan di metodologi

Kriteria seleksi membantu pembaca memahami mengapa bahan tertentu dipakai dan bahan lain ditinggalkan. Untuk dataset kuantitatif, kriteria dapat mencakup tahun data, variabel yang tersedia, ukuran sampel, definisi indikator, dan konsistensi format. Untuk dokumen, kriteria dapat mencakup jenis dokumen, lembaga penerbit, periode, status resmi, relevansi topik, dan keterbacaan isi.

Jika kamu memakai laporan tahunan perusahaan, jelaskan apakah semua laporan berasal dari situs resmi perusahaan atau bursa efek. Jika memakai berita daring, tentukan media, periode, kata kunci pencarian, dan alasan memilih jenis berita tertentu. Untuk menilai kredibilitas sumber akademik dan nonakademik, kamu bisa memakai prinsip dalam peta verifikasi kredibilitas sumber akademik.

Perbandingan pilihan data yang lemah dan lebih kuat

Versi lemah	Versi lebih kuat
“Saya memakai data dari Google karena banyak tersedia.”	“Saya memakai laporan tahunan 2020–2024 dari situs resmi 12 perusahaan sektor perbankan yang terdaftar di BEI.”
“Dokumen yang dianalisis adalah beberapa berita tentang pembelajaran online.”	“Dokumen yang dianalisis adalah 60 berita pendidikan dari tiga media nasional pada periode Maret–Desember 2020 dengan kata kunci ‘pembelajaran daring’ dan ‘sekolah online’.”
“Data kesehatan diambil dari laporan rumah sakit.”	“Data yang digunakan adalah ringkasan laporan mutu layanan rawat jalan tahun 2022–2023 yang telah dianonimkan dan disetujui oleh unit terkait.”
“Saya memilih dokumen kebijakan kampus yang relevan.”	“Saya memilih pedoman akademik, panduan skripsi, dan surat edaran evaluasi pembelajaran yang berlaku pada tahun akademik 2023/2024.”

Tabel seperti ini membantu kamu mengubah pilihan data dari “terlihat praktis” menjadi “dapat diaudit”. Dosen pembimbing biasanya tidak menuntut data sempurna, tetapi mereka akan mencari jejak keputusan yang masuk akal.

Bagaimana metode analisis dokumen diterapkan pada bahan yang sudah ada?

Metode analisis dokumen diterapkan dengan membaca dokumen sebagai bukti, bukan hanya sebagai kutipan pendukung. Peneliti menentukan korpus dokumen, membuat kriteria inklusi, mengode isi dokumen, mengelompokkan tema, lalu menafsirkan pola berdasarkan teori atau konsep. Hasilnya harus menunjukkan bagaimana dokumen menjawab pertanyaan penelitian, bukan hanya merangkum isi dokumen satu per satu.

Bedakan dokumen sebagai sumber data dan sumber teori

Dokumen sebagai sumber data berarti isi dokumen dianalisis untuk menghasilkan temuan. Misalnya, pedoman kurikulum dianalisis untuk melihat bagaimana kompetensi berpikir kritis didefinisikan. Dokumen sebagai sumber teori berarti artikel, buku, atau teori dipakai untuk membangun landasan konseptual, bukan menjadi objek utama analisis.

Perbedaan ini sering kabur dalam tinjauan pustaka. Mahasiswa menulis banyak ringkasan artikel, lalu menyebutnya analisis dokumen. Padahal, tinjauan pustaka dan analisis dokumen memiliki fungsi berbeda. Jika fokusmu adalah menata penelitian terdahulu, gunakan prinsip dalam peta sumber dan celah penelitian dalam tinjauan pustaka. Jika fokusmu adalah membaca dokumen kebijakan, arsip, atau laporan sebagai bukti, jelaskan korpus dokumen dan teknik kodingnya.

Dari dokumen ke kode, tema, dan klaim

Dalam analisis dokumen kualitatif, kamu bisa mulai dari kode deskriptif. Misalnya, dalam dokumen kebijakan pembelajaran daring, kode awal dapat berupa “akses perangkat”, “peran orang tua”, “asesmen fleksibel”, dan “beban guru”. Kode kemudian dikelompokkan menjadi tema yang lebih besar, seperti “ketimpangan akses” atau “pergeseran tanggung jawab belajar”.

Pada bahan hukum, metode analisis dokumen bisa berfokus pada istilah normatif, struktur argumentasi, dan perubahan rumusan pasal. Pada bahan bisnis, analisis dapat melihat pola narasi keberlanjutan dalam laporan perusahaan. Pada bahan kesehatan, analisis bisa menilai bagaimana panduan layanan pasien menyebut kepatuhan obat, komunikasi keluarga, atau risiko pulang rawat.

Bagaimana cara menganalisis data yang sudah ada secara sistematis?

Cara menganalisis data yang sudah ada dimulai dari menyamakan pertanyaan penelitian dengan struktur data. Setelah itu, kamu membersihkan data, menentukan unit analisis, memilih teknik analisis, mencatat keputusan pengolahan, dan menafsirkan temuan dengan batasan yang jelas. Sistematis berarti setiap langkah dapat dijelaskan ulang oleh pembaca, bukan hanya “data dianalisis menggunakan Excel” atau “dokumen dibaca secara mendalam”.

Langkah kerja untuk dataset kuantitatif

Untuk dataset angka, proses analisis biasanya membutuhkan dokumentasi yang lebih rinci. Bahkan jika kamu hanya memakai statistik deskriptif, pembaca perlu tahu variabel apa yang digunakan dan bagaimana variabel itu dihitung. Jika datanya berasal dari lembaga resmi, tetap periksa definisi indikator, perubahan metode pengukuran, dan data hilang.

1. Tentukan unit analisis, misalnya individu, sekolah, perusahaan, kabupaten, atau tahun.
2. Pilih variabel yang langsung terhubung dengan pertanyaan penelitian.
3. Periksa definisi setiap variabel dalam dokumentasi dataset.
4. Bersihkan data duplikat, nilai kosong, atau kategori yang tidak konsisten.
5. Buat tabel deskriptif awal untuk memahami sebaran data.
6. Pilih teknik analisis, seperti tabulasi silang, korelasi, regresi sederhana, atau analisis tren.
7. Simpan catatan perubahan data agar proses dapat dilacak.
8. Tafsirkan hasil dengan mengingat bahwa data awal tidak dibuat khusus untuk penelitianmu.

Jika penelitianmu memakai survei nasional tentang kesejahteraan psikologis mahasiswa, misalnya, jangan langsung mengambil semua variabel yang terlihat menarik. Pilih variabel yang menjawab pertanyaan, seperti frekuensi dukungan sosial, gejala stres, atau akses layanan konseling, lalu jelaskan batasan pengukurannya.

Langkah kerja untuk dokumen kualitatif

Untuk dokumen, prosesnya lebih banyak berkaitan dengan pembacaan, koding, dan penafsiran. Mulailah dengan membuat daftar korpus: nama dokumen, penerbit, tahun, jumlah halaman, dan alasan pemilihan. Setelah itu, buat kode awal yang sesuai dengan konsep penelitian.

Contoh lemah dan lebih kuat:

Versi mahasiswa yang lemah	Revisi yang lebih kuat
“Saya akan membaca laporan keberlanjutan perusahaan dan melihat apakah perusahaan peduli lingkungan.”	“Saya akan menganalisis bagian strategi lingkungan dalam laporan keberlanjutan 2021–2024 dengan kode ‘target emisi’, ‘pengukuran dampak’, ‘program komunitas’, dan ‘klaim tanpa indikator’.”
“Saya akan melihat berita tentang kecemasan mahasiswa.”	“Saya akan mengode 40 berita tentang kecemasan mahasiswa berdasarkan penyebab yang disebutkan, aktor yang dikutip, dan solusi yang ditawarkan.”

Revisi yang lebih kuat tidak hanya terdengar akademik; ia memberi jalan kerja yang bisa dijalankan. Kamu tahu bagian mana yang dibaca, apa yang dicari, dan bagaimana temuan akan dibentuk.

Bagaimana menulis bab metodologi untuk metode penelitian data sekunder?

Bab metodologi untuk metode penelitian data sekunder perlu menjelaskan desain penelitian, sumber data, kriteria pemilihan, prosedur pengumpulan dari sumber yang sudah ada, teknik analisis, serta batasan data. Pembaca harus bisa melihat bahwa kamu tidak mengambil data secara acak. Bab ini juga perlu membedakan antara data yang dianalisis, teori yang digunakan, dan literatur pendukung.

Struktur metodologi yang mudah diperiksa dosen

Bagian metodologi bisa disusun dengan urutan sederhana: jenis penelitian, sumber data, unit analisis, teknik pemilihan data, prosedur pengolahan, teknik analisis, dan keterbatasan. Untuk skripsi S1, penjelasan biasanya tidak perlu terlalu teknis, tetapi tetap harus spesifik. Untuk tesis S2, pembimbing sering mengharapkan alasan metodologis yang lebih eksplisit.

Misalnya, jangan hanya menulis, “Penelitian ini menggunakan data sekunder dari laporan perusahaan.” Tulis sumber laporan, periode, jumlah perusahaan, kriteria inklusi, bagian laporan yang dianalisis, dan teknik analisis. Jika kamu kesulitan menata bab metodologi, alur visual penyusunan bab metodologi dapat membantu memecah bagian-bagian yang sering tercampur.

Contoh rumusan metodologi singkat

Rumusan yang lemah:

“Penelitian ini menggunakan data sekunder. Data dianalisis dengan metode deskriptif.”

Rumusan yang lebih kuat:

“Penelitian ini menggunakan metode analisis data sekunder terhadap laporan tahunan 15 perusahaan ritel yang terdaftar di BEI pada periode 2020–2024. Data yang dianalisis mencakup rasio profitabilitas, pertumbuhan penjualan, dan bagian narasi strategi digital. Analisis dilakukan melalui statistik deskriptif untuk variabel keuangan dan koding tematik sederhana untuk narasi strategi.”

Versi kedua menjawab pertanyaan dasar: data apa, dari mana, periode berapa, unit apa, dan dianalisis bagaimana. Kamu tidak perlu memakai istilah rumit jika struktur penjelasannya sudah jelas.

Etika dan izin tetap perlu diperiksa

Data sekunder tidak otomatis bebas risiko etis. Dataset publik biasanya aman dipakai jika sesuai ketentuan penggunaan, tetapi data internal organisasi, catatan pasien, data sekolah, atau arsip pegawai bisa mengandung informasi sensitif. Untuk konteks kesehatan dan pendidikan, pastikan data telah dianonimkan dan penggunaannya disetujui pihak berwenang.

Dalam tesis keperawatan tentang kepatuhan minum obat pasien lansia setelah pulang rawat, misalnya, mahasiswa tidak boleh mengambil catatan pasien mentah tanpa izin. Pilihan yang lebih aman adalah memakai data audit yang sudah diringkas dan dianonimkan, atau dokumen panduan edukasi pasien sebagai bahan analisis dokumen. Etika penelitian bukan hanya urusan data primer.

Kesalahan apa yang sering dilakukan mahasiswa saat melakukan analisis data sekunder?

Kesalahan paling sering terjadi ketika mahasiswa menganggap data sekunder tidak perlu desain penelitian yang jelas. Akibatnya, sumber data tidak terdokumentasi, kriteria pemilihan kabur, teknik analisis terlalu umum, dan temuan berubah menjadi ringkasan. Kesalahan ini bisa diperbaiki dengan menulis keputusan analisis secara spesifik sejak awal.

Lima kesalahan yang sering muncul

1. Mengambil data karena mudah ditemukan
   Contoh mahasiswa: “Data diambil dari beberapa website yang membahas UMKM.”
   Perbaikan: tentukan sumber resmi, periode, jenis dokumen, dan alasan pemilihan. Misalnya, “Data diambil dari laporan dinas koperasi kabupaten tahun 2021–2023 dan profil UMKM binaan yang tersedia di situs resmi.”

2. Mencampur data, teori, dan opini tanpa batas
   Contoh mahasiswa: “Artikel jurnal, berita, dan komentar netizen digunakan sebagai data penelitian.”
   Perbaikan: pisahkan artikel jurnal sebagai teori atau literatur, berita sebagai dokumen media, dan komentar sebagai data digital yang memerlukan kriteria etis serta teknik sampling.

3. Menulis teknik analisis terlalu kosong
   Contoh mahasiswa: “Data dianalisis secara kualitatif.”
   Perbaikan: sebutkan tahap koding, kategori, tema, dan cara menghubungkan tema dengan pertanyaan penelitian. Jika kuantitatif, sebutkan variabel, pengukuran, dan teknik statistik.

4. Mengabaikan tujuan awal data dibuat
   Contoh mahasiswa: “Laporan promosi kampus digunakan untuk membuktikan kualitas layanan kampus.”
   Perbaikan: akui bahwa dokumen promosi punya bias institusional. Gunakan untuk menganalisis citra yang dibangun kampus, bukan sebagai bukti langsung bahwa layanan benar-benar berkualitas.

5. Menyimpulkan terlalu jauh dari data
   Contoh mahasiswa: “Karena laporan perusahaan menyebut program lingkungan, perusahaan terbukti berkelanjutan.”
   Perbaikan: ubah klaim menjadi lebih hati-hati: “Laporan perusahaan menampilkan narasi keberlanjutan melalui program lingkungan, tetapi dokumen ini belum cukup untuk menilai dampak aktual program.”

Masalah utama: bukti tidak sejajar dengan klaim

Analisis menjadi lemah ketika bukti hanya mendukung sebagian kecil dari klaim. Jika dokumen yang dianalisis adalah pedoman kurikulum, jangan menyimpulkan efektivitas pembelajaran di kelas. Pedoman dapat menunjukkan rencana, norma, dan prioritas, tetapi bukan perilaku guru atau hasil belajar siswa.

Klaim yang baik biasanya lebih dekat dengan jenis data. Laporan tahunan dapat mendukung klaim tentang strategi yang dilaporkan perusahaan. Dataset survei dapat mendukung klaim tentang hubungan antarvariabel dalam populasi tertentu. Dokumen kebijakan dapat mendukung klaim tentang bahasa, prioritas, dan arah regulasi.

Bagaimana contoh analisis data sekunder terlihat di berbagai bidang?

Contoh analisis data sekunder berbeda tergantung bidang, jenis data, dan pertanyaan penelitian. Ilmu sosial mungkin memakai arsip media atau survei publik, kesehatan bisa memakai laporan mutu atau pedoman klinis, sedangkan pendidikan dan manajemen sering memakai dokumen kebijakan, laporan institusi, atau dataset organisasi. Kuncinya adalah mencocokkan bentuk data dengan klaim yang ingin dibuat.

Ilmu sosial dan psikologi

Dalam psikologi sosial, mahasiswa S1 dapat meneliti representasi stres akademik dalam unggahan resmi universitas selama masa ujian. Unit analisisnya adalah unggahan, bukan mahasiswa. Kode awal dapat mencakup “ajakan mencari bantuan”, “normalisasi stres”, “strategi belajar”, dan “rujukan layanan konseling”.

Jika memakai dataset survei, mahasiswa dapat meneliti hubungan antara dukungan sosial dan kepuasan hidup mahasiswa dari data survei yang sudah tersedia. Analisisnya mungkin berupa korelasi atau regresi sederhana, tergantung variabel dan kualitas data. Batasannya perlu ditulis: data survei tidak selalu membuktikan sebab-akibat.

Kesehatan dan keperawatan

Dalam keperawatan, mahasiswa S2 dapat menganalisis dokumen edukasi pasien tentang perawatan luka di rumah. Pertanyaannya bisa berbunyi: “Bagaimana informasi risiko infeksi disampaikan dalam materi edukasi pasien pascaoperasi?” Data yang dianalisis adalah booklet, panduan pulang rawat, atau lembar instruksi yang sudah disetujui fasilitas layanan kesehatan.

Jika menggunakan data sekunder berbentuk laporan mutu, mahasiswa dapat melihat tren kepatuhan dokumentasi asesmen nyeri selama dua tahun. Analisisnya dapat berupa deskriptif kuantitatif, bukan wawancara pasien. Klaim harus dibatasi pada pola dokumentasi, bukan pengalaman nyeri pasien secara langsung.

Pendidikan, bisnis, dan hukum

Dalam pendidikan, mahasiswa dapat menganalisis dokumen kurikulum sekolah untuk melihat posisi literasi digital. Kode dapat mencakup “pencarian informasi”, “keamanan digital”, “kolaborasi daring”, dan “evaluasi sumber”. Temuan kemudian dibandingkan dengan konsep literasi digital dari literatur.

Dalam bisnis, laporan tahunan dan laporan keberlanjutan dapat dianalisis untuk melihat perubahan narasi strategi digital setelah pandemi. Dalam hukum, putusan pengadilan dapat dianalisis untuk melihat pola pertimbangan hakim pada jenis perkara tertentu. Setiap bidang memiliki bahasa dan bukti yang berbeda, sehingga metode analisis dokumen tidak boleh ditulis terlalu umum.

Bagaimana mengecek kesiapan analisis data sekunder sebelum lanjut menulis?

Kesiapan analisis data sekunder dapat dicek dengan melihat apakah pertanyaan penelitian, sumber data, kriteria pemilihan, teknik analisis, dan batasan sudah saling terhubung. Jika salah satu bagian masih kabur, proses menulis hasil biasanya akan tersendat. Checklist sederhana membantu kamu menemukan celah sebelum bab metodologi atau bab hasil terlanjur panjang.

Sebelum lanjut: checklist analisis data sekunder

• Pertanyaan penelitian dapat dijawab oleh dataset atau dokumen yang tersedia.
• Sumber data disebutkan dengan nama lembaga, situs, arsip, atau penerbit yang jelas.
• Periode data, cakupan wilayah, atau cakupan organisasi sudah ditentukan.
• Unit analisis sudah jelas, misalnya dokumen, perusahaan, sekolah, pasien anonim, berita, atau wilayah.
• Kriteria inklusi dan eksklusi data sudah ditulis.
• Variabel, kode, atau kategori analisis sudah dirancang sebelum membaca seluruh data.
• Cara menganalisis data yang sudah ada dijelaskan sebagai langkah kerja, bukan satu kalimat umum.
• Potensi bias sumber data sudah diakui.
• Batasan klaim sesuai dengan jenis data.
• Aturan etika, izin akses, atau anonimisasi sudah diperiksa jika data sensitif.
• Hubungan antara temuan, teori, dan literatur sudah direncanakan.

Tanda bahwa desainmu sudah cukup siap

Desainmu cukup siap jika orang lain bisa membaca metodologi dan memahami data apa yang akan kamu pakai tanpa bertanya ulang. Mereka juga bisa melihat mengapa bahan itu dipilih, bagaimana dianalisis, dan klaim apa yang mungkin dihasilkan. Jika masih ada bagian yang berbunyi “beberapa data”, “dokumen terkait”, atau “dianalisis secara mendalam”, biasanya bagian itu perlu dibuat lebih konkret.

Analisis data sekunder yang baik tidak harus terlihat rumit. Ia harus transparan, terbatas secara realistis, dan cocok dengan pertanyaan penelitian. Untuk skripsi dan tesis, kualitas sering terlihat dari kemampuan mahasiswa menjelaskan pilihan, bukan dari banyaknya data yang dikumpulkan.

Tautan internal yang direkomendasikan

(Metadata sistem — jangan hapus bagian ini)

• Alur memilih metodologi penelitian berdasarkan pertanyaan dan sumber daya
• Tiga jalur metode penelitian
• Peta verifikasi kredibilitas sumber akademik
• Alur visual penyusunan bab metodologi