Blog

Cara membuat transkrip wawancara dan FGD penelitian

Penulis: Hushscript | Diterbitkan: 8 September 2026 | Terakhir ditinjau: 15 Oktober 2026

Rekaman belum menjadi data. Rekaman baru menjadi data setelah seseorang memutuskan apa yang dituliskan, bagaimana penutur ditandai, detail identitas mana yang dihapus, dan seperti apa wujud file saat sampai di perangkat lunak pengodean Anda. Empat keputusan itulah transkripsi penelitian, dan masing-masing bersifat metodologis, bukan sekadar administratif.

Mengambil keputusan itu sebelum wawancara pertama jauh lebih murah daripada mengambilnya di wawancara keempat belas. Berikut apa yang diubah oleh tiap keputusan, apa yang layak masuk ke bagian metode Anda, dan di mana transkripsi otomatis benar-benar membantu penelitian, bukan sekadar membuat folder tampak selesai.

Pilih jenis transkrip sebelum sesi pertama

Tidak ada transkrip yang netral. Setiap konvensi membuat sebagian hal terlihat dan menyembunyikan yang lain, jadi pilihlah sesuai analisis yang benar-benar akan Anda jalankan.

Kesalahan yang mahal bukanlah memilih dengan buruk, melainkan memilih dua kali. Korpus yang separuh verbatim dan separuh dirapikan tidak bisa dikode secara konsisten, dan mentranskripsikan ulang dua puluh wawancara untuk memperbaikinya memakan sebulan yang tidak dianggarkan siapa pun. Tuliskan konvensinya lebih dulu, termasuk cara Anda menandai tawa, interupsi, dan bagian yang tidak terdengar.

Apa yang dikuasai mesin, dan apa yang terlewat

Transkripsi otomatis cukup baik untuk menjadi draf pertama hampir semua penelitian, tetapi belum cukup baik untuk menjadi draf terakhir. Pew Research Center membandingkan transkripsi manusia dan mesin pada rekaman khotbah dan menemukan bahwa mesin mampu mengimbangi ucapan yang jelas dan berkesinambungan, tetapi tertinggal pada nama diri, istilah khusus, dan bagian ketika penutur mengubah nada atau volume. Bagian-bagian itulah yang cenderung dikutip peneliti kualitatif.

Jadi pola kerjanya adalah draf yang tidak Anda ketik, disusul putaran peninjauan yang Anda kerjakan. Baca sambil mendengarkan audio satu kali, koreksi nama dan terminologi, perbaiki atribusi penutur di bagian suara bersahutan, lalu berhenti di situ. Peninjauan adalah bagian yang memakan waktu sungguhan, dan bagian yang tidak bisa dilewati.

Label penutur sudah berupa pseudonim

Pemisahan penutur otomatis membagi rekaman menurut suara dan melabeli hasilnya Speaker 1, Speaker 2, dan seterusnya. Sistem ini mengenali suara, bukan orang, yang diam-diam berguna: label itu secara bawaan adalah pseudonim dan tetap demikian kecuali seseorang mengetikkan nama asli ke dalamnya.

Pertahankan begitu. Ganti Speaker 1 menjadi P07 atau label peran satu kali, dan perubahannya berlaku di seluruh transkrip serta setiap ekspor, sehingga skema ID partisipan diterapkan secara konsisten, bukan dengan tangan di empat puluh tempat. Label penutur gratis di setiap transkrip Hushscript tanpa batas jumlah suara, yang memang dibutuhkan diskusi kelompok terarah berisi enam orang.

Batas yang jujur adalah suara bersahutan. Ketika partisipan berbicara saling menimpa, pemisahan perlu ditinjau manusia, dan penanda waktulah yang memberi tahu menit mana yang perlu didengarkan ulang.

Cantumkan metode transkripsi dalam makalah

Para pengulas semakin sering menanyakan bagaimana teks dihasilkan, bukan hanya apa isinya. Journal Article Reporting Standards dari APA untuk riset kualitatif meminta penulis menjelaskan bagaimana data direkam dan diubah, sehingga transkripsi menjadi sesuatu yang dilaporkan, bukan diasumsikan.

Satu paragraf metode yang menjawab hal-hal berikut biasanya sudah cukup:

• Konvensi mana. Verbatim utuh, verbatim cerdas, bersih, atau denaturalisasi, dan mengapa cocok dengan analisisnya.
• Siapa yang menghasilkan teks. Peneliti, layanan transkripsi, pengenalan suara otomatis, atau draf otomatis dengan peninjauan peneliti.
• Kendali mutu apa yang dijalankan. Siapa yang memeriksa terhadap audio, pada sampel apa, dan bagaimana ketidaksepakatan diselesaikan.
• Bagaimana bahasa ditangani. Dialek, alih kode, dan siapa yang menerjemahkan bila bahasa analisis berbeda dari bahasa wawancara.
• Apa yang dihapus. Aturan pseudonimisasi, tempat dan tanggal yang disamarkan, pemberi kerja dan jabatan yang digeneralisasi.

Hapus identitas saat mentranskripsikan, bukan sesudahnya

Detail yang mengidentifikasi muncul di tengah kalimat: pemberi kerja, sebuah bangsal, sebuah jalan, tanggal sidang, satu-satunya rekan kerja yang akan mengenali kisahnya. Menghapusnya belakangan berarti membaca seluruh korpus untuk kedua kalinya, jadi satukan dengan putaran transkripsi.

Mengerjakannya di dalam transkrip, bukan di salinan hasil ekspor, juga berarti versi yang dipseudonimkan adalah satu-satunya yang pernah beredar. Cari dan ganti memperbaiki nama tempat yang berulang di seluruh dokumen dalam satu aksi, dan kamus tersimpan membawa nama, tempat, dan kosakata teknis penelitian ke dalam pengenalan suara sehingga lebih sedikit yang salah sejak awal.

Apa yang bisa Anda katakan tentang platform ini sama pentingnya dengan penyamaran itu sendiri. Hushscript menghapus salinan audio transkripsinya setelah pemrosesan dan tidak pernah menggunakan rekaman Anda untuk melatih model; transkrip dienkripsi saat disimpan dengan masa penyimpanan yang Anda tentukan, dari 7 sampai 365 hari dengan pengaturan tersendiri per transkrip; penghapusan transkrip, artefak AI, dan akun menghasilkan tanda terima yang dapat diunduh. Audio dari EU, EEA, Swiss, dan Britania Raya diproses di EU. Untuk rekaman yang sama sekali tidak boleh meninggalkan transkrip tersimpan, transkripsi privat menyerahkan file .husharchive yang dilindungi kata sandi sebagai gantinya.

Ekspor untuk perangkat lunak yang menerimanya

Transkrip jarang tinggal di tempat pembuatannya. Ia berpindah ke NVivo, ATLAS.ti, MAXQDA, atau spreadsheet, lalu ke naskah. Teks biasa adalah tempat label penutur dan penanda waktu mati, jadi pilih format menurut tujuannya.

• Perangkat lunak pengodean: CSV, TSV, atau XLSX, yang menyimpan penutur dan penanda waktu sebagai kolom.
• Alur kerja berbasis skrip: JSON, dengan struktur yang sudah diurai untuk Anda.
• Penulisan dan lampiran: DOCX atau PDF.
• Pengarsipan: teks biasa di samping file metadata yang mencatat konvensi yang Anda gunakan.

Hushscript mengekspor 21 format tanpa watermark dan menggabungkan yang relevan sebagai Research pack. Penanda waktu yang bertahan dalam ekspor memungkinkan sebuah kutipan di temuan Anda menunjuk kembali ke detik saat kutipan itu diucapkan, dan itulah beda antara transkrip yang bisa dikutip dan dokumen panjang.

Kerja lapangan multibahasa tanpa vendor di setiap negara

Studi komparatif tidak seharusnya membutuhkan pemasok transkripsi berbeda di setiap lokasi. Pengenalan suara mencakup sekitar 99 bahasa dengan deteksi otomatis, dengan akurasi terkuat pada kumpulan unggulan berisi 18 varian bahasa, sehingga satu alur kerja membawa seluruh sampel.

Terjemahan adalah keputusan terpisah dari transkripsi, dan urutannya penting: transkripsikan dalam bahasa yang diucapkan, lalu terjemahkan. Setiap target terjemahan memakai 25% dari durasi rekaman dan menempatkan bahasa asli serta bahasa kerja Anda di tab-tab dalam dokumen yang sama, masing-masing bisa diekspor sendiri, sehingga Anda mengutip kata-kata partisipan dan mengode dalam bahasa yang Anda pakai untuk berpikir. Laporkan siapa yang menerjemahkan dan bagaimana ketidaksepakatan diselesaikan, karena dua penerjemah tidak akan menerjemahkan satu frasa dengan cara yang persis sama.

Menghitung biayanya terhadap pos dana hibah

Transkripsi manual dihargai dalam jam kerja peneliti, dan dua puluh wawancara berdurasi satu jam adalah angka yang diam-diam menghabiskan satu semester. Transkripsi otomatis memindahkannya ke pos anggaran yang cukup kecil sehingga tidak lagi membatasi ukuran sampel.

Hushscript menjual menit prabayar, bukan langganan, sehingga bulan kerja lapangan membayar sesuai pemakaian dan bulan penulisan tidak membayar apa pun. Pada paket terbesar, $49.99 untuk 100 jam, dua puluh wawancara berdurasi satu jam menghabiskan sekitar $10 dan satu diskusi kelompok terarah 90 menit sekitar $0.75. Menit tidak pernah kedaluwarsa, yang cocok untuk penelitian yang berhenti menunggu persetujuan etik. Akun pribadi yang memenuhi syarat dapat menerima 30 menit gratis satu kali, setelah verifikasi kartu atau dengan pembelian pertama Anda; lihat harga untuk ketentuannya.

Dari mana memulai

Pakai wawancara terakhir yang benar-benar Anda rekam, bukan file uji yang bersih. Jalankan lewat transkripsi penelitian dan baca 5 menit pertama yang kembali: itu menunjukkan bagaimana identifikasi penutur bekerja pada partisipan, ruangan, dan aksen Anda, satu-satunya angka akurasi yang bermakna bagi penelitian Anda.

Lalu tuliskan konvensinya ke dalam protokol Anda selagi masih ada tiga puluh wawancara untuk menerapkannya.