ANALISIS ISI DALAM PENELITIAN HUKUM

Oleh SHIDARTA (Agustus 2021)

Andaikan Anda tertarik dengan satu peraturan dan kemudian Anda mencoba memahami isi dari peraturan tersebut, apakah aktivitas ilmiah Anda ini dapat dikategorikan sebagai analisis isi (content analysis)? Sesederhana itukah analisis isi? Tulisan singkat ini ingin mengajak kita untuk sejenak mendiskusikan seperti apa analisis isi itu dapat dilakukan sebagai suatu metode penelitian dan seberapa mungkin dapat diterapkan dalam penelitian bidang hukum. Tulisan singkat ini juga tidak berasumsi dapat menjelaskan lika-liku dari analisis isi itu secara tuntas, tetapi melalui contoh yang dibeirkan, diharapkan akan membantu ke arah pemahaman yang lebih baik.

Harus diakui bahwa sebagai sebuah metode penelitian, analisis isi tidak dikembangkan oleh penstudi hukum. Analisis isi adalah metode yang populer di kalangan penstudi ilmu komunikasi, yakni ketika mereka ingin mendalami aspek isi dari suatu teks. Peneliti yang menggunakan metode ini biasanya ingin mengetahui keterkaitan isi teks dengan tujuan awal dari pembuatan teks tersebut, atau hubungan antara isi teks dengan dampak yang ditimbulkannya.

Teks hukum di sini dapat berupa aneka jenis dokumen-dokumen seperti peraturan perundang-undangan, peraturan kebijakan, kontrak, dan putusan hakim. Artinya, tidak ada persoalan apa jenis dokumen yang akan dianalisis, sepanjang teks dari dokumen itu dapat direduksi menjadi konsep-konsep.

Analisis isi lazimnya menggunakan pendekatan kuantitatif. Namun, dalam perkembangannya, sekarang dikenal juga analisis isi versi kualitatif. Penelitian yang dilakukan oleh Hall & Steiner (2020) dapat dijadikan contoh dan akan kita singgung lebih jauh dalam tulisan ini. Dari penelitian mereka, jejak-jejak kuantitaif dari analisis isi sesungguhnya masih jelas terlacak, sehingga penelitian yang disebut analisis isi kualitatif pun tidak bisa sepenuhnya diklaim kualitatif.[1]

Mereka berdua suatu ketika tertarik untuk melakukan analisis isi terhadap kebijakan (policy content analysis) untuk mencari tahu berapa banyak dan berapa sering setiap tahun muncul kebijakan-kebijakan di seantero Amerika Serikat yang menyebabkan penurunan populasi serangga penyerbuk (insect pollinator). Menurut mereka, penurunan jumlah serangga ini bisa mengancam keamanan pangan global dan stabilitas ekonomi akibat perilaku manusia yang terus merusak lingkungan. Untuk penelitian ini, mereka berdua melakukan empat rangkaian pekerjaan.

Pertama, mereka melakukan pengumpulan (gathering) semua kebijakan dari 50 yurisdiksi negara-negara bagian di Amerika Serikat yang memuat teks hukum terkait serangga penyerbuk ini. Tidak tanggung-tanggung, kebijakan yang dikumpulkan berada dalam rentang waktu 17 tahun, yakni dari tahun 2000 sampai 2017. Untuk mempercepat proses pencarian, mereka menggunakan alat bantu mesin pencari dengan kata-kata kunci tertentu, seperti “pollinator AND policy,” “state policy AND pollina*,” “pollination,” “neonicotinoids,” “pesticides,” “colony collapse disorder,” “beekeeping,” “honeybee,” dan “honey bee.” Untuk memastikan pengumpulan data ini memenuhi harapan, mereka juga melakukan triangulasi dengan menyurati pustakawan di lembaga legislatif si setiap negara bagian. Tidak semua merespons, namun pada akhirnya mereka berhasil mengumpulkan 109 peraturan perundang-undangan yang siap untuk dianalisis.[2]

Kedua, mereka lalu mengidentifikasi spektrum dari target-target kebijakan tersebut.  Mereka menyebut rangkaian kegiatan ini sebagai analisis isi konvensional (conventional content analysis). Dalam hal ini peneliti memang perlu membaca teks kebijakan itu satu demi satu, bahkan baris demi baris. Hasil pembacaan ini secara induktif dikelompokkan menjadi tema-tema tertentu yang mencerminkan spektrum dari target dari semua kebijakan tersebut. Untuk membantu pekerjaan mereka, ada perangkat lunak yang bisa mereka gunakan, dalam hal ini QSR’s NVivo 10.0, sebuah paket untuk analisis berbasis teks.

Ketiga, kedua peneliti lalu mendeskripsikan atribut dan kecenderungan kebijakan itu secara kuantitatif. Atribut dan kecenderungan itu mereka tabulasi, sehingga mereka dapat memetakan isi dari 109 peraturan itu menurut asal negara bagian, judul peraturan,  tanggal disahkan, kategori pengarturannya, dan sebagainya. Tebel ini akan mampu menggambarkan kecenderungan kebijakan (dibuat dalam grafik garis) dengan memplot setiap peraturan dan tahun disahkannya undang-undang tersebut.

Keempat, mereka melakukan evaluasi terhadap spektrum dari tema-tema tersebut secara deduktif kualitatif (directed content analysis), dengan membandingkannya dengan rekomendasi-rekomendasi para ahli.

Demikianlah, akhirnya analisis isi kualitatif seperti dilakukan oleh Hall & Steiner ini dipandang berhasil mengidentifikasi wacana yang memang aktif berkembang di kalangan pembuat kebijakan berkenaan dengan isu yang mereka angkat. Penelitian ini juga telah mendokumentasikan inovasi kebijakan-kebijakan apa saja yang sudah diambil selama 17 tahun itu, dan mengkarakterisasi kecenderungan itu bagi para pengambil kebijakan. Catatan empiris ini berguna bagi peneliti dan pembentuk undang-undang untuk mengantitispasi dan meningkatkan perhatian mereka pada konservasi atas serangga penyerbuk ini.

Mari kita kembali merefleksikan, kira-kira apa yang bisa ditiru dari model penelitian analisis isi seperti yang dilakukan Hall & Steiner.

Di Indonesia saat ini ada sekian banyak isu yang diasumsikan ada dan berkembang, namun pada kenyataan belum pernah benar-benar diteliti keberadaannya. Analisis isi dapat menjadi tawaran metodologis yang layak dipertimbangkan untuk ditempuh. Sebagai contoh, ada hakim-hakim tertentu yang dinilai sebagai hakim-hakim yang progresif. Bagaimanakah membuktikannya? Analisislah isi putusan-putusan mereka! Demikian juga, kita misalnya ingin meneliti sekian banyak peraturan bidang ketenagakerjaan yang diproduksi dalam kurun waktu tertentu, apakah benar peraturan-peraturan itu lebih menguntungkan kepentingan buruh atau pelaku usaha? Analisislah isi peraturan perundang-undangan dan peraturan kebijakan yang diberlakukan pada kurun waktu tersebut!

Kesulitan terbesar yang ditemukan dalam analisis isi terletak pada rangkaian kegiatan kedua dan ketiga. Untuk menilai putusan-putusan dari hakim yang dianggap progresif itu, tentu harus didefinisikan secara jelas terlebih dulu apa konsep progresif itu, sedetail mungkin sampai ke variabel dan/atau atributnya. Demikian juga dengan konsep “menguntungkan”, “kepentingan buruh” dan “kepentingan pelaku usaha”. Dengan demikian, akan memudahkan untuk mengkategorikan teks-teks yang dianalisis.

Untuk menghindari anggapan bahwa hasil analisis isi kita bukan lagi sebagai penelitian hukum, maka rangkaian kegiatan keempat menjadi sangat menentukan. Peneliti analisis isi di bidang hukum wajib melakukan evaluasi secara deduktif kualitatif (directed content analysis). Dari evalusi tersebut, peneliti dapat menunjukkan variabel/atribut apa dari hukum progresif yang belum muncul atau tidak konsisten di dalam putusan-putusan hakim itu, serta seberapa putusan itu akan berbeda secara hukum apabila variabel/atribut itu disertakan di dalam putusan-putusan tersebut. Hal serupa juga berlaku untuk evaluasi terhadap penelitian terhadap peraturan di bidang ketenagakerjaan, sehingga pada akhirnya dapat ditemukan peta dan kecenderungan dari peraturan di bidang ini terkait perlindungan hukum bagi kepentingan buruh dan pelaku usaha, serta bagaimana mengantisipasi kecenderungan itu secara normatif di masa depan. (***)

Catatan:

[1] Damon M. Hall & Rebecca Steiner, Policy content analysis; Qualitative method for analyzing sub-national insect pollinator legislation, Environmental Science and Policy, Vol. 93, March 2019, pp. 118-128.

[2] Di dalam ilmu komputer juga berkembang teknik yang mirip yang dikenal dengan text-mining. Menurut Selena Aureli, Comparison of content analysis usage and text mining in CSR corporate disclosure, The International Journal of Digital Accounting Research, Vol. 17, 2017, pp. 1-32, antara analisis isi dan text-mining itu berbeda. Salah satu di antara perbedaan itu, menurut Aureli, adalah bahwa analisis isi lebih berfokus pada kalimat, sedangkan text-mining lebih pada kata.