Alasan penggunaan PLS untuk penelitian ini adalah:

Pada dasarnya, prosedur atau langkah-langkah dalam metode AHP meliputi:
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu menyusun hierarki dari permasalahan yang dihadapi. Menyusun hierarki adalah dengan menetapkan tujuan yang merupakan sasaran sistem secara keseluruhan pada level teratas.
2. Menentukan prioritas elemen
– Langkah pertama dalam menentukan prioritas elemen adalah mem buat
perbandingan pasangan, yaitu membandingkan elemen secara berpasangan
sesuai kriteria yang diberikan.
– Matriks perbandingn berpasangan diisi menggunakan bilangan untuk
mempresentasikan kepentingan relatif dari suatu elemen terhadap elemen yang
lainnya.
3. Sintesis
Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas. Hal-hal yang dilakukan dalam langkah ini adalah:
– Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
– Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks.
– Menumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah
elemen untuk mendapatkan nilai rata-rata .
4. Mengukur konsistensi Dalam pembuatan keputusan, penting untuk mengetahui
sebeapa baik konsistensi yang ada karena kita tidak menginginkan keputusan
berdasarkan pertimbangan dengan konsistensi yang rendah. Hal-hal yang
dilakukan dalam langkah ini adalah:
– kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen
pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua, dan
seterusnya.
– Jumlahkan setiap baris.
– Hasi dari pejumlahan baris dibagi dengan elemen prioritas relatif yang
bersangkutan.
– Jumlahkan hasil bagi di atas dengan banyaknya elemen yang ada, hasilnya
disebut λ maks.
5. Hitung Consistency Index (CI) dengan rumus :
CI = ( λ maks-n)/n
Di mana n = banyaknya elemen
6. Hitung Rasio Konsistensi / Consistency Ratio (CR) dengan rumus :
CR=CI/IR
15
Di mana CR=Consistency Ratio
CI=Consistency Index
IR=Indeks Random Consistency
7. Memeriksa konsistensi hierarki. Jika nilainya lebih dari 10%, maka penilaian data judgment harus diperbaiki. Namun jika ratio konsistensi (CI/IR) kurang atau sama denga 0,1. maka hasil perhitungan bisa dinyatakan benar.

Penelitian ini melakukan tinjauan literature pada kualitas website untuk menghasilkan  subkriteria (alternatif pilihan) dan empat kriteria kualitas website (faktor utama) yaitu kualitas sistem, kualitas informasi, kualitas layanan dan daya tarik yang digunakan untuk mengukur kualitas website. Faktor-faktor yang mempengaruhi pengguna website perpustakaan ini akan dilakukan pengkajian dengan mendapatkan masukan dari para responden yang terhimpun dalam sebuah kuesioner yang akan diolah dengan menggunakan metode analytical hierarchy process (AHP) untuk menentukan bobot relatif faktor kualitas website dengan kelengkapan data numerik dari perhitungan metode Analytical Hierarchy Process (AHP). Model proses analisis hirarki (berjenjang) ini diperkenalkan pertama kali oleh Thomas L. Saaty pada era 1970-an di mana ciri khas dari model ini adalah penentuan skala prioritas atas alternatif pilihan berdasarkan suatu proses analitis secara berjenjang, terstruktur atas variabel keputusan (Darmawan 2009). Metode AHP merupakan salah satu metode yang dapat digunakan dalam pengambilan keputusan dengan memperhatikan faktor-faktor persepsi, prefensi, pengalaman dan intuisi. AHP menggabungkan penilaian-penilaian dan nilai-nilai pribadi ke dalam satu cara yang logis. (Marimin dan Nurul 2010). AHP (Analytical Hierarchy Process) memiliki sebuah hirarki fungsional dengan input utamanya persepsi manusia. Dengan hirarki, suatu masalah kompleks dan tidak terstruktur dipecahkan ke dalam kelompok-kelompoknya dan diatur menjadi suatu bentuk hirarki (Permadi 1992).

Dapat disimpulkan AHP adalah sebuah metode yang dapat menguraikan permasalahan yang sangat luas menjadi terstruktur. AHP memiliki banyak keunggulan dalam menjelaskan proses pengambilan keputusan karena dapat digambarkan secara grafis, sehingga mudah dipahami oleh semua pihak yang terlibat dalam pengambilan keputusan. Dengan 13 AHP proses keputusan kompleks dapat diuraikan menjadi keputusan-keputusan lebih kecil yang dapat ditangani dengan mudah. Penelitian sebelumnya tentang website dengan menggunakan metode AHP telah dilakukan oleh Changping (2009) tentang AHP dan dasar evaluasi analisis kesesuaian terhadap kualitas layanan informasi: studi empiris pada industri berteknologi tinggi dengan informasi portal web, di mana hasil dari penelitiannya terhadap 10 (sepuluh) pusat informasi yang berbasis web didapat nilai tertinggi pada informasi di website industri perangkat medis China dengan nilai tertinggi yaitu 3,8296, dimana alternatif pilihannya ada pada kemudahan dalam pemakaian website seperti navigasi dan kecepatannya dengan nilai 0,2371. Hsiu-Fen (2010) tentang penggunaan aplikasi AHP untuk mengevaluasi kualitas website didapat hasil dengan nilai tertinggi 0,288 pada kualitas informasi dan peringkat kedua 0,258 pada kualitas sistem. Menurut Permadi (1992) AHP adalah salah satu bentuk model pengambilan keputusan yang pada dasarnya berusaha menutupi semua kekurangan dari model-model sebelumnya. Model AHP memakai persepsi manusia yang dianggap ekspert dalam arti kata mengerti benar dengan permasalahan yang diajukan atau memiliki kepentingan dengan permasalahan.

Setelah data diperoleh, maka langkah-langkah yang akan dilakukan dalam
menganalisis data adalah :
1. Membuat plot time series  I
2. Melakukan pemeriksaan pada data apakah data sudah stasioner atau belum, menggunakan uji Augmented Dickey Fuller (ADF) untuk memeriksa apakah data sudah stasioner dalam mean dan melalui grafik transformasi Box-Cox dan uji Bartlett untuk memeriksa apakah data sudah stasioner dalam varian.
3. Melakukan proses pembedaan (differencing) jika tidak memenuhi asumsi stasioner dalam rata-rata dan melakukan transformasi data jika tidak memenuhi asumsi stasioneritas dalam varians untuk data.
4. Membuat plot Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF) untuk melihat apakah terdapat efek musiman atau tidak serta untuk melihat panjang musiman dari data dan juga untuk mengukur hubungan keeratan antar pengamatan suatu deret waktu
5. Penetapan model untuk sementara atau mengidentifikasi model ARIMA berdasarkan dari plot Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF)
6. Penaksiran parameter dari semua model ARIMA Musiman yang mungkin dari data.
7. Menguji signifikansi parameter model ARIMA Musiman dan memilih model dengan semua parameter yang dihasilkan.
8. Pemeriksaan atau diagnosa apakah model memadai yaitu meliputi uji independensi residual dan uji kenormalan residual.
9. Mengevaluasi model peramalan yang telah didapatkan dengan menghitung nilai MSE, serta dilakukan pemilihan model terbaik berdasarkan nilai MSE yang paling kecil.
10. Menghitung residual yaitu selisih antara data aktual dengan hasil peramalan selama enam tahun sebelumnya.
11. Melakukan verifikasi peramalan pada model sementara menggunakan peta kendali Moving Range untuk mengetahui apakah hasil peramalan tersebut benar-benar mencerminkan data masa lalu.
12. Melakukan peramalan  kedepan untuk data berdasarkan model terbaik yang dihasilkan oleh metode ARIMA Musiman.

1. Kestasioneran terhadap rata-rata

Suatu proses stasioner dalam rata-rata jika E(Zt) = μt = μ adalah konstan untuk setiap t. Untuk memeriksa kestasioneran ini dapat digunakan diagram deret waktu (time series plot) yaitu diagram pencar antara nilai peubah Zt dengan waktu t. Dapat juga dengan menggunakan uji unit root yang bertujuan untuk mengetahui apakah data tersebut mengandung unit root atau tidak. Salah satu dari uji unit root ini yang digunakan adalah Augmented Dickey Fuller (ADF-test) dimana filosofi dari uji ADF ini adalah dengan mengikuti proses autoregressive orde pertama atau AR(1).

2. Kestasioneran terhadap varians

Suatu proses stasioner pada varians jika Var (Zt) = E (Zt – μt) 2 = σ 2 adalah konstan untuk setiap t. Pengujian stasioneritas dalam varians dapat menggunakan uji Bartlett. Jika data tidak stasioner dalam varians maka digunakan transformasi data. Menurut Rosadi (2012), transformasi yang biasa digunakan adalah Box-Cox Transformation

Heteroskedastisitas merupakan suatu kondisi apabila suatu data memiliki varians residual yang tidak konstan atau dengan kata lain situasi saat varians dari faktor pengganggu adalah tidak sama untuk semua observasi. Jika kesalahan pada suatu model mengandung masalah heteroskedastisitas, maka akibatnya UNIVERSITAS SUMATERA UTARA estimator yang dihasilkan tetap konsisten, tetapi tidak lagi efisien karena ada estimator lain yang memilki varians yang lebih kecil daripada estimator yang memiliki residual yang bersifat heteroskedastisitas. Adanya masalah heteroskedastisitas juga menjadi indikasi adanya efek ARCH pada data.

Stasioneritas berarti bahwa tidak terdapat perubahan yang drastis pada data. Fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung pada waktu dan variansi dari fluktuasi tersebut. (Makridakis, 1995) Sekumpulan data dinyatakan stasioner jika nilai rata-rata dan varians dari data time series tersebut tidak mengalami perubahan secara sistematik sepanjang waktu atau dengan kata lain rata-rata dan variansnya konstan. Kestasioneran data ini berkaitan dengan metode estimasi yang digunakan. Tidak stasionernya data akan mengakibatkan kurang baiknya model yang diestimasi. Selain itu apabila data yang digunakan dalam model ada yang tidak stasioner, maka data tersebut dipertimbangkan kembali validitas dan kestabilannya. Salah satu penyebab tidak stasionernya sebuah data adalah adanya autokorelasi. Bila data distasionerkan maka autokorelasi akan hilang dengan sendirinya, karena itu transformasi data untuk membuat data yang tidak stasioner menjadi stasioner sama dengan transformasi data untuk menghilangkan autokorelasi

Suatu data pengamatan dikatakan stasioner apabila proses tidak mengalami perubahan seiring dengan waktu yang berubah, dengan kata lain, proses stasioner untuk suatu {Zt}, mempunyai : Mean ?(??)=? , Var (??)=?(??−?)2=?2 yang konstan dan kovarian  yang merupakan fungsi dari perbedaan waktu |t – s| yang dapat ditulis sebagai berikut :

(1)Stasioneritas merupakan suatu keadaan jika proses pembangkitan yang mendasari suatu deret berkala didasarkan pada nilai tengah konstan dan nilai varians konstan. Dalam suatu data kemungkinan data tersebut tidak stationer hal ini dikarenakan mean tidak konstan atau variannya tidak konstan sehingga untuk menghilangkan ketidakstasioneran terhadap mean, maka data tersebut dapat dibuat lebih mendekati stasioner dengan cara melakukan penggunaan metode pembedaan atau differencing. Prilaku data yang stasioner antara lain tidak mempunyai variasi yang terlalu besar dan mempunyai kecendrungan untuk mendekati nilai rata-ratanya, dan sebaliknya untuk data yang tidak stasioner. [3].

Jenis-jenis data yang dikategorikan stasioner dan non stasioner adalah: [5]

1. Kestasioneran data deret waktu

Ada dua macam kestasioneran data, yaitu stasioner kuat (strickly stationer) dan stasioner lemah (weakly stationer). Disebut stasioner kuat (strickly stationer) jika bentuk distribusi gabungannya tetap untuk setiap himpunan bagian dari himpunan data deret waktu, dan dalam notasi statistiknya.

Data deret waktu stasioner lemah (weakly stationer) jika pola trendnya hampir merupakan fungsi konstan.

2. Nonstasioner

Nonstasioneritas data diklasifikasikan atas

tiga bentuk yaitu :

a. Nonstasioner dalam rata-rata hitung, jika trend tidak datar (tidak sejajar sumbu waktu) dan data tersebar pada “pita” yang meliput secara seimbang trendnya.

b. Nonstasioner dalam varians, jika trend datar atau hampir datar tapi data tersebar membangun pola melebar atau menyempit yang meliput secara seimbang trendnya (pola terompet).

c. Nonstasioner dalam rata-rata hitung dan varians, jika trend tidak datar dan data membangun pola terompet

Suatu data pengamatan dikatakan stasioner apabila proses tidak mengalami perubahan seiring dengan waktu yang berubah, dengan kata lain, proses stasioner untuk suatu {Zt}, mempunyai : Mean ?(??)=? , Var (??)=?(??−?)2=?2 yang konstan dan kovarian yang merupakan fungsi dari perbedaan waktu |t – s|

Dalam kondisi tertentu maka di dapatkan data yang tidak stationer. Dimaksud dengan  ketidak-stasioneran data secara visual, tahap pertama dapat dilakukan pada peta data atas waktu, karena biasanya “mudah” dan jika belum mendapatkan kejelasan, maka tahap berikutnya ditelaah pada gambar ACF dan PACF. Telaahan pada gambar pada peta data atas waktu, ACF dan PACF, jika data tidak stasioner maka gambarnya akan membangun pola diantaranya :

1. Menurun, jika data tidak stasioner dalam rata-rata hitung (trend naik atau turun).

Gambar 1. Data tidak stasioner dalam rata-rata hitung

Gambar 2. ACF data tidak stasioner dalam rata-rata hitung

Gambar 3. PACF data tidak stasioner dalam rata-rata hitung

2. Alternating, jika data tidak stasioner dalam varians.

Gambar 1. Data tidak stasioner dalam varians

Gambar 2. ACF data tidak stasioner dalam varians

Gambar 3. PACF data tidak stasioner dalam varians

3. Gelombang, jika data tidak stasioner dalam rata-rata hitung dan varians

Kestasioneran data merupakan kondisi yang diperlukan dalam analisis regresi deret waktu karena dapat memperkecil kekeliruan model, sehingga jika data tidak stasioner, maka harus dilakukan transformasi stasioneritas melalui proses diferensi, jika trend-nya linier, sedangkan jika tidak linier, maka transformasi linieritas trend melalui proses logaritma natural jika trend-nya eksponensial, dan proses pembobotan (penghalusan eksponensial sederhana) jika bentuknya yang lain, yang selanjutnya dilakukan proses diferensi pada data hasil proses linieritas.

Berdasarkan deskripsinya, bentuk kestasioneran ada dua yaitu Stasioner Kuat (Strickly Stationer) atau Stasioner Orde Pertama (Primary Stationer) dan stasioner lemah (Weakly Stationer) atau Stasioner orde kedua (Secondary Stationer). Deskripsi umum kestasioneran adalah sebagai berikut, Xt1, Xt2, … disebut stasioner kuat jika distribusi gabungan Xt1, Xt2, … , Xtn sama dengan distribusi gabungan Xt1+k, Xt2+k, … , Xtn+k, untuk setiap nilai t1, t2, … , tn dan k. Sedangkan disebut stasioner lemah, jika rata-rata hitung data konstan, E(X)  = µ dan autokovarians-nya merupakan fungsi dari lag ρk =  f(k). Sedangkan ketidaksioneran data diklasifikasikan atas 3 (tiga) bentuk yaitu :

1. Tidak stasioner dalam rata-rata hitung, jika trend tidak datar (tidak sejajar sumbu waktu) dan data tersebar pada “pita” yang meliputi secara seimbang trendnya.
2. Tidak stasioner dalam varians, jika trend datar atau hampir datar tapi data tersebar membangun pola melebar atau menyempit yang meliputi secara seimbang trendnya (pola terompet).
3. Tidak stasioner dalam rata-rata hitung dan varians, jika trend tidak datar dan data membangun pola terompet.

Model ARIMA merupakan model gabungan antara Autoregressive (AR) orde p dan Moving Average (MA) orde q serta proses differencing orde d untuk data pada level musiman maupun non musiman dan termasuk dalam kelompok pemodelan linier . Model AR (Autoregressive) pada orde p menyatakan pengamatan pada waktu ke-t berhubungan linier dengan pengamatan waktu sebelumnya t-1, t-2,…, t-p. Bentuk fungsi persamaan untuk model AR pada orde p dinyatakan sebagai berikut:

?? ̇ = ?1?̇ ?−1 + ?2?̇ ?−2 + ⋯ + ???̇ ?−? + ?? (1)

Model MA (Moving Average) digunakan untuk menjelaskan suatu kejadian bahwa suatu pengamatan pada waktu t dinyatakan sebagai kombinasi linier dari sejumlah residual. Bentuk fungsi persamaan untuk model MA pada orde q dinyatakan sebagai berikut:

?? ̇ = ?? − ?1??−1 − ?2??−2 − ⋯ − ????−? (2)

Model ARMA merupakan model gabungan antara model AR (Autoregressive) dan MA (Moving Average) yang kadang ditulis dengan notasi ARMA (p,q). Bentuk fungsi model ARMA pada orde p dan q dinotasikan sebagai berikut:

?? ̇ = ?1?̇ ?−1 + ⋯ + ???̇ ?−? + ?? − ?1??−1 − ⋯ − ????−? (3)

Model ARIMA (p, d, q) yang dikenalkan oleh Box dan Jenkins dengan p sebagai orde operator dari AR, d merupakan orde differencing dan q sebagai orde operator dari MA. Model ini digunakan untuk data time series yang telah stasioner setelah dilakukan differencing sebanyak d kali yaitu dengan menghitung selisih pengamatan dengan pengamatan sebelumnya dimana bentuk persamaan untuk model ARIMA adalah sebagai berikut: ?? (?)(1 − ?) ??? = ?0 + ??(?)?? (4) Apabila model ARIMA mempunyai pola musiman (seasonal) maka model yang dibentuk secara umum adalah sebagai berikut: Φ? (? ? )(1 − ? ? ) ??? = Θ?(? ? )?? (5)

Analytic Network Process (ANP) merupakan teori matematis yang mampu menganalisa pengaruh dengan pendekatan asumsi-asumsi untuk menyelesaikan bentuk permasalahan. ANP sebagai  suatu pendekatan alternatif baru untuk studi kualitatif yang dapat mengkombinasikan nilai-nilai Intangible dan judgement subyektif dengan data-data statistik dan faktor-faktor tangible lainnya (Saaty, 2008). Metode ini digunakan dalam bentuk penyelesaian dengan pertimbangan atas penyesuaian kompleksitas masalah disertai adanya skala prioritas yang menghasilkan pengaruh prioritas terbesar. ANP merupakan generalisasi dari Analytic Hierarchy Process, dengan mempertimbangkan ketergantungan antara unsur-unsur dari hirarki. Banyak masalah keputusan tidak dapat terstruktur secara hirarkis karena mereka melibatkan interaksi dan ketergantungan unsur-unsur tingkat yang lebih tinggi dalam hirarki dielemen level yang lebih rendah (Saaty, 2008). Banyak proses pengambilan keputusan suatu persoalan tidak dapat disusun dalam bentuk hirarki karena melibatkan interaksi dan ketergantungan elemen-elemen yang lebih tinggi tingkatannya kepada level elemen yang lebih rendah. Metode ANP mampu memperbaiki kelemahan AHP berupa kemampuan mengakomodasi keterkaitan antar kriteria atau alternatif. Komponen ANP terdiri dari hirarki kontrol, cluster, elemen, hubungan antar elemen dan hubungan antar cluster. Keterkaitan pada metode ANP ada 2 jenis yaitu keterkaitan dalam satu set elemen (inner depedence) dan keterkaitan antar elemen yang berbeda (outer depedence)

1) Menyusun struktur masalah dan mengembangkan model keterkaitan melakukan penentuan sasaran atau tujuan yang diinginkan, menentukan kriteria mengacu pada kriteria control dan menentukan alternatif pilihan. Jika terdapat elemen – elemen yang memiliki kualitas etara maka dikelompokkan ke dalam suatu komponen yang sama.

2) Membentuk matriks perbandingan berpasangan. ANP mengasumsikan bahwa pengambil keputusan harus membuat perbandingan kepentingan antara seluruh elemen untuk setiap level dalam bentuk berpasangan. Perbandingan tersebut itransformasi ke dalam bentuk matriks A. Nilai aij merepresentasikan nilai kepentingan relative dari elemen pada baris ke-i terhadap elemen pada kolom ke-j. misalnya aij =wi / wj.

Jika ada n elemen yang dibandingkan maka matriks perbandingan A idefinisikan sebagai : A= =

3) Menghitung bobot elemen. Jika perbandingan berpasangan telah lengkap, vector prioritas w yang disebut sebagai eigenvector dihitung dengan rumus : A . w = λmaks . W Dimana : A adalah matriks perbandingan berpasangan dan λmaks adalah eigen value terbesar dari A. Eigen vector merupakan bobot prioritas suatu matriks yang kemudian digunakan dalam penyusunan supermatriks.

4) Menghitung rasio konsistensi. Rasio konsistensi tersebut harus 10% atau kurang. Jika nilainya lebih dari 10%, maka penilaian data keputusan harus diperbaiki. Dalam prakteknya, konsistensi tersebut tidak mungkin didapat. Pada matriks konsistensi, secara praktis λmaks = n, sedangkan pada matriks tidak setiap variasi dari wij akan membawa perubahan pada nilai λmaks. Deviasi λmaks dari n merupakan suatu parameter Consistency Index (CI) sebagai berikut : CI = Dimana : CI = Consistency Index λmaks= nilai eigen terbesar n =jumlah elemen yang dibandingkan 4 Berikut gambaran dari metode ANP.

Tahapan ANP

1) Menyusun struktur masalah dan mengembangkan model keterkaitan melakukan penentuan sasaran atau tujuan yang diinginkan, menentukan kriteria mengacu pada kriteria control dan menentukan alternatif pilihan. Jika terdapat elemen – elemen yang memiliki kualitas etara maka dikelompokkan ke dalam suatu komponen yang sama.

2) Membentuk matriks perbandingan berpasangan. ANP mengasumsikan bahwa pengambil keputusan harus membuat perbandingan kepentingan antara seluruh elemen untuk setiap level dalam bentuk berpasangan. Perbandingan tersebut itransformasi ke dalam bentuk matriks A. Nilai aij merepresentasikan nilai kepentingan relative dari elemen pada baris ke-i terhadap elemen pada kolom ke-j. misalnya aij =wi / wj. Jika ada n elemen yang dibandingkan maka matriks perbandingan A idefinisikan sebagai : A= =

3) Menghitung bobot elemen. Jika perbandingan berpasangan telah lengkap, vector prioritas w yang disebut sebagai eigenvector dihitung dengan rumus : A . w = λmaks . W

Dimana :

A adalah matriks perbandingan berpasangan dan λmaks adalah eigen value terbesar dari A.

Eigen vector merupakan bobot prioritas suatu matriks yang kemudian digunakan dalam penyusunan supermatriks.

4) Menghitung rasio konsistensi. Rasio konsistensi tersebut harus 10% atau kurang. Jika nilainya lebih dari 10%, maka penilaian data keputusan harus diperbaiki. Dalam prakteknya, konsistensi tersebut tidak mungkin didapat. Pada matriks konsistensi, secara praktis λmaks = n, sedangkan pada matriks tidak setiap variasi dari wij akan membawa perubahan pada nilai λmaks.

Tahapan ANP

1) Menyusun struktur masalah dan mengembangkan model keterkaitan melakukan penentuan sasaran atau tujuan yang diinginkan, menentukan kriteria mengacu pada kriteria control dan menentukan alternatif pilihan. Jika terdapat elemen – elemen yang memiliki kualitas etara maka dikelompokkan ke dalam suatu komponen yang sama.

2) Membentuk matriks perbandingan berpasangan. ANP mengasumsikan bahwa pengambil keputusan harus membuat perbandingan kepentingan antara seluruh elemen untuk setiap level dalam bentuk berpasangan. Perbandingan tersebut itransformasi ke dalam bentuk matriks A. Nilai aij merepresentasikan nilai kepentingan relative dari elemen pada baris ke-i terhadap elemen pada kolom ke-j. misalnya aij =wi / wj. Jika ada n elemen yang dibandingkan maka matriks perbandingan A idefinisikan sebagai : A= =

3) Menghitung bobot elemen. Jika perbandingan berpasangan telah lengkap, vector prioritas w yang disebut sebagai eigenvector dihitung dengan rumus : A . w = λmaks . W Dimana : A adalah matriks perbandingan berpasangan dan λmaks adalah eigen value terbesar dari A. Eigen vector merupakan bobot prioritas suatu matriks yang kemudian digunakan dalam penyusunan supermatriks.

4) Menghitung rasio konsistensi. Rasio konsistensi tersebut harus 10% atau kurang. Jika nilainya lebih dari 10%, maka penilaian data keputusan harus diperbaiki. Dalam prakteknya, konsistensi tersebut tidak mungkin didapat. Pada matriks konsistensi, secara praktis λmaks = n, sedangkan pada matriks tidak setiap variasi dari wij akan membawa perubahan pada nilai λmaks. Deviasi λmaks dari n merupakan suatu parameter Consistency Index (CI) sebagai berikut : CI = Dimana : CI = Consistency Index λmaks= nilai eigen terbesar n =jumlah elemen yang dibandingkan 5

5) Nilai CI tidak akan berarti apabila terdapat standar untuk menyatakan apakah CI menunjukkan matriks yang konsisten. Saaty (2008) memberikan patokan dengan melakukan perbandingan secara acak atas 500 buah sampel. Saaty berpendapat bahwa suatu matriks yang dihasilkan dari perbandingan yang dilakukan secara acak merupakan suatu matriks yang mutlak tidak konsisten. Dari matriks acak tersebut didapatkan juga nilai Consistency Index, yang disebut Random Index (RI). Dengan membandingkan CI dan RI maka didapatkan patokan untuk menentukan tingkat konsistensi suatu matriks, yang disebut Consistency Ratio (CR), dengan rumus : CR = Dimana : CR = Consistency Ratio CI = Consistency Index RI = Random Index Nilai RI merupakan nilai random index yang dikeluarkan oleh Oarkridge Laboratory.

6) Membuat Supermatriks Supermatriks merupakan hasil vector prioritas dari perbandingan berpasangan antar cluster, kriteria dan alternatif. Supermatriks terdiri dari tiga tahapan, yaitu supermatriks tidak tertimbang (Unweighted Supermatrix), supermatriks tertimbang (Weighted Supermatrix) dan supermatriks limit (Limitting Supermatrix).

a. Tahap Unweighted Supermatrix Unweighted Supermatrix dibuat berdasarkan perbandingan berpasangan antar cluster, kriteria dan alternatif dengan cara memasukkan vector prioritas (eigen vector) kolom ke dalam matriks yang sesuai dengan selnya.

b. Tahap Weighted Supermatrix Weighted Supermatrix diperoleh dengan cara mengalihkan semua elemen pada unweighted supermatrix dengan nilai yang terdapat dalam matriks cluster yang sesuai sehingga setiap kolom memiliki jumlah satu.

c. Tahap Limmiting Supermatrix Selanjutnya untuk memperoleh limiting supermatrix, weighted supermatrix dinaikkan bobotnya. Menaikkan bobot weighted supermatrix dilakukan dengan cara mengalikan supermatriks tersebut dengan dirinya sendiri sampai beberapa kali. Ketika bobot pada setiap kolom memiliki nilai yang sama, maka limmiting supermatrix sudah didapatkan.

7) Rangking Alternatif

a. Bobot Raw Bobot raw merupakan nilai eigen vektor dari normalisasi limiting supermatrik.

b. Bobot Normal Bobot normal didapatkan dari nilai bobot raw dibagi dengan jumlah total dari bobot raw.

. Bobot Ideal Nilai ideal adalah nilai hasil bagi kolom(kolom nilai normal) dengan nilai terbesar pada kolom normal

Terdapat tiga prinsip dasar ANP :

1. Dekomposisi.

Masalah – masalah yang dikumpulkan dengan melakukan studi lapangan ketika penelitian sedang berlangsung merupakan masalah yang kompleks. Untuk menstruktur masalah – masalah yang kompleks tersebut perlu didekomposisikan ke dalam suatu jaringan dalam bentuk komponen – komponen, cluster, sub cluster, serta alternatif. Mendekomposisi adalah memodelkan masalah ke dalam kerangka ANP.

2. Penilaian Komparasi.

Prinsip ini diterapkan untuk melihat perbandingan pasangan (pairwise) dari semua jaringan / hubungan / pengaruh yang dibentuk dalam suatu kerangka kerja. Hubungan tersebut dapat berupa hubungan anatara elemen – elemen dalam suatu komponen yang berbeda atau hubungan antara elemen dengan elemen lainnya dalam komponen yang sama. Pembandingan pasangan ini digunakan untuk mendapatkan prioritas local dari elemen – elemen dalam suatu cluster dilihat dari cluster induknya.

3. Komposisi hierarki atau sintesis.

Prinsip ini diterapkan untuk mengalikan prioritas lokal dari elemen – elemen dalam cluster dengan prioritas ‘global’ dari elemen induk yang akan menghasilkan prioritas global seluruh hierarki dan menjumlahkannya untuk menghasilkan prioritas global untuk elemen level terendah (biasanya merupakan alternatif).

Multiple Criteria Decision Making (MCDM) merupakan suatu metode pengambilan keputusan untuk menetapkan alternative terbaik dari sejumlah alternative berdasarkan beberapa kriteria tertentu. Terdapat beberapa metode dalam pendekatan MCDM anatara lain Simple Additive Weighting Method (SAW), Weighted Product Model (WPM), ELECTRE, Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), Analytic Hierarchy Process (AHP) serta ANP karena merupakan pengembangan dari AHP[10].

Analytic Network Process (ANP) merupakan teori matematis yang mampu menganalisa pengaruh dengan pendekatan asumsi-asumsi untuk menyelesaikan bentuk permasalahan. ANP sebagai Jurnal Sistem Informasi Bisnis 02(2016) On-line :http://ejournal.undip.ac.id/index.php/jsinbis 107 suatu pendekatan alternatif baru untuk studi kualitatif yang dapat mengkombinasikan nilai-nilai Intangible dan judgement subyektif dengan data-data statistik dan faktor-faktor tangible lainnya (Saaty, 2008). Metode ini digunakan dalam bentuk penyelesaian dengan pertimbangan atas penyesuaian kompleksitas masalah disertai adanya skala prioritas yang menghasilkan pengaruh prioritas terbesar. ANP merupakan generalisasi dari Analytic Hierarchy Process, dengan mempertimbangkan ketergantungan antara unsur-unsur dari hirarki. Banyak masalah keputusan tidak dapat terstruktur secara hirarkis karena mereka melibatkan interaksi dan ketergantungan unsur-unsur tingkat yang lebih tinggi dalam hirarki dielemen level yang lebih rendah (Saaty, 2008). Banyak proses pengambilan keputusan suatu persoalan tidak dapat disusun dalam bentuk hirarki karena melibatkan interaksi dan ketergantungan elemen-elemen yang lebih tinggi tingkatannya kepada level elemen yang lebih rendah. Metode ANP mampu memperbaiki kelemahan AHP berupa kemampuan mengakomodasi keterkaitan antar kriteria atau alternatif. Komponen ANP terdiri dari hirarki kontrol, cluster, elemen, hubungan antar elemen dan hubungan antar cluster. Keterkaitan pada metode ANP ada 2 jenis yaitu keterkaitan dalam satu set elemen (inner depedence) dan keterkaitan antar elemen yang berbeda (outer depedence)

ANP merupakan pengembangan dari metode Analytic Hierarchy Process (AHP), AHP sendiri merupakan metode yang lebih banyak memperhitungkan ketergantungan antara unsur-unsur hirarki. Banyak masalah keputusan yang tidak dapat terstruktur menggunakan hirarki karena hierarki lebih mempertimbangkan ketergantungan dengan elemen tingkat yang lebih tinggi dalam hirarki, pada elemen tingkat yang lebih rendah. Sedangkan ANP yang diwakili oleh jaringan, bukan hirarki dapat mengatasi masalah tersebut. ANP adalah cara logis digunakan untuk menangani masalah ketergantungan dari unsur yang lebih tinggi

AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. AHP sendiri merupakan sebuah model pendukung keputusan yang dapat menyelesaikan masalah yang bersifat multi kriteria yang kompleks berdasarkan unsur hierarki sebagai dasar penyusunnya.  Hirarki merupakan suatu penggambaran sebuah permasalahan yang kompleks dimana level pertama adalah tujuan, yang diikuti level faktor kriteria, sub kriteria, dan seterusnya hingga ke level terakhir yaitu alternatif. Dengan menggunakan hirarki, masalah dapat digabung ke dalam kelompok-kelompoknya sehingga permasalahan akan tampak lebih terstruktur dan sistematis

Analisis data penelitian kualitatif seharusnya dimulai pada awal penelitian. Ketika seseorang melakukan penelitian, maka di saat itu pula ia (peneliti) akan berhadapan dengan data-data baik data-data dari teks atau dokumen, melalui catatancatatan observasi ataupun melalui wawancara. Pada saat yang sama, peneliti akan membaca data-data tersebut (mungkin berkali-kali) yang selanjutnya akan memberikan makna terhadap data yang dibaca tersebut. Analisis data di awal penelitian akan memudahkan peneliti dalam menerapkan strategi yang akan digunakan dalam mengumpulkan datadata atau informasi baru selanjutnya. Mengingat peneliti akan melakukan pengumpulan data melalui wawancara dengan informan lain, maka analisis data yang dilakukan lebih awal akan menjadi panduan peneliti dalam menggali informasi dari informan. Setelah mengumpulkan data melalui wawancara dan observasi, maka hal yang pertama dihadapi oleh seorang peneliti adalah berhadapan dengan data-data penelitian. Data-data tersebut membutuhkan pengorganisasian yang kemudian disebut sebagai analisis data.

Bagi beberapa peneliti, penelitian kualitatif terkadang sulit didefinisikan. Argumentasi yang paling banyak digunakan adalah bahwa penelitian kualitatif adalah penelitian yang tidak memanfaatkan angka-angka, berlawanan dengan penelitian kuantitatif. Pendapat ini tidak dapat disalahkan mengingat datadata yang diperoleh dalam penelitian kualitatif lebih bersifat kata-kata atau informasi. Namun demikian, penelitian kualitatif dapat diidentifikasi dan dipahami dengan melihat cakupan atau feature yang terdapat pada penelitian kualitatif. Flick (2007) berpendapat bahwa penelitian kualitatif adalah penelitian yang diperuntukkan untuk memahami, menguraikan, dan bahkan menjelaskan fenomena sosial yang ada dengan cara-cara sebagai berikut:

Koding merupakan kegiatan merubah data berbentuk huruf menjadi data berbentuk angka/ bilangan. Misalnya untuk variabel pekerjaan dilakukan koding 1 = Pegawai Negeri, 2 = Wiraswasta, 3 = Pegawai Swasta dan 4 = Pensiunan. Jenis kelamin: 1 = Pria dan 2 = Wanita, dsb. Kegunaan dari koding adalah untuk mempermudah pada saat analisis data dan juga mempercepat pada saat entry data. Entry data, adalah transfer coding data dari kuisioner kesoftware. Pengkodean data dilakukan untuk memberikan kode yang spesifik pada respon jawaban responden untuk memudahkan proses pencatatan data.

Pemberian kode pada data adalah menterjemahkan data  kedalam kode-kode yang biasanya dalam bentuk angka. Tujuannya ialah untuk dapat dipindahkan kedalam sarana penyimpanan, misalnya komputer dan analisa berikutnya. Dengan data sudah diubah dalam bentuk angka-angka, maka peneliti akan lebih mudah mentransfer kedalam komputer dan mencari program perangkat lunak yang sesuai dengan data untuk digunakan sebagai sarana analisa, misalnya apakah data tersebut dapat dianalisa

Pengertian dari editing data adalah proses meneliti hasil survai untuk meneliti apakah ada response yang tidak lengkap, tidak komplet atau membingungkan, dan apabila ada kasus seperti ini ada beberapa cara untuk mengatasinya misalnya:

Dengan cara mengembalikan ke survayor, apabila survai lagi tidak mungkin dilakukan maka response yang tidak lengkap dapat diganti dengan missing value atau ditulis tidak menjawab,

Menyingkirkan hasil survay dengan jawaban yang tidak lengkap (apabila jumlahnya kecil dan sampel yang diambil besar)

Dilakukan dengan cara meneliti kembali data yang terkumpul dari penyebaran kuesioner. Langkah tersebut dilakukan untuk mengetahui apakah data yang terkumpul sudah cukup baik. Pemeriksaan data atau editing dilakukan terhadap jawaban yang telah ada dalam kuesioner dengan memperhatikan hal-hal meliputi: kelengkapan pengisian jawaban, kejelasan tulisan, kejelasan makna jawaban, serta kesesuaian antar jawaban. (Suplemen MPS1 Kuantitatif)

Proses editing merupakan proses dimana peneliti melakukan klarifikasi, keterbacaan, konsisitensi dan kelengkapan data yang sudah terkumpul. Proses klarifikasi menyangkut memberikan penjelasan mengenai apakah data yang sudah terkumpul akan menciptakan masalah konseptual atau teknis pada saat peneliti melakukan analisa data. Dengan adanya klarifikasi ini diharapkan masalah teknis atau konseptual tersebut tidak mengganggu proses analisa sehingga dapat menimbulkan bias penafsiran hasil analisa. Keterbacaan berkaitan dengan apakah data yang sudah terkumpul secara logis dapat digunakan sebagai justifikasi penafsiran terhadap hasil analisa. Konsistensi mencakup keajegan jenis data berkaitan dengan skala pengukuran yang akan digunakan. Kelengkapan mengacu pada terkumpulannya data secara lengkap sehingga dapat digunakan untuk menjawab masalah yang sudah dirumuskan dalam penelitian tersebut.

Kuncoro (2001) mengatakan bahwa regresi logistik memiliki beberapa kelebihan dibandingkan teknik analisis lain yaitu: 1. Regresi logistik tidak memiliki asumsi normalitas dan heteroskedastisitas atas variabel bebas yang digunakan dalam model sehingga tidak diperlukan uji asumsi klasik walaupun variabel independen berjumlah lebih dari satu. 2. Variabel independen dalam regresi logistik bisa campuran dari variabel kontinu, distrik, dan dikotomis. 3. Regresi logistik tidak membutuhkan keterbatasan dari variabel independennya. 4. Regresi logistik tidak mengharuskan variabel bebasnya dalam bentuk interval.

Pengamatan (observasi) adalah suatu proses yang kompleks yang
tersusun dari berbagai proses biologis dan psikologis, dua diantaranya
yang terpenting adalah proses – proses pengamatan dan ingatan.62 Atau
alat pengumpulan data yang dilakukan dengan cara mengamati dan
mencatat secara sistematik gejala – gejala yang diteliti.63
Observasi merupakan pengamatan yang didasari oleh kegiatankegiatan pemilihan, pengubahan, pencatatan, dan pengkodean terhadap
serangkaian perilaku dan suasana yang berkenaan dengan organisme
(naturalistik), sesuai dengan tujuan-tujuan empiris. Pengamatan untuk
memperoleh data dalam penelitian memerlukan ketelitian untuk
mendengarkan dan perhatian yang hati-hati dan terperinci pada apa yang
dilihat.64 Dengan menggunakan teknik pengumpulan data ini diharapkan
nantinya akan diperoleh data yang lengkap, tajam, dan sampai mengetahui
pada tingkat makna dari setiap perilaku yang nampak. Dalam penelitian ini
nantinya peneliti akan melihat kegiatan yang ada didalamnya untuk
mendapat data yang selengkap-lengkapnya dan data yang dihimpun dapat
terjaga kevalidannya

Dalam bagian ini akan diberikan tiga desain MMR yang hemat penulis
rancangan tersebut sangat terbuka untuk diaplikasikan dalam konteks
olahraga serta tidak sukar menggunakannya. Ketiga desain tersebut akan
penulis ambil dari karya Steckler at al., (1992), Tashakkori & Teddlie
(2010), Creswell (1999; 2010), Morse (2010) serta Creswell at al (2010).
Di samping itu, penulis juga akan berusaha untuk memberikan contoh
aplikasi setiap desain yang diberikan dalam konteks olahraga.
Desain I: Mengembangkan Instrumen kuantitatif
Rancangan pertama yang diberikan di sini adalah sebuah desain
yang digunakan dengan tujuan untuk mengembangkan instrumen
penelitian kuantitatif. Steckler at al., (1992: 5) menyebut model
pertamanya dengan “qualitative methods are used to help develop
quantitative measures and instruments”. Tidak berbeda, Creswell (1999:
463) menyebut modelnya dengan “instrument-building model”.
Dengan menggunakan desain di atas maka terdapat dua tahap
penelitian. Pada tahap pertama, metode kualitatif diarahkan untuk
mendapatkan konstruk-konstruk aitem pertanyaan atau pernyataan yang
nantinya menjadi dasar dalam pengembangan instrumen penelitian.
Dalam tahap inipeneliti menggunakan teknik wawancara mendalampada
responden. Wawancara tersebut ditujukan untuk mengungkap
karakteristik kepribadian dan/atau fenomena yang menjadi cikal bakal
penyusunaninstrumen kuantitatif.
Setelah hasil dari tahap pertama didapat maka penelitian
dilanjutkanke tahap kedua, yaitumemanfaatkan metode kuantitatif. Dalam
tahap kedua tersebut peneliti akan melakukan pengujian validitas dan
reliabilitas instrumen pada subjek yang luas. Creswell at al (2010)
menyarankan untuk melakukan pengujian pada 500 individu. Meskipun
sudah divisualisasikan seperti di atas, hal ini dianggap kurang begitu
membantu dalam memahami desain tersebut. Dibutuhkan penjelasan
lebih lanjut berkaitan dengan prosedur rancangan di atas

Desain II: Kualitatif sebagai komplementar dari kuantitatif
Desain yang kedua digunakan ketika peneliti menghendaki agar
metode kualitatif dimanfaatkan untuk membantu memberikan penjelasan
dalam penemuan metode kuantitatif. Oleh Morse (2010) rancangan
demikian dinotasikan dengan . Tanda anak panah
menunjukan penelitian dilakukan secara berurutan (sequential) sedangkan
huruf besar (KUAN yang akronim dari kuantitatif) mengindikasikan
prioritas atau bobot yang lebih dominan. Tashakkori & Teddlie (2010)
membuat notasi dominan-kurang dominan yang berurutan (sequential)
sebagai berikut KUAN/KUAL

Rancangan di atas (Mores, 2010; Tashakkori & Teddlie, 2010;
Steckler at al., 1992; Creswell, 1999; 2010; dan Creswell at al., 2010)
menjadidesain yang cukup populer dalam penelitian MMR dan acapkali
digunakan oleh para peneliti yang lebih condong pada proses kuantitatif.
Menurut Tashakkori & Teddlie (2010) desain ini terkenal di kalangan
mahasiswa tingkat sarjana dan peneliti pemula yang ingin menggunakan
dua pendekatan dalam pekerjaan mereka tetapi tidak ingin mendapatkan
banyak kesulitan ketika menggunakan dua pendekatan secara bersama.
Creswell (2012: 542) menjelaskan “this design…perhaps the most popular
form of mixed methods design in educational research”
Dalam rancangan di atas penelitian pertama dilakukan dengan
metode kuantitatif dan kemudian dilanjutkan menggunakan metode
kualitatif. Oleh karena itu, Creswell (2010; 2012) dan Creswell at al., 2010)
menyebut rancangan tersebut sebagai desain dua tahap. Desain dua
tahap merupakan yang paling sederhana dari desain MMR berurutan
(Tashakkori & Teddlie, 2010). Rancangan bertahap merupakan prosedur
penelitian di mana peneliti berusaha menggabungkan atau memperluas
penemuan yang diperoleh dari satu metode dengan penemuan dari
metode yang lain (Creswell, 2010).
Prosedur yang digunakan oleh peneliti dalam rancangan ini adalah
mengumpulkan data dan menganalisisnya menggunakan metode
kuantitatif kemudian diikuti oleh pengumpulan data serta analisis
datasecara kualitatif yang dibangun berdasarkan temuan awal (kuantitatif).
Bobot atau prioritas lebih diberikan pada data kuantitatif (Creswell at al,
2012). Meskipun demikian dua jenis data ini tidak terpisah dan tetap
berhubungan (Creswell, 2010).
Contoh penerapan desain tersebut dapat dilihat dalam
penelitiannya Maksum (2010) yang menyelidiki akar masalah dan pola
kekerasan suporter sepakbola Surabaya atau yang dikenal dengan
Bonek. Dalam tahap pertama peneliti menggunakan metode survei untuk
mendapat data tentang status sosial ekonomi para suporter, yang
mencakup tingkat pendidikan, status pekerjaan, jenis pekerjaan, tingkat
pendapatan dan kondisi orangtua. Mengingat menggunakan metode
kuantitatif maka subjek yang diselidiki jumlahnya cukup besar, yaitu 500
suporter yang diambil secara acak ketika menyaksikan persebaya
bertanding di kandang. Pengumpulan data dalam tahap tersebut dilakukan
menggunakan angket.
Setelah penelitian tahap pertama selesai dilakukan maka
dilanjutkanstudi tahap kedua dengan metode kualitatif. Tujuan dalam
penelitian tahap kedua ini adalah untuk mengungkap karakteristik dasar
dari kerusuhan suporter, faktor-faktor yang menjadi penyebab timbulnya
kerusuhan dan pola terjadinya kerusuhan suporter. Ada dua fase dalam
metode kualitatif yang digunakan, yaitu preliminary study dan field study.
Observasi lapangan serta Focus Group Discussion (FGD) menjadi pilihan
strategi untuk mengumpulkan data bertalian dengan tindak kerusuhan
suporter sepakbola.
Pada kesempatan ini penulis akan mencoba menganalisis prosedur
penelitian di atas. Dalam desain penelitiannya, Maksum (2010)
menyatakan bahwa peneliti menggunakan sequential explanatory design
dari Creswell (2003) yang bersifat dominan-kurang dominan, yaitu
menempatkan metode kualitatif lebih menonjol dibanding kuantitatif.
Prosedur tersebut akan sedikit berbeda dari tujuan awal pengembangan
sequential explanatory design dari Creswell (2010). Ilmuan yang
mengembangkan model tersebut menyatakan bahwa dalam sequential
explanatory design tersebut prioritas lazimnya diberikan pada data
kuantitatif (Creswell, 2010; Creswell at al, 2010). Namun, penelitian
Maksum (2010) melakukan sebaliknya, yaitu memberikan bobot dan
prioritas pada kualitatif. Apa yang dilakukan oleh Maksum (2010) dalam
penelitiannya patut diapresiasi karena ia melakuan perubahan bobot atau
prioritas untuk dapat menjawab secara mendalam masalah yang ada di
lapangan.
Desain III: Kuantitatif sebagai komplementar kualitatif
Desain tersebut merupakan kebalikan dari desain sebelumnya
(desain II). Desain III digunakan ketika peneliti menghendaki agar metode
kuantitatif dimanfaatkan untuk menguji secara luas penemuan yang
dihasilkan dari metode kualitatif. Morse (2010) memberikan notasi seperti
berikut . Penjelasan tanda anak panah dan huruf besar atau
kecil sama seperti pada desain sebelumnya. Tashakkori & Teddlie (2010)
membuat notasi dominan-kurang dominan yang berurutan (sequential)
sebagai berikut KUAL/KUAN. Steckler at al., (1992: 5) mengajukan model
3 yang ia sebut dengan “quantitative methods are used to embellish a
primarily qualitative study”
Rancangan yang lebih lengkap diberikan oleh Creswell (1999;
2010) dan Creswell at al (2010). Pakar mixed methods tersebut menyebut
rancangannya dengan istilah sequential exploratory design
Berbeda dengan sequential explanatory design yang lebih tepat
untuk menjelaskan dan menginterpretasikan hubungan, fokus utama
sequential exploratory design adalah untuk mengeksplorasi fenomena
(Creswell, 2010; Creswell at al, 2010). Meski begitu, desain di atas juga
melalui dua tahap penelitian, yang prioritas atau bobot lebih besar
diberikan pada kualitatif.Itu sebabnya data kuantitatif dimanfaatkan untuk
membantu dalam menginterpretasikan temuan-temuan kualitatifdalam
tahap pertama.
Rancangan ini lebih bermanfaat ketika seorang peneliti tidak hanya
ingin mengeksplorasi sebuah fenomena namun juga ingin memperluas
temuan-temuan kualitatifnya. Morgan (1998) menyatakan rancangan ini
cocok digunakan ketika menguji elemen-elemen sebuah teori baru yang
muncul dari tahap kualitatif dan bahwa desain ini juga dapat digunakan
untuk mengeneralisasikan temuan kualitatif pada sampel-sampel yang
lebih luas serta berbeda. Creswell (1999) dan Creswell at al (2010)
menjelaskan bahwa sequential exploratory design sering kali dibahas
sebagai desain yang digunakan ketika peneliti membuat dan menguji
instrumen.
Menganalisis prosedur penelitian Maksum (2007) di bagian
sebelumnya serta mempertimbangkan pendapat Morgan (1998), Creswell
(1999) dan Creswell at al (2010) maka apa yang dilakukan oleh pakar
psikologi olahraga tersebut sejatinya adalah aplikasi dari sequential
exploratory design. Meskipun secara eksplisit, jika membaca artikelnya,
iatidak menuliskan mengunakan rancangan sequential exploratory dalam
penelitiannya namun prosedur yang ia gunakan sesuai dengan desain
tersebut.

Terkait dengan pertanyaan di atas, Creswell (2010) menjelaskan
MMR akan berguna ketika metode kuantitatif atau kualitatif secara sendirisendiri kurang mumpuni untuk memahami permasalahan penelitian.
Sebaliknya, di sisi yang lain, penggunaan MMR diyakini dapat
memperoleh pemahaman yang lebih baik dibanding dengan hanya
menggunakan metode tunggal.
Bila mencermati sejarahnya maka tampak bahwa MMR
dikembangkan dengan semangat untuk mendapatkan hasil penelitian
yang lebih memuaskan dibandingkan dengan hanya menggunakan
metode tunggal. Malina (2010: 6) menyatakan “mixed methods research
employ both approaches iteratively or simultaneously to creat a research
outcome stronger than either method individually”. Oleh kerena itu,
penelitian ini secara keseluruhan lebih powerful daripada metode tunggal
(Creswell, 2010).
Creswell (2012: 535) memberikan petunjuk yang mencerahkan
bahwa “You conduct a mixed methodss study when you have both
quantitative and qualitative data and both types of data, together, provide
a better understanding of your research problem than either type by itself.
Mixed methodss research is a good design to use if you seek to build on
the strengths of both quantitative and qualitative data….You also conduct
a mixed methodss study when one type of research (qualitative or
quantitative) is not enough to address the research problem or answer the
research questions”.

Seperti halnya metode kuantiatif serta kualitatif yang memiliki
kelebihan disatu sisi dan kekurangan di sisi yang lain, MMRpun demikian.
Dengan kesadaran seperti ini maka peneliti dapat mempertimbangkan
saran dari Jones (1997) yang menyatakan bahwa ketika
mengkombinasikan metode maka kita ambil kelebihan atau kekuatan yang
terdapat dalam setiap metode. Pertanyaannya kemudian, apakah
kelebihan dari MMR?
Menurut Teddlie & Tashakkori (2010) MMR memiliki kelebihan
antara lain (1) sanggup menjawab pertanyaan yang tidak mampu dijawab
oleh metodologi yang lain, (2) memberikan proses pengambilan simpulan
yang lebih baik atau akurat, (3) memberikan peluang untuk menyajikan
beragam pandangan yang komprehensif. Tidak berbeda jauh Putra (2017)
menyebutkan bahwa beberapa kelebihan MMR antara lain (1)
dimungkinkan mengajukan pertanyaan penelitian yang kompleks, (2)
didapat data yang lebih kaya dan komprehensif, (3) hasil penelitian akan
memliki kredibilitas yang tinggi karena adanya triangulasi.
Meskipun memiliki banyak kelebihan dibanding penggunaan
metode tunggal, Putra (2017) menyatakan bahwa penggunaan MMR juga
memiliki kelemahan. Terkait dengan itu, Morse (2010) memberikan
catatan yang membantu kita. Menurutnya, pada sisi lain, kekuatan
komprehensivitas penggunaan MMR juga dapat dipandang sebagai
kelemahan. Dalam praktiknya peneliti dapat kurang ketat menerapkan
prosedur-prosedur yang ada sehingga data yang diperolehnya menjadi
dipertanyakan.
Penulis yang menganalisis penggunaan MMR menemukan bahwa
terdapat tiga kelemahaan dalam metode tersebut, antara lain (1)
dibutuhkan pengetahuan prasayarat yang baik dan mendalam terkait
dengan metode kuantitatif serta kualitatif karena keduanya digunakan
dalam satu penelitian, (2) diperlukan pengambilan banyak data dalam
penelitiannya, (3) menghabiskan banyak waktu dan tenaga dalam proses
penelitiannya. Morse (2010) mengingatkan bahwa menggunakan MMR
menimbulkan ancaman serius terhadap validitas penelitian karena asumsiasumsi dasar dari kedua metode rawan dilanggar ketika memadukan atau mengkombinasikannya

Ilmuwan berpengaruh, Morse (2010), mengeluarkan empat prinsip
dalam MMR. Namun dalam bagian ini, penulis hanya memberikan dua
prinsip yang kemudian penulis kaitkan dengan konteks olahraga. Pertama,
mengenali arah teoretis proyek penelitian. Semua proyek penelitian
memiliki tujuan akhir berupa penemuan ataupun pengujian. Cara utama
yang ditempuh peneliti dalam mengkaji secara tuntas tema penelitian di
sebut dengan arah teoretis. Arah teoretis tersebut dapat berciri induktif
(untuk tujuan penemuan) atau deduktif (untuk tujuan pengujian).

Arah teoretis induktif adalah ketika peneliti bekerja dengan tujuan
untuk menemukan jawaban, misalnya, Kenapa pelatih yang satu lebih
sukses dibanding dengan pelatih yang lain? Apakah yang membuat
seorang atlet lebih berprestasi dibanding dengan atlet lainnya? Faktor apa
yang menyebabkan itu terjadi? Seluruh arah induktif tidak berubahah
meskipun terdapat bagian-bagian kecil dalam penelitian yang berusaha
untuk melakukan konfirmatoris seperti dalam arah deduktif.
Jikalau semangat utama penelitiannya adalah untuk menguji suatu
teori atau hipotesis, untuk menjawab seberapa besar, untuk menentukan
hubungan dan tujuan sejenis lainnya maka arah teoretisnya berciri
deduktif. Pertanyaan yang biasa diajukan dengan arah teoretis seperti ini
antara lain: Apakah ada perbedaan kemampuan motorik antara anak yang
tinggal di daerah pesisir dengan di gunung? Apakah terdapat hubungan
antara gaya kepemimpinan pelatih dengan disiplin atlet? Sekali lagi,
meskipun arah utama teoretisnya adalah berciri deduktif namun dalam
penelitianya, seorang peneliti dapat memasukkan arah induktif untuk
mendapat pemahaman yang lebih komprehensif. Misalnya, bertalian
dengan budaya hidup masyarakat, kebiasaan masyarakat dalam
beraktivitas fisik, dan konstruk-konstruk lain yang relevan.
Kedua, menyadari akan dominasi yang ada dalam proyek
penelitian. Dalam rancangan mixed methods kita akan menemui istilah
dominan (dominant) seperti yang digunakan Morse (2010) serta
Tashakkori & Teddlie (2010) atau prioritas (priority) dari Morgan (1998)
yang menunjukkan tentang kadar atau bobot dalam desain penelitian.
Kesadaran akan bobot tersebut menjadi penting agar proyek penelitian
dapat berjalan dengan lancar dan tidak menimbulkan kerancuan dalam
praktiknya.
Morse (2010), Creswell (2010; 2012), dan Creswell at al (2010)
memberikan notasi huruf besar dan kecil untuk menunjukkan metode
mana yang lebih dominan atau yang memiliki bobot (weighting) lebih
tinggi. Ketika peneliti menggunakan metode kualitatif lebih dominan
sedangkan kuantitatif sebagai suplementer maka peneliti dapat
memberikan notasi KUAL + kuan atau . Sebaliknya, ketika
metode kuantitatif lebih dominan dibanding dengan kualitatif maka kita
dapat memberikan notasi KUAN + kual atau .

Mixed Methods Research (MMR) yang berlandaskan paradigma
pragmatism mempunyai penyebutan istilah yang sangat beragam.
Banyaknya istilah yang diberikan oleh pakar membuktikan bahwa metode
tersebut mengalami perkembangan. Putra (2017) yang menganalisis dan
mensintesiskan penggunaan istilah metode ini menemukan delapan istilah
berbeda yang digunakan oleh ilmuwan. Misalnya, mixing methods, mixed
methods research or called mixed research, blending quantitativequalitative, multimethods, convergence, integrated, andcombined.
Meskipun sangat beragam namun MMR dipandang lebih umum
digunakan oleh peneliti. Hal ini sesuai dengan yang diungkapkan oleh
Collins, Onwuegbuzie, and Jiao (dalam Johnson, Onwuegbuzie & Turner,
2007: 118) yang menyelidiki 496 artikel dari lintas disiplin ilmu dan
menemukan bahwa “Mixed methods research has become the most
popular term used to describe this movement”.Dengan dasar itu maka
istilah yang digunakan dalam artikel ini adalah Mixed Methods Research
(MMR). Pertanyaannya sekarang, apakah yang dimaksud dengan MMR?
Brannen (2005: 4) menyatakan “mixed methods research means
adopting a research strategy employing more than one type of research
methods.” Pakar yang lain, Creswell (2010) menyebutkan MMR
merupakan pendekatan yang mengkombinasikan atau mengasosiasikan
bentuk kualitatif dan bentuk kuantitatif. Johnson (2014: 1) memberikan
definisi yang komprehensif bahwa “Mixed methods research (also mixed
research or mixed methodology) is the type of research in which a
researcher or team of researchers mixies or combines qualitative and
quantitative research, philosphie/paradigms, methodologies, methods,
techniques, approaches, concepts or language into a single research
study”. Johnson, Onwuegbuzie & Turner (2007: 129) dalam tulisannya
yang mengupas tentang definisi MMRsampai pada simpulan “mixed
methods research is an intellectual and practical synthesis based on
qualitative and quantitative research”.
Putra (2017) yang menganalisis dari karakteristik MMR
mendefinisikannya sebagai penerapan dua metode (kuantitatif dan
kualitatif) dalam satu penelitian yang dilakukan secara berurutan maupun
bersamaan dengan tujuan untuk memahami lebih mendalam tentang
fenomena yang dikaji. Dalam artikel ini penulis akan merevisi definisi
sebelumnya dan mengaitkannya dengan konteks olahraga. MMR dalam
tulisan ini dipahami sebagai pengabungan dua metode (kuantitatif dan
kualitatif) dalam satu proses penelitian yang dilakukan secara berurutan
atau bersamaan dengan tujuan untuk memahami lebih komprehensif serta
mendalam tentang fenomena keolahragaan yang dikaji

Model teknik analisis domain menghasilkan analisis yang sifatnya umum, namun belumm terperinci dan sifatnya masih menyeluruh. Jika yang dimau adalah sebuah hasil analisis yang berfokus pada suatu domain ataupun sub-domain tertentu maka suatu penelitian akan menjadi lebih tepat jika memakai analisis Taksonomik. Melalui Analisis Taksonomik, maka analisis akan berfokus pada domain tertentu, setelah itu memilih domain tersebut untuk dijadikan sub-domain dan bagian-bagian yang lebih terperinci dan khusus yang memiliki rumpun yang serup

Penelitian ilmiah didasarkan atas logika, terorganisasi, dan teliti dalam identifikasi masalah, pengumpulan data, analisis data dan penarikan kesimpulan yang valid. Kadar (tinggi-rendahnya) mutu ilmiah suatu penelitian ilmiah dapat diukur dengan dua kriteria, yaitu:

1. Kemampuannya untuk memberikan pengertian tentang masalah yang diteliti sehingga jelas.
2. Kemampuannya untuk meramalkan, artinya sampai di mana kesimpulan yang sama dapat dicapai, apabila data yang sama ditemukan di tempat waktu lain.

Ciri-ciri penelitian ilmiah, adalah sebagai berikut:

1. Purposiveness, memiliki fokus tujuan yang jelas.
2. Rigor, teliti dan memiliki dasar teori dan desain metodologi yang baik.
3. Testability, prosedur pengujian hipotesis jelas.
4. Replicability, pengujian dapat diulang untuk kasus yang sama atau kasus sejenis lainnya.
5. Objectivity, berdasarkan atas fakta dari data actual, bukan penilaian yang subjektif dan emosional.
6. Generalizability, semakin luas ruang lingkup penggunaan hasil penelitian semakin berguna.
7. Precision, mendekati realitas dan confidence peluang kejadian dari estimasi dapat dilihat.
8. Parsimony, kesederhanaan dalam pemaparan masalah dan metode penelitiannya.

Hasan (2004;5-6) menyatakan bahwa berdasarkan keilmiahannya, penelitian dibedakan atas dua yaitu sebagai berikut:

1)   Penelitian Ilmiah

Penelitian ilmiah adalah penelitian yang dalam pelaksanaannya menggunakan kaidah-kaidah ilmiah, artinya pokok pikiran yang dikemukakan disimpulkan melalui suatu prosedur yang sistematis dengan mempergunakan pembuktian yang meyakinkan (ilmiah).

2)   Penelitian Nonilmiah

Penelitian non ilmiah adalah penelitian yang dalam  pelaksanaannya tidak menggunakan metode atau kaidah-kaidah yang ilmiah

Hasan (2004;5) menyatakan bahwa berdasarkan tempat penelitian, penelitian dibedakan atas tiga yaitu sebagai berikut:
1) Penelitian lapangan (Field Research)
Penelitian lapangan adalah penelitian yang langsung dilakukan di lapangan atau pada responden.
2) Penelitian kepustakaan (Library Research)
Penelitian kepustakaan adalah penelitian yang dilaksanakan dengan menggunakan leteratur (kepustakaan), baik berupa buku, catatan, maupun laporan hasil penelitian dari peneliti terdahulu.
3) Penelitian Laboratorium (Laboratory Research)
Penelitian laboratorium adalah penelitian yang dilaksanakan pada tempat tertentu (laboratorium) dan biasanya bersifat eksperimen atau percobaan

Margono (2009;6) menyatakan bahwa tugas penelitian yaitu untuk memberikan, menerangkan dan meramalkan dan  mengatasi permasalahan atau persoalan-persoalan, maka penelitian dapat digolongkan pula dari sudut pandang ini. Berdasarkan penggolongan dapat dipilih rencana penelitian yang sesuai. Ada 8 jenis penelitian itu, yakni:

1)   Penelitian Historis

Penelitian ditunjukan kepada rekonstruksi masa lampau secara sistematis dan objektif memahami peristiwa-peristiwa masa lampau itu. Data yang dikumpulkan pada penelitian ini sukar dikendalikan. Maka tingkat  kepastian pemecahan dengan metode ini pasti rendah. Data yang dikumpulkan biasanya berupa hasil pengamatan orang, seperti surat-surat, arsip dan dokumen-dokumen masa lalu. Penelitian seperti ini bila ditunjukan kepada kehidupan pribadi seseorang maka penelitian disebut penelitian biografi. Kekhususan penelitian ini adalah:

1. Data yang dikumpulkan diambil dari hasil observasi orang lain.
2. Data yang baik adalah data yang otentik, tepat dan dari sumber-sumber penting.
3. Penelitian dilakukan dengan tertib, sistematis, objektif dan tuntas.
4. Data yang dikumpulkan dari sumber primer, yaitu langsung melakukan observasi atas peristiwa-peristiwa yang dilaporkan.
5. Data yang berbobot adalah data yang diuji secara eksternal dan internal.

2)   Penelitian Deskripsi

Penelitian deskripsi berusaha memberikan dengan sistematis dan cermat serta fakta-fakta aktual dan sifat populasi tertentu. Kekhususan penelitian ini adalah:

1. Bertujuan untuk memecahkan masalah-masalah aktual yang dihadapi sekarang.
2. Bertujuan untuk mengumpulkan data atau informasi untuk disusun, dijelaskan dan dianalisis.

3)   Penelitian Perkembangan

Penelitian ini menyelidiki pola dan proses pertumbuhan dan perubahan sesuai dengan fungsi waktu. Kekhususan penelitian ini adalah:

1. Memusatkan perhatian pada ubahan-ubahan tertentu dan perkembangannya selama jangka waktu tertentu.
2. Penelitian ini biasanya memakai waktu yang panjang atau bersifat longitudinal.

4)   Penelitian Kasus atau Penelitian Lapangan

Penelitian kasus memusatkan perhatian pada suatu kasus secara intensif dan terperinci mengenai latar belakang keadaan sekarang yang dipermasalahkan. Kekhususan penelitian ini adalah:

1. Subjek yang diteliti terdiri dari suatu kesatuan (unit) secara mendalam, sehingga hasilnya merupakan suatu gambaran lengkap atas kasus pada unit itu.
2. Selain penelitian hanya pada suatu unit, ubahan-ubahan yang diteliti juga terbatas, dari ubahan-ubahan yang lebih besar jumlahnya, yang berpusat pada aspek yang menjadi kasus.

5)   Penelitian Korelasional

Penelitian ini bertujuan melihat hubungan antara dua gejala atau lebih. Misalnya, apakah ada hubungan antara status sosial orang tua siswa dengan prestasi anak mereka. Kekhususan penelitian ini adalah:

1. Gejala-gejala yang diteliti pelik, tidak dapat dikontrol sehingga tidak dapat dieksperimenkan.
2. Ubahan-ubahan yang akan diukur ada hubungannya serentak muncul dalam kenyataan.
3. Korelasi yang akan diukur adalah tingkat tinggi rendahnya hubungan bukan ada tidaknya hubungan.

6)   Penelitian Hubungan Sebab-Akibat

Penelitian untuk menyelidiki hubungan sebab-akibat antara faktor tertentu yang mungkin menjadi penyebab gejala yang diselidiki.

Misalnya: sikap santun siswa dalam kegiatan belajar, mungkin dikarenakan banyaknya lulusan tertentu yang tidak mendapakkan lapangan kerja. Kekhususan penelitian ini adalah:

1. Penelitian bersifat ex post fakto.
2. Suatu gejala yang diamati diusut kembali dari suatu faktor atau beberapa faktor pada masa lampau.

7)   Penelitian Eksperimen

Penelitian ini dilakukan dengan melakukan percobaan terhadap kelompok-kelompok eksperimen. Kepada tiap kelompok eksperimen dikenakan perlakuan tertentu dengan kondisi-kondisi yang dapat dikontrol. Kekhususan penelitian ini adalah:

1. Di dalam eksperimen terdapat kelompok yang dikenal perlakuan eksperimental dan kelompok yang dikenal perlakuan pembanding.
2. Menggunkan sedikitnya dua kelompok eksperimen.
3. Harus memperhatikan benar-benar perbedaan pengaruh yang diakibatkan oleh perlakuan eksperimental dengan perlakuan pembanding.
4. Menggunakan agar pengaruh perlakuan eksperimen maksimal dan pengaruh ubahan penyangga menjadi minimal.

8)   Penelitian Tindakan

Penelitian yang bertujuan untuk mengembangkan keterampilan baru untuk mengatasi kebutuhan dalam dunia kerja atau bidang praktis lain. Misalnya: penelitian  keterampilan  kerja yang sesuai bagi siswa yang putus sekolah di suatu daerah. Kekhususan penelitian ini adalah:

1. Disiapkan untuk kebutuhan praktis yang berkaitan dangan dunia kerja.
2. Penelitian didasarkan pada pengamatan aktual dan data tingkah laku.
3. Bersifat fleksibel.

1)   Penelitian Kualitatif

Penelitian Kualitatif adalah penelitian yang datanya adalah data kualitatif sehingga analisisnya juga analisis kualitatif (deskriptif). senada dengan pendapat tersebut sukmadinata (2009;18) berpendapat bahwa data kualitatif adalah data dalam bentuk kata, kalimat, dan gambar. Data kualitatif dapat diubah menjadi data kuantitatif dengan jalan diskoring. Contoh data kualitatif adalah manis, pahit, rusak, gagal, baik sekali, baik, kurang baik, tidak baik, atau  sangat setuju, setuju, ragu-ragu, tidak setuju, sangat tidak setuju, selalu, sering, kadang-kadang, jarang, dan  tidak pernah.

2)   Penelitian Kuantitatif

Penelitian kuantitatif adalah penelitian yang datanya merupakan data kuantitatif sehingga analisis datanya menggunakan analisis kuantitatif (inferensi). Data kuantitatif adalah dalam bentuk angka, atau data kualitatif yang diangkakan seperti: 1, 2, 3, 4, … dst, atau skor 5 = selalu, skor 4 = sering, skor 3 = kadang-kadang, skor 2 = jarang, dan skor 1 = tidak pernah

Data kuantitatif dibedakan menjadi data diskrit atau nominal dan data kontinum. Data nominal adalah data dalam bentuk kategori atau diskrit.

3)   Penelitian Gabungan Kualitatif dan Kuantitatif

Penelitian gabungan kualitatif dan kuantitatif adalah penelitian yang datanya terdiri dari data kualitatif dan data kuantitatif sehingga analisis datanya pun menggunakan analisis data kualitatif dan analisis data kuantitatif.

 Jenis penelitian bila dilihat dari segi penggunaannya dapat digolongkan menjadi 2 jenis, yaitu:

1)   Penelitian Dasar atau Penelitian Murni

LIPI memberi definisi penelitian dasar adalah setiap penelitian yang bertujuan untuk meningkatkan kemampuan ilmiah atau untuk menemukan  bidang penelitian baru tanpa suatu tujuan praktis tertentu. Artinya kegunaan hasil penelitian tidak segera dipakai, namun untuk waktu jangka panjang akan segera dipakai.

Gay (dalam Sugiyono, 2009) menyatakan bahwa penelitian dasar bertujuan untuk mengembangkan teori dan tidak memperhatikan kegunaan yang langsung bersifat praktis. Senada dengan pendapat tersebut, Suriasumantri (dalam Sugiyono, 2009;9) berpendapat bahwa penelitian dasar atau murni adalah  penelitian yang bertujuan  menemukan  pengetahuan baru yang sebelumnya belum pernah diketahui.

2)   Penelitian Terapan

Batasan yang diberikan LIPI bahwa setiap penelitian  terapan  adalah setiap penelitian yang bertujuan untuk meningkatkan pengetahuan ilmiah dengan suatu tujuan praktis. Berarti hasilnya diharapkan segera dapat dipakai untuk keperluan praktis. Misalnya penelitian untuk menunjang kegiatan pembangunan yang sedang berjalan, penelitian untuk melandasi kebijakan pengambilan keputusan atau administrator.

Senada dengan pendapat tersebut, Gay (dalam Sugiyono, 2009;9) berpendapat bahwa penelitian terapan adalah penelitian yang dilakukan dengan tujuan menerapkan, menguji dan mengevaluasi kemampuan suatu teori yang diterapkan dalam memecahkan masalah-masalah praktis. Suriasumantri (dalam Sugiyono, 2009;9) menyatakan bahwa penelitian terapan bertujuan untuk memecahkan masalah-masalah kehidupan praktis. Sehingga, hubungan penelitian murni dan penelitian terapan sangat erat, karena penelitian murni/dasar berkenaan dengan penemuan dan pengembangan ilmu, setelah ilmu tersebut digunakan untuk memecahkan masalah, maka penelitian tersebut akan menjadi penelitian terapan.

Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel independen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R2 akan meningkat, tidak peduli apakah variabel tersebut berpengaruh signifikan terhadap variabel dependen. Oleh karena itu, penelitian ini menggunakan Adjusted R2.
Dengan menggunakan nilai Adjusted R2, dapat dievaluasi model regresi mana yang terbaik. Tidak seperti nilai R2, nilai Adjusted R2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Dalam kenyataan, nilai Adjusted R2 dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati (dikutip oleh Ghozali, 2005), jika dalam uji empiris didapatkan nilai Adjusted R2 negatif, maka nilai Adjusted R2 dianggap bernilai nol. Secara matematis jika nilai R2 = 1, maka Adjusted R2 = R2 = 1 sedangkan jika nilai R2 = 0, maka adjusted R2 = (1 – K)/(n – k). Jika k >1, maka adjusted R2 akan benilai negatif.

Uji t digunakan untuk mengetahui ada tidaknya pengaruh secara linier antara variabel bebas dan variabel terikat.
1. Jika t hitung < t tabel maka Ho ditolak dan menerima Ha, artinya tidak ada pengaruh antara variabel bebas secara parsial terhadap variabel terikat.
2. Jika t hitung > t tabel maka Ho ditolak dan menerima Ha, artinya ada pengaruh antara variabel bebas secara parsial terhadap variabel terikat. Uji t dapat dilakukan hanya dengan melihat nilai signifikansi t masing-masing variabel yang terdapat pada output hasil analisis regresi yang menggunakan versi 13.0. jika angka signifikansi t lebih kecil dari α (0,05) maka dapat dikatakan bahwa ada pengaruh yang signifikan antara variable bebas terhadap variabel terikat.

Uji F digunakan untuk menguji signifikasi koefisien regresi secara keseluruhan dan pengaruh variabel bebas secara bersama-sama.
1. Apabila F hitung < F tabel maka Ha diterima dan Ho ditolak artinya tidak ada pengaruh antara variabel bebas secara simultan terhadap variabel terikat.
2. Apabila Fhitung > F tabel maka Ha diterima dan Ho ditolak artinya ada pengaruh antara variabel bebas secara simultan terhadap variabel
terikat. Uji F dapat dilakukan hanya dengan melihat nilai signifikansi F yang terdapat pada output hasil analisis regresi yang menggunakan versi 17.0. jika angka signifikansi F lebih kecil dari α (0,05) maka dapat dikatakan bahwa adapengaruh yang signifikan antara variabel bebas terhadap variabel terikat secara simultan.

• Menurut Pariata Westra (1981 : 263 ) bahwa “Suatu masalah yang terjadi apabila seseorang berusaha mencoba suatu tujuan atau percobaannya yang pertama untuk mencapai tujuan itu hingga berhasil.”
• Menurut Sutrisno Hadi ( 1973 : 3 ) “Masalah adalah kejadian yang menimbulkan pertanyaan kenapa dan kenapa”.

Rumusan masalah itu merupakan suatu pertanyaan yang akan dicarikan jawabannya melalui pengumpulan data bentuk-bentuk rumusan masalah penelitian ini berdasarkan penelitian menurut tingkat eksplanasi (Sugiyono).

Prosesi penyelesaian dalam rumusan masalah berkaiatan erat dengan keapikan yang ada dalam karya tulis. Rumusan ini sendiri memiliki fungsi dan tujuan, diantarnya;

Menjadi Alasan

Tujuan pembuatan dalam perumusan masalah ialah menjadi alasan mengapa penelitian dilakukan, dengan bentuk sejumlah pertanyaan secara langsung menjadi  alasa para pembaca mengentai gagasan yang disampaikannya, meskipun singkat.

Pedoman

Tujuan batasan rumusan masalah ialah menjadi pedoman yang dilakukan oleh penulis dalam menyelesaikan karya tulisnya. Baik skripsi ataupun makalah proses ini berkaiatan erat dengan jawaban yang akan disampaikan dalam bab selanjutnya, yakni pembahasan atau isi.

Menentukan Jenis Data

Langkah pembuatan rumusan masalah yang lainnya bertujuan untuk mentukan instrumen penelitian, selain itu pertanyaan dalam rumusan masalah juga akan bisa memilah dan meilih antar teknik analisis data yang diperlukan, misalnya menggunakan penelitian kualitataif ataupun mempergunakan penelitian kualitataif.

Mempermudah Penetuan Populasi dan Sempel

Manfaat yang di dapakan dari perumusan masalah ialah mampu memberikan penentuan populasi dan sempel. Hal ini berhubungan erat dengan keadaan dan kondisi penelitian yang akan dilakukan, oleh karena itulah bagi siapapun yang ingin menyelesaikan penelitian haruslah menyertakan rumusan masalah.

Dari sejumlah pembahasan mengenai pengertian, jenis, dan tujuan rumusan masalah secara umum dapat disimpukan bahwa pembuatan rumusan permasalahan ini sangat diperlukan bagi siapapun yan ingin membuat karya tulis, baik dalam skripsi, essay, makalah, proposal penelitian, ataupun dalam contoh karya tulis lainnya.

Pengertian rumusan masalah adalah tulisan singkat yang berada di bagian pembukaan karya tulis, bagian ini menjelaskan secara terperinci mengenai fenomena sosial yang terjadi dalam sejumlah pertanyaan-pertanyaan tertentu.

Dalam definisi di atas, dapat ditarik kesimpulan bahwanya proses pembuatan  rumusan masalah berkaitan erat dengan pembahasan dalam karya tulis, tidak boleh ada penyimpangan, hal ini di dasarkan untuk mempermudah pembaca makalah atau laporan penelitian untuk menemukan garis besar karya yang akan diselesaikan.

Perumusan masalah memiliki fungsi sebagai berikut:

1. Sebagai pendorong suatu kegiatan penelitian menjadi diadakan atau dengan kata lain berfungsi sebagai penyebab kegiatan penelitian itu menjadi ada dan dapat dilakukan.
2. Sebagai pedoman, penentu arah atau fokus dari suatu penelitian. Perumusan masalah ini tidak berharga mati, akan tetapi dapat berkembang dan berubah setelah peneliti sampai di lapangan.
3. Sebagai penentu jenis data macam apa yang perlu dan harus dikumpulkan oleh peneliti, serta jenis data apa yang tidak perlu dan harus disisihkan oleh peneliti. Keputusan memilih data mana yang perlu dan data mana yang tidak perlu dapat dilakukan peneliti, karena melalui perumusan masalah peneliti menjadi tahu mengenai data yang bagaimana yang relevan dan data yang bagaimana yang tidak relevan bagi kegiatan penelitiannya.
4. Dengan adanya perumusan masalah penelitian, maka para peneliti menjadi dapat dipermudah di dalam menentukan siapa yang akan menjadi populasi dan sampel penelitian.

Rumusan masalah penelitian yang baik, antara lain:

1. Bersifat orisinil, belum ada atau belum banyak orang lain yang meneliti masalah tersebut.
2. Dapat berguna bagi kepentingan ilmu pengetahuan dan terhadap masyarakat.
3. Dapat diperoleh dengan cara-cara ilmiah.
4. Jelas dan padat, jangan ada penafsiran yang lain terhadap masalah tersebut.
5. Dirumuskan dalam bentuk kalimat tanya.
6. Bersifat etis, artinya tidak bertentangan atau menyinggung adat istiadat, ideologi, dan kepercayaan agama.
7. Masalah biasanya dirumuskan dalam bentuk pertanyaan.
8. Rumusan masalah harus jelas, padat, dan dapat dipahami oleh orang lain.
9. Rumusan masalah harus mengandung unsure data yang mendukung pemecahan masalah penelitian.
10. Rumusan masalah harus merupakan dasar dalam membuat kesimpulan sementara (hipotesis).
11. Masalah harus menjadi dasar bagi judul penelitian

Adapun langkah – langkah dalam membuat suatu rumusan masalah adalah sebagai berikut :

Menulis Rumusan Masalah Sendiri. Jelaskan keadaan “ideal”. Ada banyak cara yang berbeda untuk menulis rumusan masalah — beberapa sumber referensi merekomendasikan untuk langsung membahas masalah itu sendiri, sementara sumber lainnya merekomendasikan memberikan konteks latar belakang terlebih dahulu agar masalah (dan solusinya) lebih mudah untuk dipahami oleh pembaca. Jika Anda begitu tidak yakin bagaimana harus memulai, pilihlah opsi kedua. Walaupun keringkasan adalah sesuatu yang harus ditujukan oleh setiap tulisan yang praktis, pemahaman yang baik lebih penting lagi. Mulailah dengan menjelaskan bagaimana seharusnya hal-hal bekerja. Sebelum Anda menyebutkan masalah Anda, jelaskan dalam beberapa kalimat bagaimana berlangsungnya hal-hal jika tidak ada masalah.

Pertanggungjawabkan pernyataan Anda. Tidak peduli berapa banyak uang yang Anda klaim dikuras masalah Anda terhadap perusahaan Anda, jika Anda tidak dapat mempertanggungjawabkan klaim Anda dengan bukti yang masuk akal, Anda mungkin tidak dianggap serius. Segera setelah Anda mulai membuat klaim spesifik tentang seberapa serius masalah Anda, Anda harus mulai mendukung pernyataan Anda dengan bukti. Dalam beberapa kasus, ini mungkin dari penelitian Anda sendiri, dari data dari penelitian atau proyek terkait, atau bahkan dari sumber pihak ketiga terkemuka.

Usulkan solusi. Ketika Anda sudah menjelaskan apa masalahnya dan mengapa begitu penting, lanjutkan menjelaskan bagaimana Anda mengusulkan untuk mengurusnya. Seperti dengan pernyataan awal dari masalah Anda, penjelasan solusi Anda harus ditulis agar sejelas dan seringkas mungkin. Tetaplah pada konsep-konsep besar, penting, konkret dan tinggalkan rincian kecil untuk nanti — Anda akan memiliki banyak kesempatan untuk masuk ke setiap aspek kecil dari solusi yang Anda usulkan dalam badan proposal Anda.

Jelaskan manfaat dari solusi. Sekali lagi, sekarang Anda sudah memberitahu pembaca Anda apa yang harus dilakukan soal masalah ini, ide yang sangat baik adalah menjelaskan mengapa solusi ini adalah ide yang baik. Karena bisnis selalu berusaha untuk meningkatkan efisiensi dan mendapatkan lebih banyak uang, Anda akan ingin fokus terutama pada dampak keuangan dari solusi Anda — biaya yang mana yang akan terkurangi, bentuk-bentuk baru dari pendapatan yang bagaimana yang akan dihasilkan, dan sebagainya. Anda juga bisa menjelaskan manfaat non-nyata, seperti kepuasan pelanggan yang meningkat, tetapi penjelasan total tidak boleh lebih panjang dari beberapa kalimat untuk satu paragraf.

Simpulkan dengan meringkas masalah dan solusi. Setelah Anda telah mempresentasikan visi ideal untuk perusahaan Anda, mengidentifikasi masalah yang menhalangi Anda dari mencapai idealisme ini, dan menyarankan solusi, Anda hampir selesai. Yang tersisa untuk dilakukan adalah menyimpulkan dengan ringkasan argumen utama Anda yang memungkinkan Anda dengan mudah transisi ke dalam tubuh utama dari proposal Anda. Tidak perlu untuk membuat kesimpulan ini lagi daripada yang seperlunya — cobalah untuk menyatakan, hanya dalam beberapa kalimat, inti dasar dari apa yang telah dijelaskan dalam pernyataan masalah Anda dan pendekatan yang Anda niatkan untuk diambil dalam badan artikel.

Ingat “lima W”. Rumusan masalah harus seinformatif mungkin dengan kata-kata sesedikit mungkin, tetapi tidak harus menyelidiki rincian kecil. Jika Anda pernah ragu-ragu tentang apa yang harus disertakan dalam rumusan masalah Anda, ide yang cerdas adalah mencoba untuk menjawab lima W (siapa/who, apa/what, di mana/where, kapan/when, dan mengapa/why), plus bagaimana/how. Mengatasi lima W memberikan pembaca Anda pengetahuan tingkat dasar yang baik untuk memahami masalah dan solusi tanpa merantau ke tingkat detail yang tidak perlu.

Selalu mengoreksi kesalahan. Ini merupakan keharusan untuk semua bentuk tulisan yang serius — tidak ada draft pertama sepanjang sejarah yang tidak bisa memperoleh keuntungan dari mata yang hati-hati dan dari pengkoreksi yang baik. Setelah Anda menyelesaikan rumusan masalah Anda, bacalah dengan cepat. Apakah “alurnya” tampak benar? Apakah menyajikan ide-idenya dengan koheren? Apakah tampaknya teratur dengan logis? Jika tidak, buat perubahan ini sekarang. Saat Anda akhirnya puas dengan struktur rumusan masalah Anda, periksa ejaan, tata bahasa, dan kesalahan format.

1. Rumusan masalah deskriptif adalah suatu rumusan masalah yang berkenaan dengan pertanyaan terhadap keberadaan variabel mandiri baik hanya pada satu variabel atau lebih (variabel yang berdiri sendiri). Jadi dalam penelitian ini peneliti tidak membuat perbandingan variabel itu pada sampel yang lain dan mencari hubungan variabel itu dengan variabel yang lain.
2. Rumusan masalah komparatif adalah rumusan masalah penelitian yang membandingkan keberadaan satu variabel atau lebih pada dua atau lebih sampel yang berbeda.
3. Rumusan masalah asosiatif adalah rumusan masalah penelitian yang bersifat menanyakan hubungan antara dua variabel atau lebih. Terdapat tiga bentuk hubungan yaitu: hubungan simetris, hubungan kausal, dan interaktif.

Rumusan masalah adalah tulisan singkat berupa pertanyaan yang biasanya terletak di awal laporan atau proposal dan biasanya terletak setelah latar belakang yang dijelaskan dalam laporan tersebut. Rumusan masalah digunakan untuk menjelaskan masalah atau isu yang dibahas dokumen tersebut kepada para pembaca. Secara umum, suatu rumusan masalah akan menggarisbawahi fakta-fakta dasar dari masalahnya, menjelaskan alasan masalah itu penting, dan menentukan solusi secepat dan selangsung mungkin. Rumusan masalah sering digunakan di dunia bisnis untuk kepentingan perencanaan tapi dapat juga diperlukan dalam situasi akademis sebagai bagian dari laporan yang bergaya seperti laporan atau proyek tulisan.