3 3.1
METODOLOGI PENELITIAN
Lokasi Penelitian Objek penelitian ini adalah taman nasional daratan yang mempunyai
ekosistem asli dan berfungsi untuk perlindungan sistem penyangga kehidupan, pengawetan keanekaragaman hayati serta dikelola dengan sistem zonasi yang dimanfaatkan untuk tujuan penelitian, ilmu pengetahuan, pendidikan, menunjang budidaya, pariwisata dan rekreasi. Studi kasus penelitian ini dilakukan di Taman Nasional Kerinci Seblat (TNKS) dan
beberapa desa di Kabupaten Kerinci,
Propinsi Jambi dan Kabupaten Lebong, Propinsi Bengkulu (Gambar 7).
Gambar 7 Lokasi penelitian 3.2
Tahapan Penelitian Untuk mencapai tujuan, pelaksanaan penelitian dilakukan melalui beberapa
tahap.
Keseluruhan tahapan proses pelaksanaan penelitian mulai dari studi
pustaka sampai penarikan kesimpulan dan saran ditunjukkan pada Gambar 8. Penelitian dilakukan dengan pendekatan soft dan hard system methodology (SSM dan HSM). SSM menggunakan teknik SAST dan ISM, sedangkan HSM dengan teknik sistem dinamik.
66 Penelitian ini dimulai dengan studi pustaka dan penelusuran data sekunder. Kemudian akan dilanjutkan dengan survai lapang untuk mendapatkan data sekunder dan primer melalui penelusuran pustaka, wawancara mendalam, diskusi/FGD dan pengisian kuesioner dengan responden pakar dan rumah tangga. Data primer responden pakar diolah dengan menggunakan SAST dan ISM, sedangkan data primer responden rumah tangga diolah dengan teknik statistika deskriptif dan regresi logistik. Data sekunder lainnya diolah dengan tabulasi dan content analysis untuk data perundangan.
Sedangkan proyeksi keberlanjutan
sistem pengelolaan saat ini dilakukan dengan teknik sistem dinamik. Analisis situasional menghasilkan gambaran faktor-faktor yang berperan dalam pengelolaan taman. Faktor-faktor tersebut meliputi kebijakan nasional dan daerah, internal manajemen, kondisi sosial ekonomi masyarakat sekitar, kondisi fisik kawasan dan partisipasi masyarakat. Analisis kebijakan menghasilkan asumsi dasar pengembangan kebijakan, struktur sistem dan peubah kunci elemen pengelolaan yang dapat diintervensi dengan kebijakan, serta peubah independen. Berdasarkan
hasil analisis kebijakan dan mempertimbangkan hasil analisis
situasional maka disusun alternatif-alternatif kebijakan. Pemilihan prioritas dari alternatif-alternatif kebijakan dilakukan dengan menggunakan fuzzy AHP. Model konseptual kebijakan dibangun berdasarkan hasil pemilihan alternatif kebijakan prioritas dan merupakan sintesis dari hasil analisis. Selanjutnya, model kebijakan divalidasi melalui face validation. Dengan menggunakan model yang telah valid maka disusun implikasi-implikasi kebijakan untuk pengelolaan taman nasional secara berkelanjutan di era otonomi daerah. Langkah terakhir adalah penarikan kesimpulan berdasarkan hasil analisis dan sintesis yang telah dilakukan serta formulasi saran yang dapat disampaikan.
67
Gambar 8 Tahapan Penelitian 3.3
Teknik Pengambilan Data Data yang digunakan dalam penelitian meliputi data primer dan data
sekunder. Data sekunder diperoleh melalui penelusuran secara langsung di lokasi penelitian dan lainnya maupun secara elektronik. Data sekunder merupakan data pendukung, baik berupa data, informasi maupun hasil penelitian yang relevan. Sedangkan data primer diperoleh dari pengamatan langsung di lapang melalui wawancara dengan informan kunci, seperti tokoh masyarakat, aparat Desa, Pemerintah Kabupaten, maupun Propinsi, dan pegawai TNKS, diskusi dengan tokoh masyarakat dan pakar, serta pengisian kuesioner. Peubah dan sumber data situasi yang digunakan dalam penelitian disajikan pada Tabel 4.
68 Tabel 4 Peubah dan sumber data penelitian No 1
Faktor Kebijakan
Peubah
Sumber data
Kebijakan sektor
Kementerian Kehutanan, Lingkungan Hidup, Dalam Negeri dan Keuangan
Kebijakan daerah
Pemerintah Kabupaten dan Provinsi
2
Internal manajemen
Perihal perencanaan Pendanaan
TNKS TNKS
3
Kondisi sosial ekonomi
Karakteristik demografi Pendapatan keluarga Kesejahteraan Pekerjaan
Responden masyarakat Responden masyarakat Responden masyarakat Responden masyarakat
PDRB
BPS
Kesehatan ekosistem
Responden pakar
Tutupan hutan Rehabilitasi hutan
TNKS TNKS
4
Kondisi fisik kawasan
5
Partisipasi masyarakat
Tingkat partisipasi
Responden pakar Responden masyarakat
6
Perihal asumsi
Pendapat pakar
Responden pakar
7
Perihal strukturisasi sistem pengelolaan
Elemen dan sub-elemen
Responden pakar
8
Perihal pemilihan alternatif kebijakan
Pendapat pakar
Responden pakar
3.3.1 Survai Responden Rumah Tangga Survai responden rumah tangga dilakukan dilakukan di Kabupaten Kerinci, Jambi dan Kabupaten Lebong, Bengkulu melalui diskusi, wawancara mendalam dan pengisian kuesioner. Diskusi dan wawancara dimaksudkan untuk mendalami dan mendapatkan gambaran pendapat umum tentang upaya-upaya konservasi dan peranan/dampak taman nasional terhadap kehidupan masyarakat serta harapan dan alternatif-alternatif tindakan yang dapat diterima oleh masyarakat terkait implementasi kebijakan pengelolaan taman nasional.
69 Sejumlah responden kepala keluarga dipilih secara purposif dari masingmasing desa dengan jumlah keseluruhan dari Kabupaten Kerinci 197 kepala keluarga yang tersebar di Desa Gunung Labu (37 KK), Kebun Baru (40 KK), Sungai Gelampeh (40 KK), Tanjung Syam (40 KK), dan Talang Kemuning (40 KK). Sedangkan jumlah responden di Kabupaten Lebong berjumlah 97 kepala keluarga, yang tersebar di Desa Kota Baru (32 KK), Suka Datang (23 KK), Embong Uram (22 KK), dan Garut (20 KK). Pengumpulan data penelitian dilaksanakan melalui wawancara responden dengan menggunakan alat kuesioner. Kuesioner yang digunakan dalam penelitian ini berbentuk pertanyaan terbuka dan pertanyaan dengan jawaban dikotomi yang disertai dengan peluang untuk memberikan jawaban bebas.
Pertanyaan-
pertanyaan dalam kuesioner dimaksudkan untuk mengidentifikasi karakteristik demografi dan sosial ekonomi responden dan 10 pertanyaan yang diadaptasi dari Harada (2003) digunakan untuk mengungkap pengetahuan, persepsi dan sikap responden terhadap konservasi dan taman nasional (Lampiran 1). Untuk melengkapi data yang diperoleh secara formal melalui kuesioner dilakukan wawancara dengan informan dan diskusi kelompok. Data karakteristik demografi dan sosial ekonomi yang dikumpulkan yang akan digunakan sebagai peubah penjelas, meliputi: a.
Umur. Umur merupakan peubah kontiyu.
b.
Pendidikan. Pendidikan menunjukkan tingkat pendidikan responden yang merupakan peubah biner dengan nilai 1 untuk tingkat pendidikan yang kurang dari SLTA dan nilai 0 untuk tingkat pendidikan SLTA dan yang lebih tinggi.
c.
Pendidikan non formal.
Pendidikan non formal merupakan pendidikan
yang pernah diikuti oleh responden, diantaranya penyuluhan pertanian dan kursus tani. Pendidikan non formal merupakan peubah biner dengan nilai 1 untuk responden yang pernah mengikuti pendidikan non formal dan nilai 0 untuk responden yang tidak pernah mengikuti pendidikan non formal. d.
Organisasi.
Organisasi merupakan aktifitas atau keterlibatan responden
dalam kegiatan organisasi, seperti kelompok tani dan kontak tani. Organisasi merupakan peubah biner dengan nilai 1 untuk responden yang terlibat atau aktif dalam suatu organisasi dan nilai 0 untuk responden yang tidak pernah aktif dalam organisasi.
70 e.
Pekerjaan utama.
Pekerjaan utama merupakan pekerjaan utama kepala
rumah tangga yang merupakan peubah biner dengan nilai 1 untuk responden yang pekerjaan utamanya bukan petani dan nilai 0 untuk responden pekerjaan utamanya sebagai petani. f.
Ukuran keluarga.
Ukuran keluarga merupakan jumlah seluruh anggota
keluarga yang masih tinggal dalam satu rumah dengan responden. Ukuran keluarga merupakan peubah kontinyu. g.
Etnis. Etnis merupakan suku dari kepala rumah tangga yang merupakan peubah biner dengan nilai 1 untuk responden yang merupakan penduduk asli, etnis Kerinci di Kabupaten Kerinci dan etnis Rejang di Kabupaten Lebong dan nilai 0 untuk responden yang merupakan etnis pendatang, meskipun telah lama bermukim ditempat sekarang.
h.
Kabupaten. Kabupaten merupakan afiliasi wilayah administratif domisili responden dan merupakan peubah biner dengan nilai 1 untuk responden yang berdomisili di wilayah administratif Kabupaten Lebong dan nilai 0 untuk responden yang berdomisili di Kabupaten Kerinci.
i.
Jarak ke TNKS. Jarak domisili ke TNKS adalah peubah kontinyu.
j.
Lama bermukim. Lama bermukim adalah peubah kontinyu.
k.
Penghasilan. Penghasilan merupakan penghasilan keluarga yang merupakan peubah biner dengan nilai 1 untuk responden yang memiliki penghasilan lebih dari Rp. 1.000.000,- dan nilai 0 untuk responden yang mempunyai penghasilan sama atau kurang dari Rp. 1.000.000,-.
l.
Kesejahteraan.
Tingkat kesejahteraan didekati dengan melihat apakah
responden pernah menerima bantuan langsung tunai atau tidak. Responden yang tidak pernah menerima bantuan tunai diasumsikan termasuk kelompok masyarakat yang sejahtera, sedangkan yang pernah menerima bantuan dapat dikategorikan belum/tidak sejahtera. Kesejahteraan merupakan peubah biner dengan nilai 1 untuk responden yang pernah mendapatkan bantuan langsung tunai atau sejenisnya dan nilai 0 untuk responden yang tidak pernah mendapatkan bantuan langsung tunai atau sejenisnya.
71 m. Kepemilikan lahan.
Kepemilikan lahan merupakan kepemilikan lahan
pertanian, baik sawah maupun kebun/tegalan. Kepemilikan lahan merupakan peubah biner dengan nilai 1 untuk responden yang memiliki lahan pertanian sawah atau kebun/tegalan atau kedua-duanya dan nilai 0 untuk responden yang tidak memiliki lahan pertanian. Peubah respon berskala biner Y=1 jika respon terhadap pertanyaan tentang pengetahuan dijawab responden dengan “Ya”, sedangkan Y=0 jika respon terhadap pertanyaan tentang pengetahuan dijawab responden dengan “Tidak Tahu”.
Sedangkan peubah respon berskala biner Y=1 jika respon terhadap
pertanyaan tentang persepsi dan sikap dijawab responden dengan “Setuju”, sedangkan Y=0 jika respon terhadap pertanyaan tentang pengetahuan dijawab responden dengan “Tidak Setuju”. 3.3.2 Survai Pakar Survai pakar dilakukan dengan tujuan untuk akuisisi pengetahuan yang dimiliki oleh pakar terhadap aspek-aspek pengelolaan taman nasional yang penting dalam rangka mewujudkan pengelolaan yang berkelanjutan. Penetapan pakar sebagai sumber pengetahuan atau pertimbangan
responden
didasarkan
atas
dan kriteria: 1). keberadaan, kemudahan dan kesediaan untuk
diwawancarai, 2). reputasi, kedudukan, dan memiliki kredibilitas sebagai pakar, c). pengalaman pakar yang menunjukkan kemampuan untuk memberikan saran yang benar dan dapat membantu pemecahan masalah. Dalam memecahkan suatu masalah, seorang pakar memiliki karakteristik efektif, efisien dan sadar terhadap keterbatasanya.
Akuisisi pengetahuan dari pakar dapat digunakan metode
wawancara secara mendalam. Alternatif sumber pengetahuan dapat ditemukan melalui pengamatan kinerja seorang ahli maupun publikasi ilmiah (Eriyatno & Sofyar 2007). Pakar yang dilibatkan dalam penelitian ini berasal dari akademisi, tokoh masyarakat dan pemerintah. Jumlah total responden pakar dalam FGD 34 orang dan dilanjutkan dengan wawancara mendalam dengan 17 pakar untuk pembahasan asumsi, identifikasi struktur dan perbandingan berpasangan fuzzy AHP.
72 3.4
Metode Analisis Data
3.4.1 Content Analysis Beberapa variabel yang kemungkinan akan mempengaruhi keberlanjutan pengelolaan taman nasional yang termuat dalam perundangan dan peraturan yang terkait dianalisis dengan menggunakan teknik content analysis. Content analysis adalah suatu teknik penelitian yang digunakan untuk menganalisis dokumendokumen tertulis yang dapat digunakan, antara lain untuk menjelaskan pola budaya kelompok, kelembagaan, ataupun masyarakat, mengidentifikasi intention dan karakteristik lainnya, dan mengungkapkan fokus perhatian dari kelompok, institusi ataupun masyarakat. Teknik penelitian ini dapat berupa teknik kualitatif maupun kuantitatif yang sistematis dan dapat diaplikasikan untuk menjelaskan atau memahami konsep yang dikaji (Weber 1990). Menurut Stemler (2001) content analysis merupakan teknik kualititatif yang menganalisis frekuensi kata, frasa atau kalimat yang terkandung dalam dokumen tertulis dan mengasumsikan bahwa frekuensi yang tinggi dapat diartikan sebagai refleksi suatu perhatian yang besar terhadap variabel tersebut.
Content analysis
dilakukan terhadap naskah Undang-Undang Nomor 41 tahun 1999, UndangUndang Nomor 5 tahun 1990, Peraturan Pemerintah Nomor 68 tahun 1998, dan Permenhut Nomor 3 tahun 2007. 3.4.2 Analisis Statistik Analisis statistik deskriptif digunakan untuk menyajikan hasil pengolahan data sekunder dan primer. Sedangkan analisis data pengetahuan, persepsi dan sikap masyarakat terhadap konservasi dan taman nasional dilakukan dalam 2 tahap, yaitu 1). melakukan analisis data secara eksploratif untuk mendapatkan gambaran secara rinci mengenai karakteristik demografi dan sosial ekonomi responden, dan 2). melakukan analisis regresi logistik yang meliputi pendugaan parameter model persamaan fungsi logit, pengujian parameter, dan interpretasi hasil regresi logistik. Analisis regresi logistik digunakan untuk menilai tingkat pengaruh pengetahuan dan persepsi terhadap sikap dan faktor-faktor demografi dan sosial ekonomi terhadap peubah respon. Faktor-faktor demografi dan sosial
73 ekonomi yang digunakan sebagai peubah penjelas dalam analisis regresi logistik meliputi umur,
pendidikan,
pendidikan non formal, keterlibatan dalam
organisasi, pekerjaan, ukuran keluarga, etnis, afiliasi wilayah administratif kabupaten tempat tinggal, jarak domisili ke TNKS, lama bermukim, penghasilan, tingkat kesejahteraan, dan kepemilikan lahan. Model regresi yang digunakan adalah regresi logistik karena regresi logistik dapat menggambarkan hubungan antara beberapa peubah penjelas dengan sebuah peubah respon dikotomi (biner). Jika nilai peubah biner ini dilambangkan dengan 1 untuk kejadian (sukses) dan 0 untuk tidak kejadian (gagal) maka distribusi Bernoulli untuk peubah biner ini adalah P(Y=1) = π dan P(Y=0) = 1- π dengan nilai harapan E(Y) = 1 (π) + 0 (1 – π) = π. Secara umum model regresi logistik dengan p peubah bebas dapat didefinisikan sebagai: y = E (Y │x) + ε dimana ε adalah galat atau error Menurut Hosmer and Lemeshow (2000), jika fungsi penghubung yang digunakan adalah fungsi logit (logit transformation) maka sebaran peluang yang digunakan adalah sebaran logistik.
Nilai harapan bersyarat Y jika diketahui x adalah:
E (Y │x) = π (x) = dan transformasi logit yang didefinisikan sebagai fungsi π (x) adalah: g(x) =
= β0 + β1x1 + β2x2 + … + βpxp
Pada regresi logistik biner, nilai bersyarat Y jika diketahui x akan mengikuti persamaan y = π (x) + ε karena E (Y │x) = π (x) dan var(Y │x) = π (x)[1 - π (x)]. Nilai galat ε hanya akan menghasilkan 2 kemungkinan nilai. Jika Y=1 maka ε = 1 - π (x) dengan peluang π (x), dan jika Y=0 maka ε = - π (x) dengan peluang 1 - π (x).
Sehingga ε mempunyai distribusi dengan rataan nol dan ragam
sebesar π (x)[1 - π (x)]. Dengan demikian, sebaran bersyarat dari peubah respon
74 mengikuti sebaran binomial dengan peluang yang diberikan oleh rataan bersyarat, π (x). Untuk menduga parameter β pada model regresi biner dilakukan dengan memaksimumkan fungsi logaritma likehood (log-likelihood), yaitu: L(β) = ln[l(β)] = sehingga diperoleh
yang merupakan penduga kemungkinan maksimum dari
parameter pada model regresi biner. Penduga kemungkinan maksimum untuk parameter-parameter model diperoleh dengan metode kuadrat terkecil terboboti melalui iterasi. Setelah pendugaan parameter, pengujian taraf nyata terhadap parameter model dilakukan untuk menilai peranan peubah-peubah penjelas dalam model. Penilaian taraf nyata parameter menyangkut formulasi dan pengujian statistik terhadap hipotesis untuk menentukan apakah variabel penjelas dalam model berpengaruh secara signifikan terhadap variabel respon. Pengujian peranan satu peubah penjelas terhadap peubah respon, menurut Hosmer and Lemeshow (2000) pada prinsipnya dilakukan dengan membandingkan nilai variabel respon yang teramati dengan yang diprediksi dari model dengan dan tanpa menyertakan variabel penjelas yang diuji. Pembandingan nilai yang teramati terhadap nilai prediksi dilakukan dengan menggunakan fungsi likelihood berdasarkan rumus: D = - 2ln
Untuk menilai taraf nyata dari suatu variabel penjelas maka dilakukan pembandingan nilai D dengan dan tanpa variabel penjelas dalam model atau ujiG, yaitu: G = D(model tanpa variabel penjelas) – D(model dengan variabel penjelas) G = - 2ln Hipotesis yang diuji adalah: Ho: β1 = β2 = … = βp = 0
75 H1: paling sedikit ada satu βi ≠ 0 statistik uji-G ini mengikuti sebaran χ2 dengan derajat bebas p maka hipotesis nol ditolak jika G> . Sedangkan statistik uji-Wald digunakan untuk menguji parameter βj satu per satu secara parsial, dengan hipotesis nol sama adalah βj sama dengan nol. 3.4.3 Strategic Assumption Surfacing and Testing SAST merupakan salah satu metode dalam soft systems thinking yang menekankan pada asumsi yang melandasi pengambilan keputusan dibandingkan dengan memperhatikan perancangan sistem yang efisien. Metode ini sesuai untuk mengkaji perihal yang bersifat plural untuk membantu membuka asumsi kritis yang melandasi kebijakan, rencana atau strategi. Tahapan yang dilakukan dalam teknik SAST untuk merumuskan alternatif asumsi yang melandasi penyusunan kebijakan, menurut Mason dan Mitroff (1981) adalah: 1) Tahap pembentukan kelompok yang bertujuan untuk membentuk kelompok dengan
melibatkan
pihak-pihak
yang
memahami
persoalan
dalam
pengelolaan taman nasional. Pihak yang dilibatkan meliputi pakar kebijakan, ekologi, lingkungan hidup dan sosial ekonomi, baik yang berasal dari instansi pemerintah, perguruan tinggi maupun LSM. 2) Tahap pengedepanan asumsi yang dimaksudkan untuk menggali berbagai asumsi melalui diskusi kelompok untuk mendukung kebijakan yang diharapkan. Dalam tahap ini didiskusikan aspek-aspek pengelolaan taman nasional sehingga diperoleh asumsi dasar yang paling menentukan untuk mendukung keberlanjutan taman nasional.
Berdasarkan hasil analisis
asumsi, alternatif asumsi dinilai tingkat kepentingan dan kepastiannya dengan menggunakan teknik peringkatan asumsi dengan melibatkan pendapat pakar. Peringkatan asumsi dilakukan dengan menanyakan tingkat kepentingan berdasarkan skala paling tidak penting sampai paling penting dari suatu asumsi terhadap keberhasilan dan kegagalan kebijakan.
Di samping itu,
tingkat kepastian dari asumsi dinilai dengan menanyakan tingkat keyakinan
76 pakar berdasarkan skala paling tidak pasti sampai paling pasti bahwa asumsi tersebut dapat dibenarkan. 3) Tahap pembahasan dialektik dimaksudkan untuk membahas asumsi yang bermasalah dan perbedaan-perbedaan peringkat asumsi untuk mendapatkan kesepakatan-kesepakatan. 4) Tahap sintesis dilakukan untuk mencapai kompromi sehingga diperoleh asumsi-asumsi yang dapat menghasilkan kebijakan baru yang lebih unggul. 3.4.4 Fuzzy Analytical Hierarchy Process Metode fuzzy AHP adalah suatu metode yang dikembangkan dari metode AHP dengan menggunakan konsep fuzzy dalam penilaian kriteria dan alternatif oleh pengambil keputusan. Keuntungan fuzzy AHP adalah pada waktu penilaian, pengambil keputusan tidak dipaksa untuk melakukan penilaian diskrit tetapi menggunakan
intuisi
yang
diungkapkan
melalui
informasi
linguistik.
Perbandingan berpasangan fuzzy digunakan untuk menilai faktor, stakeholder dan tujuan yang digunakan untuk melakukan penilaian prioritas pilihan kebijakan dengan menggunakan metode, langkah-langkah dan perhitungan seperti yang dikembangkan oleh Chang (1996). Perbandingan berpasangan dilakukan dengan menggunakan skala penilaian ekspresi linguistik sebagai berikut: 1) Just equal (JE), jika kedua elemen yang diperbandingkan sama persis tingkat kepentingannya. 2) Equally important (EQ), jika kedua elemen lebih kurang sama penting. 3) Weakly important (WI), jika elemen kesatu sedikit lebih penting dari elemen yang kedua. 4) Strongly more important (SI), jika elemen kesatu jelas lebih penting dari elemen yang kedua. 5) Very strongly more important (VS), jika elemen kesatu sangat jelas lebih penting dari elemen yang kedua. 6) Absolutely more important (AI), jika elemen kesatu mutlak lebih penting dari elemen yang kedua.
77 Berdasarkan hasil penilaian dengan variabel linguistik kemudian dilakukan fuzzyfikasi dengan menggunakan Triangular Fuzzy Number (TFN) sebagaimana ditampilkan pada Tabel 5 (Bozbura et al. 2007). Tabel 5 Padanan variabel linguistik dengan triangular fuzzy number No
Variabel lingustik
TFN
Inversi TFN
1
Just equal (JE)
(1, 1, 1)
(1, 1, 1)
2
Equally important (EQ)
(1/2, 1, 3/2)
(2/3, 1, 2)
3
Weakly important (WI)
(1, 3/2, 2)
(1/2, 2/3, 1)
4
Strongly more important (SI)
(3/2, 2, 5/2)
(2/5, 1/2, 2/3)
5
Very strongly more important (VS)
(2, 5/2, 3)
(1/3, 2/5, 1/2)
6
Absolutely more important (AI)
(5/2, 3, 7/2)
(2/7, 1/3, 2/5)
Agregasi pendapat pakar merupakan penggabungan nilai fuzzy dari pendapat para pakar. Penggabungan pendapat beberapa pakar dapat dilakukan dengan ratarata geometrik (Marimin 2005). Agregasi ini dilakukan dengan cara menghitung nilai rata-rata geometrik dari nilai fuzzy batas bawah, tengah dan batas atas dari masing-masing pakar untuk mendapatkan nilai batas bawah, tengah dan batas atas gabungan. Penghitungan dilakukan dengan rumus:
dimana: : rata-rata geometrik batas bawah nilai fuzzy : rata-rata geometrik nilai tengah : rata-rata geometrik batas atas
78 : nilai batas bawah dari hasil penilaian pakar ke-i : nilai tengah hasil penilaian pakar ke-i : nilai batas atas dari hasil penilaian pakar ke-i : jumlah pakar : pakar ke-I (1 sampai n) Penghitungan nilai eigen dilakukan berdasarkan hasil agregasi dengan mengikuti langkah-langkah Chang (1996). 3.5
Pemodelan Sistem Salah satu teknik permodelan yang dikembangkan untuk perencanaan
kebijakan
strategis
adalah
Teknik
Permodelan
Interpretasi
Struktural
(Interpretative Structural Modelling – ISM). ISM merupakan salah satu metode permodelan soft system berbasis komputer yang dapat membantu kelompok untuk mengidentifikasi hubungan antara ide dan struktur tetap pada isu yang kompleks. ISM dapat digunakan untuk mengembangkan beberapa tipe struktur, termasuk struktur pengaruh, struktur prioritas, dan kategori ide. ISM menganalisis elemenelemen sistem dan memecahkannya dalam bentuk grafis dari hubungan langsung antar elemen dan tingkat hierarki.
Elemen-elemen dapat merupakan tujuan
kebijakan, target organisasi, maupun faktor-faktor penilaian.
Sedangkan
hubungan langsung dapat dalam konteks yang beragam (Marimin 2005). Dalam penelitian ini, prosedur teknik pemodelan dilakukan seperti yang diuraikan Saxena et al. (1992) dan Kanungo and Bhatnagar (2002) dengan langkah (Gambar 9): 1) Identifikasi elemen, yaitu setiap elemen sistem diidentifikasi dan didaftar. Identifikasi elemen dapat diperoleh melalui penelitian, diskusi curah pendapat maupun cara yang lainnya. 2) Hubungan kontekstual, yaitu menetapkan hubungan kontekstual antar elemen yang dikembangkan berdasarkan pada tujuan dari permodelan. 3) Matriks interaksi tunggal terstruktur (Structural Self Interaction Matrix – SSIM) dibangun berdasarkan persepsi responden terhadap hubungan elemen yang dinilai.
79 Empat simbol digunakan untuk mewakili tipe hubungan antar dua elemen yang dikaji. Simbol tersebut adalah:
V menunjukkan hubungan dari elemen Ei terhadap Ej, dan tidak sebaliknya
A menunjukkan hubungan dari elemen Ej terhadap Ei, dan tidak sebaliknya
X jika ada hubungan interrelasi antara Ei dan Ej, dan dapat sebaliknya
O merepresentasikan bahwa elemen Ei dan Ej tidak berkaitan
4) Matriks Reachability (Reachability Matrix – RM) dibangun dengan mengubah simbol-simbol SSIM ke dalam sebuah matriks biner. Konversi SSIM menjadi RM menggunakan aturan-aturan berikut,
Jika relasi Ei terhadap Ej = V dalam SSIM maka elemen Eij = 1 dan Eji = 0 dalam RM.
Jika relasi Ei terhadap Ej = A dalam SSIM maka elemen Eij = 0 dan Eji = 1 dalam RM.
Jika relasi Ei terhadap Ej = X dalam SSIM maka elemen Eij = 1 dan Eji = 1 dalam RM.
Jika relasi Ei terhadap Ej = O dalam SSIM maka elemen Eij = 0 dan Eji = 0 dalam RM.
RM awal dimodifikasi untuk menunjukkan seluruh direct dan indirect reachability, yaitu jika Eij = 1 dan Ejk = 1 maka Eik = 1. 5) Tingkat partisi dilakukan untuk mengklasifikasi elemen-elemen dalam levellevel yang berbeda dari struktur ISM.
Untuk tujuan ini, dua perangkat
diasosiasikan dengan tiap elemen Ei dari sistem: Reachability set (Ri) adalah sebuah set dari seluruh elemen yang dapat dicapai dari elemen Ei, dan Antecedent Set (Ai) adalah sebuah set dari seluruh elemen dimana elemen Ei dapat dicapai. Pada iterasi pertama seluruh elemen, dimana Ri = Ri ∩ Ai adalah elemen-elemen level 1. Pada iterasi-iterasi berikutnya elemen-elemen diidentifikasi seperti elemen-elemen level dalam iterasi-iterasi sebelumnya dihilangkan, dan elemen-elemen baru diseleksi untuk level-level berikutnya dengan menggunakan aturan yang sama. Selanjutnya, seluruh elemen-elemen sistem dikelompokkan ke dalam level-level yang berbeda.
80
Gambar 9. Diagram teknik ISM (Saxena et al. 1992)
6) Matriks Canonnical: Pengelompokan elemen-elemen dalam level yang sama mengembangkan matriks ini. Matriks resultan memiliki sebagian besar dari elemen-elemen triangular yang lebih tinggi adalah 0 dan terendah 1. Matriks ini selanjutnya digunakan untuk mempersiapkan digraph. 7) Digraph adalah konsep yang berasal dari Directional Graph, yaitu sebuah grafik dari elemen-elemen yang saling berhubungan secara langsung dan level hierarki. Digraph awal dipersiapkan dalam basis matriks canonical. Graph awal tersebut selanjutnya dipotong dengan memindahkan semua komponen yang transitif untuk membentuk digraph akhir.
81 8) Interpretive Structural Model:
ISM dibangkitkan dengan memindahkan
seluruh jumlah elemen dengan deskripsi elemen aktual. Oleh sebab itu ISM memberikan gambaran yang sangat jelas dari elemen-elemen sistem dan alur hubungannya. 3.6
Analisis Sistem Dinamik Analisis model dinamik dilakukan terhadap variabel-variabel yang telah
teridentifikasi melalui metode soft system, yang meliputi aspek ekologi, sosial dan ekonomi.
Analisis model dinamik yang merupakan metode hard system
dilakukan melalui 2 tahap, yaitu pembuatan diagram simpal kausal dan diagram alir. Diagram simpal kausal menunjukkan hubungan antar variabel dalam proses sistem yang dikaji.
Prinsip dasar pembuatannya adalah suatu proses sebagai
sebab yang akan menghasilkan keadaan, atau sebaliknya suatu keadaan sebagai sebab akan menghasilkan proses. Sedangkan diagram alir dibuat berdasarkan persamaan model dinamik yang mencakup variabel keadaan (level), aliran (rate), auxiliary, dan konstanta (constant). Variabel tersebut berupa lambang-lambang yang digunakan dalam pembuatan model dengan menggunakan piranti lunak Powersim. simulasi.
Model yang dikembangkan selanjutnya digunakan sebagai alat Simulasi ini dilakukan setelah uji validitas dan hasil pengujian
menunjukkan adanya kesesuaian atau keabsahan antara hasil simulasi dengan data empiris (Sushil 1993; Muhammadi et al. 2001). Analisis dan simulasi sistem dinamik dilakukan dengan bantuan program Powersim Constructor untuk memproyeksikan kecenderungan kondisi pengelolaan taman nasional saat ini dan analisis prospekif dampak pengelolaan setelah adanya kebijakan. 3.7
Validasi Model Menurut Eriyatno dan Sofyar (2007), proses verifikasi model kebijakan
dilakukan dengan tujuan untuk mengetahui berbagai kelemahan dan kekurangan dari model serta mengidentfikasi berbagai masalah yang perlu diantisipasi terkait dengan penerapan kebijakan yang dirumuskan. Proses uji validasi pada penelitian
82 kebijakan dilakukan terhadap 2 aspek, yaitu proses perumusan kebijakan dan produk kebijakan. Verifikasi proses perumusan kebijakan dilakukan terhadap metode yang digunakan dalam pengembangan kebijakan. Sedangkan validasi produk kebijakan dilakukan melalui uji pendapat pakar atau dilakukan dengan membandingkan produk kebijakan hasil penelitian terhadap kebijakan yang sedang berjalan atau sudah dijalankan. Validasi yang digunakan dalam penelitian ini mengacu pada Sargent (1998) adalah face validity. Proses validasi dilakukan dengan menggunakan pendapat pakar untuk mengetahui kesesuaian dan kelayakan model serta kebenaran logika dan teori dalam model konseptual yang menjelaskan hubungan input-output model secara masuk akal. Di samping itu, uji validitas juga dilakukan terhadap kinerja beberapa variabel dengan uji statistik.
Uji statistik dimaksudkan untuk
melihat penyimpangan antara keluaran simulasi dengan data aktual. Pengujian statistik meliputi uji penyimpangan rata-rata absolut (AME), penyimpangan variasi absolut (AVE), saringan Kalman (KF), koefisien diskrepansi (U-Theils) dan Durbin Watson (DW) (Barlas 1998). AME (absolute means error) adalah penyimpangan antara nilai rata-rata simulasi terhadap data aktual. Sedangkan AVE (absolute variation error) adalah penyimpangan nilai variasi simulasi terhadap data aktual. U-Theils adalah koefisien diskrepansi antara nilai simulasi dengan data aktual. U-Theils dapat menggambarkan
ada
tidaknya
penyimpangan
yang
menonjol.
Batas
penympangan yang dapat diterima untuk AME, AVE dan U-Theils adalah antara 5-10%. Untuk mengamati pola penyimpangan dapat dilakukan melalui uji DW (Durbin Watson) dan KF (Kalman Filter). DW digunakan untuk melihat pola fluktuasi, jika DW>2 maka terdapat fluktuasi yang tajam dan DW<2 fluktuasi kurang tajam. Sedangkan KF digunakan untuk menjelaskan tingkat kesesuaian (fitting) antara hasil simulasi dan data aktual. Jika nilai KF = 0.5 maka model 100% sesuai, kurang 0.5 berarti nilai simulasi dibawah aktual dan lebih 0.5 berarti nilai simulasi melebihi data aktual (Muhammadi et al. 2001). .
