BAHAN DAN METODE
2. Data Sekunder
BAHAN DAN METODE
Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan pada bulan Juli-Oktober 2012 bertempat di kawasan pesisir Kabupaten Pandeglang yang meliputi 8 kecamatan pesisir yaitu Kecamatan Carita, Labuan, Pagelaran, Sukaresmi, Panimbang, Cimanggu, Cigeulis dan Sumur. Alasan pemilihan lokasi tersebut karena kesamaan letak di sepanjang perairan Selat Sunda dan memiliki potensi pengembangan sumberdaya alam pesisir yang sangat besar untuk dikelola dan diperhatikan.
Pengumpulan Data 1. Data Primer
Pengumpulan data primer merupakan kegiatan pengumpulan data yang dilakukan melalui:
- Observasi, wawancara, kuesioner atau diskusi langsung dengan instansi pemerintah Dinas Kelautan dan Perikanan Provinsi Banten, Dinas Kelautan dan Perikanan Kabupaten Pandeglang, Dinas Tata ruang, Badan Perencanaan Daerah Kabupaten Pandeglang, tokoh masyarakat, dan Dosen Universitas Tirtayasa
- Survei lapang ke tempat wilayah penelitian untuk identifikasi dan evaluasi pemanfaatan ruang yang ada saat ini.
2. Data Sekunder
Data sekunder yang dikumpulkan dalam survei lapang meliputi kebijakan, kondisi fisik wilayah, kondisi sosial budaya, kondisi ekonomi, kondisi pemanfaatan ruang aktual, kondisi ekologi serta rencana/studi terkait lainnya.
Pengambilan data sekunder ini dibagi menjadi 2 bagian yaitu : 1. Studi Pustaka
Studi pustaka diperoleh dari referensi jurnal, seminar, prosiding dan situs internet untuk mengunduh data fisik dan oseanografi serta buku terkait
penunjang penelitian ini dan dijadikan bahan pengembangan teori dasar yang relevan.
2. Instansi Pemerintah
Data sekunder diperoleh dari instansi dari para satuan kerja pemerintah daerah atau pusat yang telah mempunyai data tahunan dan dipublikasikan. Jenis dan sumber data yang diperoleh bisa dilihat pada Tabel 1.
Tabel 1. Klasifikasi jenis data dalam survei lapangan
Komponen data Jenis data Sumber data Teknik pengambilan data Kebijakan :
a. RTRW, RPJM dan Renstra b. Isu dan masalah
c. Studi terkait
Primer dan Sekunder
Bappeda, Dinas Kelautan dan Perikanan Kab. Pandeglang dan DKP Provinsi Banten
Observasi, wawancara dan Studi Pustaka Kondisi fisik wilayah:
a. Geografis dan administratif b. Geologi, morfologi dan
Topografi c. Iklim dan Cuaca
Sekunder Bappeda Kab. Pandeglang Studi Pustaka
Hidro oseanografi:
a. Kedalaman laut, arus laut, gelombang b. Kualitas perairan Sekunder Dishidros TNI AL Website: http///:www.erddap.com, Penelitian terdahulu Studi Pustaka Bio-ekologi:
a. Sebaran biota dan kondisi ekosistem (mangrove, terumbu karang, lamun)
Primer dan Sekunder
Responden dan DKP Kab. Pandeglang
Wawancara, observasi dan studi pustaka (Statistik tangkap dan KP3K) Sosial ekonomi dan budaya:
a. Kependudukan,
perekonomian, sarana dan prasarana
b. Pemanfaatan ruang aktual
Primer dan Sekunder
Responden, Badan Pusat Statistik dan Bappeda Kab. Pandeglang
Wawancara, observasi dan Studi Pustaka Peta yang terkait penelitian:
a. Peta wilayah administrasi b. Peta Kemiringan lahan c. Peta sebaran terumbu karang d. Peta kepadatan penduduk e. Peta Bathymetri No. 71
skala 1:200.000
f. Peta Pola ruang berdasarkan RTRW Kab. Pandeglang
Sekunder Bappeda Kab. Pandeglang Studi Pustaka
Metode penentuan responden dalam menggali informasi/pendapat stakeholders melalui pendekatan expert judgement (pendapat para ahli). Para ahli ditentukan secara purposive sampling dengan kriteria memiliki pengetahuan serta wawasan yang luas serta terlibat langsung maupun tak langsung dalam pemanfaatan ruang di wilayah pesisir. Responden berjumlah 12 orang, yang merupakan tokoh kunci yang mewakili kelompok-kelompok stakeholders yang diperoleh pada saat pengidentifikasian. Kelompok ini meliputi setiap unsur yang
terkait dengan pengelolaan kawasan pesisir Kabupaten Pandeglang yaitu dari unsur birokrasi yang diwakili oleh Sekretaris Bappeda Kabupaten Pandeglang, Kepala Bidang Penangkapan dan Bidang Budidaya Dinas Kelautan dan Perikanan Provinsi Banten dan Kabupaten Pandeglang, Kepala Bidang Tata Ruang dan Pertamanan Kab. Pandeglang, akademisi yang diwakili oleh Universitas Tirtayasa Serang Fakultas Pertanian Jurusan Perikanan serta tokoh masyarakat di wilayah penelitian.
Prosedur Pelaksanaan
Penelitian ini dibagi empat tahapan seperti yang diuraikan diagram alir pada Gambar 3.
Gambar 3. Diagram alir penelitian
Mengidentifikasi dan Mengevaluasi Pemanfaaatan Ruang Pesisir
Mengidentifikasi dan mengevaluasi isu serta permasalahan di wilayah peisisir dilakukan dengan wawancara dari para ahli yang berkompeten di bidang perikanan dan kelautan. Wawancara dilakukan dalam dua tahap, yaitu
Tahapan analisis ANP dengan software Super Decision 9.0 :
a.Membuat struktur jaringan berdasarkan pengelompokkan kriteria sosial, ekonomi dan ekologi
b.Masukkan rataan geometrik pembobotan kriteria yang diperoleh dari wawancara para ahli
c.Pengklasifikasian indikator diberi penilaian berdasarkan tingkat kepentingannya dengan skala 1-9
d.Hasil dari ANP berupa matriks prioritas Isu dan masalah kondisi SD Pesisir Teknik overlay
PETA ARAHAN PEMANFAATAN RUANG WILAYAH PESISIR IDENTIFIKASI DAN
EVALUASI
PEMANFAATAN RUANG ANALISA SPASIAL
ANALISIS KESESUAIAN DENGAN STANDARISASI PEMBOBOTAN DAN SKORING
Pengumpulan Peta dasar: Peta wilayah administrasi, Peta kepadatan penduduk, Peta kemiringan lahan, Peta bathymetri
- Renstra
- RZWP3K Kab/kota dan Provinsi
- Wawancara para ahli
1.Fungsi ekologi 2.Fungsi ekonomi 3.Fungsi sosial
SINTESIS PEMANFAATAN RUANG WILAYAH PESISIR
PEMANFAATAN RUANG: 1.Budidaya Laut 2.Konservasi perairan 3.Pariwisata bahari 4.Pelabuhan perikanan pantai 5.Perikanan tangkap
a. Tahap pertama responden diminta untuk menjabarkan isu dan permasalahan yang terjadi di wilayah pesisir berdasarkan kriteria ekologi, sosial, ekonomi dan terkait dengan peraturan perundang-undangan yang berlaku. Kuesioner dapat dilihat pada Lampiran 1;
b. Wawancara ke dua, seperangkat kriteria dan faktor yang mempengaruhi kesesuaian pemanfaatan ruang di wilayah pesisir disajikan kepada para ahli untuk diberi bobot penilaian dengan menggunakan matriks perbandingan berpasangan. Pembobotan ini dilakukan untuk menentukan tingkat kepentingan pengaruh dan seberapa besar pentingnya suatu indikator dengan pertimbangan kondisi dan kenyataannya di lapangan (Lampiran 2). Kriteria atau indikator yang telah dipilih oleh para ahli diberi penilaian skala menurut Saaty (2005) terlihat pada Tabel 2.
Tabel 2. Skala penilaian dalam ANP
Skala Penilaian Keterangan
1 Sama pentingnya Kedua aktivitas berkontribusi sama terhadap objek
2 Sedikit kepentingannya
3 Cukup penting Berdasarkan pengalaman dinilai sedikit disukai diantara kegiatan lainnya 4 Cukup plus kepentingannya
5 Kuat kepentingannya Berdasarkan pengalaman dinilai sangat disukai diantara kegiatan lainnya 6 Kuat plus kepentingannya
7 Sangat kuat kepentingannya Berdasarkan pengalaman dinilai sangat kuat disukai dan menunjukkan dominasi diantara kegiatan lainnya 8 Sangat kuat sekali
kepentingannya
9 Kepentingannya ekstrem
Telah terbukti mendukung dan memiliki urutan tertinggi di antara yang lainnya
Menggunakan kebalikan untuk invers perbandingan
Sumber : Saaty (2005)
Penentuan Tingkat Pengaruh Suatu Kriteria dengan ANP
Dalam penelitian ini untuk menentukan tingkat pengaruh suatu kriteria dalam Analytic Network Process dibantu oleh perangkat lunak komputer super decision 9.0. Analisa data terdiri atas perhitungan consistency ratio, penyusunan supermatriks, dan sintesis untuk memperoleh hasil akhir berupa tingkat prioritas setiap faktor.
Tahapan yang dilakukan dalam teknik ANP adalah sebagai berikut: a. Penyusunan struktur jaringan
Susun struktur jaringan yang menggambarkan besarnya pengaruh setiap kriteria dalam kluster fungsi ekologi, sosial ekonomi dan kebijakan yang berperan dalam pemanfaatan ruang di wilayah pesisir. Struktur jaringan ini dibuat dengan mempertimbangkan keterkaitan besarnya pengaruh antar kriteria di dalam klusternya dan keterkaitan dengan kriteria yang berada di luar kluster. b. Pembobotan para ahli
Kriteria yang sudah disusun dalam jaringan dibuat perbandingannya dalam supermatrik. Hal ini dilakukan untuk mengetahui seberapa besar tingkat
kepentingan suatu kriteria bila dibandingkan dengan kriteria lain dengan metode pembobotan dari para ahli.
c. Consistency Ratio (CR)
Hasil pembobotan para ahli diuji kekonsistenannya dengan uji Consistency Ratio (CR). Consistency Ratio merupakan parameter yang digunakan untuk memeriksa apakah perbandingan berpasangan telah dilakukan konsisten atau tidak.
Untuk menghitung Consistency Ratio diperlukan nilai Random Index (RI) yaitu indeks acak yang didapat dari tabel Oak Ridge Laboratory dari matriks berorde 1 sampai 15 yang menggunakan sampel berukuran 100. Tabel RI dapat dilihat pada Tabel 3.
Tabel 3. Nilai random index
Orde (n) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Random
Index (RI) 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.59
Sumber : Oak Ridge Laboratory dalam Saaty (1996)
Rumus perhitungan vektor prioritas atau eigen vector (VP) adalah sebagai berikut:
VP=
dimana :
(aij) = elemen baris ke-i kolom ke-j dari matriks ke-k
m = jumlah matriks pendapat individu yang memenuhi persyaratan
= perkalian dari elemen k=1 sampai dengan k=m
Perhitungan Weight Sum Vector (VA), dengan mengalikan matriks pendapat hasil perbandingan berpasangan dengan eigen vector menggunakan rumus :
VA = (aij) x VP dengan VA = (vai)
Kemudian dihitung Consistency Vector (VB) dengan cara menentukan nilai rata-rata dari Weight Sum Vector (VA) atau dengan kata lain :
VB =
dengan VB = (vbi)
Nilai rata-rata dari elemen Consistency Vector (VB) disebut nilai eigen maksimum ( λmax ) dengan rumus :
λmax=
untuk i = 1, 2, ... , n
Nilai eigen maksimum (λmax) tersebut digunakan untuk menghitung Consistency Index (CI) yang dimaksudkan untuk mengetahui konsistensi jawaban yang berpengaruh terhadap keabsahan hasil. Rumus Consistency Index (CI) yaitu :
CI =
Dengan diketahuinya nilai Consistency Index (CI) dan Random Index (RI) maka dapat dihitung nilai Consistency Ratio (CR) menggunakan rumus:
CR =
Nilai Consistency Ratio (CR) ≤ 0.1 merupakan nilai yang mempunyai tingkat konsistensi yang baik dan dapat dipertanggungjawabkan. Dengan demikian nilai CR merupakan tolak ukur bagi konsisten atau tidaknya suatu hasil perbandingan berpasangan.
Setelah diuji kekonsistenannya perhitungan dilanjutkan dengan mencari bobot rataan geometrik dari semua persepsi responden. Menurut Marimin (2004), pada dasarnya AHP maupun ANP dapat digunakan untuk mengolah data dari satu responden ahli. Namun dalam aplikasinya penilaian dilakukan oleh beberapa ahli multidisiplioner. Konsekuensinya pendapat beberapa ahli tersebut perlu dicek konsistensinya satu per satu. Pendapat yang konsisten kemudian digabungkan dengan menggunakan rata geometrik. Rumus rata-rata geometrik adalah sebagai berikut :
Gij=
dimana:
(aij) = elemen baris ke-i kolom ke-j dari matriks pendapat individu ke-k m = jumlah matriks pendapat individu yang memenuhi persyaratan
perkalian dari elemen k=1 sampai dengan k=m
d. Supermatriks
Angka-angka yang diperoleh dari hasil kuesioner masing-masing responden berupa pendapat mengenai interaksi saling ketergantungan antar elemen pada masing-masing cluster diturunkan menjadi suatu supermatriks. Jika diasumsikan suatu sistem memiliki N cluster dimana elemen-elemen dalam tiap cluster saling berinteraksi atau memiliki pengaruh terhadap beberapa atau seluruh cluster yang ada. Jika cluster dinotasikan dengan Ch, dimana h = 1, 2, …, N, dengan elemen sebanyak nh yang dinotasikan dengan
eh1, eh2, …, ehnh.
Pengaruh dari satu set elemen dalam suatu cluster pada elemen yang lain dalam suatu sistem dapat direpresentasikan melalui vektor prioritas berskala rasio yang diambil dari perbandingan berpasangan (pairwise comparison) yang membentuk matriks W yang berukuran hxh. Misalkan apabila Ci dibandingkan dengan Cj, maka aij merupakan nilai matriks pendapat berpasangan yang mencerminkan nilai tingkat kepentingan Ci terhadap Cj. Sedangkan nilai untuk wji = 1/wij, yaitu nilai kebalikan dari nilai matriks wij. Untuk i = j menunjukkan nilai matriks wij = wji = 1, perbandingan elemen terhadap elemen itu sendiri adalah 1.
Secara umum hubungan kepentingan antar elemen di dalam jaringan dengan elemen lain di dalam jaringan dapat digambarkan mengikuti supermatriks sebagai berikut:
Gambar 4. Supermatrix dalam ANP
Tahapan supermatriks untuk mencari kriteria prioritas sebagai berikut :