IV. METODOLOG
4.4 Metode Analisis Data
4.4.1 Analisis Bioekonomi Sumberdaya Perikanan
4.4.3.2 Teknik Rapfish
Penelitian ini menggunakan perangkat lunak (software) RAPFISH untuk menganalisis keberlanjutan sumberdaya perikanan yang diteliti. Analisis keberlanjutan dengan menggunakan Teknik Rapfish dimulai dengan me-review
atribut dan mendefinisikan atribut perikanan yang akan dianalisis, mengidentifikasi dan melakukan penilaian (scoring) perikanan yang akan dianalisis (Pitcher 1999). Prosedur analisis dengan teknik Rapfish pada penelitian ini akan melalui beberapa tahapan sebagai berikut :
1) Mengevaluasi dan menetapkan atribut dari kelima dimensi (review atribut). Atribut merupakan parameter dari dimensi yang mewakili kondisi sumberdaya perikanan tangkap di Provinsi DKI Jakarta. Atribut yang telah disusun kemudian dilakukan evaluasi untuk dilihat hubungan antar atribut, apakah memiliki hubungan linier atau tidak. Jika terdapat hubungan linier
maka disatukan menjadi satu atribut. Evaluasi dan penetapan atribut dilakukan dengan pendekatan scientific judgement berdasarkan pendekatan keilmuan yang sesuai baik berdasarkan hasil kajian maupun penelitian maupun sumber pustaka lainnya. Penetapan atribut juga dilakukan dengan mempertimbangkan ketersediaan data dari atribut tersebut. Atribut yang dipilih dalam penelitian ini diharapkan dapat mencerminkan tingkat keberlanjutan di setiap dimensi dan dan disesuaikan dengan ketersediaan informasi yang dapat diperoleh dari karakter sumberdaya yang dikaji (Pitcher dan preikshot 2001).
2) Analisis terhadap data perikanan lokasi studi melalui data statistik. 3) Analisis data pengamatan lapangan dan studi literatur.
4) Melakukan skoring aspek keberlanjutan perikanan.
Penilaian terhadap keseluruhan atribut dari masing-masing dimensi keberlanjutan dalam pengelolaan perikanan tangkap Provinsi DKI Jakarta dikategorikan ke dalam baik, cukup baik, kurang baik, dan buruk. Seluruh atribut yang diperoleh dari hasil pengamatan akan dianalisis dengan teknik Rapfish.
Pengolahan data dengan menggunakan teknik Rapfish terjadi dalam tiap modul VBA (Visual Basic Applications) yang masing-masing terhubung pada “g77ALSCAL.dll” untuk operasi multi-dimensional scalling (MDS), analisis
leverage (JackKnife), dan analisis Monte Carlo. A. Analisis MDS (multi-dimensional scalling)
Analisis multidimensi ini digunakan untuk menentukan titik-titik dalam Rapfish yang dikaji relatif terhadap dua titik yang menjadi acuan. Titik yang menjadi acuan tersebut adalah baik (good) dan buruk (bad). Posisi titik-titik dalam Rapfish sangat banyak dan sangat sulit untuk digambarkan sehingga diperlukan suatu teknik dalam penentuan posisi titik-titik tersebut secara visual yang dikenal dengan metode multidimensional scalling (MDS) (Fauzi dan Anna 2005).
Teknik ordinasi (penentuan jarak) di dalam MDS didasarkan pada Euclidian Distance yang dalam ruang berdimensi n dapat ditulis sebagai berikut :
Konfigurasi atau ordinasi dari suatu objek atau titik di dalam MDS kemudian diaproksimasi dengan dengan meregresikan jarak Euclidian (dij) dari titik i ke titik jdengan titik asal ( ij
(d
) sebagaimana persamaan berikut :
ij) = α + ij
Metode ALSCAL mengoptimasi jarak kuadrat (squared distance = d
+
ijk ) terhadap data kuadrat (titik asal = Oijk) yang dalam tiga dimensi (i, j, k) ditulis dalam formula yang disebut S-Stress sebagai berikut :
Di mana jarak kuadrat merupakan jarak Euclidian yang dibobot, atau ditulis:
Pada setiap pengukuran yang bersifat mengukur (metric) seberapa fit
(goodness of fit), jarak titik pendugaan dengan titik asal, menjadi sangat penting.
Goodness of fit dalam MDS tidak lain mengukur seberapa tepat (how well) konfigurasi dari suatu titik dapat mencerminkan data aslinya. Goodness of fit ini dalam MDS dicerminkan dari besaran nilai S-Stress yang dihitung berdasarkan nilai S di atas. Nilai stress yang rendah menunjukan good fit sementara nilai S
yang tinggi sebaliknya. Di dalam Rapfish, model yang baik ditunjukan dengan nilai stress yang lebih kecil dari 0,25 (S < 0,25) (Fauzi dan Anna 2005).
Microsoft Excell digunakan untuk melakukan analisis MDS berikut dengan algoritma ALSCAL. Metode MDS merupakan salah satu metode ordinasi pada ruang (dimensi) yang diperkecil. Ordinasi suatu obyek pengamatan yang diukur dengan menggunakan banyak variable sulit dilihat secara visual mengingat bahwa posisi obyek di dalam ruang berdimensi lebih dari tiga yang tidak mungkin digambarkan. Analisis multidimensional diterapkan untuk mentrasnformasikan skor dari keseluruhan atribut keberlanjutan perikanan menurut dimensinya pada ordinasi antara 0 (buruk) dan 100 (baik) (Kavanagh dan Pitcher 2004). Ketepatan tranformasi tersebut dikontrol oleh statistik stress dan koefisien determinasi.
Asumsi bahwa kinerja pengelolaan terletak antara 0 sampai 100 persen atau buruk sampai ke baik sekali. Diantara nilai buruk sampai baik maka ada interval nilai kinerja yaitu cukup dan kurang, sehingga diperoleh empat tingkatan kinerja yaitu buruk, kurang, sedang dan baik. Tingkatan kinerja dibagi menjadi 4 tingkat sehingga diperoleh interval 0, 25 persen, 50 persen, 75 persen, dan 100 persen. Hasil penilaian kinerja atribut dari masing-masing dimensi dipetakan ke dalam dua titik acuan yang merupakan titik buruk (bad) dan titik baik (good). Kategori hasil penilaian atribut disajikan pada Tabel 7.
0% 50% 100% Buruk
(unsustainable)
Baik (sustainable) Tabel 7. Kategori penilaian status keberlanjutan
No Nilai Indeks Dimensi Kategori Keterangan
1 0,00 – 24,99 Buruk Tidak berkelanjutan
2 25,00 – 49,99 Kurang Kurang berkelanjutan
3 50,00 – 74,99 Cukup Cukup berkelanjutan
4 75,00 – 100,00 Baik Berkelanjutan
Sumber : Nurmalina, 2008
Posisi titik keberlanjutan dapat digambarkan dalam bentuk garis sumbu vertikal ataupun sumbu horisontal. Nilai indeks keberlanjutan berada pada nilai 0 persen (buruk) sampai 100 persen (baik). Jika dimensi yang dinilai dengan nilai indeksnya berada di bawah 50 persen maka mempunyai nilai yang kurang atau kurang berkeberlanjutan (unsustainable), dan jika dimensi yang dinilai berada di atas nilai 50 persen maka dimensi dari sistem yang dinilai dapat dikatakan berkelanjutan (sustainable). Penilaian ini dapat diilustrasikan pada Gambar 12.
Gambar 12. Posisi titik keberlanjutan B. Analisis leverage/Jacknife
Setelah nilai ordinasi (indeks) keberlanjutan ditemukan melalui ordinasi RAPFISH (Hasil MDS), maka analisis leverage dilakukan untuk melihat atribut apa yang paling sensitif berpengaruh dalam memberikan kontribusi terhadap nilai indeks keberlanjutan. Selain itu, analisis ini dilakukan untuk memperhitungkan sensitivitas setiap atribut dalam menentukan ordinasi status keberlanjutan perikanan. Pengolahan datanya dilakukan secara berulang yaitu direduksi satu per satu atribut dari dimensi keberlanjutan perikanan yang ditelaah. Untuk setiap dimensi keberlanjutan perikanan, setiap reduksi satu atributnya diproses dalam 'g77ALSCAL.dll' untuk menghasilkan ordinasi status keberlanjutan, dan selanjutnya diterima sebagai masukan oleh modul 'levereging'. Dalam analisis ini ini, pengaruh setiap reduksi atribut diperhitungkan melalui akar kuadrat nilai tengah (RMS) ordinasi status keberlanjutan perikanan mengikuti persamaan umum:
Faktor pengungkit adalah atribut yang keberadaannya berpengaruh sensitif terhadap peningkatan atau penurunan status keberlanjutan. Semakin besar nilai RMS maka semakin besar peranan atribut tersebut terhadap sensitivitas status keberlanjutan (Kavanagh dan Pitcher 2004).
C. Analisis Monte Carlo
Di dalam Rapfish juga memperhitungkan aspek ketidakpastian dan dianalisis dengan menggunakan teknik analisis Monte Carlo. Analisis Monte Carlo merupakan metode simulasi untuk mengevaluasi dampak kesalahan acak/galat (random error) dalam analisis statistik yang dilakukan terhadap seluruh dimensi (Kavanagh dan Pitcher 2004).
Dalam analisis 'Monte Carlo' yang terhubung dengan 'g77ALSCAL.dll', serangkaian proses simulasi berlangsung untuk menguji pengaruh dari beragam kekeliruan (ketidak-pastian), baik yang berkenaan dengan scoring maupun dalam proses ordinasi status keberlanjutan perikanan. Menurut Kavanagh dan Pitcher (2004), pembangkit bilangan acak dalam analisis ini didasarkan pada sebaran
normal galat angka skor dengan nilai tengah 0 dan simpangan baku (σ) terseleksi
(noise) berselang kepercayaan (confidence interval) 95 persen dalam proporsi 20 persen dari selang skor setiap atribut (skor antara ‘baik’ dan ‘buruk’). Untuk setiap atribut keberlanjutan perikanan yang ditelaah, peubah acak normal tersebut (G) difungsikan sebagai 'gangguan' yang kemudian direkam pengaruhnya dalam ordinasi status keberlanjutan perikanan.
Ketidakpastian dalam analisis Monte Carlo disebabkan oleh (Fauzi dan Anna 2005) : (1) Dampak kesalahan dalam skoring akibat minimnya informasi, (2) Dampak dari keragaman dalam skoring akibat perbedaan penilaian, (3) Kesalahan dalam entry data, dan (4) Tingginya nilai stress yang diperoleh dari algoritma ALSCAL. Dalam penelitian ini, analisis Monte Carlo dilakukan dengan metode “scatter plot” yang menunjukkan ordinasi dari setiap dimensi dan analisis monte carlo pada selang kepercayaan 95 persen dibandingkan dengan hasil MDS.
Terakhir, hasil penilaian atas masing-masing dimensi keberlanjutan (lima dimensi) disajikan dengan diagram layang-layang (kite diagram) pada Gambar 13.
Gambar 13. Diagram layang-layang indeks keberlanjutan multidimensi