V. HASIL PEMBAHASAN
5.3. Skenario dan Rekomendasi Kebijakan Pencegahan Berbasis Lingkungan
5.3.3. Validitas Model
Pengetahuan ilmiah yang bersifat obyektif harus taat fakta. Validitas atau keabsahan adalah salah satu kriteria penilaian keobyektifan dari suatu pekerjaan ilmiah. Dalam pekerjaan pemodelan, obyektif itu ditunjukkan dengan sejauh mana model dapat menirukan fakta. Istilah menirukan bukan berarti sama, tetapi adalah serupa. Validasi model adalah usaha menyimpulkan apakah model dari sistem yang dibangun merupakan perwakilan yang sah dari realitas yang dikaji sehingga dapat menghasilkan kesimpulan yang meyakinkan (Eriyatno, 2003). Proses validasi bertujuan untuk menilai keobyektifan dari suatu pekerjaan ilmiah, karena pengetahuan ilmiah yang bersifat obyektif harus taat fakta. Dalam dunia nyata, fakta adalah kejadian yang teramati. Rangkaian hasil pengamatan tersebut dapat bersifat terukur yang disusun menjadi data kuantitatif atau statistik dan bersifat tak terukur yang disusun menjadi data kualitatif atau informasi aktual. Dalam pemodelan, hasil simulasi adalah perilaku variabel yang diinteraksikan dengan bantuan komputer. Tampilan perilaku variabel tersebut dapat bersifat terukur yang disusun menjadi data simulasi dan bersifat tidak terukur yang disusun menjadi pola simulasi. Keserupaan (tidak berarti harus sama) dunia model dengan dunia nyata ditunjukkan dengan sejauh mana data simulasi dan pola simulasi dapat menirukan data statistik dan informasi aktual. Proses melihat keserupaan seperti ini disebut validasi output atau kinerja model.
Metode berpikir sistem, pada dasarnya menganjurkan penstrukturan atas dasar interdisiplin yang bersifat sistemik dengan ciri menyeluruh (holistic) dan terpadu (integrated). Proses validasi pada model terdapat 2 tahap, yaitu validasi struktur model dan validasi perilaku model.
1. Validasi Struktur Model
Validasi struktur model merupakan proses validasi utama dalam berpikir sistem. Pada proses ini bertujuan untuk melihat sejauh mana keserupaan struktur model mendekati struktur nyata, yang berkaitan dengan batasan sistem, variabel- variabel pembentuk sistem, dan asumsi mengenai interaksi yang terjadi dalam sistem. Validasi struktur dilakukan dengan 2 bentuk pengujian, yaitu; uji kesesuaian struktur dan uji kestabilan struktur (Forrester, 1968). Untuk melakukan
perancangan dan justifikasi seorang pembuat model dituntut untuk mengumpulkan informasi sebanyak mungkin atas sistem yang menjadi obyek penelitian. Informasi ini dapat berupa pengalaman dan pengetahuan dari orang yang memahami mekanisme kerja pada sistem atau berasal dari studi literatur.
a. Uji Konstruksi/Kesesuaian Struktur
Uji kesesuaian struktur dilakukan untuk menguji apakah struktur model tidak berlawanan dengan pengetahuan yang ada tentang struktur dari sistem nyata dan apakah struktur utama dari sistem nyata telah dimodelkan (Sushil, 1993). Hal ini akan meningkatkan tingkat kepercayaan atas ketepatan dari struktur model. Rendahnya penerapan Law Enforcement akan menyebabkan tanggung jawab dan kesadaran masyarakat terhadap pengelolaan lingkungan masyarakat semakin rendah. Hal ini selanjutnya akan berdampak luas terhadap meningkatnya jumlah kasus DBD di masyarakat. Hal serupa juga dapat terjadi pada variabel-variabel terikat lainnya, seperti monitoring dan pemberdayaan masyarakat yang mencakup: sosialisasi, pengelolaan limbah cair dan sampah, serta pengembangan budidaya tanaman anti nyamuk. Dengan kata lain, struktur model dinamis yang dibangun adalah valid secara teoritis.
b. Uji Kestabilan Struktur
Uji kestabilan struktur model dilakukan dengan cara memeriksa keseimbangan dimensi peubah pada kedua sisi persamaan model (Sushil, 1993). Setiap persamaan yang ada dalam model harus menjamin keseimbangan dimensi antara variabel bebas dan variabel terikat yang membentuknya. Persamaan- persamaan yang dibuat dalam struktur model sistem model pencegahan berbasis lingkungan terhadap penyebaran penyakit DBD di DKI Jakarta sudah menggambarkan keterkaitan antar masing-masing variabel secara benar baik variabel yang berstatus sebagai level maupun auxiliary. Hal ini dibuktikan dengan hasil simulasi model membentuk pola data yang logis dan tidak collaps sehingga menghasilkan kasus DBD berdasarkan kecenderungan data yang sudah ada. Persamaan Powersim model pencegahan penyebaran penyakit DBD berbasis lingkungan terdapat pada Lampiran 13.
2. Validasi Kinerja/Output Model
Validasi kinerja/output model adalah aspek pelengkap dalam metode berpikir sistem yang bertujuan untuk memperoleh keyakinan sejauh mana kinerja model sesuai dengan kinerja sistem nyata sehingga memenuhi syarat sebagai model ilmiah yang taat fakta. Caranya adalah membandingkan validasi kinerja model dengan data empiris untuk melihat sejauh mana perilaku kinerja model sesuai dengan data empiris. Sebelum melakukan uji konsistensi antara kinerja model dengan data, ada beberapa aspek penting diperhatikan, yaitu konsistensi unit analisis dan dimensi serta tentang data simulasi yang dihasilkan model. Unit analisis dalam sebuah sistem adalah unsur. Keseluruhan interaksi dari unsur-unsur menyusun dan memfungsikan sistem mencapai tujuan. Kinerja masing-masing unsur pada suatu keadaan tertentu dinyatakan dengan level. Dengan demikian uji ini sulit untuk dilakukan pada kegiatan penelitian akademik yang memiliki keterbatasan waktu dan dana, karena memerlukan waktu yang cukup lama untuk membuktikan hasil kinerja model dengan data empirik di lapangan. Untuk itu yang dapat dilakukan adalah melakukan validasi kinerja model berdasarkan teori dari bentuk model yang dibangun disesuaikan pola model dasar (Muhammadi et al. 2001).
Berdasarkan hasil analisis sistem dinamis dapat dilihat bahwa perilaku model pencegahan berbasis lingkungan terhadap penyebaran penyakit Demam Berdarah Dengue di Provinsi DKI Jakarta dapat terpenuhi syarat kecukupan struktur dari suatu modelnya dengan melakukan validasi atas perilaku yang dihasilkan oleh suatu struktur model.
Untuk mengetahui data validasi jumlah kasus DBD dan jumlah penduduk dapat dilihat pada Tabel. 41.
Tabel. 41. Data validasi kasus DBD dan jumlah penduduk Data Validasi Jumlah Penduduk
Tahun Nilai Aktual Nilai Simulasi
2003 8566300 8566300 2004 8636100 8636087 2005 8699600 8693416 2006 8755700 8751089 2007 8814000 8809137 Mean 8726350 8722432.25 AME 0,045 Variance 4351142500 4159091989 AVE 4,414
Data Validasi Kasus DBD Tahun Nilai Aktual Nilai Simulasi
2003 14071 14071 2004 20640 20635 2005 23466 23856 2006 24932 24756 2007 25748 25737 Mean 27214.25 27263.75 AME 0,182 Variance 50245256.06 50067104.56 AVE 0,355
Validasi perilaku model dilakukan dengan membandingkan antara besar dan sifat kesalahan dapat digunakan: 1) Absolute Mean Error (AME) adalah penyimpangan (selisih) antara nilai rata-rata (mean) hasil simulasi terhadap nilai aktual, 2) Absolute Variation Error (AVE) adalah penyimpangan nilai variasi (variance) simulasi terhadap aktual.
Hasil uji menunjukkan bahwa keluaran model pencegahan berbasis lingkungan terhadap penyebaran penyakit DBD di Provinsi DKI Jakarta, untuk Absolute Mean Error (AME) menyimpang 0,045 % untuk pertambahan penduduk dari data aktual dan Absolute Variation Error (AVE) menyimpang sebesar 4,414 %, sedangkan pada kasus DBD untuk Absolute Mean Error (AME) menyimpang 0,182 % untuk pertambahan penduduk dari data aktual dan Absolute Variation Error (AVE) menyimpang sebesar 0,355 %. Batas penyimpangan sekitar < 10%, berdasarkan hasil uji ini dapat disimpulkan bahwa model pencegahan berbasis
lingkungan terhadap penyebaran penyakit DBD mampu mensimulasikan perubahan-perubahan yang terjadi di Provinsi DKI Jakarta.