Simulasi Model Sensivitas Model

Uji sensivitas bertujuan untuk menjelaskan sensivitas parameter, variabel dan hubungan antara variabel dalam model. Hasil uji sensivitas ini dalam bentuk perubahan perilaku dan atau kinerja model, digunakan untuk menganalisis efek intervensi terhadap model Muhammadi, 2001. Intervensi terhadap model merupakan tiruan dari tindakan pada kondisi yang mungkin terjadi atau dikehendaki harus terjadi dalam dunia nyata melalui pilihan kebijakan yang dapat dilakukan untuk mengubah keadaan yang ada pada dunia nyata tersebut. Efek tindakan intervensi terhadap model pada perubahan kinerja sistem diamati melalui perubahan nilai rujukan reference mode. Nilai rujukan tersebut adalah “ level”, yang mewakili kinerja model. Perubahan nilai rujukan itu bisa merupakan pola dan kecenderungan yang diinginkan atau bisa juga merupakan pola dan kecenderungan yang tidak diinginkan. Sensivitas model yang mengungkapkan hasil-hasil intervensi terhadap unsur dan struktur sistem dilakukan dalam rangka menemukan alternatif kebijakan, baik untuk mengakselerasi kemungkinan pencapaian hasil positif maupun untuk mengantisipasi dampak negatif. Kesimpulannya uji sensivitas adalah intervensi parameter input model danatau struktur model untuk melihat seberapa jauh kepekaannya terhadap perubahan output model, sehingga dapat diamati bagaimana efek atau dampak suatu intervensi terhadap kinerja model keseluruhan. Hal ini akan sangat berguna untuk mengambil tindakan intervensi mana yang terbaik alternatif kebijakan mana yang terbaik untuk dilakukan terhadap model sehingga menghasilkan output terbaik sesuai dengan tujuan penelitian. Gambaran intervensi model dalam analisis sensivitas tersebut diatas dapat dilihat pada Gambar 33. Gambar 33. Tipe Intervensi Model Paramater Input dan Struktur Model INTERVENSI PARAMETER INPUT INTERVENSI STRUKTUR MODEL INPUT OUTPUT MODEL intervens i normal dampak Sumber : Muhammadi et al, 2001

4.9. Validasi

Model Validasi model adalah tahapan untuk menguji kesesuaian, kestabilan, konsistensi kinerja suatu model yang dirancang dalam mewakili sistem mempertahankan tingkat pelayanan jalan tol dan perubahan nilai manfaat lingkungannya di dunia nyata. Dengan mengacu pada Barlas 1996 dan Muhammadi et al 2000 tentang model dinamis, ada delapan uji validitas, yang secara umum dibagi menjadi dua kategori uji, yaitu uji validitas struktur model dan uji validitas kinerja model. Suatu pengetahuan ilmiah yang obyektif harus cocok dengan kondisi di lapangan. Validitas atau keabsahan adalah salah satu kriteria penilaian keobyektifan dari suatu karya ilmiah. Obyektivitas dalam pemodelan pemodelan ditunjukkan dengan kinerja model menirukan fakta atau model menyerupai fakta walaupun tidak sama dengan fakta, karena model merupakan penyederhanaan dari fakta dan rangkaiannya sehingga lebih mudah dan lebih cepat dipahami Muhammadi, 2001. Teknik validasi yang utama dalam berpikir sistem adalah validasi struktur model, yaitu penilaian keserupaan struktur model terhadap struktur dunia nyata. Keserupaan struktur model terhadap struktur nyata ditunjukkan dengan pola interaksi variabel model yang mendekati interaksi kejadian di dunia nyata. Validasi kinerja adalah aspek pelengkap dalam metode berpikir sistem. Tujuannya untuk memperoleh keyakinan sejauh mana kinerja model sesuai compatible dengan kinerja sistem nyata, sehingga memenuhi syarat sebagai model ilmiah yang taat fakta. Caranya adalah memvalidasi kinerja model dengan data empiris, untuk melihat sejauh mana perilaku “output” model sesuai dengan perilaku data empiris. Terdapat 2 langkah prosedur uji konsistensi, yaitu: 1. Mengeluarkan output simulasi, khususnya hasil simulasi variabel utama reference mode kemudian dibandingkan dengan pola perilaku data empirik, secara visual dan secara statistika untuk lebih meyakinkan. 2. Melakukan uji statistik untuk melihat penyimpangan antara output simulasi dengan data aktual dengan AVE, AME, U-Theil’s, Kalman Filter, U-Theil’s dan Durbin Watson. AME absolute mean error adalah penyimpangan antara nilai rata-rata simulasi terhadap aktual.AVE absolute variation error adalah penyimpangan nilai variasi simulasi terhadap aktual yang berguna untuk menjelaskan penyimpangan yang menonjol tidak terlihat pada AME dan AVE. Batas penyimpangan yang masih dapat diterima adalah 5-10 . Rumus-rumus untuk AME, AVE, KF, dan DB Muhammadi, 2001 adalah sebagai berikut: 1 Absolute Mean Error AME AME = T Í Í Ps – ∑ Pi Í .................................................... 1 o Í ∑ Pi Í dengan: T = Waktu Pengamatan Ps = Nilai Hasil Simulasi Pi = Nilai Faktual Batas Penyimpangan yang diterima untuk AME adalah 0,05 – 0,10 2 Absolute Variation Error AVE AVE = Í σs - σi Í ......................................................... 2 Í σi Í dengan: σs = Deviasi Standar Hasil Simulasi σi = Deviasi Standar Faktual Batas penyimpangan yang diterima untuk AVE adalah 0,05 – 0,10 3 Kalman Filter KF KF = σs 2 ................................................................ 3 σs 2 – σi 2 dengan: σs 2 = Variasi Hasil Simulasi σi 2 = Variasi Faktual