23
biasa terjadi antara April-Mei, arah angin lebih bervariasi dari barat dan timur silih berganti dengan kecepatan rata-rata 4-10 knot BTNKJ 2001.
Keadaan salinitas TNKJ sebesar 28-35 ppm, derajat keasaman pH perairan pada umumnya alkalis. Keasaman tersebut disebabkan oleh tipe
substrat dasar perairan yang merupakan paparan pasir dan terumbu karang, di mana kandungan garam biogenik khususnya kalsium cukup tinggi. Kecepatan
arus permukaan berkisar antara 8-25 cm detik. Arus yang cukup kuat dijumpai di antara Pulau Karimunjawa dan Pulau Menjangan besar, sekitar Pulau Kembar,
sekitar Pulau Krakal Kecil dan Pulau Krakal Besar, bagian timur Pulau Menyawakan, dan sekitar Pulau Bengkoang. Keadaan pasang surut berfluktuasi
mencapai 92 cm. Pada umumnya dasar perairan mulai tepi sepanjang pulau- pulau yang terdapat di Kepulauan Karimunjawa adalah pasir, kemudian ke
tengah dikelilingi terumbu karang dari kedalaman 0,5-15 m. Sedangkan kedalaman perairan dengan perhitungan berpatokan pada jarak dari pantai
antara 10-200 m berkisar antara 0,5-15 m BTNKJ 2001.
2.6 Evaluasi Pilihan Bebas Independent Preference Evaluation
Pengembangan sistem pengambilan keputusan SPK didasarkan pada pengembangan hubungan logis persoalan keputusan ke dalam suatu model
matematik dan model informasi yang mencerminkan hubungan antar faktor yang terlibat. Analisis pada dunia nyata harus memperhitungkan faktor ketidakpastian
yang bersifat inheren. Pada banyak kasus, ketidakpastian tidak sama dengan keacakan atau randomness, akan tetapi bersifat ambiguity dan vagueness atau
fuzziness yang tidak dapat direpresentasikan secara matematis dalam teori peluang Fedrizzi 1987. Tidak semua masalah dalam dunia nyata dapat
dinyatakan secara eksak dengan derajat kebenaran pada selang [0,1], yaitu antara ya dan tidak. Hampir semua masalah mengandung ketidakpastian yang
dinyatakan dengan kata-kata “mendekati”, “kira-kira”, “hampir”, “sedikit lebih besar dari”, “sedikit lebih kecil dari” yang kenyataannya sulit dikuantifikasi dalam
besaran eksak, sehingga dinamakan fuzzy. Representasi himpunan fuzzy pada masalah antara “ya” dan “tidak” digunakan pendekatan seperti probabilistik
Yager and Pilev 1994. Proses pengambilan keputusan yang melibatkan penilaian atau pendapat
berbagai pihak stakeholder atau ahli merupakan suatu perihal yang sangat penting, tetapi juga sulit. Perihal menjadi sangat rumit jika penilaian atau
24
pendapat setiap stakeholder atau ahli didasarkan kepada kriteria jamak. Persoalan proses pengambilan keputusan ini disebut sebagai multi expert
person multi criteria decision making atau ME-MCDM Yager 1993. Pada ME- MCDM salah satu aspek yang penting adalah proses agregasi rating dan
preferensi serta penggabungan pendapat dari setiap ahli atau stakeholder sehingga solusi yang diperoleh adalah yang paling diterima oleh kelompok
secara keseluruhan. Teknik agregasi yang digunakan tergantung kepada apakah lingkungan keputusan bersifat deterministik, stokastik, possibilitik atau fuzzy,
serta bentuk penilaian terhadap kriteria untuk setiap alternatif keputusan berupa numerik atau non numerik linguistic label. Skala evaluasi atau penilaian adalah
dalam bentuk label linguistic yang secara berturut-turut adalah sempurna S
7
, sangat tinggi S
6
, tinggi S
5
, medium S
4
, rendah S
3
, sangat rendah S
2
, dan tidak ada S
1
atau himpunan S = s
1
, s
2
, ..., s
7
Marimin et al. 1998. Untuk mengidentifikasi faktor atau kriteria digunakan metode ordered
weighted averaging OWA-Operators. Jika x adalah suatu keputusan yang terdiri atas beberapa alternatif A
1
, A
2
,...,A
n
; dan n kriteria. Setiap kriteria A
j
, A
j
X Є 0,1
menunjukkan seberapa besar x memenuhi kriteria yang bersangkutan. Untuk menunjukkan suatu kisaran nilai, maka A
j
X Є I. Fungsi keputusan menyeluruh
dari derajat x yang memenuhi persyaratan kriteria diinginkan dinyatakan Dx Є I.
Salah satu faktor utama penentuan struktur fungsi agregasi adalah keterkaitan antar kriteria yang terlibat. Ada dua kasus ekstrim yaitu: 1 situasi yang
diinginkan oleh semua kriteria dapat dipenuhi, maka disebut sebagai “and”- operator, dan 2 situasi yang diinginkan salah satu kriteria dapat memuaskan
semua pihak yang disebut “or”-operator Yager 1988; Yager and Pilev 1994. Pada kasus 1, x harus memenuhi A
1
dan A
2
dan A
3
... dan A
n
, yang diformulasikan dalam bentuk fungsi keputusan menyeluruh sebagai berikut:
Dx=TA
1
X, A
2
X,..., A
n
X
n
, dan T adalah operator t-norms operator, yang memenuhi syarat commutative, monotonic, dan associative yang dibutuhkan
sebagai operator agregasi. Yager 1988 menunjukkan salah satu implikasi dari sifat operator t-norm untuk semua a
j
j=1, 2,..., n dinyatakan: T a
1
, a
2
, ..., a
n
Min a
1
, a
2
, ..., a
n
Untuk semua a Є I
Ta,a = a, menunjukkan sifat idempoten, dan TI,a = a, menunjukkan kondisi allness
25
Pada kasus 2, x memenuhi A
1
atau A
2
atau A
3
... atau A
n
, yang dirumuskan dalam bentuk fungsi keputusan menyeluruh berikut:
Dx = SA
1
x, A
2
x, ..., A
n
x
n
Keterangan: S adalah operator co-t-norms operator, yang memenuhi syarat sebagai operator
agregasi, kecuali bahwa untuk semua a
j
j=1, 2, ..., n dinyatakan: S a
1
, a
2
,..., a
n
Min a
1
, a
2
, ..., a
n
, sehingga untuk semua a Є I, S a,a = a menunjukkan sifat
idempoten dan S 0,a = a, yang menunjukkan kondisi at least one. Pada persoalan ME-MCDM, proses agregasi berada pada posisi diantara
kasus dua ekstrim tersebut. OWA-operator merupakan operator agregasi yang dengan mudah dapat melakukan penyesuaian atau menggabungkan diantara
“and”-operator dan “or”-operator Yager 1988; Yager and Pilev 1994. Operator OWA untuk a = a
1
, a
2
, ..., a
n
dikaitkan dengan vektor pembobot W = w
1
, w
2
,..., w
n
sehingga w
i
Є [0,1], Σ
i
w
i
= 1 didefinisikan sebagai suatu pemetaan F:1
n
I di mana I = [0,1]. Aspek yang fundamental dari operator OWA adalah tahap re-ordering, di mana suatu argumen a
i
tidak dikaitkan dengan suatu pembobot w
i
tertentu, tetapi pembobot w
i
dikaitkan dengan suatu posisi urutan ke-i dari argumen tertentu Filev and Yager 1998.
Untuk melakukan evaluasi preferensi non-numerik secara bebas Yager 1993 merumuskan suatu metode komputasi non-numerik untuk proses
pengambilan keputusan kelompok secara fuzzy. Metode komputasi dilakukan secara bertahap, yaitu 1 agregasi terhadap kriteria ganda, kemudian 2
agregasi terhadap semua pakar.
1 Agregasi Terhadap Kriteria Ganda
Untuk melakukan agregasi terhadap kriteria ganda setiap proposal P
i
, setiap pakar akan memberikan suatu himpunan yang terdiri dari n nilai, yaitu:
[P
ik
q
1
, P
ik
q
2
,..., P
ik
q
n
] Keterangan:
P
ik
q
j
adalah rating dari proposal ke-i pada kriteria ke-j oleh pakar ke-k. P
ik
q
j
adalah elemen dalam himpunan S. q
j
adalah tingkat kepentingan setiap kriteria, dengan skala penilaian label linguistic.
Yager 1993 merumuskan formula agregasi kriteria sehingga didapatkan unit skor setiap proposal oleh setiap pakar sebagai berikut:
P
ik
= Min
j
[Neg I q
j
vP
ik
q
j
]
26
Formulasi tersebut menunjukkan bahwa kriteria yang memiliki tingkat kepentingan rendah mempunyai pengaruh yang kecil terhadap skor keseluruhan.
Formulasi agregasi tersebut memenuhi kondisi pareto optimalitas, kebebasan terhadap alternatif tidak relevan, asosiasi yang positif bagi skor individual
terhadap skor keseluruhan, non-dictatorship, dan simetri, yang harus dipenuhi untuk agregasi kriteria jamak atau ganda.
2 Agregasi Terhadap Semua Pakar
Pada proses agregasi semua pakar dilakukan penentuan suatu fungsi agregasi Q yang menunjukkan generalisasi ide banyak pakar yang dibutuhkan
untuk mendukung suatu keputusan. Untuk nilai Qi diambil dari skala S = {s
1
, s
2
, ..., s
n
}, di mana i merupakan nilai dari 1 sampai dengan m Yager 1993. Yager 1993 menunjukkan bentuk khusus dari Q apabila skala S hanya
dua yaitu: “tidak ada” dan “sempurna”. Jika diperlukan paling sedikit persetujuan m pakar untuk pengambilan keputusan, maka Qi=”tidak ada” untuk i m, dan
Qi = ”sempurna” untuk i m. Jumlah titik penilaian q pada skala kardinal S dan jumlah pakar r adalah r = 1,2,...,k, maka untuk semua i = 0,1,2,...,r fungsi Q
dapat digunakan rumus: Qk = S
bk
dan b
k
= Int
⎥ ⎦
⎤ ⎢
⎣ ⎡
⎟ ⎠
⎞ ⎜
⎝ ⎛
− +
r q
k 1
1
Agregasi keputusan pakar dapat dirumuskan berdasarkan metode OWA- operator sebagai berikut:
P
i
= Max
j=1,...,r
[Qj Λ B
B
j
] Keterangan:
P
i
adalah agregasi pendapat gabungan pakar terhadap proporsal ke-i. Q
j
dapat dilihat sebagai petunjuk seberapa penting kelompok memandang jumlah pakar yang mendukung suatu nilai skor yang diputuskan.
B
B
j
adalah skor tertinggi ke-j diantara unit skor yang diberikan pakar untuk proporsal ke-i P
ik
. [Qj
Λ B
B
j
] merupakan pembobot skor terbaik dari objek ke-j, dan terdapat sejumlah j pakar yang mendukung keputusan skor tersebut.
2.7 Kelayakan Finansial