142 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 KonstruksiKesesuaian 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.
143
2. Validasi KinerjaOutput Model
Validasi kinerjaoutput 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.
144 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
145 lingkungan terhadap penyebaran penyakit DBD mampu mensimulasikan
perubahan-perubahan yang terjadi di Provinsi DKI Jakarta.
5.4. Skenario Rekomendasi Kebijakan