kedatangan limbah, tingkat pengiriman limbah, tingkat permintaan limbah, jumlah produksi yang diharapkan, kebutuhan limbah, limbah dalam proses, penilaian hasil
limbah, penilaian persediaan limbah, persediaan limbah yang diharapkan dan sebagainya dapat diperoleh meskipun hampir semua jenis data adalah data skunder.
Proses validasi terhadap model ini dilakukan dengan proses simulasi menggunakan program powersim terhadap submodel kependudukan, submodel
pesisir laut, dan submodel limbah industri yang menggunakan data dan informasi tahun 2003 sampai dengan 2007 diperlihatkan dalam bentuk Tabel dan Gambar:
1. Tabel dan Gambar validasi model pada submodel kependudukan
Tabel ini, memperlihatkan jumlah penduduk aktual dengan prediksi jumlah penduduk menggunakan model 1 dan model 2 simulasi dengan bantuan program
powersim . Adapun formulasi masing-masing model yaitu:
Model 1: JP
t
= JP
t-1
+ JP
t
x PPP
t
Model 2: JP
t
= JP
t-1
+ d
t
LKl
t
– d
t
LKm
t
Keterangan: JP
t
= Jumlah penduduk sekarang orang JP
t-1
= Jumlah penduduk sebelumnya orang PPP
t
= Prosentase pertambahan penduduk asumsi: 0,7 tahun LKl
t
= Laju kelahiran penduduk sekarang orangtahun LKl
t-1
= Laju kelahiran penduduk sebelumnya orangtahun LKm
t
= Laju kematian penduduk sekarang orangtahun Berdasarkan formulasi tersebut di atas, maka dapat diketahui hasil prediksi jumlah
penduduk seperti yang disajikan pada Tabel 49. Tabel 49. Jumlah penduduk aktual dan hasil prediksi jumlah penduduk
Jumlah Penduduk Prediksi Jumlah Penduduk Jiwa
Tahun Aktual Jiwa
Model 1 Model 2
2003 166.838 166.838
166.838 2004 167.761
168.006 167.642
2005 168.233 169.182
168.778 2006 170.269
170.366 170.457
2007 174.219 171.559
173.227 Dari Tabel 49 tersebut, maka dapat digambarkan kondisi jumlah penduduk
aktual dan prediksi jumlah penduduk model 1 dan model 2 seperti yang disajikan pada Gambar 33.
Jumlah Penduduk Th. 2003 - 2007
162000 164000
166000 168000
170000 172000
174000 176000
2003 2004
2005 2006
2007
Tahun J
u m
la h
Pe nd
udu k
Penduduk Aktual Prediksi Penduduk
Model 1 Prediksi Penduduk
Model 2
Gambar 33. Grafik jumlah penduduk aktual dan prediksi jumlah penduduk pada submodel kependudukan
Berdasarkan Tabel 49 dan Gambar 33 di atas, diperoleh hasil validasi model antara jumlah penduduk aktual dengan hasil prediksi jumlah penduduk model 1
yang memiliki nilai kesalahan rata-rata mutlak AME sebesar 0,162 dan nilai kesalahan variansi mutlak AVE sebesar 0,597. Sedangkan hasil validasi
model antara jumlah penduduk aktual dengan hasil prediksi jumlah penduduk model 2 memiliki nilai kesalahan rata-rata mutlak AME sebesar 0,045 dan
nilai kesalahan variansi mutlak AVE sebesar 0,254. Hal ini berarti bahwa hasil validasi model 2 simulasi sangat valid dan memiliki kesalahan AME dan
AVE sangat kecil dan memenuhi batas penyimpangan yang diterima, yakni 10 . Berdasarkan hasil submodel kependudukan diperoleh hasil prediksi jumlah
penduduk tahun 2003 – 2015 dapat dilihat pada Lampiran 11. Selanjutnya hasil prediksi jumlah penduduk tahun 2003 – 2015 disajikan pada Gambar 34.
50000 100000
150000 200000
250000
20 03
20 05
20 07
20 09
201 1
20 13
20 15
Tahun J
u m
la h P
e n
dudu k
ji w
a
Jumlah Penduduk
Gambar 34. Grafik jumlah penduduk tahun 2003 – 2015 pada struktur submodel kependudukan di wilayah pesisir Kota Cilegon
Berdasarkan Gambar 34 di atas, memperlihatkan jumlah penduduk di wilayah pesisir Kota Cilegon berkecenderungan mengalami kenaikan setiap tahunnya.
2. Tabel dan Gambar validasi model pada submodel pesisir laut
Tabel ini memperlihatkan luas pesisir aktual dengan prediksi luas pesisir menggunakan model 1 dan model 2 simulasi dengan bantuan program powersim.
Adapun formulasi masing-masing model yaitu: Model 1: LP
t
= LP
t-1
- LP
t
x PPLP
t
Model 2: LP
t
= LP
t-1
+ d
t
LPS
t
– d
t
PP
t
Keterangan: LP
t
= Luas pesisir sekarang ha LP
t-1
= Luas pesisir sebelumnya ha PPLP
t
= Prosentase pengurangan luas pesisir asumsi: 0,5 tahun LPS
t
= Lahan pesisir yang dipersiapkan sekarang ha PP
t
= Pengurangan pesisir ha Berdasarkan formulasi tersebut diatas, maka dapat diketahui hasil prediksi luas
pesisir seperti yang disajikan pada Tabel 50. Tabel 50. Luas pesisir aktual dan hasil prediksi luas pesisir
Luas Pesisir Prediksi Luas Pesisir ha
Tahun Aktual ha
Model 1 Model 2
2003 11.520 11.520 11.520.00 2004 11.520 10.944 11.519.96
2005 11.520 10.397 11.519.97 2006 11.520 9.877 11.519.97
2007 11.520 9.383 11.519.97
Dari Tabel 50 tersebut, maka dapat digambarkan kondisi luas pesisir aktual dan prediksi luas pesisir model 1 dan model 2 seperti yang disajikan pada Gambar 35.
Luas Pesisir Tahun 2003 - 2007
2000 4000
6000 8000
10000 12000
14000
2003 2004
2005 2006
2007
Tahun L
u as
P esi
s ir
h a
Luas Pesisir Aktual Prediksi Luas Pesisir
Model 1 Prediksi Luas Pesisir
Model 2
Gambar 35. Grafik luas pesisir aktual dan hasil prediksi luas pesisir pada submodel pesisir laut.
Berdasarkan Tabel 50 dan Gambar 35 di atas, dapat diperoleh hasil validasi model antara luas pesisir aktual dengan hasil prediksi luas pesisir model 1 yang
memiliki nilai kesalahan rata-rata mutlak AME sebesar 9,512 dan nilai kesalahan variansi mutlak AVE sebesar 0 . Sedangan hasi validasi model
antara luas pesisir aktual dengan hasil prediksi luas pesisir model 2 memiliki nilai kesalahan rata-rata mutlak AME sebesar 0,0002 dan nilai kesalahan variansi
mutlak AVE sebesar 0 . Hal ini berarti bahwa hasil validasi model 2 simulasi sangat valid dan memiliki kesalahan AME dan AVE sangat kecil dan
memenuhi batas penyimpangan yang diterima, yakni 10 . Berdasarkan Hasil submodel pesisir laut diperoleh hasil prediksi luas pesisir tahun 2003 – 2015
dapat dilihat pada Lampiran 11. Selanjutnya hasil prediksi luas pesisir tahun 2003 – 2015 disajikan pada Gambar 36.
11,518.00 11,518.50
11,519.00 11,519.50
11,520.00 11,520.50
20 03
20 05
20 07
200 9
201 1
20 13
20 15
Tahun L
u as
P esi
si r
Prediksi Luas Pesisir
Gambar 36. Grafik luas pesisir tahun 2003 – 2015 pada struktur sub model pesisir laut di wilayah pesisir Kota Cilegon
Berdasarkan Gambar 36 di atas, dapat diketahui hasil simulasi luas pesisir di wilayah pesisir Kawasan Industri Krakatau Cilegon tahun 2003 – 2015
memperlihatkan berkecenderungan mengalami pengurangan luas pesisir. Pengurangan lahan psesisir tersebut dapat terjadi, karena di wilayah pesisir ini
tumbuh dan berkembangnya industri, jasa perhotelan, dan sebagainya, sehingga luas pesisir berkecenderungan mengalami penguranganpenurunan.
3. Tabel dan Gambar validasi model pada submodel limbah industri
Tabel ini memperlihatkan jumlah limbah aktual dengan prediksi jumlah limbah menggunakan model 1 dan model 2 simulasi dengan bantuan program
powersim . Adapun formulasi masing-masing model yaitu:
Model 1: JL
t
= JL
t-1
+ JLT
t
+ PPL
t
x JLT
t
Model 2: JL
t
= JL
t-1
+ dtTKL
t
+ dtTKLL
t
– dtTPL
t
Keterangan: JL
t
= Jumlah limbah baja sekarang ton JL
t-1
= Jumlah limbah baja sebelumnya ton JLT
t
= Jumlah limbah tahunan ton PPL
t
= Prosentase penambahan limbah asumsi:10tahun TKL
t
= Tingkat kedatangan limbah tontahun TKLL
t
= Tingkat kedatangan limbah luar baja bongkah tontahun TPL
t
= Tingkat pengiriman limbah keluar tontahun Berdasarkan formulasi tersebut diatas, maka dapat diketahui hasil prediksi jumlah
limbah seperti yang disajikan pada Tabel 51. Tabel 51. Limbah baja aktual dan hasil prediksi limbah baja
Limbah Baja Prediksi Limbah Baja ton
Tahun Aktual ton
Model 1 Model 2
2003 1.863.817 1.863.817 1.863.817
2004 1.865.024 1.867.273 1.864.217
2005 1.865.024 1.871.074 1.864.793
2006 1.869.369 1.875.256 1.865.342
2007 1.872.715 1.879.856 1.865.891
Dari Tabel 51 tersebut, maka dapat digambarkan kondisi jumlah limbah aktual dan prediksi jumlah limbah model 1 dan model 2 seperti yang disajikan pada
Gambar 37.
Limbah Industri Tahun 2003 - 2007
1855000 1860000
1865000 1870000
1875000 1880000
1885000
2003 2004
2005 2006
2007
Tahun Ju
m lah
L im
b ah
to n
Limbah Aktual Prediksi Limbah
Model 1 Prediksi Limbah
Model 2
Gambar 37. Grafik jumlah limbah aktual dan hasil prediksi jumlah limbah pada submodel limbah industri
Berdasarkan Tabel 51 dan Gambar 37 di atas dapat diperoleh hasil validasi model antara jumlah limbah aktual dengan hasil prediksi limbah model 1 yang memiliki
nilai kesalahan rata-rata mutlak AME sebesar 0,228 dan nilai kesalahan variansi mutlak AVE sebesar 1,873. Sedangkan hasil validasi model antara
jumlah limbah aktual dengan hasil prediksi limbah model 2 memiliki dengan nilai kesalahan rata-rata mutlak AME sebesar 0,127 dan nilai kesalahan variansi
mutlak AVE sebesar 0,95. Hal ini berarti bahwa hasil validasi model 2 simulasi tersebut valid dengan tingkat kesalahan cukup kecil dan validasi
tersebut memenuhi batas penyimpangan yang diterima, yakni 10 . Berdasarkan hasil submodel pesisir laut diperoleh hasil prediksi luas pesisir tahun
2003 – 2015 dapat dilihat pada Lampiran 11. Selanjutnya hasil prediksi limbah baja tahun 2003 – 2015 disajikan pada Gambar 38.
1861000 1862000
1863000 1864000
1865000 1866000
1867000
20 03
20 05
20 07
20 09
20 11
20 13
10 15
Tahun J
uml a
h l
imba h
to n
Prediksi Limbah Industri
Gambar 38. Grafik jumlah limbah baja pada struktur sub model limbah industri di wilayah pesisir Kota Cilegon
Berdasarkan Gambar 38 tersebut di atas, menunjukkan terjadi peningkatan jumlah limbah dari tahun 2003 – 2009, sedangkan pada tahun 2009 – 2015 terjadi
penurunan jumlah limbah baja.
7.5 Kesimpulan dan Saran 7.5.1 Kesimpulan
Berdasarkan hasil analisis dan pembahasan strategi model pengelolaan lingkungan dapat disimpulkan:
1. Strategi pengelolaan lingkungan dapat dilakukan bersamaan dengan pengelolaan limbah berdasarkan aktivitas penduduk sebanyak 42.846.944 jiwa, aktivitas
industri sebanyak 74 industri dengan luas lahan kawasan industri 1.500 ha., dan dampak sosialnya pada model pengelolaan limbah baja sebanyak 36.662 jiwa.
2. Kesehatan masyarakat pada penduduk yang tinggal dipemukiman wilayah pesisir di empat Kecamatan Ciwandan, Citangkil, Grogol, dan Pulomerak
berkecenderungan mengalami penyakit ISPA, bahkan jenis penyakit tersebut dapat mengalami kenaikan jumlah penyakit ISPA, mengingat pada wilayah ini
banyak berdiri industri menengah hingga industri berat. 3. Hasil analisis baku mutu limbah baja terhadap kesehatan masyarakat dan
degradasi pesisir masih memenuhi nilai ambang batas NAB, namun analisa logam berat dalam air laut menunjukkan air raksa Hg, kadmium Cd, dan
tembaga Cu berkisar rata-rata 0,0005 mgl, tembaga Pb rata-rata: 0,0005 mgl. Sedangkan untuk seng Zn rata-rata: 0,005 mgl. Rendahnya kadar logam
Hg, Cd, Cu, Pb, dan Zn karena logam tersebut mengalami proses pengenceran oleh pola arus pasang surut.
4. Hasil pemilihan prioritas pendapat pakar yang menggunakan metode AHP Cdplus3.0
terpilih perubahan bahan baku sebagai urutan kepentingan variabel alternatif pada menentuan strategi pengelolaan limbah baja.
5. Hasil penentuan parameter kunci model pengelolaan limbah baja berdasarkan sub elemen pendapat pakar lingkungan diposisikan pada sektor IV independent yang
menyatakan pabrik baja 1, pembangunan area limbah yang jauh dari pemukiman 3, dan pengolahan yang dapat dipertangungjawabkan 4 adalah peubah bebas,
hal ini berarti kekuatan penggerak driver power yang besar namun memiliki sedikit ketergantung terhadap program.
6. Strategi kebijakan dalam pengelolaan limbah baja dapat dilakukan dengan membuat submodel pemecahan masalah meliputi submodel penduduk, pesisir
laut, dan limbah industri yang digambarkan dengan diagram sebab akibat cause loop
dan struktur model dengan bantuan program powersim yang memperlihatkan hasilnya trend meningkat maupun menurun, seperti yang
diperlihatkan baik melalui tabel dan grafik pada sub model pengelolaan limbah baja.
7.5.2 Saran
Sebagai saran dalam model strategi pengelolaan limbah, adalah berikut: 1. Hendaknya perusahaan dapat menentukan strategi pengelolaan limbah
berdasarkan pemilihan prioritas, parameter kunci, dan mengembangkan model- modelnya.
2. Agar perusahaan memperhatikan secara kontinu melakukan strategi pengelolaan limbah baja dengan cara menganalisis baku mutu limbah baja yang pengaruhnya
terhadap kesehatan masyarakat dan degradasi pesisir dari pencemaran lingkungan.
Daftar Pustaka
Arikunto, S. 2005. Manajemen Penelitian. Penerbit Rineka Cipta. Jakarta Brown, B.E. 1997. Integrated Coastal Management. South Asia. University of
Newcastle Upon Tyne. United Kingdom. Dahuri, R 1998. Kebutuhan Riset untuk Mendukung Implementasi Pengelolaan
Sumberdaya Pesisir dan Lautan Secara Terpadu. Jurnal Pesisir dan Lautan: Indonesian Journal of Coastal and Marine Resources. No ISSN : 1410 7821.
Vol. 1 No. 2 1998. IPB. Bogor.
Eriyanto. 1999. Ilmu Sistem. Meningkatkan Mutu dan Efektivitas Manajemen. Jilid satu. IPB Press. Bogor.
Handoko, I. 2005. Quantitative Modeling of System Dynamic for Natural Resources Management. SEAMEO BIOTROP. Bogor.
Marimin. 2005. Pengambilan Keputusan Kriteria Majemuk. PT. Gramedia. Jakarta. Muhammadi, E Aminullah, dan B Susilo. 2001. Analisis Sistem Dinamis:
Lingkungan Hidup, Sosial, Ekonomi, Manajemen. Penerbit UMJ. Jakarta. Ottosson, S. and E. Bjorg. 2003. Research on Dynamic Systems-Some Considerations.
Technovation 24: 863 – 869. Sargent, RG. 1998. Verification and Validation of Simulation Models. Proceeding of
the 1998 Winter Simulation Conference. D.J. Medeiros, E.F. Watson. J.S. Carson and M.S. Manivannan, eds.
Saaty, TL. 1999. Fundamental of Decision Making The Analytic Hierarchy Process and Priority Theory, Vol. VI. RWS Publication.
Sjaifuddin. 2007. Pengelolaan Lingkungan Wilayah Pesisir dan Laut Teluk Banten. Jurnal Ilmu Perikanan dan Budidaya Perikanan. Vol. 4 No.1.
Sorensen, J. C. and Mc.Creary, 1990. Coast: Institutional Arrangements for Managing Coastal Resources. University of California of Barkeley.
Suryadi, K dan Ramdhani. 2002. Sistem Pendukung Keputusan: Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan, PT.
Remaja Rosdakarya, Bandung. Zhijie, F. and R. P. Cote. 1990. Coastal Zone of Peoples Republic of China:
Management Approaches and Institutions. Marine Policy.