Content Analysis Analisis Statistik

73 ekonomi yang digunakan sebagai peubah penjelas dalam analisis regresi logistik meliputi umur, pendidikan, pendidikan non formal, keterlibatan dalam organisasi, pekerjaan, ukuran keluarga, etnis, afiliasi wilayah administratif kabupaten tempat tinggal, jarak domisili ke TNKS, lama bermukim, penghasilan, tingkat kesejahteraan, dan kepemilikan lahan. Model regresi yang digunakan adalah regresi logistik karena regresi logistik dapat menggambarkan hubungan antara beberapa peubah penjelas dengan sebuah peubah respon dikotomi biner. Jika nilai peubah biner ini dilambangkan dengan 1 untuk kejadian sukses dan 0 untuk tidak kejadian gagal maka distribusi Bernoulli untuk peubah biner ini adalah PY=1 = π dan PY=0 = 1- π dengan nilai harapan EY = 1 π + 0 1 – π = π. Secara umum model regresi logistik dengan p peubah bebas dapat didefinisikan sebagai: y = E Y │x + ε dimana ε adalah galat atau error Menurut Hosmer and Lemeshow 2000, jika fungsi penghubung yang digunakan adalah fungsi logit logit transformation maka sebaran peluang yang digunakan adalah sebaran logistik. Nilai harapan bersyarat Y jika diketahui x adalah: E Y │x = π x = dan transformasi logit yang didefinisikan sebagai fungsi π x adalah: gx = = β + β 1 x 1 + β 2 x 2 + … + β p x p Pada regresi logistik biner, nilai bersyarat Y jika diketahui x akan mengikuti persamaan y = π x + ε karena E Y │x = π x dan varY │x = π x[1 - π x]. Nilai galat ε hanya akan menghasilkan 2 kemungkinan nilai. Jika Y=1 maka ε = 1 - π x dengan peluang π x, dan jika Y=0 maka ε = - π x dengan peluang 1 - π x. Sehingga ε mempunyai distribusi dengan rataan nol dan ragam sebesar π x[1 - π x]. Dengan demikian, sebaran bersyarat dari peubah respon 74 mengikuti sebaran binomial dengan peluang yang diberikan oleh rataan bersyarat, π x. Untuk menduga parameter β pada model regresi biner dilakukan dengan memaksimumkan fungsi logaritma likehood log-likelihood, yaitu: L β = ln[lβ] = sehingga diperoleh yang merupakan penduga kemungkinan maksimum dari parameter pada model regresi biner. Penduga kemungkinan maksimum untuk parameter-parameter model diperoleh dengan metode kuadrat terkecil terboboti melalui iterasi. Setelah pendugaan parameter, pengujian taraf nyata terhadap parameter model dilakukan untuk menilai peranan peubah-peubah penjelas dalam model. Penilaian taraf nyata parameter menyangkut formulasi dan pengujian statistik terhadap hipotesis untuk menentukan apakah variabel penjelas dalam model berpengaruh secara signifikan terhadap variabel respon. Pengujian peranan satu peubah penjelas terhadap peubah respon, menurut Hosmer and Lemeshow 2000 pada prinsipnya dilakukan dengan membandingkan nilai variabel respon yang teramati dengan yang diprediksi dari model dengan dan tanpa menyertakan variabel penjelas yang diuji. Pembandingan nilai yang teramati terhadap nilai prediksi dilakukan dengan menggunakan fungsi likelihood berdasarkan rumus: D = - 2ln Untuk menilai taraf nyata dari suatu variabel penjelas maka dilakukan pembandingan nilai D dengan dan tanpa variabel penjelas dalam model atau uji- G , yaitu: G = Dmodel tanpa variabel penjelas – Dmodel dengan variabel penjelas G = - 2ln Hipotesis yang diuji adalah: H o : β 1 = β 2 = … = β p = 0 75 H 1 : paling sedikit ada satu β i ≠ 0 statistik uji- G ini mengikuti sebaran χ2 dengan derajat bebas p maka hipotesis nol ditolak jika G . Sedangkan statistik uji-Wald digunakan untuk menguji parameter β j satu per satu secara parsial, dengan hipotesis nol sama adalah βj sama dengan nol.

3.4.3 Strategic Assumption Surfacing and Testing

SAST merupakan salah satu metode dalam soft systems thinking yang menekankan pada asumsi yang melandasi pengambilan keputusan dibandingkan dengan memperhatikan perancangan sistem yang efisien. Metode ini sesuai untuk mengkaji perihal yang bersifat plural untuk membantu membuka asumsi kritis yang melandasi kebijakan, rencana atau strategi. Tahapan yang dilakukan dalam teknik SAST untuk merumuskan alternatif asumsi yang melandasi penyusunan kebijakan, menurut Mason dan Mitroff 1981 adalah: 1 Tahap pembentukan kelompok yang bertujuan untuk membentuk kelompok dengan melibatkan pihak-pihak yang memahami persoalan dalam pengelolaan taman nasional. Pihak yang dilibatkan meliputi pakar kebijakan, ekologi, lingkungan hidup dan sosial ekonomi, baik yang berasal dari instansi pemerintah, perguruan tinggi maupun LSM. 2 Tahap pengedepanan asumsi yang dimaksudkan untuk menggali berbagai asumsi melalui diskusi kelompok untuk mendukung kebijakan yang diharapkan. Dalam tahap ini didiskusikan aspek-aspek pengelolaan taman nasional sehingga diperoleh asumsi dasar yang paling menentukan untuk mendukung keberlanjutan taman nasional. Berdasarkan hasil analisis asumsi, alternatif asumsi dinilai tingkat kepentingan dan kepastiannya dengan menggunakan teknik peringkatan asumsi dengan melibatkan pendapat pakar. Peringkatan asumsi dilakukan dengan menanyakan tingkat kepentingan berdasarkan skala paling tidak penting sampai paling penting dari suatu asumsi terhadap keberhasilan dan kegagalan kebijakan. Di samping itu, tingkat kepastian dari asumsi dinilai dengan menanyakan tingkat keyakinan 76 pakar berdasarkan skala paling tidak pasti sampai paling pasti bahwa asumsi tersebut dapat dibenarkan. 3 Tahap pembahasan dialektik dimaksudkan untuk membahas asumsi yang bermasalah dan perbedaan-perbedaan peringkat asumsi untuk mendapatkan kesepakatan-kesepakatan. 4 Tahap sintesis dilakukan untuk mencapai kompromi sehingga diperoleh asumsi-asumsi yang dapat menghasilkan kebijakan baru yang lebih unggul.

3.4.4 Fuzzy Analytical Hierarchy Process

Metode fuzzy AHP adalah suatu metode yang dikembangkan dari metode AHP dengan menggunakan konsep fuzzy dalam penilaian kriteria dan alternatif oleh pengambil keputusan. Keuntungan fuzzy AHP adalah pada waktu penilaian, pengambil keputusan tidak dipaksa untuk melakukan penilaian diskrit tetapi menggunakan intuisi yang diungkapkan melalui informasi linguistik. Perbandingan berpasangan fuzzy digunakan untuk menilai faktor, stakeholder dan tujuan yang digunakan untuk melakukan penilaian prioritas pilihan kebijakan dengan menggunakan metode, langkah-langkah dan perhitungan seperti yang dikembangkan oleh Chang 1996. Perbandingan berpasangan dilakukan dengan menggunakan skala penilaian ekspresi linguistik sebagai berikut: 1 Just equal JE, jika kedua elemen yang diperbandingkan sama persis tingkat kepentingannya. 2 Equally important EQ, jika kedua elemen lebih kurang sama penting. 3 Weakly important WI, jika elemen kesatu sedikit lebih penting dari elemen yang kedua. 4 Strongly more important SI, jika elemen kesatu jelas lebih penting dari elemen yang kedua. 5 Very strongly more important VS, jika elemen kesatu sangat jelas lebih penting dari elemen yang kedua. 6 Absolutely more important AI, jika elemen kesatu mutlak lebih penting dari elemen yang kedua.