Keberlanjutan Sumberdaya Ikan pada Dimensi Sosial

Di mana jarak kuadrat merupakan jarak Euclidian yang dibobot, atau ditulis: Pada setiap pengukuran yang bersifat mengukur metric seberapa fit goodness of fit, jarak titik pendugaan dengan titik asal, menjadi sangat penting. Goodness of fit dalam MDS tidak lain mengukur seberapa tepat how well konfigurasi dari suatu titik dapat mencerminkan data aslinya. Goodness of fit ini dalam MDS dicerminkan dari besaran nilai S-Stress yang dihitung berdasarkan nilai S di atas. Nilai stress yang rendah menunjukan good fit sementara nilai S yang tinggi sebaliknya. Di dalam Rapfish, model yang baik ditunjukan dengan nilai stress yang lebih kecil dari 0,25 S 0,25 Fauzi dan Anna 2005. Microsoft Excell digunakan untuk melakukan analisis MDS berikut dengan algoritma ALSCAL. Metode MDS merupakan salah satu metode ordinasi pada ruang dimensi yang diperkecil. Ordinasi suatu obyek pengamatan yang diukur dengan menggunakan banyak variable sulit dilihat secara visual mengingat bahwa posisi obyek di dalam ruang berdimensi lebih dari tiga yang tidak mungkin digambarkan. Analisis multidimensional diterapkan untuk mentrasnformasikan skor dari keseluruhan atribut keberlanjutan perikanan menurut dimensinya pada ordinasi antara 0 buruk dan 100 baik Kavanagh dan Pitcher 2004. Ketepatan tranformasi tersebut dikontrol oleh statistik stress dan koefisien determinasi. Asumsi bahwa kinerja pengelolaan terletak antara 0 sampai 100 persen atau buruk sampai ke baik sekali. Diantara nilai buruk sampai baik maka ada interval nilai kinerja yaitu cukup dan kurang, sehingga diperoleh empat tingkatan kinerja yaitu buruk, kurang, sedang dan baik. Tingkatan kinerja dibagi menjadi 4 tingkat sehingga diperoleh interval 0, 25 persen, 50 persen, 75 persen, dan 100 persen. Hasil penilaian kinerja atribut dari masing-masing dimensi dipetakan ke dalam dua titik acuan yang merupakan titik buruk bad dan titik baik good. Kategori hasil penilaian atribut disajikan pada Tabel 7. 100 50 Buruk unsustainable Baik sustainable Tabel 7. Kategori penilaian status keberlanjutan No Nilai Indeks Dimensi Kategori Keterangan 1 0,00 – 24,99 Buruk Tidak berkelanjutan 2 25,00 – 49,99 Kurang Kurang berkelanjutan 3 50,00 – 74,99 Cukup Cukup berkelanjutan 4 75,00 – 100,00 Baik Berkelanjutan Sumber : Nurmalina, 2008 Posisi titik keberlanjutan dapat digambarkan dalam bentuk garis sumbu vertikal ataupun sumbu horisontal. Nilai indeks keberlanjutan berada pada nilai 0 persen buruk sampai 100 persen baik. Jika dimensi yang dinilai dengan nilai indeksnya berada di bawah 50 persen maka mempunyai nilai yang kurang atau kurang berkeberlanjutan unsustainable, dan jika dimensi yang dinilai berada di atas nilai 50 persen maka dimensi dari sistem yang dinilai dapat dikatakan berkelanjutan sustainable. Penilaian ini dapat diilustrasikan pada Gambar 12. Gambar 12. Posisi titik keberlanjutan B. Analisis leverageJacknife Setelah nilai ordinasi indeks keberlanjutan ditemukan melalui ordinasi RAPFISH Hasil MDS, maka analisis leverage dilakukan untuk melihat atribut apa yang paling sensitif berpengaruh dalam memberikan kontribusi terhadap nilai indeks keberlanjutan. Selain itu, analisis ini dilakukan untuk memperhitungkan sensitivitas setiap atribut dalam menentukan ordinasi status keberlanjutan perikanan. Pengolahan datanya dilakukan secara berulang yaitu direduksi satu per satu atribut dari dimensi keberlanjutan perikanan yang ditelaah. Untuk setiap dimensi keberlanjutan perikanan, setiap reduksi satu atributnya diproses dalam g77ALSCAL.dll untuk menghasilkan ordinasi status keberlanjutan, dan selanjutnya diterima sebagai masukan oleh modul levereging. Dalam analisis ini ini, pengaruh setiap reduksi atribut diperhitungkan melalui akar kuadrat nilai tengah RMS ordinasi status keberlanjutan perikanan mengikuti persamaan umum: Faktor pengungkit adalah atribut yang keberadaannya berpengaruh sensitif terhadap peningkatan atau penurunan status keberlanjutan. Semakin besar nilai RMS maka semakin besar peranan atribut tersebut terhadap sensitivitas status keberlanjutan Kavanagh dan Pitcher 2004. C. Analisis Monte Carlo Di dalam Rapfish juga memperhitungkan aspek ketidakpastian dan dianalisis dengan menggunakan teknik analisis Monte Carlo. Analisis Monte Carlo merupakan metode simulasi untuk mengevaluasi dampak kesalahan acakgalat random error dalam analisis statistik yang dilakukan terhadap seluruh dimensi Kavanagh dan Pitcher 2004. Dalam analisis Monte Carlo yang terhubung dengan g77ALSCAL.dll, serangkaian proses simulasi berlangsung untuk menguji pengaruh dari beragam kekeliruan ketidak-pastian, baik yang berkenaan dengan scoring maupun dalam proses ordinasi status keberlanjutan perikanan. Menurut Kavanagh dan Pitcher 2004, pembangkit bilangan acak dalam analisis ini didasarkan pada sebaran normal galat angka skor dengan nilai tengah 0 dan simpangan baku σ terseleksi noise berselang kepercayaan confidence interval 95 persen dalam proporsi 20 persen dari selang skor setiap atribut skor antara ‘baik’ dan ‘buruk’. Untuk setiap atribut keberlanjutan perikanan yang ditelaah, peubah acak normal tersebut G difungsikan sebagai gangguan yang kemudian direkam pengaruhnya dalam ordinasi status keberlanjutan perikanan. Ketidakpastian dalam analisis Monte Carlo disebabkan oleh Fauzi dan Anna 2005 : 1 Dampak kesalahan dalam skoring akibat minimnya informasi, 2 Dampak dari keragaman dalam skoring akibat perbedaan penilaian, 3 Kesalahan dalam entry data, dan 4 Tingginya nilai stress yang diperoleh dari algoritma ALSCAL. Dalam penelitian ini, analisis Monte Carlo dilakukan dengan metode “scatter plot” yang menunjukkan ordinasi dari setiap dimensi dan analisis monte carlo pada selang kepercayaan 95 persen dibandingkan dengan hasil MDS. Terakhir, hasil penilaian atas masing-masing dimensi keberlanjutan lima dimensi disajikan dengan diagram layang-layang kite diagram pada Gambar 13. Gambar 13. Diagram layang-layang indeks keberlanjutan multidimensi

4.4.3.3 Skoring Atribut pada Teknik Rapfish

Pembuatan skor setiap dalam atribut setiap dimensi harus mempunyai dasar atau acuan ilmiah yang jelas sumbernya namun jika penentuan skor tidak ditemukan acuannya maka dapat ditentukan berdasarkan perhitungan-perhitungan atau analisis yang jelas mencerminkan dari dimensi yang bersangkutan Susilo 2003. Skor yang diberikan berdasarkan nilai terburuk dan nilai terbaik secara kualitatif dan kuantitatif dari atribut yang mencerminkan persepsi dari dimensinya dan jelas secara definisi dalam penentuan skornya. Oleh karena itu, penentuan skor sangat bergantung dari persepsi dimensi yang dianalisis, sebagai contoh semakin tinggi tingkat eksploitasi perikanan maka secara ekonomi akan semakin baik tetapi secara ekologi akan mengancam keberlanjutan sumberdaya perikanan tersebut. Dalam penelitian ini, skor setiap atribut dalam setiap dimensi mengacu pada Pitcher dan Preiskhot 2001 dan Susilo 2003. Secara lengkap dapat dilihat pada Tabel 8.