202 Model tersebut menggambarkan keterkaitan seluruh variabel dominan
dalam pengelolaan lahan kering, baik yang bersifat teknis seperti erosi, pengolahan dan panjang lereng, maupun variabel non teknis seperti regulasi,
pelatihan, institusi, peran pemda dan tingkat kesejahteraan. Penentuan variabel –variabel tersebut berdasarkan hasil analisis statistika dan analisis lainnya yang
telah dibahas di muka. Jumlah penduduk yang merupakan variabel dominan juga digambarkan
dalam model diatas, yang dalam sistem ini dilambangkan dalam bentuk stock,
sementara laju pertambahan penduduk dilambangkan dalam bentuk rate.
Meningkatnya jumlah penduduk akan berdampak pada peningkatan kebutuhan lahan untuk perumahan, kebutuhan pangan dll, yang akan memberikan tekanan
terhadap lahan, baik dalam bentuk perubahan tata guna lahan untuk perumahan maupun untuk budidaya. Sebaliknya tekanan terhadap lahan untuk memenuhi
kebutuhan penduduk jika dibiarkan secara terus menerus akan berdampak pada meningkatnya erosi, dan kerusakan lingkungan yang pada akhirnya akan
menjadi penekan bagi perkembangan penduduk itu sendiri. Dengan demikian terlihat bahwa peningkatan erosi dan kerusakan lingkungan pada akhirnya akan
menjadi faktor balancing. Artinya jika erosi terus meningkat maka kerusakan
lingkungan juga akan terus meningkat, sehingga produktifitas lahan menjadi menurun. Hal ini akan berdampak pada penurunan tingkat kesejahteraan
masyarakat sekitar, yang akhirnya akan berpengaruh terhadap tingkat pendidikan. Salah satu faktor yang berpengaruh terhadap upaya penurunan erosi
adalah sistem pengolahan lahan kering itu sendiri, yang dipengaruhi oleh kegiatan pelatihan hasil analisis statistika. Dalam model diatas, kegiatan
pelatihan tersebut menjadi faktor reinforcing. Artinya semakin tinggi frekuensi
pelatihan, akan semakin baik pula keterampilan penduduk, sehingga akan semakin baik pula pengaruhnya terhadap konservasi lahan kering.
5.3. Validasi dan Verifikasi Model a. Validasi
model
Model adalah representasi dari kondisi aktual, untuk mengetahui seberapa jauh model dapat diterima dan benar secara ilmiah dilakukan validasi
model. Validasi yang dilakukan pada pengujian ini adalah validasi kinerja dengan menggunakan rumus yang dikembangkan oleh Barlas, 1996 dengan statistik
teknik AVE Average Variasion Error, yakni dengan membandingkan hasil
simulasi dengan data statistik selama 5 tahun terahir. Variabel yang dipilih adalah
203 jumlah pertumbuhan penduduk baik di SP 1 maupun SP 2. Hasil penelitian di
lapangan menunjukkan bahwa pertumbuhan penduduk di SP 1 dan SP 2 selama 5 tahun terakhir sangat rendah, sekitar 1 . Uji ini sejalan dengan skenario
pertama: Konservatif-pesimitis, yakni berdasarkan fakta di lapangan.
Pembandingan hasil simulasi dengan data pertumbuhan selama 5 tahun terakhir 2000-2005, hasil data di lapangan selama kurun waktu tersebut jumlah
penduduk di SP 1 antara 275 sampai 295 dan SP 2 antara 300 - 310 dengan menggunakan pendekatan AVE, diperoleh nilai sebesar 8.76 dibawah 10,
dengan demikian model ini valid secara akademik Barlas, 1996. Trend pertumbuhan penduduk hasil simulasi seperti gambar berikut:
Gambar 58.
Trend pertumbuhan Penduduk 1, Laju Pertambahan Penduduk 3 dan Kebutuhan Rumah 2 hasil simulasi
Eriyatno 2006 menyatakan untuk validasi model dinamik lebih tepat menggunakan
face validity, mengingat hasil simulasi adalah merupakan prediksi kedepan, sehingga sulit dibandingkan dengan data empiris, karena belum terjadi.
Berdasarkan hasil diskusi dengan pakar, model pertumbuhan penduduk tersebut masih dalam batas wajar dan bisa dianggap valid secara ilmiah, hal ini
mengingat kondisi lokasi dan aksesibilitas yang tidak memungkinkan terjadinya pertumbuhan penduduk secara cepat.
Pertumbuhan penduduk baik di SP 1 maupun SP 2 terlihat sangat lamban, hal ini sesuai dengan kondisi obyektif di lapangan yang masih sangat
terbatas terutama sarana infrastruktur seperti jalan. Angka pertumbuhan selama masa simulasi 2005-2030 seperti Tabel berikut :
204 Tabel 45. Trend pertumbuhan Penduduk JPDDK, Laju Pertambahan
Penduduk LPPDK dan jumlah rumah rumah di SP 1 dan SP 2 berdasarkan hasil simulasi
Time JPDDK LPDDK Rumah
2.005 2.247,00 14,73 561,75
2.006 2.261,73 14,77 565,43
2.007 2.276,50 14,82 569,13
2.008 2.291,32 14,86 572,83
2.009 2.306,18 14,95 576,54
2.010 2.321,13 15,04 580,28
2.011 2.336,17 15,14 584,04
2.012 2.351,31 15,03 587,83
2.013 2.366,33 14,91 591,58
2.014 2.381,25
14,80 595,31
2.015 2.396,04 14,73 599,01
2.016 2.410,77 14,66 602,69
2.017 2.425,43 14,58 606,36
2.018 2.440,02 14,40 610,00
2.019 2.454,42 14,22 613,60
2.020 2.468,63 14,02 617,16
2.021 2.482,66 13,78 620,66
2.022 2.496,43 13,52 624,11
2.023 2.509,96 13,27 627,49
2.024 2.623,22 12,95 630,81
2.025 2.536,17 12,63 634,04
2.026 2.548,80 12,30 637,20
2.027 2.561,10 12,19 640,27
2.028 2.573,28 12,08 643,32
2.029 2.585,30 11,96 646,34
2.030 2.597,32 12,01 606,36
b. Verifikasi