217
b.2. Uji Validasi Kinerja
Uji validasi kinerja merupakan aspek pelengkap dalam metode berpikir sistem. Tujuannya adalah untuk memperoleh keyakinan sejauh mana kinerja
model sesuai
compatible
dengan kinerja sistem nyata, sehingga model yang dibuat memenuhi syarat sebagai model ilmiah yang taat fakta Muhammadi,
et al
, 2001.
Uji validasi kinerja dilakukan dengan cara menvalidasi kinerja model dengan data empiris. Uji ini dapat dilakukan dengan menggunakan uji statistik
seperti uji penyimpangan antara nilai rata-rata simulasi terhadap aktual
Absolute Means Error
= AME dan uji penyimpangan nilai variasi simulasi terhadap aktual
Absolute Variation Error
= AVE, dengan batas penyimpangan yang dapat diterima maksimal 10 . Dalam uji validasi kinerja, dapat digunakan satu atau
beberapa komponen veriabel baik pada komponen utama
main model
maupun komponen yang terkait
co-model
Barlas, 1996. Uji validasi kinerja dalam penelitian ini menggunakan uji AME dengan menggunakan data aktual
perkembangan jumlah penduduk periode empat tahunan yaitu tahun 2003 – 2005. Adapun jumlah penduduk aktual dan hasil simulasi di wilayah
perbatasan Kabupaten Bengkayang seperti Tabel 47. Tabel 47. Perbandingan Jumlah Penduduk Aktual dan Hasil Simulasi di Wilayah
Perbatasan Kabupaten Bengkayang
Jumlah Penduduk Wilayah Perbatasan Kab. Bengkayang
Aktual Simulasi
1 2003 47.125
49.164 2 2004
48.596 49.314
3 2005 50.124
50.464 Jumlah
154.635 156.892
Adapun hasil perhitungan uji validasi kinerja dengan AME dan AVE seperti Tabel 48 dan 49.
Tabel 47. Hasil Perhitungan Nilai AME dalam Uji Validasi Kinerja Model Tahun
2,003 2,004
2,005 AME_Absolute_Mean_Error
0.0283 0.0303
0.0284
218
Tabel 49. Hasil Perhitungan Nilai AVE dalam Uji Validasi Kinerja Model
Tahun 2,003
2,004 2,005
AVE_Absolute_Variation_Error 0.0615
0.0615 0.0609
Berdasarkan nilai hasil uji validasi kinerja model tersebut di atas, menunjukkan nilai AME dan AVE lebih kecil dari 10 , yaitu sekitar 2,83-3,03
AME dan 6,09–6,15 AVE, sehingga dapat disimpulkan bahwa model tersebut memiliki kinerja yang baik, relatif tepat dan dapat diterima secara ilmiah.
8.3.4 Uji Kestabilan dan Uji Sensitivitas Model
Sebagaimana diketahui bahwa uji kestabilan model dilakukan untuk melihat kestabilan atau kekuatan
robusmess
model dalam dimensi waktu. Model dikatakan stabil apabila struktur model agregat dan disagregat memiliki
kemiripan. Caranya adalah dengan menguji struktur model agregat yang diwakili oleh sub-sub model yang ada. Adapun uji kestabilan model berdasarkan struktur
model agregat dan disagregat disajikan seperti pada Gambar 51 agregat dan 52, 53, 55, dan 56 disagregat. Hasil simulasi pada struktur model disagregat
memperlihatkan kemiripan dengan struktur model agregatnya, sehingga dapat disimpulkan bahwa model tersebut dapat dikatakan stabil.
Menurut Muhammadi
et al
2001 bahwa uji sensitivitas dilakukan untuk melihat respon model terhadap suatu stimulus. Respon ini ditunjukkan dengan
perubahan perulaku danatau kinerja model. Stimulus diberikan dengan memberikan intervensi tertentu pada unsur atau struktur model. Hasil uji
sensitivitas ini adalah dalam bentuk perubahan perilaku danatau kinerja model sehingga dapat diketahui efek intervensi yang diberikan terhadap satu atau lebih
unsur atau model tersebut. Adapun perubahan perilaku kinerja model berdasarkan intervensi yang diberikan dapat dilihat pada Gambar 57 sampai 60
dimana pada gambar tersbut terlihat besarnya perubahan dari setiap perubahan satua atau lebih unsur di dalam model tersebut.
Pada Gambar 58 misalnya, dengan memberikan intervensi dengan meningkatkan input poduksi dalam suatu kegiatan usahatani, maka produksi
pertanian yang diharapkan juga akan semakin besar. Hal ini terlihat dengan
219 semakin tajamnya perubahan kurva dari skenario pesimis ke skenario moderat
dan optimis. Dengan adanya perubahan nilai produksi pada setiap pertambahan tahun dapat disimpulkan bahwa model sangat sentitif terhadap intervensi yang
diberikan.
8.4. Kesimpulan