2.7. Metode Pengambilan Keputusan Dalam Disain Kebijakan
Salah satu bagian dalam kegiatan disain kebijakan adalah proses pengambilan keputusan. Keputusan tentang arahan kebijakan didasarkan pada
kondisi masyarakat sebagai pihak yang merasakan dampak akan adanya kebijakan yang akan dibuat. Dalam suatu tindakan pengelolaan sumber daya alam yang
terkait dengan kepentingan masyarakat, maka partisipasi merupakan suatu penentu akan keberhasilan suatu program.
Pada Peraturan Pemerintah Nomor 38 Tahun 2011 tentang Sungai diungkapkan bahwa Pemerintah, pemerintah provinsi, dan pemerintah
kabupatenkota sesuai kewenangannya melakukan pemberdayaan masyarakat secara terencana dan sistematis dalam pengelolaan sungai. Pemberdayaan
masyarakat meliputi kegiatan sosialisasi, konsultasi publik dan partisipasi masyarakat. Partisipasi masyarakat dipengaruhi oleh berbagai faktor, sehingga
dalam disain kebijakan perlu dikaji faktor-faktor tersebut. Faktor – faktor yang terkait dengan partisipasi dapat dikaji dengan analisis
neural network dengan algoritma back propagation. Kusumadewi 2003 menguraikan bahwa : back propagation merupakan algoritma pembelajaran yang
terawasi dan biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan neuron-neuron yang ada pada
lapisan tersembunyinya. Algoritma back propagation menggunakan error output untuk mengubah nilai bobot-bobotnya dalam arah mundur backward. Untuk
mendapatkan error ini, tahap perambatan maju forward propagation harus dikerjakan terlebih dahulu. Pada saat perambatan maju, neuron-neuron dikatifkan
dengan menggunakan fungsi aktivasi sigmoid, yaitu:
x
e x
f
−
+ =
1 1
………………………………………………36 Struktur multi layer pada algoritma back propagation diuraikan pada
Gambar 11
Gambar 11. Struktur algoritma backpropagation Keterangan gambar:
Tahapan yang dilakukan pada algoritma backpropagation adalah: 1. Inisialisasi
− Normalisasi data input x
i
dan target y
k
− Berikan nilai random antara nilai -1 dan 1 untuk semua w dalam range antara 0 – 1
ij
dan v x
jk.
=
i
Variabel input node i pada input layer h
=
j
Node j pada hidden layer y
=
k
Output node k pada output layer w
=
ij
Bobot yang menghubungkan node i pada input layer dengan node j pada hidden layer
vjk =
Bobot yang menghubungkan node j pada hidden layer dengan node k pada output layer
X =
1
X
1
h
1
h =
1
X
2
X
I
h
2
h
3
h
4
h
j
Y
1
Input layer
Hidden layer
Output layer
w
ij
V
jk
2. Tahapan feedforward prediksi T dengan nilai y − Gunakan nilai x
i
dan y
k
kemudian menghitung nilai hj dan y
k
∑ +
=
−
i ij
x w
j
e h
.
1 1
dengan persamaan: ………………………………………37
∑ +
=
−
j jk
h v
k
e y
.
1 1
…………………………………………38 3. Tahapan backward menghitung nilai w
ij
dan v
jk
− Hitung nilai δ
yang baru.
k
dan v
jk
1
k k
k k
k
y t
t y
− −
=
δ dengan persamaan:
…………………………………..39
. .
j k
jk jk
h v
v
δ β
+ =
………………………………..……40 Nilai
β adalah konstan, misalnya = 0.3. −
Hitung nilai τj dan v
jk
∑
− =
jk k
j j
j
v h
h .
. 1
δ δ
dengan persamaan: …………………………………41
. .
i j
ij ij
x w
w
δ β
+ =
…………………………………42 4. Proses iterasi, lanjutkan tahapan feedforward dan backward hingga nilai
y
k
dan t
k
hampir sama atau tingkat kesalahan lebih kecil dari 0.0001. Tingkat kesalahan dihitung dengan persamaan:
2
5 .
kp kp
y t
p E
− =
∑
………………….…………..……43 Selanjutnya dalam penentuan arahan kebijakan pemerintah daerah dapat
dilakukan dengan metode Analytical Hierarchy Process AHP dan metode Bayes. Kedua metode ini diuraikan sebagai berikut:
Analytical Hierarchy Process AHP
Penggunaan AHP dimaksudkan untuk penelusuran permasalahan secara bertahap dan membantu pengambilan keputusan dalam memilih strategi terbaik.
Variabel yang dikaji dalam analisis ini adalah faktor pendukung dalam kebijakan, stakeholder yang terlibat dalam pengelolaan sungai, program pengelolaan sungai
serta skenario pengelolaan yang tepat. Analisis data dilakukan dengan membuat matriks perbandingan berpasangan yang menggambarkan pengaruh relatif atau
pengaruh setiap elemen terhadap masing-masing tujuan yang setingkat di atasnya. Perbandingan berdasarkan judgement dari stakeholder dengan menilai tingkat
kepentingan satu elemen dibandingkan dengan elemen lainnya. Untuk mengkuantifikasi data kualitatif digunakan nilai skala komparasi 1–9 berdasarkan
skala Saaty yang tertera pada Tabel 3. Tabel 3. Skala perbandingan berpasangan
Skala Definisi
1 Kedua elemen sama pentingnya equally importance
terhadap tujuan 3
Elemen yang satu sedikit lebih penting daripada elemen lainnya moderately importance
5 Elemen yang satu lebih penting daripada elemen lainnya
strongly importance 7
Elemen yang satu jelas lebih penting daripada elemen lainnya very strongly importance
9 Elemen yang satu mutlak lebih penting daripada elemen
lainnya extremely importance 2,4,6,8
Nilai-nilai antara dua nilai pertimbangan yang berdekatan intermediate value
11-9 Jika untuk aktivitas i mendapat satu angka jika dibandingkan
dengan aktivitas j, maka j mempunyai nilai kebalikannya dibandingkan dengan i
Sumber: Saaty 1991 Output dari analisis prioritas kebijakan adalah faktor pendukung dalam
kebijakan, stakeholder yang terlibat dalam pengelolaan sungai, program pengelolaan sungai serta skenario pengelolaan yang tepat.
Langkah-langkah Penyelesaian 1. Matriks pendapat individu
Pada penentuan tingkat kepentingan bobot dari elemen-elemen keputusan di setiap tingkat hirarki keputusan dilakukan dengan judgement
melalui komparasi berpasangan. Nilai yang didapat disusun dalam bentuk matrik individu dan gabungan yang kemudian diolah untuk mendapatkan
peringkat. Jika C
1
, C
2,
…….. Cn merupakan set elemen suatu tingkat keputusan
dalam hirarki, maka kuantifikasi pendapat dari hasil komparasi berpasangan setiap elemen terhadap elemen lainnya akan membentuk matrik A yang
berukuran n x n. Apabila C
i
dibandingkan dengan C
j
, maka a
ij
merupakan
nilai matriks pendapat hasil komparasi yang mencerminkan nilai tingkat kepentingan C
i
terhadap C
j
. Nilai matriks a
ij
= 1 a
1j
, yaitu nilai kebalikan dari nilai matriks a
ij
. Untuk i = j , maka nilai matriks a
ij
= a
ji
= 1, karena perbandingan elemen terhadap elemen itu sendiri adalah 1. Formulasi matriks
A yang berukuran n x n dengan elemen C
1
, C
1,
……..
Gambar 12. Hasil transformasi matriks pendapat Cn untuk ij = 1, 2, 3,
……n dan ij disajikan pada Gambar 12.
C C
1
C
2
..
3
C
n
C 1
1
a a
12
..
13
a
1n
C 1 a
2
1
12
a ..
23
a
2n
C 1 a
3
1 a
13
1
23
.. a
3n
.. ..
.. ..
.. ..
C 1 a
n
1 a
1n
1 a
2n
..
3n
1 2. Penyelesaian dengan Manipulasi Matriks
Matriks pendapat pakar diolah untuk menentukan bobot dari kriteria, yaitu dengan menentukan nilai eigen dengan prosedur yang diuraikan dalam
Marimin 2005: - Kuadratkan matriks pendapat.
- Hitung jumlah nilai dari setiap baris, kemudian lakukan normalisasi.
- Lakukan secara berulang iterasi dan hentikan proses ini jika perbedaan antara jumlah dari dua perhitungan berturut-turut lebih kecil
dari suatu nilai batas tertentu. -
Hitung weighted sum vector dengan jalan mengalikan matriks pendapat dengan matriks eigen.
- Hitung Consistensi Vector p dengan menentukan nilai rata-rata dari weighted sum vector.
- Hitung nilai indeks consistensi dengan rumus : CI = p – n n – 1………………………….44
- Hitung Consistensi Rasio CR yang digunakan untuk memeriksa apakah perbandingan berpasangan telah dilakukan dengan konsekwen
atau tidak. Perhitungan rasio konsistensi CR dengan rumus:
RI CI
CR =
…………………………………………45 RI : Indeks Acak Random Index
Nilai Indeks Acak RI bervariasi sesuai dengan orde matriksnya. Untuk lebih jelasnya, indeks acak untuk orde tertentu dapat dilihat pada Tabel 4.
Tabel 4. Nilai indeks acak rata-rata berdasarkan orde matriks Ukuran
Matriks Indeks Konsistensi
Acak RI 1
0.00 2
0.00 3
0.58 4
0.90 5
1.12 6
1.24 7
1.32 8
1.41 9
1.45 10
1.49 Sumber : Saaty 1991
Nilai rentang CR yang dapat diterima tergantung pada ukuran matriksnya. Jika nilai CR lebih rendah atau sama dengan nilai tersebut, maka dapat dikatakan
bahwa penilaian dalam matriks cukup dapat diterima atau matriks memiliki konsistensi yang baik. Sebaliknya jika CR lebih besar dari nilai yang dapat
diterima, maka dikatakan evaluasi dalam matriks kurang konsisten dan karenanya proses AHP perlu diulang kembali. Nilai rentang penerimaan bagi CR disajikan
pada Tabel 5 Tabel 5. Nilai rentang penerimaan bagi CR
Ukuran Matriks Konsisteni Rasio
CR ≤ 3 x 3
0.03 4 x 4
0.08 4 x 4
0.10 Sumber : Saaty 1991
3. Penggabungan pendapat responden Matriks pendapat gabungan G, merupakan susunan matriks baru
yang elemen-elemen matriksnya g
ij
berasal dari rata-rata geometrik pada elemen matriks pendapat individu a
ij
Metode Bayes
yang resiko konsistensinya CR memenuhi persyaratan. Selanjutnya pada matriks baru dilakukan perhitungan
nilai eigen dan bobotnya.
Metode Bayes merupakan salah satu teknik yang dapat dipergunakan untuk melakukan analisis dalam pengambilan keputusan terbaik dari sejumlah
alternatif dengan tujuan menghasilkan perolehan yang optimal Marimin, 2005. Persamaan Bayes yang digunakan untuk menilai setiap alternatif
adalah:
∑
=
=
1
.
j j
ij
Krit Nilai
TotalNilai ………………………………………46
Keterangan : Total Nilai
i
Nilai = Total nilai akhir dari alternatif ke-i
ij
Krit = Nilai dari alternative ke-i pada kriteria ke-j
j
i = 1,2,3,…n = jumlah alternatif
= Tingkat kepentingan kriteria ke-j
j = 1,2,3,…n = jumlah kriteria
III . METODOLOGI PENELITIAN
3.1. Tempat dan Waktu Penelitian
Kategori