Hubungan antar faktor agropolitan berbasis peternakan dengan tenaga kerja adalah jika jumlah populasi ternak di daerah agropolitan meningkat maka akan
membutuhkan jumlah tenaga kerja yang lebih banyak lagi sehingga jumlah
pengangguran menjadi berkurang dimensi sosial budaya. Demikian juga
hubungan agropolitan berbasis peternakan dengan limbah peternakan, meningkatnya populasi ternak akan menyebabkan jumlah limbah peternakan semakin meningkat
sehingga terjadi peningkatan jumlah produksi pupuk organik dan penurunan kualitas
lingkungan dimensi ekologi. Meningkatnya jumlah populasi peternakan di
kawasan Agropolitan berbasis peternakan akan memerlukan peningkatan kebutuhan
pelayanan kesehatan hewan dan inseminasi buatan dimensi teknologi, sehingga
diperlukan peran kelembagaan pemerintah daerah. Peningkatan populasi ternak juga mengakibatkan peningkatan kebutuhan pakan ternak, baik rumput alam, rumput
unggul maupun sumber pakan alternatif dimensi ekologi. Hubungan antara agropolitan berbasis peternakan dengan pendapatan asli daerah dimensi ekonomi
adalah dengan meningkatnya jumlah populasi ternak akan meningkatkan pemasaran ternak yang dikirim ke luar daerah, ditambah dengan peningkatan jumlah
pemotongan ternak karena bertambahnya jumlah penduduk akan meningkatkan pendapatan asli daerah PAD dalam bentuk retribusi pemerikasaan ternak sebelum
dipotong dan sebelum dikirim ke luar daerah.
c.4. Simulasi Model
Simulasi model merupakan peniruan perilaku suatu gejala atau proses. Tujuan simulasi model adalah untuk memahami gejala atau proses, membuat analisis,
dan peramalan perilaku gejala atau proses resebut di masa depan Eriyatno, 2003. Dengan menggunakan perangkat lunak Powersim, variabel-variabel akan saling
dihubungkan membentuk suatu sistem yang dapat menirukan kondisi sebenarnya. Hasil simulasi model berupa gambar atau grafik yang menggambarkan prilaku dari
sistem.
c.5. Validasi Model
Apabila struktur dasar suatu model dapat menggambarkan perilaku polanya dapat menggambarkan perilaku sistem nyata atau dapat mewakili sistem dengan
cukup akurat, data yang dikumpulkan sehubungan dengan sistem nyata atau asumsi yang dibuat berdasarkan data, maka model tersebut dapat dikatakan valid.
Untuk memenuhi kaidah keilmuwan pada model sistem, maka perlu dilakukan uji validasi. Validasi merupakan penilaian keobyektifan dari status pekerjaan ilmiah.
Validasi model ini akan menggambarkan sejauh mana status model dapat menirukan fakta. Dalam validasi model dapat dilakukan dua pengujian yaitu uji validasi
struktur dan uji validasi kinerja. Uji validasi struktur lebih menekankan pada keyakinan pada pemeriksaan kebenaran logika pemikiran, sedangkan uji validasi
kinerja lebih menekankan pemerikasaan kebenaran yang taat pada data empiris. Model yang baik adalah yang memenuhi kedua syarat tersebut yaitu logis-empiris
logico-empirical. Uji validasi struktur bertujuan untuk memperoleh keyakinan sejauh mana
keserupaan struktur model mendekati unsur nyata. Uji ini dibedakan atas dua jenis yaitu validasi konstruksi dan kestabilan struktur. Validasi konstruksi adalah
keyakinan terhadap konstruksi model diterima secara akademis, sedangkan kestabilan struktur adalah keberlakuan atau kekuatan struktur dalam dimensi waktru
Muhammadi et al. 2001. Uji validasi kinerja bertujuan untuk memperoleh keyakinan sejauhmana kinerja
model sesuai compatible dengan kinerja sistem nyata sehingga memenuhi syarat sebagai model ilmiah dengan taat fakta, yaitu dengan melihat apakah perilaku output
model sesuai dengan perilaku empirik. Penyimpangan terhadap output model dengan data empirik dapat diketahui dengan uji statistik yaitu menguji penyimpangan rata-
rata absolutnya AME = absolute means error dan penyimpangan variasi absolute AVE = absolute variation error. Batas penyimpangan yang dapat diterima berkisar
antara 5 – 10 Muhammadi et al. 2001. Adapun rumus untuk menghitung nilai AME dan AVE seperti di bawah ini.
Rumus AME absolute means error = Si - Ai Ai x 100
Si = Si N Keterangan: S = nilai simulasi Ai = Ai N A = nilai aktual
N = interval waktu pengamatan
Rumus AVE absolute variation error = Ss – Sa Sa x 100
Ss = Si – Si
2
N Keterangan: Sa = deviasi nilai aktual Sa = Ai – Ai
2
N Ss = deviasi nilai simulasi N = interval waktu pengamatan
c. 6. Uji Kestabilan Model