5.3.6. Validasi Model
Tampilan perilaku variabel dapat bersifat terukur yang disusun menjadi
data simulasi dan bersifat tidak terukur yang disusun menjadi pola simulasi. Keserupaan dunia model dengan dunia nyata ditunjukkan dengan sejauh mana
data simulasi dan pola simulasi dapat menirukan data statistik dan informasi aktual.
Proses melihat keserupaan seperti ini disebut validasi output atau kinerja model. Validitas atau keabsahan adalah salah satu kriteria penilaian keobyektifan
dari suatu pekerjaan ilmiah. Dalam pekerjaan pemodelan, obyektif itu ditunjukkan dengan sejauh mana model dapat menirukan fakta. Validasi model adalah usaha
menyimpulkan apakah model dari sistem yang dibangun merupakan perwakilan yang sah dari realitas yang dikaji sehingga dapat menghasilkan kesimpulan yang
meyakinkan Eriyatno, 2003. Metode berpikir sistem, pada dasarnya menganjurkan penstrukturan atas dasar interdisiplin yang bersifat sistemik dengan
ciri menyeluruh holistic dan terpadu integrated. Proses validasi pada model terdapat 2 tahap, yaitu validasi struktur model dan validasi perilaku model.
5.3.7. Validasi Struktur Model.
Validasi struktur model merupakan proses validasi utama dalam berpikir sistem. Untuk melakukan perancangan dan justifikasi seorang pembuat model
dituntut untuk mengumpulkan informasi sebanyak mungkin atas sistem yang menjadi obyek penelitian. Informasi ini dapat berupa pengalaman dan
pengetahuan dari orang yang memahami mekanisme kerja pada sistem atau
Universitas Sumatera Utara
berasal dari studi literatur. Pada proses ini bertujuan untuk melihat sejauh mana keserupaan struktur model mendekati struktur nyata, yang berkaitan dengan
batasan sistem, variabel-variabel pembentuk sistem, dan asumsi mengenai interaksi yang terjadi dalam sistem. Validasi struktur dilakukan dengan 2 bentuk
pengujian, yaitu; uji kesesuaian struktur dan uji kestabilan struktur Forrester, 1968.
1. Uji KonstruksiKesesuaian Struktur
Uji kesesuaian struktur dilakukan untuk menguji apakah struktur model tidak berlawanan dengan pengetahuan yang ada tentang struktur dari sistem nyata
dan apakah struktur utama dari sistem nyata telah dimodelkan Sushil, 1993. Hal ini akan meningkatkan tingkat kepercayaan atas ketepatan dari struktur model.
Pada model yang telah dibangun dapat dilihat dari bertambahnya luas panen akan bertambah jumlah produksi, dengan adanya pertambahan tersebut akan
meningkatkan pendapatan petani. Berdasarkan contoh tersebut dengan kata lain, struktur model dinamis yang dibangun adalah valid secara teoritis.
2. Uji Kestabilan Struktur
Uji kestabilan struktur model dilakukan dengan cara memeriksa keseimbangan dimensi peubah pada kedua sisi persamaan model Sushil, 1993.
Setiap persamaan yang ada dalam model harus menjamin keseimbangan dimensi
antara variabel bebas dan variabel terikat yang membentuknya. 5.3.8. Validasi KinerjaOutput Model
Universitas Sumatera Utara
Validasi kinerjaoutput model adalah aspek pelengkap dalam metode berpikir sistem yang bertujuan untuk memperoleh keyakinan sejauh mana kinerja
model sesuai dengan kinerja sistem nyata sehingga memenuhi syarat sebagai model ilmiah yang taat fakta. Caranya adalah membandingkan validasi kinerja
model dengan data empiris untuk melihat sejauh mana perilaku kinerja model sesuai dengan data empiris.
Berdasarkan hasil analisis sistem dinamis dapat dilihat bahwa perilaku model dapat terpenuhi syarat kecukupan struktur dari suatu modelnya dengan
melakukan validasi atas perilaku yang dihasilkan oleh suatu struktur model. Validasi perilaku model dilakukan dengan membandingkan antara besar dan
sifat kesalahan dapat digunakan: 1 Absolute Mean Error AME adalah penyimpangan selisih antara nilai rata-rata mean hasil simulasi terhadap nilai
aktual, 2 Absolute Variation Error AVE adalah penyimpangan nilai variasi variance simulasi terhadap aktual.
Berdasarkan data pada tabel 5.24. terlihat nilai validasi terhadap jumlah penduduk berdasarkan nilai AME sebesar 0,000015 atau 0,0015, untuk nilai
AVE sebesar 0,0008 atau sebesar 0,08; pada PDRB nilai AME sebesar 0,0010 atau 0,1, untuk nilai AVE sebesar 0,0061 atau sebesar 0,61; dan pada
kontribusi sektor pertanian nilai AME sebesar 0,0018 atau 0,18, untuk nilai AVE sebesar 0,014 atau sebesar 1,4. Batas penyimpangan sekitar 10,
berdasarkan hasil uji ini dapat disimpulkan bahwa model pengelolaan budidaya padi intensif rendah emisi metan mampu mensimulasikan perubahan-perubahan
yang terjadi di Kabupaten Simalungun. Hal ini sesuai dengan pendapat
Universitas Sumatera Utara
Muhammadi et al., 2001 bahwa secara statistik batas deviasi antara output simulasi data aktual yang dapat diterima adalah 5 untuk AVE, AME, dan U-
Theils. Tingkat kecocokan output simulasi dengan data aktual yang dapat diterima adalah 47,5-52,5 untuk KF-Kalman Filter dan pola fluktuasi output
simulasi terhadap data aktual dapat diterima bila dLDWdU.
Tabel 5.24. Hasil validasi kinerja mode
Tahun Data Validasi Penduduk
Data Validasi PDRB Nilai Aktual
Nilai Simulasi Nilai Aktual
Nilai Simulasi 2006
2007 2008
2009 2010
841198 846329
853112 859879
817720 841198
846329 853100
859839 817707
6881624,93 7647485,63
8415216,24 9221624,18
9863179,46 6881624,93
7638603,67 8402464,04
9209100,59 9853737,63
Mean AME
843647,6 1,54093E-05
843634,6 8405826,088
0,001037366 8397106,172
Variance AVE
256318413,8 0,000835715
256104204,6 1,42194E+12
0,006085817 1,41329E+12
Gambar 5.38. Grafik validasi penduduk
Universitas Sumatera Utara
Gambar 5.39. Grafik validasi PDRB
Tahun Data validasi kontribusi sektor pertanian
Nilai aktual Nilai simulasi
2006 2007
2008 2009
2010 3748511,4
4150359,11 4578268,84
5032468,77 5742669,24
3748511,4 4143365,75
4588547,66 5071195,6
5741440,27 Mean
AME 4650455,472
0,001753949 4658612,136
Variance AVE
6,01919E+11 0,014012535
6,10353E+11
Gambar 5.40.
Grafik validasi kontribusi sektor pertanian
Universitas Sumatera Utara
5.3.9. Penyusunan Skenario
Berdasarkan kondisi faktor-faktor di masa yang akan datang, selanjutnya dilakukan kombinasi yang mungkin antar kondisi faktor, dengan membuang
kombinasi yang tidak sesuai incompatible. Dari kombinasi antara kondisi faktor, didapatkan skenario, yang diberi nama skenario Model Optimum IP Padi
400. Untuk mengaitkan skenario yang disusun ke dalam model, dilakukan interpretasi kondisi faktor ke dalam peubah model. Dalam hal ini dilakuka n
beberapa perubahan pada peubah tertentu di dalam model, sehingga skenario yang bersangkutan dapat disimulasikan.
5.3.10 Simulasi Skenario
Analisis kebijakan dilakukan melalui kajian tiga skenario yang disusun berdasarkan hasil analisis berdasarkan pola tanam. Berdasarkan analisis tersebut
diketahui bahwa terdapat lima faktor yang paling berpengaruh terhadap kebijakan dalam pengelolaan budidaya padi intensif rendah emisi metan yaitu antara lain : 1
Kesesuaian lahan untuk optimalisasi, 2 Kesesuaian upah buruh, 3 Sosial yang berkaitan dengan jumlah petani pengikut pelatihan, 4 Benih varietas unggul umur
genjah dan 5 Kelembagaan terkait BPP Penyuluh. Dari kombinasi antara kondisi faktor, didapatkan skenario, yang diberi nama skenario IP 400. Untuk mengaitkan
skenario yang disusun ke dalam model, dilakukan interpretasi kondisi faktor ke dalam peubah model. Dalam hal ini dilakukan beberapa perubahan pada peubah
tertentu di dalam model, sehingga skenario yang bersangkutan dapat disimulasikan.
Universitas Sumatera Utara
Berdasarkan perkiraan mengenai kondisi faktor-faktor di masa yang akan datang, selanjutnya dilakukan kombinasi yang mungkin antar kondisi faktor,
dengan membuang kombinasi yang tidak sesuai incompatible. Dari kombinasi antara kondisi faktor, didapatkan tiga skenario, yang diberi nama: 1 Skenario
Optimis, 2 Skenario Moderat, dan 3 Skenario Pesimis. Secara ringkas, penamaan dan susunan skenario disajikan pada Tabel 5.25.
Untuk mengaitkan skenario yang disusun ke dalam model, dilakukan interpretasi kondisi faktor ke dalam peubah model. Dalam hal ini dilakuka n
beberapa perubahan pada peubah tertentu di dalam model, sehingga skenario yang bersangkutan dapat disimulasikan
. Berdasarkan Tabel 5.25 dapat diketahui bahwa skenario optimis dan
skenario moderat merupakan keadaan masa depan yang mungkin terjadi diperhitungkan dengan penuh pertimbangan sesuai dengan keadaan dan
kemampuan sumberdaya yang dimiliki serta yakin bahwa sistem yang disarankan dapat seimbang antara aspek lingkungan, sosial dan ekonomi. Skenario optimis
dan moderat dibangun berdasarkan keadaan state kelima faktor kunci tersebut sudah berjalan dengan skala “tetapcukup baik” untuk skenario moderat dan skala
“baikmeningkat” untuk skenario optimis dalam pengelolaanya. Sementara itu skenario pesimis dibangun atas dasar kondisi saat ini existing condition dari
sistem pengelolaan yang ada, dengan pengertian bahwa walaupun sudah memiliki usaha pengelolaan tapi tidak mengutamakan faktor-faktor penting yang
seharusnya terlebih dahulu dilakukan sehingga tidak memiliki prospek
Universitas Sumatera Utara
pengelolaan pengelolaan budidaya padi intensif rendah emisi metan yang berpandangan jauh ke depan.
Tabel 5.25. Kondisi faktor-faktor kuncipenentu tingkat kepentingan faktor-faktor yang berpengaruh terhadap kebijakan dalam pengelolaan budidaya
padi intensif rendah emisi gas metan No.
Faktor Keadaan State
Pesimis Moderat
Optimis
1. Kesesuaian
lahan untuk optimalisasi
Rendah, karena penggunaan lahan
yang tidak sesuai peruntukkannya dan
unsur hara tanah yang semakin berkurang
Tetap, karena penggunaan
lahan yang sesuai tapi
tidak optimal, dengan
penambahan unsur hara
Meningkat, karena penggunaan lahan
yang sesuai optimum dengan penambahan
unsur hara
2. Kesesuaian
upah buruh Rendah, karena upah
buruh yang rendah di bawah UMR Upah
Minimum Regional Tetap, karena
sama dengan kondisi saat ini
Meningkatnya upah buruh dan
kesejahteraan yang meningkat pula
3. Sosial yang
berkaitan dengan jumlah petani
pengikut pelatihan
Kurang, karena persepsi yang
terbentuk tidak mendukung, sulitnya
peserta pelatihan memahani
Tetap, karena sulit untuk
memperbaiki kondisi saat ini
Semakin baik dalam tolak ukur
meningkatnya jumlah peserta pelatihan dan
meningkatnya pemahaman dari para
peserta
4. Benih varietas
unggul umur genjah
Kurang, karena dukungan dalam
peningkatan pengetahuan bertani
tidak ada, sosialisasi yang belum maksimal
Tetap, karena pengetahuan
teknologi yang ada dirasa
sudah cukup Meningkat, karena
dukungan dalam peningkatan teknologi
yang berkaitan dengan benih varietas unggul
umur genjah semakin baik
5. Kelembagaan
terkait BPP Penyuluh
Kurang, karena tidak adanya upaya dari
pemerintah dalam peningkatan
kemampuan masyarakat tani dan
kurangnya jumlah dan kualitas penyuluh
Tetap, karena jumlah yang
ada sudah cukup
Meningkat, kerena pemerintah
mengutamakan kemampuan petani
dalam keberhasilan kegiatan dan
meningkatnya jumlah dan kualitas penyuluh
Universitas Sumatera Utara
Skenario pola tanam untuk pengelolaan budidaya padi intensif rendah emisi metan dapat dilihat pada Tabel 5.26 berikut ini.
Tabel 5.26. Skenario pola tanam untuk pengelolaan budidaya padi intensif rendah emisi metan
No Skenario
Pola Tanam 1
Kondisi saat ini Eksisting •
2 kali menanam padi Gabah Kering Giling
• 1 kali budidaya ikansemangka
2 Optimis
• 1 kali menanam benih
• 2 kali menanam padi Gabah
Kering Giling •
1 kali memupuk ratun 3
Moderat •
1 kali menanam benih •
1 kali memupuk ratun •
1 kali memupuk ratun 4
Pesimis •
1 kali menanam benih •
1 kali memupuk ratun •
1 kali budidaya ikan
Berdasarkan skenario dan penerapan pola tanam model yang sangat sesuai diterapkan adalah skenario 2 dimana pada kondisi optimis, model tersebut sangat
baik diterapkan yaitu 1 kali menanam benih, 2 kali menanam padi dengan produksi dalam bentuk GKG dan 1 kali memupuk ratun. Hal ini sebagai model
yang telah mempertimbangkan dari segi profitabilitas, minimalisasi metan serta keberlanjutan pemanfaatan oleh petani.
5.3.11. Simulasi Skenario Empat Musim Tanam
Kategori