Estimasi persamaan full model

184 Dari hasil model revisi 5 analisis uji model undimensional pada variabel laten tujuan pembangunan perikanan Jawa Tengah menunjukkan bahwa model telah fit, yang ditunjukkan dari nilai Chi-square 23,874, probabilitas 0,032, CMINDf 1,836, AGFI 0,935, GF I 0,970, TLI 0,973 dan RMSEA 0,061 yang telah memenuhi syarat Gambar 41. Dari tujuh indikator yang membentuk variabel laten tujuan pembangunan perikanan Jawa Tengah, yang berpengaruh terbesar terhadap tujuan pembangunan perikanan Jawa Tengah adalah indikator Y5 penyerapan tenaga kerja. Dengan besarnya pengaruh penyerapan tenaga kerja mengindikasikan bahwa sektor perikanan di Jawa Tengah

4.3.2 Estimasi persamaan full model

Sebelum menganalisis full model lebih lanjut, perlu dijelaskan bahwa dari uji analisis faktor konfirmatori Confirmatory Factor Analysis CFA dari suatu indikator yang membentuk suatu variabel laten dari awal model sejumlah 49 indikator, ada sepuluh 10 indikator yang dihilangkan dari variabel laten yang membentuknya, antara lain X29, X30, X31, X32, X36, X38 Y2, Y3, Y4 dan Y9. Seperti pada Tabel 118 dijelaskan bahwa untuk variabel laten lingkungan usaha perikanan LUP, kebijakan pemerintah pusat KEBIJ_PUS, dan kebijakan pemerintah daerah KEBIJ_DAE, semua indikator sesuai dengan variabel laten yang membentuknya, sedangkan pada variabel laten kinerja usaha perikanan tangkap KUP_TANG, kinerja industri pengolahan KUP_PROS, dan tujuan pembangunan perikanan Jawa Tengah TUJ_PEM_Pi, tidak semua indikator mampu menjelaskan variabel yang dibentuknya. Untuk menilai pengukuran reliabilitas dan variance konstruk tiap variabel laten disajikan pada Tabel 126. Dari evaluasi model tiap variabel laten penelitian terhadap nilai reliabilitas dan variance extracted pada Tabel 119, didapatkan pada kontruk lingkungan usaha perikanan LUP, kebijakan pemerintah pusat KEBIJ_PUS, kebijakan pemerintah daerah KEBIJ_DAER, kinerja usaha perikanan tangkap KUP_TANG, kinerja industri pengolahan KI_PROS, dan tujuan pembangunan perikanan Jawa Tengah TUJ_PEM_PI, dapat diterima karena memiliki nilai lebih besar dari 0,7 yang merupakan syarat indikator-indikator yang mengukur variabel 185 laten tersebut cukup dapat menggambarkan kontruknya. Akan tetapi, dari nilai variance extracted ada dua variabel laten yaitu LUP dan KEBIJ_DAE, dibawah nilai yang disyaratkan yaitu 0,5, walaupun demikian menurut Ferdinand 2006 nilai tersebut bukanlah harga mati, dan selisihnya tidak terlalu besar dari syarat nilai yang ditentukan. Tabel 126 Hasil uji analisis faktor konfirmatori Confirmatory Factor Analysis CFA dari indikator yang membentuk suatu variabel laten pada full model No. Variabel Indikator Hasil akhir CFA Catatan 1 Lingkungan usaha perikanan LUP X1, X2, X3, X4, X5, X6, X7, X8, X9, dan X10 X1, X2, X3, X4, X5, X6, X7, X8, X9, dan X10 Terjadi korelasi antar error e 2 Kebijakan pemerintah pusat KEBIJ_PUS X11, X12, X13, X14, dan X15 X11, X12, X13, X14, dan X15 - 3 Kebijakan pemerintah daerah KEBIJ_DAE X16, X17, X18, X19, X20, X21, X22, X23, dan X24 X16, X17, X18, X19, X20, X21, X22, X23, dan X24 Terjadi korelasi antar error e 4 Kinerja usaha perikanan tangkap KUP_TANG X25, X26, X27, X28, X29, X30, X31 dan X32 X25, X26, X27, dan X28 Indikator X29, X30, X31 dan X32 dikeluarkan 5 Kinerja industri pengolahan KUP_PROS X33, X34, X35, X36, X37, dan X38 X33, X34, X35 dan X37 Indikator X36 dan X38 dikeluarkan, serta adanya korelasi antar error e 6 Tujuan pembangunan perikanan Jawa Tengah TUJ_PEM_Pi Y1, Y2, Y3, Y4, Y5, Y6, Y7, Y8, Y9, Y10 dan Y11 Y1, Y5, Y6, Y7, Y8, Y10, dan Y11 Indikator Y2, Y3, Y4 dan Y9 dikeluarkan serta adanya korelasi antar error e Sumber : Data primer yang telah diolah, 2008 186 Tabel 127 Evaluasi model tiap variabel laten penelitian terhadap nilai reliabilitas dan variance extracted No Variabel Reliabilitas Evaluasi Model Variance Extracted Evaluasi Model 1 LUP 0,845 Diterima 0,403 - 2 KEBIJ_PUS 0,968 Diterima 0,860 Diterima 3 KEBIJ_DAER 0,864 Diterima 0,450 - 4 KUP_TANG 0,810 Diterima 0,548 Diterima 5 KI_PROS 0,763 Diterima 0,527 Diterima 6 TUJ_PEM_PI 0,899 Diterima 0,570 Diterima Sumber : Data primer yang telah diolah, 2008 Sementara itu pengukuran model fit untuk nilai reliabilitas konstruk dan variance extracted, setiap variabel laten digunakan untuk menilai apakah indikator-indikator tersebut cukup dapat menggambarkan kontruknya Ghozali 2004. Hasil reliabilitas yang tinggi memberikan keyakinan bahwa indikator individu semua konsisten dengan pengukurannya. Tingkat reliabilitas yang diterima secara umum adalah lebih besar dari 0,70, dan dari hasil perhitungan reliabilitas yang disajikan pada Tabel 119, menunjukkan bahwa semua variabel penelitian telah memiliki nilai lebih besar dari 0,07, sehingga dapat disimpulkan bahwa indikator individu semuanya konsisten dengan pengukurannya. Sementara itu, untuk pengukuran nilai variance extracted ada 2 variabel yang memiliki nilai yang lebih rendah dari ukuran yang direkomendasikan yaitu lingkungan usaha perikanan LUP 0,403 dan kebijakan pemerintah daerah KEBIJ_DAER 0,450. Walaupun ada nilai variance extracted tersebut lebih rendah dari nilai yang direkomendasikan yaitu 0,50, akan tetapi menurut Ferdinand 2006, nilai tersebut dapat diterima sepanjang disertai dengan alasan empirik yang terlihat dalam proses eksplorasi. Kemudian dari informasi pada Tabel 125, setelah dilakukannya uji akhir pada uji analisis faktor konfirmatori Confirmatory Factor Analysis CFA, kemudian terbentuk Gambar 44 yang merupakan full model setelah diuji analisis faktor konfirmatori. Dari full Model awal tersebut merupakan model struktur hubungan secara rumit antara lingkungan usaha perikanan LUP, kebijakan pemerintah pusat KEBIJ_PUS, kebijakan pemerintah 187 daerah KEBIJ_DAE, kinerja usaha perikanan tangkap KUP_TANG, kinerja industri pengolahan KI_PROS, dan tujuan pembangunan perikanan Jawa Tengah TUJ_PEM_Pi. Adapun indikator atau dimensi yang dikeluarkan dari model antara lain : ikut menciptakan keamanan X29, kebersihan lingkungan X30, sarana dan prasarana TPI X31, ketersediaan es atau garam X32, penyediaan pangan yang bergizi X36, teknologi dan nilai tambah X38, GDP atau devisa Y2, incomependapatan daerah Y3, kenaikan income pendapatan masyarakat Y4 dan plasma nutfah Y9. Dikeluarkannya indikator- indikator tersebut, menunjukkan bahwa indikator itu bukanlah merupakan indikator yang membentuk masing-masing variabel laten. TUJ_PEM_PI KEBIJ_DAE X24 ,80 e24 1,00 1 X23 ,53 e23 ,37 1 X22 ,60 e22 ,33 1 X21 ,50 e21 1,07 1 X20 ,50 e20 1,54 1 X19 1,01 e19 ,33 1 X18 ,45 e18 1,28 1 X17 ,23 e17 ,79 1 X16 ,43 e16 1,59 1 KEBIJ_PUS X15 ,11 e15 1,00 1 X14 ,14 e14 ,89 1 X13 ,16 e13 1,01 1 X12 ,33 e12 ,68 1 X11 ,60 e11 ,55 1 LUP X10 1,19 e10 1,00 1 X9 1,21 e9 ,66 1 X8 1,18 e8 ,77 1 X7 1,06 e7 ,80 1 X6 ,83 e6 2,47 1 X5 ,37 e5 2,83 1 X4 ,80 e4 2,49 1 X3 ,98 e3 1,89 1 X2 ,35 e2 2,70 1 X1 ,58 e1 2,46 1 KUP_TANG KI_PROS -,02 ,89 -,02 ,10 -,37 ,60 -,15 -,04 -,22 -,49 2,10 ,08 ,09 z1 1 ,01 z4 ,12 z6 ,02 z3 1 ,46 1 1,58 z2 1 1 Chi-Square=1644,598 Df=709 CMINDF=2,320 Probabilitas=,000 AGFI=,700 GFI=,741 TLI=,817 RMSEA=,076 ,40 -,09 ,04 ,09 -,01 ,30 ,01 ,07 -,15 ,18 Y1 ,74 e39 1,00 1 Y5 ,31 e43 ,94 1 Y6 ,32 e44 ,72 1 Y7 ,33 e45 ,76 1 Y8 ,22 e46 ,73 1 Y10 ,47 e48 ,33 1 Y11 ,48 e49 ,73 1 X33 ,20 e33 1,00 1 X34 ,69 e34 ,39 1 X35 ,58 e35 ,68 1 X37 1,09 e37 -,04 1 X38 ,61 e38 -,17 1 ,37 z5 1 ,28 X25 ,63 e25 1,00 1 X26 ,25 e26 6,75 1 X27 ,31 e27 4,40 1 X28 ,14 e28 3,00 1 ,52 ,36 ,52 ,45 ,57 ,35 ,18 Gambar 42 Output path diagram full model awal penelitian 188 Tabel 128 Indeks pengujian kelayakan kesesuaian full model awal penelitian No. Goodness of Fit Creation Index Syarat sebuah model fit Hasil analisis Evaluasi model 1. Chi Square Statistic Kecil, ? 2 dengan df= 709 adalah 772,055 1664,598 2. Significant Probability P ≤ 0,05 0,000 Baik 3. CMINDF ≤ 2,00 2,320 Marginal 4. GFI goodness-of-fit index ≥ 0,90 0,741 Marginal 5. AGFI adjusted goodness- of- fit index ≥ 0,90 0,700 Marginal 6. TLI Tucker-Lewis Index ≥ 0,95 0,817 Baik 7. RMSEA adjusted goodness-of- fit index ≤ 0,08 0,076 Baik Sumber : Data primer yang telah diolah, 2008 Dari hasil awal full model menunjukkan nilai Chi-square sebagai kriteria model fit menunjukkan bahwa model belum fit, hal ini ditunjukkan oleh nilai Chi-square 1664,598, probabilitas 0,000, nilai fit lainnya juga menghasilkan nilai dibawah yang direkomendasikan antara lain, CMINDf 2,320, AGFI 0,700, GFI 0,741, dan TLI 0,817, sedangkan nilai RMSEA 0,076 telah fit Gambar 42. Sehingga disimpulkan model awal full model masih marginal dan belum fit Tabel 127. Dari uji tersebut, jika kita uji lebih lanjut untuk merevisi model yaitu dengan melihat nilai modification index MI, maka setelah dilakukan revisi yang ke-18 Lampiran 10, dengan jalan mencari nilai modification index terbesar pada setiap revisi dan dilakukan korelasi antar MI yang terbesar tersebut sampai terjadi nilai yang mendekati fit, dimana hal ini terjadi pada revisi ke-18. Dari nilai uji indeks pengujian kelayakan kesesuaian model dari revisi 1 sampai ke-17 tidak mengalami banyak perubahan Lampiran 11 Hasil revisi ke-18 full model penelitian sebagai berikut : 189 TUJ_PEM_PI KEBIJ_DAE X24 ,79 e24 1,00 1 X23 ,52 e23 ,37 1 X22 ,60 e22 ,38 1 X21 ,57 e21 1,06 1 X20 ,55 e20 1,62 1 X19 1,02 e19 ,27 1 X18 ,45 e18 1,41 1 X17 ,23 e17 ,86 1 X16 ,51 e16 1,65 1 KEBIJ_PUS X15 ,10 e15 1,00 1 X14 ,13 e14 ,89 1 X13 ,18 e13 1,01 1 X12 ,33 e12 ,68 1 X11 ,62 e11 ,53 1 LUP X10 1,19 e10 1,00 1 X9 1,21 e9 ,67 1 X8 1,18 e8 ,77 1 X7 1,06 e7 ,80 1 X6 ,83 e6 2,46 1 X5 ,37 e5 2,82 1 X4 ,80 e4 2,48 1 X3 ,98 e3 1,89 1 X2 ,35 e2 2,71 1 X1 ,58 e1 2,46 1 KUP_TANG KI_PROS -,02 -,34 ,21 ,06 1,99 2,25 -,68 ,04 -5,47 -4,54 2,05 -,16 ,09 z1 1 ,01 z 4 ,06 z6 ,00 z3 1 ,43 1 1,59 z 2 1 1 Chi-Square=1128,994 Df=691 CMINDF=1,634 Probabilitas=,000 AGFI=,769 GFI=,805 TLI=,912 RMSEA=,053 ,20 -,08 ,01 ,07 ,02 ,35 ,03 ,06 -,13 ,10 Y1 ,74 e39 1,00 1 Y5 ,36 e43 ,90 1 Y6 ,35 e44 ,66 1 Y7 ,36 e45 ,72 1 Y8 ,22 e46 ,73 1 Y10 ,47 e48 ,21 1 Y11 ,46 e49 ,75 1 X33 ,23 e33 1,00 1 X34 ,68 e34 ,40 1 X35 ,54 e35 ,74 1 X37 1,05 e37 -,15 1 X38 ,61 e38 -,20 1 ,27 z 5 1 ,13 X25 ,63 e25 1,00 1 X26 ,26 e26 7,00 1 X27 ,31 e27 4,66 1 X28 ,14 e28 3,21 1 ,52 ,36 ,52 ,45 ,57 ,35 ,20 ,62 ,29 ,32 -,03 ,13 -,06 ,16 ,19 ,08 ,15 -,13 ,06 -,16 ,11 ,08 ,08 ,08 -,12 Gambar 43 Output path diagram full model revisi ke-18 penelitian Tabel 129 Indeks pengujian kelayakan kesesuaian full model revisi 18 penelitian No. Goodness of Fit Creation Index Syarat sebuah model fit Hasil analisis Evaluasi model 1. Chi Square Statistic Kecil, ? 2 dengan df= 691 adalah 753,264 1128,994 2. Significant Probability P ≤ 0,05 0,000 Baik 3. CMINDF ≤ 2,00 1,634 Baik 4. GFI goodness-of-fit index ≥ 0,90 0,805 Cukup baik 5. AGFI adjusted goodness- of- fit index ≥ 0,90 0,769 Cukup baik 6. TLI Tucker-Lewis Index ≥ 0,95 0,912 Baik 7. RMSEA adjusted goodness-of- fit index ≤ 0,08 0,053 Baik Sumber : Data primer yang telah diolah, 2008 190 Pada Tabel 128, hasil pengolahan data dengan beberapa indikator kesesuaian memiliki nilai chi-square X 2 sebesar 1141,481 dengan 691 degrees of freedom. Probabilitas chi-square adalah signifikan P = 0,000 yang berarti bahwa model telah fit. Untuk penilaian yang lain juga belum fit artinya masih marginal, antara lain, GFI 0,805 dan AGFI 0,769, sedangkan untuk nilai CMINDF 1,634, TLI 0,912 dan RMSEA 0,053 sudah baik. Dari data hasil pengolahan pada model revisi 18 menunjukkan nilai sudah fit dan baik, walaupun catatan bahwa nilai GFI dan AGFI sedikit dibawah nilai yang dipersyaratkan. GFI Goodness of Fit Index merupakan suatu ukuran mengenai ketepatan model dalam menghasilkan observed matriks kovarian. Nilai GFI yang diperoleh sebesar 0,805. Hal ini menunjukkan bahwa model cukup baik karena batas untuk nilai GFI berkisar dari 0 poor fir sampai 1 perfect fit atau lebih dari 0,90. AGFI Adjusted Goodness of Fit Index merupakan pengembangan dari GFI yang disesuaikan dengan ratio degrees of freedom pada suatu model. Nilai AGFI yang diperoleh sebesar 0,769 mengindikasikan nilai yang cukup baik. Nilai yang direkomendasikan adalah ≥ 0,90. CMINDF merupakan rasio perbandingan antara nilai CMIN The Minimum Sample Discrepancy Function dengan degrees of freedom, yang tidak lain adalah nilai chi-square dibagi dengan degrees of freedom X 2 df. Rasio X 2 df model ini adalah 1,634. Nilai tersebut lebih kecil dari cut of value sebesar 2,00, sehingga model dapat dikatakan berada pada kisaran baik. Nilai TLI Tucker-Lewis Index atau NNFI Non normed Fit Index berkisar dari 0 sampai 1 dan nilai yang direkomendasikan adalah ≥ 0,90. Nilai TLI pada model sebesar 0,912, mengindikasikan bahwa model baik. RMSEA Root Mean Square Error of Approximation merupakan ukuran yang mencoba memperbaiki kecenderungan statistik chi-square menolak model dengan jumlah sampel yang besar. Nilai RMSEA lebih kecil dari 0,08 merupakan ukuran yang dapat diterima. Nilai RMSEA pada model adalah 0,053 yang menunjukkan bahwa model baik. Setelah model dinyatakan baik, walaupun ada catatan adanya perhitungan model yang kurang baik, maka dari model revisi ke-18 ini akan 191 dijadikan sebagai dasar untuk menguji hipotesis Selanjutnya berdasarkan model fit ini akan dilakukan pengujian terhadap lima belas hipotesis yang diajukan dalam penelitian ini, maupun akan melakukan simulasi, sesuai dengan kepentingan penelitian. Tabel 130 Variabel indikator yang paling berpengaruh terhadap variabel laten pada penelitian Analisis No. Variabel Laten CFA Full Model 1 Lingkungan usaha perikananLUP X5=perijinan sesuai potensi 2,91 X5=perijinan sesuai potensi 2,824 2 Kebijakan pemerintah pusat KEBIJ_PUS X15=Tersedianya fasilitas puskesmas yang memadai 1,000 X13=Pelatihan dan bimbingan yang dapat diakses 1,006 3 Kebijakan pemerintah daerah KEBIJ_DAE X16=pelatihan dan penyuluhan yang dapat diakses dan bermutu 2,213 X20=Teknologi yang memberi nilai tambah ke prosesing 1,613 4 Kinerja usaha perikanan tangkap KUP_TANG X26= Return on investment ROI 4,504 X26=Return on Investment ROI 6,990 5 Kinerja industri pengolahan KI_PROS X33=Laba dan Rugi RL 1,000 X33= Laba dan Rugi RL 1,000 6 Tujuan pembangunan perikanan Jawa Tengah TUJ_PEM_Pi Y5=penyerapan tenaga kerja 1,381 Y1= Ketahanan pangan 1,000 Sumber : Data primer yang telah diolah, 2008 Pada Tabel 130 didapatkan bahwa dari hasil uji analisis konfirmatori faktor dan measurement full model dari tiap-tiap variabel laten, mana indikator-indikator yang berpengaruh terhadap masing-masing variabel laten. Dari lingkungan usaha perikanan didapatkan bahwa indikator yang paling berpengaruh baik pada uji analisis konfirmatori faktor maupun measurement full model adalah perijinan sesuai potensi X5. Dari hasil ini menjelaskan bahwa jika perijinan sesuai potensi ditingkatkan sebesar 1 satuan akan meningkatkan peran lingkungan usaha perikanan sebesar 2,91 pada uji CFA dan 2,824 pada uji full model. Pada variabel kebijakan pemerintah pusat indikator yang paling berpengaruh pada hasil uji analisis konfirmatori faktor adalah tersedianya fasilitas puskesmas yang memadai X15 dengan nilai koefisien regresi sebesar 1,000, sedangkan pada uji measurement full model faktor yang paling berpengaruh adalah pelatihan dan bimbingan yang dapat diakses X13. Dari hasil ini dapat disimpulkan bahwa kebijakan pelatihan dan 192 bimbingan yang dapat diakses dari pemerintah pusat merupakan kebijakan yang dapat meningkatkan pembangunan perikanan di Jawa Tengah. Dari variabel kebijakan pemerintah daerah faktor yang paling berpengaruh pada hasil uji analisis konfirmatori faktor adalah pelatihan dan penyuluhan yang dapat diakses dan bermutu X16, dengan nilai koefisien regresi sebesar 2,213, sedangkan pada uji measurement full model faktor yang paling berpengaruh adalah teknologi yang memberi nilai tambah ke prosesing X20, dengan nilai koefisien regresi sebesar 1,613. Dengan demikian secara simultan kebijakan pemerintah dalam upaya untuk peningkatan teknologi yang bertujuan untuk memberikan nilai tambah pada industri pengolahan hasil perikanan akan dapat meningkatkan peran sektor perikanan yang lebih besar pada pembangunan Jawa Tengah. Dari usaha untuk peningkatan teknologi tersebut diharapkan terjadi peningkatan kualitas maupun kuantitas produksi dan nilai tambah hasil perikanan, sehingga mampu tidak hanya memenuhi kebutuhan dalam negeri akan tetapi dapat dilakukan usaha untuk ekspor. Dengan meningkatnya ekspor dari produk perikanan ini akan meningkatkan devisa negara, mengurangi tingkat kemiskinan, menambah lapangan kerja dan lain-lain. Untuk kinerja usaha perikanan tangkap dari hasil uji analisis konfirmatori faktor maupun uji measurement full model, faktor yang paling berpengaruh adalah tingkat pengembalian modal Return on investment. Dengan nilai koefisien regresi sebesar 4,504 untuk uji analisis konfirmatori faktor dan 6,990 untuk uji measurement full. Dengan demikian, dengan lebih cepatnya modal yang diinvestasikan pada usaha perikanan tangkap kembali, maka akan dapat meningkatkan kinerja usaha perikanan tangkap lebih baik. Cepatnya modal yang kembali tersebut, diperlukan karena menurut Kusumastanto 2002 dan Fauzi 2006, pada usaha yang dilakukan di perikanan tangkap memiliki karakteristik bermodalkan besar, akan tetapi tingkat pengembalian modal tersebut cenderung lama, karena tidak pastiannya hasil tangkapan ikan yang didapatkan. Kondisi ini diperparah dengan semakin menurunnya hasil tangkapan ikan dari tahun ke tahun, atau sumberdaya ikan di beberapa wilayah telah mengalami over fishing, salah satunya di daerah pantai utara jawa. 193 Pada variabel kinerja industri pengolahan, dari hasil uji analisis konfirmatori faktor maupun uji measurement full model, faktor yang paling berpengaruh adalah tingkat laba dan rugi RL yang dihasilkan dari industri pengolahan ikan. Dari kondisi ini, kita dapat menyimpulkan bahwa tingkat laba dan rugi merupakan faktor utama untuk meningkatkan kinerja industri pengolahan ikan di Jawa Tengah. Untuk variabel tujuan pembangunan perikanan Jawa Tengah, dari hasil uji analisis konfirmatori penyerapan tenaga kerja Y5 merupakan faktor yang paling berpengaruh, sedangkan indikator ketahanan pangan Y1 merupakan faktor yang berpengaruh pada hasil uji measurement full model. Dari kondisi ini dapat dijelaskan, bahwa salah satu keberhasilan pembangunan perikanan di Jawa Tengah adalah terpenuhinya lapangan pekerjaan bagi masyarakat dan ketercukupinya ketahanan pangan bagi masyarakat. Kebijakan ketahanan pangan ini semakin mengemukan dan merupakan kebijakan yang akan dikedepankan dari Gubernur yang baru terpilih pada Agustus 2008 ini.

4.4 Pengujian Hipotesis