78
3.3.2 Analisis SEM Structural Equation Modeling.
Structural Equation Modeling SEM atau Model Persamaan Struktural
adalah model statistik yang umumnya digunakan dalam penelitian ilmu perilaku manusia. SEM dapat dikelompokkan sebagai analisis faktor dan regresi atau
analisis jalur. Konsep teoritis yang diwakili oleh faktor laten tidak bisa diamati secara langsung merupakan hal yang penting dalam pemodelan menggunakan
SEM. Hubungan antar faktor laten ditunjukkan oleh koefisien regresi atau jalur antar faktor Hox and Bechger, 1998. Analisis SEM adalah teknik analisis
multivariate yang dapat menguji hubungan antar variabel yang kompleks untuk memperoleh gambaran menyeluruh mengenai keseluruhan model Ghozali dan
Fuad, 2005. SEM juga dapat menguji model secara bersama-sama, baik model structural
hubungannilai loading antara konstruk independen dan dependen, maupun model measurement hubungannilai loading antara indikator dengan
kontrukvariabel laten. Kollmeyer 2004 menggunakan SEM first order sebagai cara baru untuk
mempelajari distribusi kekuatan politik berbasis kelas di negara-negara demokrasi kapitalis maju. Negara yang menjadi obyek penelitian adalah Australia, Austria,
Belgia, Canada, Denmark, Finlandia, Perancis, Jerman. Itali, Jerman, Norwegia, Swedia, Swiss, Britania Raya, dan Amerika Serikat. Data yang digunakan
merupakan data deret waktu dari tahun 1980 hingga 1989. Hasil analisis menggunakan SEM menunjukkan bahwa kompromi kelas secara positif
dipengaruhi oleh keanggotaan pekerja dalam organisasi buruh dan partisipasi pemilih, serta secara negatif dipengaruhi oleh jumlah orang dipenjara dan
ketimpangan pendapatan. Fox 2002 menggunakan SEM untuk mengestimasi variabel-variabel
yang mempengaruhi indikator makroekonomi, yaitu konsumsi, investasi, upah pekerja swasta, permintaan ekuilibrium, keuntungan swasta, dan stok kapital. Data
yang digunakan adalah data deret waktu dari tahun 1921 sampai 1941. SEM juga digunakan untuk mengestimasi two-stage least square TSLS, serta untuk
mengestimasi model rekursif. Sedangkan Dault 2007 menggunakan SEM secon order full version
untuk mengetahui faktor-faktor yang mempengaruhi partisipasi
79 pemuda dalam pembangunan perikanan di Kabupaten Sukabumi. Disamping itu
model tersebut juga bisa menujukkan berbagai indikator partisipasi pemuda. Software
piranti lunak yang banyak digunakan untuk menganalisis data menggunakan SEM adalah Lisrel Linear Structural Relations dan AMOS
Analysis of Moments Structure. Program lain yang juga bisa digunakan untuk
mengolah data dengan model SEM adalah PRELIS dan SIMPLIS Byrne, 1998. Tujuan dari analisis SEM adalah: 1 untuk menentukan apakah model
plausible masuk akal atau “benar” berdasarkan data yang dimiliki, 2 untuk
menguji berbagai hipotesis yang telah dibangun sebelumnya. Tahapan analisis yang dilakukan dalam SEM adalah:
1 Konseptualisasi model, yaitu tahapan proses yang berhubungan dengan
pengembangan hipotesis berdasarkan teori sebagai dasar dalam
menghubungkan variabel laten variabel yang tidak dapat diukur secara
langsung dan memerlukan beberapa indikator sebagai proksi dengan variabel laten lainnya, dan juga dengan indikator-indikatornya. Variabel
laten dalam SEM terdiri dari variabel eksogen yaitu variabel independen
sehingga tidak dipengaruhi oleh variabel lain dalam suatu model, dan
variabel endogen yaitu variabel yang dipengaruhi oleh variabel lain dalam
suatu model. Konseptualisasi model merupakan gambaran persepsi tentang hubungan variabel eksogen dan endogen berdasarkan teori, dan
merefleksikan pengukuran variabel melalui berbagai indikator yang diukur. Dalam penelitian ini klasifikasi variabel sebagai variabel endogen atau
variabel eksogen ditentukan oleh program software pengolahan data
Lampiran 3.
2 Penyusunan diagram alur, yaitu diagram yang memvisualisasikan hipotesis
yang telah dibangun dalam konseptualisasi model. Manfaat penyusunan diagram ini adalah untuk memudahkan pembahasan langkah-langkah SEM
berikutnya. 3
Spesifikasi model, yaitu menggambarkan sifat dan jumlah parameter yang diestimasi.
80 4
Identifikasi model. Dalam tahap ini informasi yang diperoleh dari data diuji untuk menentukan apakah cukup untuk mengestimasi parameter dalam
model, sehingga diperoleh nilai unik untuk seluruh parameter dari data yang diperoleh
5 Estimasi parameter. Setelah model struktural dapat diidentifikasi, maka
estimasi parameter dapat diketahui. Pada tahap ini, estimasi parameter untuk suatu model diperoleh dari data, karena program LISREL maupun AMOS
akan menghasilkan matriks kovarians berdasarkan model model-based covariance matrix
yang sesuai dengan kovarians matriks sesungguhnya observed covariance matrix. Uji signifikansi dilakukan dengan
menentukan apakah parameter yang dihasilkan secara signifikan berbeda dari nol.
6 Penilaian model fit. Suatu model dikatakan fit apabila kovarians matriks
suatu model model-based covariance matrix adalah sama dengan koverians matriks data observed covariance matrix.
7 Modifikasi model. Setelah melakukan penilaian model fit, maka akan
diketahui apakah diperlukan modifikasi model karena tidak fitnya hasil yang diperoleh pada tahap ke enam. Namun modifikasi harus berdasarkan teori
yang mendukung, dan tidak dilakukan hanya semata-mata untuk mencapai model yang fit.
8 Validasi silang model, yaitu menguji fit tidaknya model terhadap suatu data
baru. Validasi silang ini penting apabila terdapat modifikasi yang substansial yang dilakukan terhadap model asli yang dilakukan pada langkah ketujuh.
Alasan penggunaan analisis model SEM dalam penelitian ini adalah:
1 Faktor-faktor penentu yang akan diamati di dalam program PEMP sebagai
representasi keragaan pembangunan perikanan tangkap skala kecil, yaitu kebijakan publik, kemampuan bisnis, rekayasa kelembagaan. merupakan
variabel laten tidak bisa diamati secara langsung. Oleh karena itu setiap faktor didekomposisi menjadi variabel pengamatan X11, X12, X13, X21,
X22, X23, X31, X32 dan X33. Di samping itu PEMP ditunjukkan oleh
81 Y1, Y2, dan Y3 Y1= pembangunan menyangkut berbagai aspek,
Y2=pembangunan yang berkelanjutan, dan Y3=pembangunan berorientasi kesejahteraan.
2 Untuk menguji secara simultan bersamaan tentang faktor-faktor X1, X2,
X3 yang mempengaruhi PEMP, dekomposisi faktor X11, ...X33 yang mempengaruhi faktor, interaksi antar faktor, dan signifikansi variabel-
variabel pengamatan yang menunjukkan keragaan PEMP Y1, Y2, Y3, yang apabila menggunakan persamaan regresi tunggal maka akan
memerlukan banyak sekali persamaan regresi dan tidak bisa mengetahui interaksi satu persamaan regresi dengan persamaan regresi lainnya.
Dengan kata lain dengan SEM regresi linier dalam jumlah banyak bisa diolah secara simultan.
3.3.3 Analisis SWOT Strength-Weaknessess-Opportunities-Threaths.