umum tentang pelapisan sosial dan hubungan kerjanya. Responden memberi informasi berdasarkan daftar pertanyaan yang telah disusun sesuai dengan
keperluan analisis dan tujuan penelitian yang meliputi mobilitas nelayan, faktor- faktor yang mempengaruhi mobilitas nelayan dan dampak mobilitas nelayan itu
sendiri.
Data sekunder yaitu data penunjang yang dikumpulkan dari Pemerintah Daerah, Dinas Perikanan, Kantor Statistik dan Lembaga-lembaga yang
berhubungan dengan materi penelitian, maupun yang berasal dari publikasi hasil penelitian yang pernah dilakukan. Data sekunder yang dikumpulkan mencakup
data penduduk, nelayan, produksi perikanan 5 tahun terakhir dan pemasarannya, sarana dan prasarana yang ada, kebijakan pengembangan sektor perikanan,
kegiatan ekonomi di wilayah penelitian dan lain-lain. Data sekunder juga dilakukan melalui studi kepustakaan untuk memperoleh data dan informasi yang
berkaitan dengan gambaran umum nelayan di Provinsi Sulawesi Utara yang menjadi lokasi penelitian.
3.4 Analisis Data
Analisis data yang digunakan dalam penelitian ini meliputi: 1 analisis deskriptif-kualitatif; 2 analisis SEM; dan 3 analisis SWOT.
3.4.1 Penentuan status mobilitas nelayan
Status mobilitas nelayan di Provinsi Sulawesi Utara dianalisis secara deskriptif kualitatif. Analisis deskriptif kualitatif dimaksudkan untuk mengetahui
status sekelompok manusia, suatu objek, set kondisi, sistem pemikiran ataupun kelas peristiwa pada masa sekarang. Tujuan dari analisis deskriptif ini adalah
untuk membuat deksripsi, gambaran atau lukisan secara sistematis, faktual dan akurat mengenai fakta-fakta, sifat-sifat serta hubungan antar-fenomena yang
diselidiki Nazir 2000, selanjutnya analisis ini mencari fakta-fakta dengan interprestasi yang tepat, mempelajari masalah-masalah dalam masyarakat, serta
tata cara yang berlaku dalam masyarakat serta situasi-situasi tertentu termasuk tentang hubungan kegiatan-kegiatan, sikap-sikap, pandangan-pandangan serta
proses-proses yang sedang berlangsung dan pengaruh-pengaruh dari suatu fenomena. Analisis ini juga membandingkan fenomena-fenomena tertentu,
sehingga merupakan studi komparatif, mengadakan klasifikasi serta analisis terhadap fenomena-fenomena dengan menetapkan suatu standar atau suatu norma
tertentu. Dengan analisis ini, dapat diselidiki kedudukan status, fenomena atau faktor dan melihat hubungan antara suatu faktor dengan faktor yang lain Whitney
1960 diacu dalam Nazir 2000. Analisis deskriptif biasanya menggunakan statistik sederhana, seperti persentase, diagram, komparasi perbedaan dengan
menggunakan uji t untuk dua kelompok pengaruh dengan menggunakan analisis jalur path analysis.
Indikator yang digunakan untuk mengidentifikasi struktur mobilitas nelayan ini adalah perubahan jenis profesi dan perubahan geografislokasi tempat
nelayan bekerja. Analisis deskriptif dalam penelitian ini dimaksudkan untuk menganalisis datainformasi yang disampaikan oleh responden nelayan terkait
dengan ada tidaknya perubahan profesi dan perubahan geografislokasi tempat mereka bekerja. Kemudian kedua indikator perubahan tersebut, baik perubahan
jenis profesi maupun geografis dikombinasikan untuk mengidentifikasimengelompokkan tipe mobilitas nelayan. Datainformasi terkait
dengan latar belakang nelayan melakukan mobilitas direduksi, disimpulkan diberi makna dan diverifikasi dikonsultasikan kembali kepada responden dan
teman sejawat. Mobilitas yang dilakukan oleh nelayan sangat mempengaruhi status nelayan di lokasi dimana nelayan tersebut bermukim. Dari analisis yang
dilakukan akan diketahui status nelayan berdasarkan mobilisasi geografi melakukan penangkapan ikan dan mobilisasi profesi.
3.4.2 Penentuan faktor-faktor yang mempengaruhi mobilitas nelayan dan dampak yang ditimbulkan mobilitas nelayan
Pemetaan faktor-faktorkomponen yang berpengaruh terhadap mobilitas nelayan dan dampak mobilitas nelayan itu sendiri dianalisis dengan structural
equation modelling SEM. Pada saat seorang peneliti menghadapi pertanyaan penelitian berupa identifikasi dimensi-dimensi sebuah konsep atau konstruk dan
pada saat yang sama ingin mengukur pengaruh atau derajat hubungan antar faktor yang telah diidentifikasi dimensi-dimensinya, maka SEM akan memungkinkan
untuk melaksanakannya. SEM juga merupakan pendekatan terintegrasi antara analisis faktor, model struktural dan analisis jalur path analysis Solimun 2002.
Untuk menganalisis besarnya pengaruh faktor-faktor yang mempengaruhi keberdayaan masyarakat nelayan digunakan metode Uji analisis structural
equation modelling SEM. Uji validitas konstruk dengan menggunakan SEM yaitu suatu model yang juga disebut ”A Covariance Structural Model” yang
digunakan untuk menguji model-model empiris untuk menjelaskan varian dan korelasi antara satu set peubah-peubah yang diobservasi dalam suatu sistem
kausal sebab-akibat dari faktor-faktor yang tidak diobservasi. Dengan demikian pengukuran model menspesifikasikan seberapa jauh peubah-peubah yang
diobservasi berhubungan dengan suatu set faktor-faktor yang dihipotesiskan. Soft ware yang digunakan adalah program LISREL atau Linier Structural Relationship
Agresti dan Finlay 1986; Hayduk 1987; Joreskog dan Sorbon 1996; Joreskog dan Sorbon 1999.
Structural Equation Modelling 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 hubungan atau nilai loading antara konstruk independen atau dependen, maupun model measurement
hubungannilai loading antara indikator dengan konstrukvariabel laten. Keunggulan-keunggulan SEM lainnya dibandingkan dengan regresi
berganda di antaranya ialah; pertama, memungkinkan adanya asumsi-asumsi yang lebih fleksibel; kedua, penggunaan analisis faktor penegasan confirmatory faktor
analysis untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten; ketiga, daya tarik interface pemodelan grafis
untuk memudahkan pengguna membaca keluaran hasil analisis; keempat, kemungkinan adanya pengujian model secara keseluruhan dari pada koefisien-
koefisien secara sendiri-sendiri; kelima, kemampuan untuk menguji model–model dengan menggunakan beberapa variabel tergantung; keenam, kemampuan untuk
membuat model terhadap variabel-variabel perantara; ketujuh, kemampuan untuk membuat model gangguan kesalahan error term; kedelapan, kemampuan untuk
menguji koefisien-koefisien di luar antara beberapa kelompok subyek; kesembilan, kemampuan untuk mengatasi data yang sulit, seperti data time series
dengan kesalahan otokorelasi, data yang tidak normal dan data yang tidak lengkap.
Pengembangan model dilakukan dengan menggunakan pendekatan teoritis. Pendekatan teoritis dimaksudkan untuk mendapatkan justifikasi terhadap
konsep-konsep yang dikembangkan, sehingga model akhir yang diperoleh dapat dipertanggungjawabkan dan mendapat kebenaran secara alamiah. Dalam kaitan
ini, telaah pustaka, eksplorasi terhadap hasil-hasil penelitian yang berkaitan dan diskusi pakar menjadi hal penting untuk dilakukan.
Komponen-komponen yang dominan dalam rangka masyarakatnelayan bermobilisasi adalah aspek pendapatan, aspek persediaan ikan yang terus
menurun, aspek kejenuhan, aspek modal berkurang dan aspek profesi yang terlalu berat. Namun faktor-faktor dominan yang berpengaruh untuk aspek pendapatan
adalah aspek pendidikan, aspek prestise kerja, aspek umur, aspek pengalaman kerja dan aspek jumlah tanggungan keluarga. Hasil penelitian yang terkait dengan
mobilitas dapat dilihat pada Tabel 2. Menurut Todaro 1992, faktor yang mempengaruhi keputusan untuk bermigrasi pada umumnya berbeda-beda dan
sangat kompleks dan faktor-faktor tersebut secara umum dapat dikategorikan menjadi:
1 Faktor Demografis, dalam banyak kasus di dunia ketiga sebagian besar
migran terdiri atas laki-laki muda belum kawin berusia antara 15 dan 25 tahun. Akan tetapi migran wanita juga mulai berkembang terutama karena
kemajuan tingkat pendidikan. Perkembangan mobilitas profesi wanita lebih rendah dari pria karena wanita ini banyak dipengaruhi oleh faktor
non-ekonomi seperti sosial budaya. Kondisi atau tatanan sosial yang berlaku dapat menekan atau mengurangi mobilitas profesi wanita. Peranan
wanita sebagai ibu rumah tangga menghambat untuk melakukan mobilitas profesi desa-kota.
2 Faktor Pendidikan, faktor pendidikan adalah salah satu faktor yang sangat
kuat dalam menentukan keputusan untuk melakukan migrasi. Semakin tinggi tingkat pendidikan maka akan meningkatkan kemungkinan
seseorang melakukan migrasi mobilitas profesi. Ini menunjukkan suatu gejala backwash process dimana orang-orang yang berpotensi di desa
justru meninggalkan desa untuk mencari sumber penghasilan lain. Gejala ini secara umum dapat berdampak positif dan negatif bagi desa. Kalau
para migran dapat memberikan kontribusi yang sesuai bagi pembangunan desa hal ini merupakan gejala yang positif, tetapi kecenderungan yang
terjadi mereka tidak lagi tertarik untuk tinggal di desa dan menetap di daerah lain sehingga desa kekurangan orang yang berpotensi untuk
membangun desa. 3
Faktor Ekonomi, perbedaan tingkat upah antara desa dan kota adalah variabel ekonomi yang sangat menentukan keputusan untuk melakukan
migrasi desa-kota. Penelitian terakhir menunjukkan perbedaan tingkat upah menjadi faktor penentu keputusan untuk melakukan migrasi.
Pertimbangan individu mengambil keputusan untuk bermigrasi atas pertimbangan untuk mengoptimalkan penghasilan dan atas persepsi
mereka tentang arus pendapatan yang diharapkan di pedesaan dan kota. Selanjutnya diasumsikan pula individu memilih bermigrasi menyesuaikan
tingkat individu memilih bermigrasi menyesuaikan tingkat pendidikan dan ketrampilan mereka di kota. Para migran dianggap mengetahui peluang
mereka untuk memperoleh profesi dan peluang menganggur di kota dalam selang waktu tertentu.
Berdasarkan hasil penelitian sebelumnya, sebagaimana yang diuraikan di dalam Tabel 2, faktor-faktor yang berpengaruh pada mobilitas nelayan adalah
tingkat pendidikan, prestise kerja, umur, pengalaman melaut dan tanggungan keluarga, pendapatan, persediaan ikan, kejenuhan, modal, profesi yang terlalu
berat yang sebelumnya sudah dianalisis melalui analisis SEM. Analisis SEM dalam penelitian ini dikembangkan untuk melihat terjadinya interaksi di antara
komponen tersebut dan mengetahui interaksi mana yang paling berperan dalam mobilitas profesi nelayan. Gambaran interaksi di antara komponen tersebut
kemudian diilustrasikan dalam rancangan awal path diagram. Tabel 2 Hasil penelitian terkait dengan mobilitas
Author Thn Judul
Metologi Hasil-kesimpulan
Armin Ginting
1994 Analisis faktor penentu
keputusan mobilitas profesi
sektor pertanian ke non pertanian
Studi Kasus
Faktor-faktor yang berpengaruh dalam pengambilan keputusan mobilitas profesi desa kota adalah rasio
pendapatan desa kota, usia dan pengusahaan lahan. Analisis regresi menunjukkan bahwa faktor pendidikan dan luas lahan
milik pada tingkat kepercayaan α=10 tidak berpengaruh
nyata terhadap peluang mobilitas profesi, sedangkan faktor- faktor lain berpengaruh nyata. Dari faktor-faktor yang
mempengaruh keputusan mobilitas mobilitas profesi tersebut, ternyata mempunyai pengaruh ekonomi terhadap migran
terutama perbedaan pendapatan desa kota dan jumlah beban tanggungan. Dengan demikian maka dalam penelitian ini
faktor ekonomi masih dianggap dominan pengaruhnya terhadap keputusan mobilitas profesi. Disarankan bagi
pemerintah untuk menciptakan lapangan kerja di desa guna menambah keterkaitan antara penduduk dengan desa,
sehingga menurunkan keinginan untuk melakukan mobilitas profesi di kota atau desa lain. Bagi masyarakat disarankan
untuk mencari profesi di bidang industri pedesaan yang sesuai dengan karakteristik masyarakat
Maria 1996
Mobilitas profesi nelayan ke non-
nelayan di Kelurahan Kali
Baru Survei
Faktor yang signifikan terhadap mobilitas profesi adalah: pendidikan, jumlah tanggungan dan pendapatan juga faktor
usia dan pengalaman, yang menjadi faktor pendorong dalam mobilitas kerja adalah: pendapatan nelayan,
persediaan ikan, kejenuhan, modal, profesi yang terlalu berat, ingin mencari pengalaman, kondisi fisik nelayan
kesehatan dan usia. Faktor penariknya adalah: peningkatan pendapatan, kenyamanan kerja dan jaminan hari
tua. Jenis jenis profesi non-nelayan adalah: dagang, supir, bengkel, wiraswasta, pelayaran dan karyawan pabrik. Akibat
dari mobilisasi kerja ini 60 dari pelaku mobilisasi tersebut kondisi perumahannya, mengalami peningkatan dan, 40
sisanya tetap
Widodo 2002
Pengaruh industrialisasi
terhadap mobilitas sosial
masyarakat pedesaan
Studi Kasus Faktor-faktor pencetus mobilisasi sosial masyarakat adalah:
pendidikan, penguasaan modal, tingkat ketrampilan dan hubungan dengan elit Wanaherang memberi pengaruh pada
munculnya peluangkerja dan usaha yang berakibatkan pada peningkatan pendapatan, penguasaan kekayaan materil dan
status sosial. Hal ini membuat masyarakat terobsesi untuk menjadi karyawanpegawai di sektor industri, karena selain
peningkatan pendapatan juga peningkatan
prestisepenghormatan. Tapi untuk menjadi karyawan dipengaruhi pendidikan, pengalaman kerja, ketrampilan dan
hubungan dengan elit desa maupun manajemen perusahaan Djoko
Joewono 2003 Mobilitas
penduduk dalam wilayah
Jabotabek Survei
Faktor yang mendorong masyarakat bermobilisasi adalah sebagai berikut: faktor demografi jenis kelamin,
pendidikan berikut mengaharapkan pendapatan lebih tinggi di perkotaan dari pada di desa, kecilnya lahan di desa bahkan
tidak adaterbatasnya kerja di bidang pertanian. Faktor penariknya adalah: ada kesempatan kerja di sektor lain
dengan teknologi komunikasi.
Sumber: Hasil Olahan Data Setelah menyusun model berbasis teori, langkah selanjutnya adalah
menerjemahkan model tersebut kedalam diagram jalur path diagram agar dapat diestimasikan dengan menggunakan program LISREL. Pembuatan path diagram
merupakan kegiatan penggambaran interaksi komponen-komponen yang dikembangkan secara teoritis dan kemudian menjadi konstruk penelitian. Dalam
penggambaran ini, konstrukvariabel laten penelitian tersebut harus dilengkapi dengan dimensivariabel terukur.
Dalam model struktural dikenal dua variabel, yaitu eksogen dan endogen, sedangkan persamaan-persamaan untuk menyatakan hubungan kausalitas antar
berbagai konstruk, persamaan tersebut pada dasarnya dibangun dengan pedoman sebagai berikut Ferdinand 2002: 167:
......................................... 1 Keterangan:
: beta variabel laten endogen : beta matriks koefisien jalur untuk hubungan antar variabel
endogen : gamma
matriks koefisien
jalur hubungan variabel endogen dan eksogen
: ksi variabel laten eksogen : zeta kesalahan eror dalam persamaan struktural
Variabel eksogen adalah variabel yang nilainya ditentukan di luar model, seperti variabel bebas dan variabel instrumen juga disebut predetermined
variables, sedangkan variabel endogen adalah variabel yang nilainya ditentukan berdasarkan model, seperti variabel tidak bebas.
Dalam kaitan ini, telaah pustaka menjadi hal penting untuk menetapkan variabel terukur yang tepat. Path diagram dibuat dengan menggunakan program
LISREL 8.30 Professional. Rancangan path diagram sebagai konseptualisasi mobilitas profesi dan alih status nelayan skala kecil di Provinsi Sulawesi Utara
dapat dilihat pada Gambar 4. Persamaan struktural dalam penelitian ini adalah persamaan rekursif dimana memenuhi asumsi-asumsi sebagai berikut:
1 Antara galat
ε
ij
saling bebas independent. 2
Antara ε
ij
dengan Y, X
1
, X
2
, X
3
dan X
4
saling bebas.
X
1
X
2
X
3
X
4
Y
Keterangan jenis data yang dikumpulkan dalam penelitian:
Y = Status Nelayan X
1
= Mobilitas geografi X
2
= Mobilitas geografi dan mobilitas
profesi X
3
= Mobilitas profesi
X
4
= Tidak melakukan mobilitas profesi
dan lokasi X
1.1
= Aspek pendidikan
X
1.2
= Aspek prestise kerja X
1.3
= Aspek umur X
1.4
= Aspek pengalaman kerja X
1.5
= Aspek jumlah tanggungan keluarga X
1.6
= Aspek Pendapatan X
1.7
= Aspek Persediaan ikan X
1.8
= Aspek Kejenuhan X
1.9
= Aspek Modal X
1.10
= Aspek Profesi yang terlalu berat X
2.1
= Aspek pendidikan
X
2.2
= Aspek prestise kerja X
2.3
= Aspek umur X
2.4
= Aspek pengalaman kerja X
2.5
= Aspek jumlah tanggungan keluarga X
2.6
= Aspek Pendapatan X
2.7
= Aspek Persediaan ikan X
2.8
= Aspek Kejenuhan X
2.9
= Aspek Modal X
2.10
= Aspek Profesi yang terlalu berat X
3.1
= Aspek pendidikan
X
3.2
= Aspek prestise kerja X
3.3
= Aspek umur X
3.4
= Aspek pengalaman kerja X
3.5
= Aspek jumlah tanggungan keluarga X
3.6
= Aspek Pendapatan X
3.7
= Aspek Persediaan ikan X
3.8
= Aspek Kejenuhan X
3.9
= Aspek Modal X
3.10
= Aspek Profesi yang terlalu berat X
4.1
= Aspek pendidikan
X
4.2
= Aspek prestise kerja X
4.3
= Aspek umur X
4.4
= Aspek pengalaman kerja X
4.5
= Aspek jumlah tanggungan keluarga X
4.6
= Aspek Pendapatan X
4.7
= Aspek Persediaan ikan X
4.8
= Aspek Kejenuhan X
4.9
= Aspek Modal X
4.10
= Aspek Profesi yang terlalu berat
X
1.1
X
1.2
X
1.3
X
1.4
X
1.5
X
1.6
X
1.7
X
1.8
X
1.9
X
1.10
X
2.1
X
2.2
X
2.3
X
2.4
X
2.5
X
2.6
X
2.7
X
2.8
X
2.9
X
2.10
X
3.1
X
3.2
X
3.3
X
3.4
X
3.5
X
3.6
X
3.7
X
3.8
X
3.9
X
3.10
X
4.1
X
4.2
X
4.3
X
4.4
X
4.5
X
4.6
X
4.7
X
4.8
X
149
X
4.10
Gambar 4 Konseptualisasi mobilitas profesi dan alih status nelayan skala kecil di Provinsi Sulawesi Utara
Variabel yang diuji dalam analisis SEM terdiri dari struktur mobilitas nelayan dan dampak yang ditimbulkan mobilitas nelayan. Variabel yang
digunakan sebagai indikator yang menentukan mobilitas nelayan adalah aspek ekonomi, pendidikan, prestise kerja, umur, pengalaman kerja, ketrampilan dan
kepemilikan alat produksi dan jumlah tanggungan keluarga. Pengujian apakah variabel-variabel ini dapat digunakan untuk membentuk faktor atau konstruk
dilakukan dengan melihat nilai probabilitas p dari nilai koefisien lambda λ.
Jika nilai probabilitas p koefisien lambda lebih kecil dari nilai α = 0,05, maka
indikator tersebut dapat digunakan untuk membentuk faktor atau konstruk. Sebaliknya, jika nilai p dan
λ lebih besar dari nilai α = 0,05, maka indikator tersebut tidak dapat digunakan untuk membentuk konstruk.
Pemilihan matriks input dan estimasi model sangat dibutuhkan dalam analisis SEM. Matriks input yang digunakan dalam analisis SEM terdiri dari
matriks kovarian dan matriks korelasi. Dalam beberapa penelitian, matriks kovarian lebih sering digunakan karena memiliki keunggulan dalam menyajikan
perbandingan yang valid antara populasi atau sampel yang berbeda. Setelah model dispesifikasikan secara lengkap, langkah berikutnya adalah
memilih jenis input. Matriks input yang dipilih dalam penelitian ini adalah matriks kovarians. Alasan memilih input data matrix covarians adalah karena matriks
kovarian memiliki keunggulan dalam menyajikan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda. Selain itu matriks kovarian
lebih sesuai untuk memvalidasi hubungan kausal. Selanjutnya untuk memilih teknik analisis dengan mempertimbangkan
ukuran sampel. Setelah memilih matriks input, maka perangkat lunak LISREL akan melakukan estimasi koefisien path. Dalam melakukan estimasi model,
ukuran sampel memegang peranan yang cukup penting. Teknik-teknik estimasi yang tersedia adalah: 1 Maximum Likelihood Estimation ML, 2 Generalized
Least Square Estimation GLS, 3 Unweighted Least Square Estimation ULS, 4 Scale Free Least Square Estimation SLS dan 5 Symtotically Distribution-
Free Estimation ADF. Metode yang digunakan dalam penelitian ini adalah Maximum Likelihood
Estimation ML, yang meliputi:
Identifikasi model. Masalah identifikasi merupakan masalah ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Masalah
identifikasi dapat muncul melalui gejala sebagai berikut: i.
Standard error untuk satu sampai beberapa koefisien sangat besar. ii.
Program tidak mampu menghasilkan matriks informasi yang seharusnya. iii.
Munculnya angka-angka yang tidak diinginkan, seperti varians error yang negatif.
iv. Munculnya angka korelasi yang sangat tinggi antar koefisien estimasi
yang diperoleh. Asumsi-asumsi SEM yang harus dipenuhi adalah:
1 Ukuran sampel yang harus dipenuhi dalam pemodelan SEM adalah
minimum berjumlah 100, selanjutnya menggunakan perbandingan 5 observasi untuk setiap parameter yang diestimasi. Oleh karena itu, bila
mengembangkan model dengan lebih dari 20 parameter maka minimum digunakan 100 sampel.
2 Normalitas dan Linearitas: sebaran data harus dianalisis untuk melihat
apakah asumsi normalitas terpenuhi, sehingga data dapat diolah lebih lanjut dengan pemodelan SEM. Normalitas dapat diuji dengan melihat
gambar histogram data atau dapat diuji dengan model statistik. Uji normalitas dilakukan dengan menggunakan uji skewness yang
menunjukkan bahwa hampir seluruh variabel normal pada tingkat signifikansi 0,01 1. Hal ini terlihat pada nilai Coefficient Ratio CR
dari skewness yang berada di bawah + 2,58 Arbuckle 1997;78. Nilai mutivariat pada uji normalitas adalah koefisien kurtosis multivariate,
apabila hasil yang diperoleh masih di bawah nilai batas + 2,58, ini berarti bahwa ada data yang digunakan berdistribusi multivariate normal.
3 Outliners data-data pencilan: outliners adalah observasi yang muncul
dengan nilai-nilai ekstrim baik secara univariat maupun multivariate yaitu yang muncul karena kombinasi karakteristik unik yang dimilikinya dan
terlihat sangat jauh berbeda dari observasi-observasi lainnya. Model hubungan antara variabel dependent dan independent perlu diuji
kelayakannya dengan menggunakan berbagai indikator. Adapun jenis indikator
dan nilai indeks yang digunakan untuk menentukan kelayakan sebuah model dapat dilihat pada Tabel 3 dan Lampiran 1.
Tabel 3 Goodness of fit index
Sumber: Ferdinand 2006 1
Degree of freedom derajat kebebasan harus bernilai positif 2
Chi Square Statistik X² dan probabilitas alat uji fundamental untuk mengukur overall fit adalah likelihood ratio chi square statistik. Model
yang baik harus mempunyai chi square = 0 berarti tidak ada perbedaan. Tingkat signifikan penerimaan yang direkomendasikan adalah apabila p
0,005 Hair 1998 yang berarti matriks input sebenarnya dengan matriks input yang diprediksi tidak berbeda secara statistik.
3 CMINDF adalah ukuran yang diperoleh dari nilai chi square dibagi
dengan degree of freedom. Menurut Hair et al. 1998 nilai yang sebenarnya adalah nilai CMINDF yang 2,0 atau 3,0
4 Goodness of Fit Index GFI, digunakan untuk menghitung proporsi
tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. Indeks ini
mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat model yang diprediksi dibandingkan dengan data
yang sebenarnya. Nilai Goodness of Fit Index biasanya dari 0-1. Semakin besar jumlah sampel penelitian maka nilai GFI akan semakin besar. Nilai
yang lebih baik mendekati 1 mengindikasikan model yang diuji memiliki kesesuaian yang baik. Nilai GFI dikatakan baik adalah 0, 90.
5 Tucker-Lewis Index TLI adalah sebuah alternatif incremental fit index
yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya
Goodness of fit index Cut of value
Chi Square Significance Probability
CMINDF GFI
TLI CFI
RMSEA diharapkan kecil
0,05 2 atau 3
0,90 0,95
0,95 0,08 – 0,09
sebuah model adalah 0,9 dan nilai yang mendekati 1 menunjukkan a very good fit. TLI merupakan index fit yang kurang dipengaruhi oleh
ukuran sampel. 6
Comparative Fit Index CFI dikenal sebagai Bentler Comparative Index. CFI merupakan indeks kesesuaian incremental yang juga membandingkan
model yng duji dengan mull model. Indeks ini dikatakan baik untuk mengukur kesesuaian sebuah model karena tidak dipengaruhi oleh ukuran
sampel. Indeks yang mengindikasikan bahwa model yang diuji memiliki kesesuaian yang baik adalah apabila CFI 0,90.
7 Root Mean Square Error of Approximation RMSEA, nilai RMSEA
menunjukkan Goodness of Fit yang diharapkan bila model diestimasikan dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08
merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu didasarkan degree of freedom. RMSEA
merupakan indeks pengukuran yang tidak dipengaruhi oleh besarnya sampel sehingga biasanya indeks ini digunakan untuk mengukur fit model
pada jumlah sampel besar. Pengujian hipotesis dilakukan dengan menguji signifikansi regresi
berdasarkan uji F pada α = 0,05 untuk setiap koefisien persamaan, secara
langsung ataupun parsial. Setelah dilakukan pengujian terhadap asumsi dasar SEM dan terhadap uji kesesuaian dan uji statistik, langkah berikutnya adalah
melakukan modifikasi terhadap model yang tidak memenuhi syarat pengujian yang telah dilakukan. Setelah model diestimasi, residualnya haruslah kecil atau
mendekati 0 dan distribusi frekuensi dari kovarans residual harus bersifat simetrik. Sebuah pedoman untuk mempertimbangkan perlu tidaknya modifikasi
terhadap sebuah model, yaitu dengan melihat sejumlah residual yang dihasilkan oleh model. Bila jumlah residual lebih besar dari 5 dari semua residual
kovarians yang dihasilkan oleh model, maka modifikasi perlu dipertimbangkan. Bila ditemukan nilai residual yang dihasikan oleh model cukup besar 2,58,
maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah jalur baru terhadap model yang diestimasi.
Nilai residual lebih besar atau sama dengan 2,58 diintreprestasikan sebagai signifikan secara statistik pada tingkat 5 dan residual yang signifikan ini
menunjukkan adanya prediction error yang substansial untuk sepasang indikator.
3.4.3 Strategis untuk alih status nelayan ke arah yang lebih baik
