dalam industri perikanan Purnomo et al. 2003. Dalam penelitian ini ditentukan bahwa daya saing industri perikanan mempunyai interaksi dengan kemampuan
teknologi informasi dan komunikasi, jaminan mutu produk, produk mempunyai kemampuan imitabilitas dan ketersediaan sumberdaya bahan baku.
4.3.2 Kesesuaian model dengan data
Berdasarkan hasil kajian teoritis dengan mengacu pada path diagram yang telah dirancang sebelumnya Bab 3 dan menjadi acuan di lapangan, maka dapat
disusun model awal dengan melakukan analisis SEM. Gambar 10 menunjukkan interaksi antar konstruk dengan konstruk dan antar konstruk dengan variabel
dengan nilai-nilai yang dihasilkan. Nilai hasil analisis yang didapat masih belum memenuhi standar indeks pengujian kelayakan sebagai syarat sebuah model yang
fit berdasarkan Tebel 3 sebagai batasan dan kriteria untuk menilai suatu model.
Gambar 10 Model awal dari SEM industri perikanan di Kota Makassar sebelum dilakukan modifikasi indeks
Keterangan: Variabel-variabel yang digunakan nilai variabel berdasarkan hasil wawancara selengkapnya pada Lampiran 5.
X11 X12
Kemampuan SDM industri perikanan
Inovasi penggunaan teknologi industri
X56 X57
X58 X61
Mutu produk Tingkat penyerapan tenaga kerja
Jaringan pemasaran luas Pembangunan pelabuhan perikanan
,56
II
X13 ,95
A3
1,00 1
X12 ,53
A2
1,21 1
X11 ,64
A1
1,22 1
,90
EI
X23 ,59
B3 X22
1,03 B2
X21 ,88
B1
1,00 1
,86 1
,82 1
X24 1,17
B4
1,00 1
,10
SAL
X33 ,97
C3 X32
,70 C2
X31 ,98
C1 X34
1,10 C4
1,00 1
2,10 1
2,41 1
2,81 1
LIP
X41 1,00
D1
1,00 1
X42 1,08
D2
1,08 1
KIP
X52 ,61
E2 X53
,58 E3
X54 ,91
E4 X51
,67 E1
1,00 1
1,45 1
1,25 1
,90 1
X55 1,07
E5
1,33 1
X56 ,65
E6
1,31 1
X57 ,84
E7
1,10 1
X58 1,00
E8
1,23 1
KP
X63 1,08
F3
1,00 1
X62 1,19
F2
,42 1
X61 1,25
F1
,55 1
PLP
X71 1,39
G1
1,00 1
X72 1,05
G2
7,40 1
X73 ,72
G3
6,54 1
X74 1,20
G4
4,51 1
DIP
X81 ,69
H1
1,00 1
X82 ,92
H2
1,08 1
X83 ,98
H3
1,03 1
X84 ,99
H4
,55 1
X85 1,22
H5
,53 1
,03 -,03
2,52 33,44
1,70
6,65 -2,52
-12,66 -,69
2,36 -,27
X13 X21
X22 X23
X24 X31
X32 X33
X34 X41
X42 X51
X52 X53
X54 X55
Kemampuan keuangan aset perusahaan
Perkembangan teknologi perikanan Ketersediaan jasa pelatihan
Ketersediaan infrastruktur Kondisi industri pemasok
Sumberdaya ikan Daerah penangkapan ikan
Lingkungan dan kondisi perairan Energi pendukung
Program jangka pendek Program jangka panjang
Laba rugi perusahaan Volume penjualan
Pertumbuhan penjualan Pertumbuhan pelanggan
Kemampuan harga bersaing X62
X63 X71
X72 X73
X74 X81
X82 X83
X84 X85
Pembentukan BUMN Pengaturan pemanfaatan tanah
industri Pelayanan kegiatan produksi melalui
tambat labuh Pelayanan industri prosessing
Pelayanan kegiatan pemasaran Pelayanan kebutuhan logistik kapal
Kemampuan teknologi informasi dan komunikasi pemasaran
Jaminan mutu produk Produk mempunyai kemampuan
imitabilitas Harga produk kompetitif
Ketersediaan Sumberdaya bahan baku berkelanjutan
Berikut ini disajikan evaluasi kriteria Goodness of Fit Index untuk model awal pada pengukuran masing-masing konstruk dengan confirmatory factor
analysis. Tujuannya adalah untuk mengukur apakah model pengembangan industri perikanan berbasis Pelabuhan Perikanan Nusantara di Kota Makassar
sudah memenuhi kriteria Goodness of Fit Index berdasarkan syarat sebuah model yang fit sebagai batasan dan kriteria untuk menilai suatu model. Hasil evaluasi
dimaksud ditunjukkan pada Tabel 7. Tabel 7 Indeks pengujian kelayakan kesesuaian model awal
Indeks kesesuaian model terhadap data
Syarat sebuah model fit
Hasil analisis
Evaluasi model
Chi-square Significance Probability
RMSEA
root mean square error of approximation
CFI comparative fit index IFI incremental fit index
GFI goodness-of-fit index AGFI
adjusted goodness-of-fit index
PGFI
parsimony goodness of fit index Diharapkan kecil
0.05 0.08
0.90 0.90
0.90 0.90
0.90 1 536.2
0.000 0.120
0.584 0.590
0.625 0.570
0.545 Buruk
Marginal Buruk
Buruk Buruk
Buruk Buruk
Buruk
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 7, model tersebut belum fit atau belum sesuai karena nilai Chi-square masih tinggi yaitu sebesar 1 536.2 dan nilai probabilitas p =
0.000 lebih kecil dari 0.05, selanjutnya nilai RMSEA, CFI, IFI, GFI, AGFI, PGFI masih jauh dari nilai standar, oleh karena itu model akan dimodifikasi dengan
melihat nlai Modification Indices MI dapat dilihat pada Tabel 8.
Model SEM yang telah dibuat dan diuji dengan hasil yang belum fit, maka dapat dilakukan modifikasi. Adapun tujuan modifikasi adalah untuk melihat
apakah modifikasi yang dilakukan dapat menurunkan nilai Chi-square. Dalam suatu penelitian sering terjadi beberapa faktor tidak secara eksplisit dapat dibuat
model, karena tidak semua teori bisa dikembangkan sampai mencapai spesifikasi model secara sempurna. Hal ini disebabkan oleh beberapa hal, antara lain: 1
ukuran sampel yang tidak mencerminkan ukuran populasi, 2 situasi dan kondisi responden di lapangan dan 3 peneliti tidak mampu mendapatkan ukuran yang
dikehendaki, hal ini disebut dengan kesalahan spesifikasi model Ghozali 2005. Indikator variabel laten dalam model secara sistematik kemungkinan
dipengaruhi oleh sebuah faktor yang secara eksplisit tidak dimasukkan ke dalam model, sehingga sangat dimungkinkan terjadinya korelasi antar kesalahan
pengukuran indikator. Selanjutnya untuk menganalisis kesalahan pengukuran dapat dilihat dari nilai koefisien MI atau bila ingin memperbaiki suatu model
dapat dilakukan dengan dua cara, yaitu: 1 mulai dari awal membangun kembali suatu model yang baru sebagai pengganti model terdahulu, dan 2 memodifikasi
model yang ditolak agar dapat memperbaiki model menjadi fit. Revisi model melalui suatu modifikasi dapat dilakukan dengan cara
melihat covariance modification indices. Nilai modification indices MI pada covariance menandakan akan turunnya nilai chi-square jika covariance dari
indikator-indikator tersebut dikorelasikan. Adapun nilai MI yang didapat dari model pada Gambar 10 selengkapnya dapat dilihat pada Tabel 8.
Tabel 8 Nilai-nilai modification indices M.I. Covariances
M.I. Par change
1 2
3
EI -- SAL
II -- SAL
II -- EI
H4 -- H5 H2
-- H5 H1
-- H5 G4
-- H3 G2
-- H4 G2
-- G3 G1
-- G4 F1
-- H2 71.117
86.304 66.529
34.052 7.322
4.889 15.296
6.421 5.462
10.948 9.285
0.230 0.205
0.572 0.542
0.256
-0.182 -0.373
0.223 0.178
0.354 0.290
1 2
3
F1 -- G4
F1 -- G1
F2 -- H5
F2 -- H4
F3 -- H1
F3 -- F2
E8 -- II E8
-- F1 E8
-- F3 E7
-- II E7 -- G1
E7 -- E8
E6 -- G3
E5 -- H2
E5 -- F2
E1 -- G2
E1 -- F3
E4 -- II
E4 -- G1
E4 -- F3
E3 -- F1
E3 -- F3
E3 -- E4
E2 -- II
E2 -- H1
E2 -- G1
E2 -- F3
E2 -- E1
D2 -- H4 D2
-- E5 D1
-- E1 D1
-- D2 C4
-- F1 C4
-- E6 C4
-- E1 C4
-- D2 C1
-- EI C1
-- H2 C1
-- F2 C1
-- E6 C1
-- E4 C1
-- D2 C2
-- II C2
-- E7 C2
-- E3 C2
-- D2 4.676
23.320 13.321
5.078 15.471
24.717 7.345
5.984 4.307
13.791 11.852
14.906 4.175
4.607 5.392
4.938
7.690 5.168
9.445 4.613
9.653 4.258
15.229 4.571
4.747 5.354
8.964
43.326 8.761
6.912 4.511
15.031 7.636
4.795 4.343
6.782
13.406 5.009
8.005 4.356
12.966 7.242
4.846 16.752
7.729 5.095
0.220 0.524
-0.366 -0.205
0.306 0.471
0.189 -0.230
-0.184 0.238
0.312 0.304
0.124 0.193
-0.222 -0.161
0.200 -0.152
-0.290 -0.182
0.231 -0.144
0.252 -0.117
0.129 -0.179
0.207 0.360
-0.262 -0.245
-0.149
0.347 -0.274
0.163 -0.154
0.245 0.313
-0.192 0.257
-0.146 0.293
0.238 0.129
0.270
-0.158 0.169
1
2 3
C3 -- H5
C3 -- H1
C3 -- E6 B4 -- H2
B4 -- G4 B1 -- SAL
B1 -- II B1
-- H3 B1
-- G2 B1
-- E4 B2 -- II
B2 -- F2 B2 -- E7
B2 -- E3
B2 -- D2 B3 -- H4
B3 -- G2 A1 -- SAL
A1 -- H2 A1 -- G4
A1 -- E4 A1 -- E3
A1 -- D1 A1 -- B4
A1 -- B1 A2 -- SAL
A2 -- EI A2 -- E5
A2 -- E3 A2 -- B4
A3 -- SAL A3 -- EI
A3 -- G4 A3 -- C4
4.605 6.678
4.196
17.586 10.049
18.986 21.823
9.034 8.551
7.836 16.158
5.632 5.942
5.357 7.523
8.048 5.151
13.549 9.490
4.288 8.704
8.971 8.638
12.857 9.645
6.360 10.209
7.306 6.263
5.393 8.175
15.873 10.236
9.928 0.194
-0.188 -0.139
-0.408
0.330 0.114
0.316 0.256
0.251
-0.222 0.293
0.227 0.200
-0.163 0.256
0.205 0.171
0.090 0.241
-0.174 -0.219
0.183 0.229
-0.312 0.233
0.058 0.233
-0.204 -0.143
0.189 0.079
0.348 0.301
-0.289 Sumber: Lampiran 6 Hasil pengolahan data dengan analisis
SEM 2010
Nilai modification indices tertinggi adalah sebesar 86.304 yang menghubungkan covariance dari variabel II dengan SAL. Berdasarkan informasi
ini, jika model akan direvisi dengan mengorelasikan variabel II dengan SAL, maka nilai chi-square akan turun paling sedikit 86.304. Selanjutnya langkah yang
harus dilakukan adalah mengorelasikan variabel yang mempunyai nilai MI yang terbesar dengan syarat nilainya lebih besar dari 4 nilai MI 4, sampai diperoleh
sebuah model yang dinilai benar-benar fit. Dengan mengorelasikan koefisien antar kesalahan pengukuran indikator error measurement, maka diperoleh
model sebagaimana diilustrasikan pada Gambar 11.
Gambar 11 Model akhir dari SEM industri perikanan di Kota Makassar setelah dilakukan modifikasi indeks
Pengujian model konseptual sebagaimana ditunjukkan pada Gambar 11 setelah dilakukan modifikasi indeks, menunjukkan nilai kriteria goodness of fit
yang dihasilkan sudah memenuhi syarat sebagai suatu model fit dan evaluasi hasil berdasarkan kriteria goodness of fit index, diperoleh hasil seperti ditunjukkan pada
Tabel 9. Tabel 9 Indeks pengujian kelayakan kesesuaian model akhir
Indeks kesesuaian model terhadap data
Syarat sebuah model fit
Hasil analisis
Evaluasi model
Chi-square Significance Probability
RMSEA
root mean square error of approximation
CFI comparative fit index IFI incremental fit index
GFI goodness-of-fit index AGFI
adjusted goodness-of-fit index
PGFI
parsimony goodness of fit index Diharapkan kecil
0.05 0.08
0.90 0.90
0.90 0.90
0.90 568.689
0.000 0.052
0.935 0.938
0.827 0.761
0.599 Baik
Marginal Baik
Baik Baik
Baik
Marginal Marginal
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
,70
II
X13 ,82
A3
1,00 1
X12 ,56
A2
1,07 1
X11 ,69
A1
1,07 1
,76
EI
X23 ,73
B3 X22
,77 B2
X21 ,68
B1
1,00 1
1,10 1
1,04 1
X24 1,59
B4
,76 1
,14
SAL
X33 ,92
C3 X32
,66 C2
X31 ,82
C1 X34
1,22 C4
1,00 1
1,82 1
2,35 1
2,12 1
LIP
X41 1,00
D1
1,00 1
X42 1,04
D2
1,09 1
KIP
X52 ,57
E2 X53
,47 E3
X54 ,78
E4 X51
,66 E1
1,00 1
1,34 1
1,20 1
,80 1
X55 1,05
E5
1,36 1
X56 ,65
E6
1,11 1
X57 1,01
E7
1,24 1
X58 1,28
E8
1,40 1
KP
X63 1,09
F3
1,00 1
X62 1,17
F2
,48 1
X61 1,21
F1
,67 1
PLP
X71 1,32
G1
1,00 1
X72 1,04
G2
7,99 1
X73 ,79
G3
6,32 1
X74 1,18
G4
3,76 1
DIP
X81 1,02
H1
1,00 1
X82 1,90
H2
2,00 1
X83 1,02
H3
1,22 1
X84 1,03
H4
,55 1
X85 1,22
H5
,57 1
,25 1,32
-1,58 9,09
1,10
,86 -,27
-3,64 -,14
1,76 -,25
,33 ,71
,30
Chi-Square = 568,689 df = 406
prob = 0,000
,42
,40 ,22
,31
,22
-,59 ,49
-,36 ,01
,14 -,26
-,63
-,64 ,16
,00 -,05
,15 ,30
,30 ,26
-,29 ,01
,20
,06 ,16
,22
,22 ,40
-,23 -,24
,48
,18 ,04
,13 ,03
,13
-,22 -,18
-,11
,25 -,27
,23 -,15
,08 ,18
,26 ,30
,08 -,16
-,09
-,15
,24 -,14
-,18 ,18
-,13 ,14
,17
-,11 -,18
,20 -,15
,13 -,13
-,27
,17 ,06
-,09 -,16
,09
,32 ,17
,18 -,08
,17 ,14
,15
-,17 ,10
-,21
Berdasarkan Tabel 9 dan Gambar 11 menunjukkan nilai chi-square sudah lebih kecil dibandingkan pada saat modifikasi awal, sebagai salah satu kriteria
model fit menunjukkan nilai sebesar 568.689 dengan nilai dari kriteria goodness of fit index lainnya, yaitu: nilai RMSEA sebesar 0.052, nilai CFI sebesar 0.935,
nilai IFI sebesar 0.938, nilai GFI sebesar 0.827, nilai AGFI sebesar 0.761 dan nilai PGFI sebesar 0.599, maka secara keseluruhan kriteria ini sudah memenuhi standar
yang direkomendasikan. Sekalipun nilai probabilitas masih sama dengan p = 0.000, berdasarkan hasil evaluasi kriteria goodness of fit terhadap model secara
keseluruhan, terbukti secara nyata bahwa sudah tidak terdapat pelanggaran nilai secara kritis, sehingga dapat dikemukakan bahwa model relatif dapat diterima atau
telah sesuai dengan data. Selanjutnya berdasarkan model fit tersebut di atas, akan dilakukan
pengujian terhadap nilai regression weights terhadap interaksi konstruk dengan faktor-faktor lainnya. Hasil analisis interaksi Internal Industri II dengan faktor
lainnya yang diuji disajikan pada Tabel 10. Tabel 10 Nilai regression weights terhadap interaksi internal industri II dengan
faktor lainnya yang diuji
Regression weights Estimate
S.E. C.R.
P Label
LIP II 0.254
0.161 1.577
0.115 Par-26
X
11
1.066 II
0.131 8.143
0.000 Par-02
X
12
1.071 II
0.125 8.597
0.000 Par-01
X
13
1.000 II
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 10, koefisien pengaruh internal industri II terhadap indikator kemampuan sumberdaya manusia industri perikanan X
11
dan inovasi penggunaan teknologi industri X
12
adalah berpengaruh signifikan karena signifikansi t-hitung lebih kecil dari nilai probabilitas 0.05, hal ini disebabkan
karena penggunaan teknologi sangat dipengaruhi oleh kemampuan sumberdaya manusia dalam memanfaatkan teknologi tersebut terhadap hasil-hasil produksi
perikanan. Sedangkan koefisien pengaruh internal industri terhadap lingkungan industri perikanan LIP adalah ada pengaruh namun tidak signifikan dan
koefisien internal industri terhadap indikator kemampuan keuangan dan aset perusahaan X
13
adalah fix.
Tabel 11 Nilai regression weights terhadap interaksi external industri EI dengan faktor lainnya yang diuji
Regression weights Estimate
S.E. C.R.
P Label
LIP EI 1.324
1.371 0.966
0.334 Par-27
X
21
1.034 EI
0.118 8.819
0.000 Par-04
X
22
1.102 EI
0.125 8.799
0.000 Par-03
X
23
1.000 EI
X
24
0.758 EI
0.137 5.546
0.000 Par-05
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 11, koefisien pengaruh eksternal industri EI terhadap indikator perkembangan teknologi perikanan X
21
, ketersediaan jasa pelatihan X
22
dan kondisi industri pemasok X
24
adalah berpengaruh signifikan karena signifikansi t-hitung lebih kecil dari nilai probabilitas 0.05, hal ini disebabkan
karena ketersediaan jasa pelatihan sangat dipengaruhi oleh perkembangan teknologi perikanan demikian pula kondisi industri pemasok. Sedangkan
koefisien pengaruh EI terhadap lingkungan industri perikanan LIP adalah ada hubungan namun tidak signifikan dan koefisien eksternal industri terhadap
indikator ketersediaan infrastrukturX
23
Tabel 12 Nilai regression weights terhadap interaksi sumberdaya alam dan adalah fix.
lingkungan SAL dengan faktor lainnya yang diuji Regression weights
Estimate S.E.
C.R. P
Label LIP SAL
KIP SAL PLP SAL
KP SAL -1.580
9.086 0.862
1.757 3.358
5.399 0.846
0.566 -0.471
1.683 1.020
3.102 0.638
0.092 0.308
0.002 Par-28
Par-29 Par-31
Par-35
X
31
2.349 SAL
0.549 4.278
0.000 Par-07
X
32
1.820 SAL
0.435 4.182
0.000 Par-06
X
33
1.000 SAL
X
34
2.117 SAL
0.526 4.028
0.000 Par-08
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 12, koefisien pengaruh sumbedaya alam dan lingkungan SAL terhadap kebijakan pemerintah berpengaruh signifikan,
begitupula terhadap indikator sumberdaya ikan X
31
, daerah penangkapan ikan X
32
, dan energi pendukung X
34
, juga dipengaruhi secara signifikan oleh sumberdaya alam dan lingkungan, karena didapatkan nilai p = 0.000, angka ini
lebih kecil dari 0.05 sehingga H
Tabel 13 Nilai regression weights terhadap interaksi lingkungan industri ditolak yang berarti berbeda nyata atau
signifikan. Hal ini disebabkan karena ketersediaan sumberdaya ikan di perairan serta energi pendukung lainnya adalah faktor penentu kelestarian alam dan
lingkungan laut, dan indikator lingkungan dan kondisi perairan adalah fix. Sedangkan koefisien pengaruh SAL terhadap lingkungan industri perikanan,
kinerja industri perikanan dan PLP ada pengaruh, namun tidak secara signifikan. Sedangkan indikator lingkungan dan kondisi perairan adalah fix.
perikanan LIP dengan faktor lainnya yang diuji Regression weights
Estimate S.E.
C.R. P
Label KIP LIP
DIP LIP PLP LIP
X
41
-3.642
LIP 1.104
-0.269 1.000
2.406 0.211
0.304 -1.513
5.226 -0.885
0.130 0.000
0.376 Par-33
Par-30 Par-32
X
42
1.089 LIP
0.136 7.986
0.000 Par-09
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 13, koefisien pengaruh lingkungan industri perikanan LIP terhadap daya saing industri perikanan dan indikator program jangka
panjang X
41
, dipengaruhi secara signifikan. Sedangkan koefisien pengaruh LIP dengan faktor KIP nilai p = 0.130 dan faktor PLP nilai p = 0.376, angka ini
0.05 sehingga H diterima yang berarti ada pengaruh namun tidak signifikan.
Sedangkan faktor LIP terhadap indikator program jangka pendek X
41
Tabel 14 Nilai regression weights terhadap kinerja industri perikanan KIP adalah fix.
dengan faktor lainnya yang diuji Regression weights
Estimate S.E.
C.R. P
Label DIP KIP
KP KIP X
51
X KIP
52
-0.141
KIP -0.251
0.800 1.000
0.196 0.214
0.093 -0.718
-1.173 8.606
0.473 0.241
0.000 Par-34
Par-36 Par-12
X
53
X KIP
54
X KIP
55
X KIP
56
X KIP
57
X KIP
58
1.343
KIP 1.195
1.360 1.105
1.237 1.399
0.157 0.160
0.189 0.158
0.184 0.208
8.569 7.454
7.198 7.010
6.715 6.727
0.000 0.000
0.000 0.000
0.000 0.000
Par-10 Par-11
Par-13 Par-14
Par-15 Par-16
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 14, koefisien pengaruh kinerja industri perikanan KIP terhadap indikator laba rugi perusahaan X
51
, pertumbuhan penjualan X
53
, pertumbuhan pelanggan X
54
, kemampuan harga bersaing X
55
, mutu produk X
56
, tingkat penyerapan tenaga kerja X
57
dan jaringan pemasaran luas X
58
masing-masing nilai p = 0.000, angka ini lebih kecil dari 0.05 sehingga H ditolak
yang berarti berbeda nyata atau signifikan. Hal ini disebabkan karena kinerja industri perikanan pada suatu pelabuhan perikanan akan mempengaruhi berbagai
variabel, dimana semakin baik kinerja industri akan memberikan dampak positif terhadap variabel-variabel lainnya. Sedangkan koefisien pengaruh kebijakan
industri perikanan terhadap konstruk daya saing industri perikanan dan kebijakan pemerintah ada pengaruh namun tidak secara signifikan. Sedangkan koefisen
pengaruh kebijakan industri perikanan terhadap indikator volume penjualan X
52
Tabel 15 Nilai regression weights terhadap interaksi kebijakan pemerintah KP adalah fix.
dengan faktor lainnya yang diuji Regression weights
Estimate S.E.
C.R. P
Label X
61
X KP
62
X KP
63
0.673 KP
0.481 1.000
0.212 0.166
3.180 2.891
0.001 0.004
Par-18 Par-17
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 15, koefisien pengaruh kebijakan pemerintah KP terhadap indikator pembangunan pelabuhan perikanan X
61
dengan nilai p = 0.001, pembentukan badan usaha milik negara X
62
dengan nilai p = 0.004, angka ini lebih kecil dari 0.05 sehingga H
ditolak yang berarti berbeda nyata atau signifikan. Hal ini disebabkan karena kebijakan pemerintah dalam membangun
sarana dan prasaran pelabuhan perikanan akan mempengaruhi berbagai variabel, dimana semakin baik sarana dan prasarana suatu pelabuhan perikanan akan
memberikan dampak positif terhadap aktivitas nelayan dan pengguna jasa lainnya. Sedangkan koefisien kebijakan pemerintah terhadap indikator pengaturan
pemanfaatan tanah industri adalah fix.
Tabel 16 Nilai regression weights terhadap interaksi pelayanan pelabuhan perikanan PLP dengan faktor lainnya yang diuji
Regression weights Estimate
S.E. C.R.
P Label
X
71
X PLP
72
X PLP
73
X PLP
74
1.000
PLP 7.992
6.315 3.764
6.533 5.167
3.021 1.223
1.222 1.246
0.221 0.222
0.213 Par-19
Par-20 Par-21
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 16, koefisien pengaruh pelayanan pelabuhan perikanan PLP terhadap indikator pelayanan industri processing X
72
dengan nilai p = 0.221, pelayanan kegiatan pemasaran X
73
dengan nilai p = 0.222 dan pelayanan kebutuhan logistik kapal X
74
Tabel 17 Nilai regression weights terhadap interaksi daya saing industri dengan nilai p = 0.213 ada pengaruh namun, tidak
secara signifikan. Hal ini disebabkan karena pelabuhan perikanan yang ada saat ini belum mampu melayani semua aktivitas nelayan. Sedangkan koefisien PLP
terhadap indikator pelayanan kegiatan produksi melalui tambat labuh adalah fix.
perikanan DIP dengan faktor lainnya yang diuji Regression weights
Estimate S.E.
C.R. P
Label X
81
X DIP
82
X DIP
83
X DIP
84
X DIP
85
1.000
DIP 1.998
1.218 0.554
0.567 1.055
0.166 0.124
0.134 1.893
7.342 4.470
4.231 0.058
0.000 0.000
0.000 Par-22
Par-23 Par-24
Par-25
Sumber: Lampiran 6 Hasil pengolahan data dengan analisis SEM 2010
Berdasarkan Tabel 17, koefisien pengaruh daya saing industri perikanan terhadap indikator produk mempunyai kemampuan imitabilitas X
83
, harga produk kompetitif X
84
dan ketersediaan bahan baku berkelanjutan X
85
dengan nilai p = 0.000 angka ini lebih kecil dari 0.05 sehingga H
ditolak yang berarti signifikan atau berpengaruh nyata. Hal ini disebabkan karena sumberdaya hayati
perikanan yang ada di perairan Kota Makassar dan sekitar memiliki daya saing yang tinggi serta stok sumberdaya hayati perikanan masih cukup tersedia.
Sedangkan indikator jaminan mutu produk X
82
memiliki nilai p = 0.058 ada pengaruh namun tidak secara signifikan.
4.4 Pembahasan 4.4.1 Pelabuhan perikanan sebagai basis pengembangan industri perikanan