Kesesuaian model dengan data

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