adalah salah satu metode yang tekanannya bukan saja pada validitas ilmiah dari data yang diperoleh, namun lebih pada keterlibatan masyarakat nelayan dan
tokoh masyarakat dalam menyampaikan berbagai informasi secara pasti, aspiraratif dan mendalam.
3.4. Metode Analisis Data
Dalam rangka untuk mencapai tujuan penelitian maka data yang dikumpulkan dianalisis dengan menggunakan metode-metode sebagai berikut:
3.4.1. Analisis Tabulasi
Analisis tabulasi data dilakukan untuk mendeskripsikan tentang karakteristik dan tipologi hak-hak kepemilikan jenis alat tangkap, musim
penangkapan ikan dalam sistem pengelolaan perikanan artisanal, serta beberapa data lainnya seperti tingkat pendapatan nelayan, harga ikan, produksi, alat
tangkap, kondisi terumbu karang, tingkat pendidikan penduduk dan lain-lain, . Tahapan tabulasi data menurut Koentjaraningrat 1981 adalah sebagai berikut :
1 Editing yaitu menulis kembali catatan untuk mengetahui apakah data yang
dicatat sesuai menurut daftar pertanyaan dan apakah cukup baik untuk diproses berikutnya.
2 Coding mengklasifikasikan jawaban-jawaban responden menurut jenisnya
dengan kode tertentu 3
Tabulating yakni menyusun data kedalam bentuk tabel sesuai kategorik data.
3.4.2. Analisis Interpretative Structural Modelling ISM
Analisis pola interaksi antar pemangku kepentingan dalam pemanfaatan sumberdaya perikanan dan kelautan, serta dampaknya terhadap kehidupan
nelayan dilakukan dengan menggunakan teknik interpretative structural modelling ISM. Langkah-langkah yang perlu dilakukan dalam penggunaan
teknik ISM adalah sebagai berikut Eriyatno dan Sofyar 2007; Marimin 2004; Eriyatno 2003 :
1 Identifikasi elemen: Elemen sistem diidentifikasi dan didaftar. Hal ini dapat diperoleh melalui penelitian, brainstroming, FGD, PRA dan lain-lain.
2 Hubungan konstektual: Sebuah hubungan konstektual antar elemen dibangun, tergantung pada tujuan dari permodelan.
3 Pembuatan matriks interaksi tunggal terstruktur structural self interaction matrixSSIM. Matriks ini mewakili elemen persepsi responden pakar
perikanan terhadap elemen hubungan yang dituju. Empat simbol VAXO
yang digunakan untuk mewakili tipe hubungan yang ada antara dua elemen dari sistem yang dipertimbangkan adalah :
V : hubungan dari elemen E
i
terhadap E
j
, tidak sebaliknya. A :
hubungan dari elemen E
j
terhadap E
i
, tidak sebaliknya. X : hubungan interrelasi antara E
i
dan E
j
dapat sebaliknya. O : menunjukkan bahwa E
i
dan E
j
tidak berkaitan. 4 Pembuatan matriks reachability reachability matrix RM: Sebuah RM yang
dipersiapkan kemudian mengubah simbol-simbol SSIM ke dalam sebuah matriks biner. Aturan-aturan konversi berikut menerapkan:
• Jika hubungan E
i
terhadap E
j
= V dalam SSIM, maka elemen E
ij
= 1 dan E
ji
= 0 dalam RM; •
Jika hubungan E
i
terhadap E
j
= A dalam SSIM, maka elemen E
ij
= 0 dan E
ji
= 1 dalam RM; •
Jika hubungan E
i
terhadap E
j
= O dalam SSIM, maka elemen E
ij
= 0 dan E
ji
= 0 dalam RM; RM awal dimodifikasi untuk menunjukkan seluruh direct dan indirect
reachability, yaitu jika E
ij
= 1 dan E
jk
= 1, maka E
ik
= 1. 5 Tingkat partisipasi dilakukan untuk mengklasifikasi elemen-elemen dalam
level-level yang berbeda dari struktur ISM. Untuk tujuan ini, dua perangkat diasosiasikan dengan tiap elemen E
i
dari sistem: reachability set R
i
, adalah sebuah set dari seluruh elemen yang dapat dicapai dari elemen E
i
, dan antecedent set A
i
, adalah sebuah set dari seluruh elemen dimana elemen E
i
dapat dicapai. Pada iterasi pertama seluruh elemen, dimana R
i
= R
i
∩ A
i
, adalah elemen-elemen level 1. Pada iterasi-iterasi berikutnya elemen-elemen
diidentifikasi seperti elemen-elemen level dalam iterasi-iterasi sebelumnya dihilangkan, dan elemen-elemen baru diseleksi untuk level-level berikutnya
dengan menggunakan aturan yang sama. Selanjutnya, seluruh elemen sistem dikelompokkan ke dalam level-level yang berbeda.
6 Pembuatan matriks canonical: Pengelompokan elemen-lemen dalam level yang sama mengembangkan matriks ini. Matriks resultan memiliki sebagian
besar dari elemen-elemen triangular yang lebih tinggi adalah 0 dan terendah 1. Matriks ini selanjutnya digunakan untuk mempersiapkan digraph.
7 Pembuatan Digraph: adalah konsep yang berasal dari directional graph
sebuah grafik dari elemen-elemen yang saling berhubungan langsung, dan level hierarki. Digraph awal dipersiapkan dalam basis matriks canonical.
digraph awal tersebut selanjutnya dipotong dengan memindahkan semua komponen yang transitif untuk membentuk digraph akhir.
Pembangkitan Interpretative structural modelling: ISM dibangkitkan dengan memindahkan seluruh jumlah elemen dengan deskripsi elemen aktual. Oleh
sebab itu, ISM memberikan gambaran yang sangat jelas dari elemen-elemen sistem dan alur hubungannya. Secara keseluruhan proses teknik ISM dapat
dilihat pada Gambar 9.
Gambar 9 Diagram Teknik ISM Saxena 1992 diacu dalam Marimin 2005
3.4.3. Analisis Structural Equation Modelling SEM
Analisis faktor-faktor yang berpengaruh dalam sistem pengelolaan sumberdaya artisanal kasus di pulau-pulau kecil Propinsi Kepulauan Riau
dengan menggunakan pendekatan structural equation model SEM. Menurut Agresti and Finlay 1984, yang dimaksudkan dengan persamaan struktural
Program Pembangunan Perikanan Artisanal
SEM adalah sekumpulan teknik statistik yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif “rumit” secara simultan. Hubungan rumit itu
dapat dibangun antara satu peubah dependen dengan satu atau beberapa peubah independen. Masing-masing peubah dependen dan independen dapat
berbentuk faktor konstruk yang dibangun dari beberapa peubah indikator. Analisis SEM disebut sebagai confirmatory factor analysis karena analisis
SEM lebih banyak bersifat confirmatory model SEM yang digunakan telah disusun sebelumnya dan lebih bersifat teoritis serta apakah sesuai dengan data
yang diperoleh daripada exploratory mencari model yang sesuai dengan data meskipun analisis SEM terkadang melibatkan teknik-teknik eksplorasi di
dalamnya. Selain itu, penyusunan peubah laten latent variable dari peubah- peubah manifesnya manifest variable analog dengan teknik yang digunakan di
dalam analisis faktor. Analisis SEM disebut sebagai covariance structure analysis dikarenakan analisis di dalam model SEM berkaitan dengan struktur matriks
koragam covariance matrix dari data Ferdinand 2002 dan Bollen 1989. Keunggulan SEM juga dijelaskan oleh Bagozzi dan Fornell 1982 yang
diacu dalam Ghozali dan Fuad 2005 bahwa model persamaan struktural structural equation modeling adalah generasi kedua teknik analisis multivariate
yang memungkinkan peneliti untuk menguji hubungan antara peubah yang kompleks baik recursive maupun non-recursive untuk memperoleh gambaran
menyeluruh mengenai keseluruhan model. Dalam hal ini, berbeda dengan analisis multivariate biasa regresi berganda, analisis faktor, SEM dapat menguji
secara bersama-sama : 1 model struktural: hubungan antara konstruk yaitu peubah yang latenunobservedpeubah yang tidak dapat diukur secara langsung
dan memerlukan beberapa indikator atau proksi untuk mengukurnya independen dan dependen; 2 model measurement: hubungan nilai loading antara indikator
dengan konstruk peubah laten. Sedangkan apabila digabungkan pengujian model struktural dan pengukuran tersebut, memungkinkan peneliti untuk: 1
menguji kesalahan pengukuran measurement error sebagai bagian yang tak terpisahkan dari Structural Equation Modeling, dan 2 melakukan analisis faktor
bersamaan dengan pengujian hipotesis. Ghozali dan Fuad 2005 menyatakan bahwa pengertian SEM merupakan
gabungan dari dua metode statistik yang terpisah yaitu analisis faktor factor analysis yang dikembangkan di ilmu psikologi dan psikometri dengan model
persamaan simultan Simultaneous Equation Modeling yang dikembangkan di
ekonometrika. Teknis analisis struc tural equation modeling SEM merupakan
pendekatan terintegrasi antara analisis faktor, model struktural dan analisis Path. Disisi lain SEM juga merupakan pendekatan yang terintegrasi antara analisis
data dengan konstruksi konsep. Di dalam SEM peneliti dapat melakukan tiga kegiatan secara serentak, yaitu pemeriksaan, validitas dan reliabilitas instrumen
setara dengan faktor analisis confirmatory, pengujian model hubungan antara peubah latent setara dengan analisis Path, dan mendapatkan model yang
bermanfaat untuk prakiraan setara dengan model struktural atau analisis regresi Solimun 2002. Software yang tersedia untuk menganalisis diantaranya
LISREL dan AMOS. LISREL adalah satu-satunya program SEM yang tercanggih dan yang
dapat mengestimasi berbagai masalah SEM yang bahkan hampir tidak mungkin dapat dilakukan oleh program lain, seperti AMOS, EQS dan lain sebagainya.
Disamping itu, LISREL merupakan program yang paling informatif dalam menyajikan hasil-hasil statistik, sehingga modifikasi model dan penyebab tidak fit
atau buruknya suatu sistem dapat dengan mudah diketahui. Penggunaan peubah moderating dan juga non-linearitas pada SEM bahkan tidak lagi mustahil
digunakan berkat LISREL Sitinjak dan Sugiarto 2006; Ghozali dan Fuad 2005.
Gambar 10 Tahap pengumpulan dan analisis data dengan SEM
Data Informasi Verifikasi
Analisis Data Informasi Linear Structural
Relationships LISREL
Interpretasi
Selesai Mulai
penyiapan Pengumpulan Data
Informasi
Penggunaan LISREL dengan SEM pada Jurnal Information System Research sekitar 15 sedangkan AMOS hanya sekitar 3, dan dalam jurnal Management
Information Systems Quarterly penggunaan LISREL 13, sedangkan AMOS sekitar 3. Dalam penelitian ini digunakan LISREL 8.72 2005 Joreskoq dan
Sorbom 2005. Tahapan pengumpulan dan analisis data dengan menggunakan SEM dengan software LISREL sebagaimana Gambar 10 diatas.
Langkah-langkah Penggunaan SEM
Ada 7 langkah penggunaan SEM Hair et al.1998, rinciannya disajikan pada Gambar 11.
Gambar 11 Langkah-langkah pendekatan SEM Hair et al., 1998
Langkah ke 1 : Pengembangan model berbasis konsep dan teori
Prinsip didalam SEM adalah menganalisis hubungan kausal antar peubah eksogen dan endogen. Disamping dapat dilakukan secara bersamaan untuk
menguji validitas dan reliabilitas instrumen penelitian. Hubungan kausal adalah apabila terjadi perubahan nilai didalam suatu peubah akan menghasilkan
perubahan dalam peubah lain. Langkah awal didalam SEM adalah pengembangan model hipotetik yaitu
suatu model yang mempunyai justifikasi teori atau konsep. Setelah itu model dilakukan verifikasi berdasarkan data empirik melalui SEM. Dengan demikian
Langkah ke 1 Pengembangan Model Berbasis Konsep dan Teori
Langkah ke 2 Mengkontruksi Diagram Path
Langkah ke 3 Konversi Diagram Path ke Model Struktural
Langkah ke 4 Memilih Matriks Input
Langkah ke 5 Menilai Masalah Identifikasi
Langkah ke 6 Evaluasi Goodness-Of-Fit
Langkah ke 7 Interpretasi dan Modifikasi Model
peneliti dalam mengembangkan teori harus melakukan serangkaian eksplorasi ilmiah melalui telaah pustaka yang intens guna mendapatkan justifikasi atas
model teoritis yang dikembangkan. Dengan demikian tanpa dilandasi teoritis yang kuat maka SEM tidak dapat digunakan. Hal ini disebabkan SEM tidak
digunakan untuk menghasilkan sebuah model melainkan digunakan untuk mengkonfirmasi model hipotetik melalui data empirik Solimun 2005.
Sejak dini penggunaan SEM harus hati-hati karena hubungan sebab akibat dari peubah bukan dihasilkan oleh SEM; akan tetapi hasil analisis SEM
adalah untuk membenarkan adanya kausalitas teoritis melalui uji data empirik. Oleh karena itu telaahan teori yang mendalam untuk model yang akan dikaji
adalah “syarat mutlak” dalam aplikasi SEM.
Langkah ke 2 : Menyusun Path Diagram
Pada langkah kedua dibuat path diagram. Tujuan penyusunan path diagram ini adalah untuk mempermudah peneliti melihat hubungan kausalitas
yang ingin diuji. Apabila hubungan kausal tersebut ada yang belum mantap maka dapat dibuat beberapa model yang kemudian diuji menggunakan SEM untuk
mendapatkan model yang paling tepat. Setelah model teoritis diuraikan pada langkah pertama, maka dikembangkan model path diagram dalam kajian sistem
pengelolaan sumberdaya artisanal kasus di pulau-pulau kecil Kelurahan Pulau Abang Kota Batam, Propinsi Kepulauan Riau.
Komponen yang berupa konstruk di dalam diagram diatas dapat dibedakan menjadi 2 dua kelompok konstruk yaitu konstruk eksogen dan
konstruk endogen. Dimaksudkan dengan konstruk eksogen atau disebut dengan independent variabel adalah yang tidak diprediksi oleh varibel lain dalam model.
Dalam diagram konstruk eksogen ini dituju oleh garis dengan satu ujung anak panah. Dapat juga terjadi diantara konstruk eksogen ini dihubungkan dengan
garis lengkung dengan kedua ujungnya ada anak panah; hal ini menjelaskan bahwa diantara kedua konstruk eksogen tersebut mengindikasikan adanya
korelasi. Kemudian pengertian konstruk endogen atau faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau
beberapa konstruk endogen lain tetapi konstruk eksogen hanya dapat berhubungan kausal dengan konstruk endogen. Berdasarkan pengertian diatas
maka peneliti dapat menentukan mana yang akan diperlakukan sebagai konstruk endogen dan mana sebagai konstruk eksogen. Pemberian nilai indikator
menggunakan skala Likert skala 1 sampai 5. Nilai jawaban pertanyaan
menggunakan pernyataan sangat jelek versus sangat bagus. Komposisi jumlah antara satu faktor dengan peubahnya disajikan pada Gambar 12 berikut.
Sangat jelek Kurang Cukup Bagus Sangat bagus
1 2
3 4
5 Gambar 12 Komposisi score nilai dari peubah berdasarkan skala Likert
Langkah ke 3 : Konversi diagram alir ke dalam persamaan
Setelah digambarkan dalam sebuah diagram alir path diagram pada langkah kedua, maka pada langkah berikutnya dilakukan konversi kedalam
rangkaian persamaan matematik. Persamaan yang dibangun dalam SEM ada 2 macam, yaitu: 1 persamaan struktural, artinya persamaan untuk menyatakan
hubungan kausalitas antar berbagai konstruk peubah endogen = peubah eksogen + peubah endogen + error; dan 2 persamaan spesifik model
pengukuran,artinya pada spesifikasi ini peneliti menentukan peubah yang mana untuk mengukur konstruk apa, serta menentukan serangkaian matrik yang
menunjukkan korelasi yang dihipotesiskan antar konstruk atau peubah peubah = peubah eksogen + error.
Langkah ke 4 : Memilih matrik input dan estimasi model
Pada SEM hanya menggunakan matrik kovariansmatrik korelasi sebagai data input untuk keseluruhan estimasi yang dilakukan. SEM ini pada mulanya
sebagai alat analisis yang berbasis pada matrik kovarians. Matrik kovarians digunakan karena memiliki keunggulan dalam menyajikan perbandingan yang
valid antara populasi yang berbeda atau sempel yang berbeda, hal ini tidak dapat digunakan analisis korelasi. Menurut Baumgartner dan Homburg 1996 diacu
dalam Ferdinand 2002, menyarankan agar menggunakan matrik kovarians pada saat pengujian teori, sebab kovarian lebih memenuhi assumsi metodologi
dan merupakan bentuk data lebih sesuai untuk memvalidasi hubungan kausalitas. Kemudian ukuran sampel memegang peranan penting dalam estimasi
dan interpretasi hasil-hasil SEM. Ukuran sampel yang harus digunakan menurut Hair et al. 1998 yang paling sesuai adalah antara 100-200 responden. Apabila
ukuran sampel lebih dari 400 responden, maka metode menjadi lebih sensitif
sehingga sulit mendapatkan ukuran goodness of fit yang baik. Ukuran sampel minimum 5 observasi untuk setiap estimasi parameter sehingga apabila jumlah
parameternya 20, maka jumlah sampel minimal 100 responden.
Langkah ke 5 : Kemungkinan munculnya masalah identifikasi
Salah satu masalah yang dihadapi dalam penggunaan estimasi model kausal ini adalah masalah identifikasi. Problem identifikasi pada prinsipnya
adalah masalah mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Problem identifikasi dapat muncul gejala
sebagai berikut : 1 Standard error untuk satu atau beberapa koefisien adalah sangat besar;
2 Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan;
3 Muncul angka-angka yang aneh seperti adanya varian error yang negatif; dan 4 Munculnya korelasi yang sangat tinggi antara koefisien estimasi yang didapat
dapat lebih dari 0.9; Langkah-langkah untuk menguji ada atau tidak adanya problem identifikasi
adalah sebagai berikut : 1 Model diestimasi berulang-ulang, dan setiap estimasi dilakukan dengan
menggunakan starting value yang berbeda-beda. Bila ternyata hasilnya adalah model tidak konvergen pada titik yang sama setiap kali reestimasi
dilakukan. 2 Model dicoba diestimasi, kemudian angka koefisien dari salah satu peubah
dicatat, berikutnya koefisien itu ditentukan sebagai sesuatu yang fit pada faktor atau peubah, kemudian dilakukan estimasi ulang. Apabila estimasi
ulang ini overall fit indeknya berubah total dan berbeda sangat besar dari sebelumnya, maka diduga terdapat problem identifikasi. Disarankan apabila
setiap estimasi muncul problem identifikasi, maka model tersebut sebaiknya dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk.
Langkah ke 6 : Evaluasi kriteria goodness of fit.
Pada langkah ini peneliti harus menggunakan indikator-indikator goodness of fit dalam menilai fit suatu model. Peneliti tidak boleh hanya
menggunakan satu indeks atau beberapa indeks saja untuk menilai suatu model fit, akan tetapi harus mempertimbangkan seluruh indeks. Pada Tabel 11 berikut
ini disajikan beberapa indeks sebagai kriteria goodness of fit Ghozali dan Fuad, 2005 guna menguji kepatutan model sruktural yang dibangun dalam penelitian
perikanan artisanal yang berkelanjutan. Tabel 11 Goodness of fit statistics
No Goodness of Fit Index Cut-Off Value
1 Chi –square dan Probability
= 0,00 2
?² df = 5
3 RMSEA
0,06 – 0,08 4
NFI = 0,9
5 NNFI
= 0,9 6
CFI = 0,9
7 IFI
= 0,9 8
RFI = 0,9
9 GFI
= 0,9 10
AGFI = 0,9
11 PGFI
= 0,6 Sumber: Ghozali dan Fuad 2005
Keterangan : RMSEA
: Root Mean Square Error of Approximation NFI
: Normed Fit Index NNFI
: Non-Normed Fit Index PNFI
: Parsimony Normed Fit Index CFI
: Comparative Fit Index IFI
: Incremental Fit Index REI
: Relative Fit Index GFI
: Goodness of Fit Index AGFI
: Adjusted Goodness of Fit Index PGFI
: Parsimony Goodness of Fit Index
Langkah ke 7 : Interpretasi dan modifikasi model
Apabila langkah-langkah sebelumnya sudah dilaksanakan dan model cukup baik, maka langkah berikutnya dalam SEM melakukan interpretasi.
1 Interpretasi
Tujuan SEM adalah bukan menghasilkan teori, tetapi menguji model yang mempunyai pijakan teori yang benar dan baik. Berdasarkan pemikiran ini maka
interpretasi dari model dapat diterima atau tidak diperlukan kekuatan prediksi dari model dibandingkan dengan residual yang dihasilkan.
Dengan mengunakan standardized residual covariance matrik akan dihasilkan nilai residual stantard. Apabila interpretasi terhadap residual yang
dihasilkan model melalui pengamatan peubah mempunyai nilai residual standard lebih besar dari besaran tertentu maka model dapat diterima, sehingga tidak
perlu dilakukan modifikasi model.
2 Indeks modifikasi
Apabila model belum baik perlu diadakan modifikasi dan di dalam penggunaan indeks modifikasi ini adalah sebagai pedoman untuk melakukan
modifikasi terhadap model yang diujikan dengan syarat harus terdapat justifikasi teoritis yang cukup kuat untuk modifikasi.
Metode Analisis Data
Metode analisis data ini dilaksanakan agar supaya informasi yang diperoleh relevan dan valid, sehingga lebih akurat dengan permasalahan penelitian Solimun
2005. Adapun proses pelaksanaannya secara bertahap dituangkan pada Gambar 13.
Gambar 13 Proses dan kaidah analisis data Solimun 2005
Pengolahan Data Mentah SEM
Penelitian ini merupakan exploratory atau cross sectional study untuk mengetahui pola hubungan antar peubah yang akan diteliti, sedangkan tahapan
analisis data dan kriteria sampel, serta teknik pengumpulan data digambarkan pada Gambar 14.
Gambar 14 Model path diagram penelitian sistem pengelolaan perikanan artisanal
Keterangan : Model path diagram
POTENSI SDI : X1 :
Jumlah hasil tangkapan per trip X2 :
Ragam jenis hasil tangkapan X3 :
Jarak daerah penangkapan ikan X4 :
Intensitas penangkapan musim penangkapan TINGKAT SOS-BUD :
X5 : Konflik perebutan daerah penangkapan
X6 : Konflik etnis dalam pemanfaatan SDI
X7 : Kegiatan ritual adat dalam pemanfaatan SDI tolak bala, selamatan,
dan pantangan melaut X8 :
Kegiatan gotong royong X9 :
Kegiatan musyawarah TINGKAT TEKNO-EKONOMI :
X10 : Ragam jenis teknologi dalam penangkapan ikan
X11 : Tingkat Keterampilan dalam penangkapan ikan
X12 : Tingkat pendidikan
X13 : Tingkat teknologi penangkapan ikan
X14 : Penggunaan kapal dengan mesin
X15 : Lembaga pembiayaanperkreditan
X16 : Tingkat skala usaha ukuran armada penangkapan
PENDAPATAN NELAYAN: X17 :
Jumlah pembelipengumpul X18 :
Biaya operasional X19 :
Nilai jual ikan hasil tangkapan X20 :
Jenis hasil tangkapan ikan ekonomis penting X21 :
Kegiatan pengolahan ikan X22 :
Kesegaran ikan hasil tangkapan X23 :
Sistem pemasaran X24 :
Jumlah pasar ikan PENGELOLAAN BERKELANJUTAN :
X25 : Kondisi keanekaragaman hayati biodiversity SDI
X26 : Penggunaan tenaga kerja
X27 : Kesejahteraan nelayan artisanal
KEBIJAKAN DESENTRALISASI : X28 :
Delegasi kewenangan X29 :
Partisipasi nelayan artisanal X30 :
Usulan dan keinginan nelayan dalam manajemen perikanan dan kelautan
X31 : Pelaksanaan aturan lokal dan tradisional
X32 : Legalitas sistem pengelolaan dari masyarakat oleh pemerintah
X33 : Keberadaan sarana dan prasarana penunjang
X34 : Tingkat akses mendapatkan sarana produksi
X35 : Perizinan dalam usaha perikanan
Berdasarkan model Gambar 14, ada 6 enam hipotesis penelitian berdasarkan konstruk-konstruk yang akan diuji dalam penelitian ini, yaitu:
H1 Potensi sumberdaya ikan akan berpengaruh terhadap sistem pengelolaan dan pemanfaatan perikanan artisanal di Kelurahan Pulau Abang
H2 Kondisi sosial budaya akan berpengaruh terhadap pengelolaan dan pemanfaatan perikanan artisanal di Kelurahan Pulau Abang
H3 Kemampuan teknologi-ekonomi akan berpengaruh terhadap pengelolaan dan pemanfaatan perikanan artisanal di Kelurahan Pulau Abang
H4 Tingkat pendapatan nelayan akan mempengaruhi pengelolaan dan pemanfaatan perikanan artisanal di Kelurahan Pulau Abang
H5 Keberlanjutan akan berpengaruh terhadap pengelolaan dan pemanfaatan perikanan artisanal di Kelurahan Pulau Abang
H6 Desentralisasi akan mempengaruhi terhadap pengelolaan dan pemanfaatan perikanan artisanal di Kelurahan Pulau Abang
Didalam penelitian ini ada 6 konstruk atau dimensi faktor yang digunakan yaitu potensi sumberdaya ikan, kondisi sosial budaya, kemampuan tekno-ekonomi,
kebijakan desentralisasi, tingkat pendapatan, dan pola pengelolaan. Untuk menguji ada tidaknya pengaruh diantara ke enam faktor diatas perlu dijelaskan terlebih
dahulu definisi operasional dari masing-masing peubah. Penjelasan dari definisi faktor disajikan pada Tabel 12.
Untuk menjelaskan 6 faktor contructs tersebut diatas digunakan 35 peubah dan masing masing peubah diberi nilai. Pemberian nilai dilakukan wawancara
dengan nelayan artisanal dengan indikator menggunakan skala Likert skala 1-5, lihat Gambar 12. Komposisi jumlah antara satu faktor dengan peubahnya disajikan
pada Gambar 14. Tabel 12 Defenisi operasional faktor contruct
No Faktor
Definisi Operasional 1
Sumberdaya Ikan
Sumberdaya alam berupa ikan dan biota laut sejenis lainnya, termasuk crustacea, cephalopoda, dan mamalia
2 Sosial Budaya
Kebiasaan sehari-hari yang dilakukan masyarakat dalam berinteraksi antar sesama dan
sumberdaya alam-
lingkungannya 3
Tingkat Tekno Ekonomi
Tingkat penguasaan teknologi penangkapan dalam memenuhi kebutuhan rumah tangga nelayan ekonomi
4 Desentralisasi
Pendelegasian wewenang pemerintahan oleh Pemerintah Pusat kepada daerah otonom kab.kota dalam rangka
Negara Kesatuan Republik Indonesia.
5 Pendapatan
Nelayan Penghasilan yang diterima nelayan artisanal dari penjualan
ikan dan biota laut lainnya hasil tangkapan dari beberapa jenis alat tangkap yang digunakan
6 Pengelolaan
Tindakan yang terorganisasi untuk mengatur pemanfaatan dan pemeliharaan sumberdaya ikan dan biota laut lainnya,
agar dapat memberikan manfaat bagi masyarakat lokal secara berkesinambungan.
Jenis dan Jumlah Data SEM
Pengambilan data dilakukan kepada responden nelayan. Jenis data yang diperlukan dan dikumpulkan untuk analisis penelitian adalah indikator yang
terkait dengan peubah yang akan diteliti pada pengelolaan sumberdaya pantai. Jumlah sampel yang digunakan minimal 100 responden, sesuai anjuran didalam
penggunaan SEM. Disarankan ukuran sampel minimum adalah sebanyak 5 observasi untuk setiap estimasi parameter, apabila parameter berjumlah 20,
maka jumlah sampel minimum adalah 100 responden. Ukuran sampel yang ideal untuk penelitian menggunakan SEM adalah sebanyak 300 responden, akan
tetapi untuk penelitian ini diambil sampel sebanyak 211 orang nelayan artisanal yang bermukim di 4 buah pulau-pulau kecil daerah Kelurahan Pulau Abang,
Kecamatan Galang Kota Batam.
Pengambilan Sampel untuk Data SEM
Untuk menetapkan nelayan artisanal yang akan dijadikan sampel dan dianalisis sebagai sistem pengelolaan dalam penelitian ini agar didapatkan hasil
yang proporsional dan mendekati kebenaran dilakukan pengambilan sampel dengan cara sengaja purposive sampling. Hal ini dilakukan karena profil
nelayan artisanaldi daerah ini relatif homogen ditinjau dari aspek strata sosial- ekonomi kehidupannya.
3.5 Waktu dan Lokasi Penelitian
