78
analisis yang berkaitan, serta diskusi dengan kelompok pakar. Model ini menunjukkan interaksi antar tiap komponen kebijakan perikanan di tingkat
nasional X1, provinsi X2, dan kabupaten X3, strategi pengembangan kawasan Y1, kinerja usaha perikanan Y2, serta tujuan pembangunan perikanan Y3.
2 Pembuatan path diagram Pembuatan path diagram merupakan kegiatan penggambaran interaksi
antar tiap komponen kebijakan perikanan di tingkat nasional K_PUS, provinsi K_PROV, dan kabupaten K_KAB, tingkat implementasi strategi TIS, kinerja
kawasan perikanan KKP, serta capaian tujuan pengembangan CTP, yang dikembangkan secara teoritis menjadi konstruk penelitian. Dalam penggambaran
ini, konstruk penelitian tersebut harus dilengkapi dengan dimensi-dimensi konstruk.
Untuk pengembangan konstruk dan dimensi-dimensi konstruknya dengan tepat, telaah pustaka menjadi langkah awal yang penting dilakukan. Path diagram
digambarkan menggunakan program AMOS Professional 4.0. Rancangan path diagram untuk pengelolaan kawasan perikanan pelagis kecil di Kabupaten
Maluku Tengah terlihat pada Gambar 6. Berdasarkan gambaran ini, terdapat tujuh konstruk dengan indikator atau
dimensi konstruknya, antara lain: 1
PKP adalah Pengembangan Kawasan Perikanan; 2
K_PUS adalah Kebijakan Pemerintah Pusat, dengan variabel masing-masing: a.
X11: Kebijakan Politik KP1 b.
X12: Kebijakan Sosial Ekonomi KSE1 c.
X13: Kebijakan Lingkungan dan SDI KL-SDI1 3
K_PROV adalah Kebijakan Pemerintah Provinsi, dengan variabel masing- masing:
a. X21: Kebijakan Politik KP2
b. X22: Kebijakan Sosial Ekonomi KSE2
c. X23: Kebijakan Lingkungan dan SDI KL-SDI2
4 K_KAB adalah Kebijakan Pemerintah Kabupaten, dengan variabel masing-
masing:
79
a. X31: Kebijakan Politik KP3
b. X32: Kebijakan Sosial Ekonomi KSE3
c. X33: Kebijakan Lingkungan dan SDI KL-SDI3
Gambar 6 Rancangan path diagram kebijakan pengelolaan kawasan perikanan
pelagis kecil di Kabupaten Maluku Tengah
5 TIS adalah Tingkat Implementasi Strategi Pengembangan Kawasan, dengan
variabel masing-masing: a.
Y11: Pengembangan Infrastruktur dan Sarana Perikanan INFRA b.
Y12: Pengembangan Kapasitas Nelayan KAP
80
c. Y13: Pengembangan Institusional INST
6 KKP adalah Kinerja Kawasan Perikanan, dengan variabel masing-masing:
a. Y21: Kinerja Keuangan KEU
b. Y22: Kinerja Pelayanan Terhadap Pelanggan LAYANAN
c. Y23: Kinerja Proses Internal Kawasan PROSES
7 CTPP adalah Capaian Tujuan Pembangunan Perikanan, dengan variabel
masing-masing: a.
Y31: Pro Poor POOR b.
Y32: Pro Job JOB c.
Y33: Pro Growth GROWTH
3.3.3.3 Perumusan model pengukuran dan persamaan struktural
Perumusan path diagram perlu dilakukan dalam persamaan matematis, agar dapat dilanjutkan dalam analisis SEM. Persamaan-persamaan tersebut
meliputi persamaan pengukuran measurement model dan persamaan struktur structural equation, dengan penjelasan sebagai berikut:
1 Rumusan umum persamaan pengukuran measurement model tiap komponen
kebijakan dalam kaitan dengan pengembangan kawasan perikanan pelagis kecil di Kabupaten Maluku Tengah adalah:
PKP = λ
1
K_PUS + λ
2
K_POV + λ
3
K_KAB + z7 Persamaan spesifikasi model pengukuran:
K_PUS = λ
11
KP1 + d11 K_PUS = λ
12
KSE1 + d12 K_PUS = λ
13
KL-SDI1 + d13 K_PROV = λ
21
KP1 + d21 K_PROV = λ
22
KSE1 + d22 K_PROV = λ
23
KL-SDI1 + d23 K_KAB = λ
31
KP1 + d31 K_KAB = λ
32
KSE1 + d32 K_KAB = λ
33
KL-SDI1 + d33 TIS
= γ
1
PKP + z4 TIS
= γ
11
INFRA + e11
81
TIS = γ
12
KAP + e12 TIS
= γ
13
INST + e13 KKP
= γ
1
PKP + γ
2
TIS + z5 KKP
= γ
21
LAYANAN + e21 KKP
= γ
22
LAYANAN + e22 KKP
= γ
23
INST + e23 CTTP
= γ
1
PKP + γ
2
TIS + γ
3
KKP + z7 CTTP
= γ
31
INFRA + e31 CTTP
= γ
32
KAP + e32 CTTP
= γ
33
INST + e33
3.3.3.4 Pemilihan matriks input dan estimasi model
Matriks input yang dapat digunakan dalam analisis SEM terdiri dari matriks kovarian dan matriks korelasi. Dalam beberapa penelitian, matriks
kovarian lebih sering digunakan karena keunggulannya dalam menyajikan perbandingan yang valid antara populasi atau sampel yang berbeda.
Teknik estimasi yang digunakan dalam analisis Model Pengembangan Kawasan dipilih sesuai dengan ukuran sampel. Dalam penelitian ini ukuran
sampel yang direncanakan 100 – 200 sampel, oleh sebab itu teknik estimasi yang digunakan matrix likelihood estimation. Teknik estimasi ini bisa berubah apabila
kondisi lapangan menginginkan ukuran sampel yang lebih banyak. Adapun teknik estimasi model yang dapat digunakan sesuai dengan ukuran sampel adalah:
•
Matrix likelihood estimation, bila ukuran sampel 100 – 200 dan asumsi normalitas dipenuhi.
•
Generalized least square estimation, bila ukuran sampel 200 – 500 dan asumsi normalitas dipenuhi.
•
Asymptotically distribution free estimation, bila ukuran sampel lebih dari 2500 dan asumsi normalitas kurang dipenuhi.
3.3.3.5 Evaluasi kriteria goodness-of-fit
Tahapan ini merupakan kegiatan mengevaluasi kesesuaian Model Pengembangan Kawasan yang dibuat menggunakan berbagai kriteria goodness-of-
82
fit. Secara garis besar, tahapan ini dibagi dalam tiga jenis kegiatan yaitu evaluasi data yang digunakan apakah memenuhi asumsi-asumsi SEM atau tidak, uji
kesesuaian dan uji statistik, dan effect analysis. Evaluasi asumsi SEM meliputi evaluasi ukuran sampel, normalitais,
outliers dan lain-lain. Sedangkan uji kesesuaian dan uji statistik meliputi X
2
-Chi- square statistic, adjusted goodness of fit index AGPI, CMINDF, comparative
fot index CFI, goodness of fit index GPI, the root mean square error of approximation RMSEA, dan tucker lewis index TLI. Tingkat penerimaan
model terkait dengan indeks-indeks evaluasi tersebut disajikan pada Tabel 4. Penjelasan rinci dari seluruh komponen yang termasuk dalam indeks
evaluasi tersebut adalah:
•
X
2
-Chi-square statistic. Uji ini digunakan untuk mengukur overall fit atau kesesuaian model yang dibangun dengan data yang ada.
•
Adjusted goodness of fit index AGFI. AGFI analog dengan R
2
dalam regresi berganda, dengan tingkat penerimaan yang direkomendasikan
≥ dari 0,9.
•
Comparative fit index CFI. CFI merupakan indeks yang menunjukkan tingkat fit-nya model yang dibangun. Berbeda dengan indeks lainnya, indeks
ini tidak tergantung pada ukuran sampel.
•
CMINDF. CMINDF merupakan pembagian X
2
dengan degree of freedom. Indeks ini menunjukkan tingkat fit-nya model.
•
Goodness of fit index GFI. GFI digunakan untuk menghitung proporsi tertimbang varian dalam matriks kovarian sampel yang dijelaskan oleh matriks
kovarian populasi yang terestimasi. GFI mempunyai nilai antara 0 poor fit – 1 perfect fit.
•
The root mean square error of approximation RMSEA. RMSEA adalah indeks yang digunakan untuk mengkompensasi Chi-square statistic dalam
sampel yang besar. Model yang dibangun dapat diterima bila mempunyai nilai RMSEA kurang dari atau sama dengan 0,08.
•
Tucker lewis index TLI. TLI merupakan alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model.
83
Tabel 4 Goodness-of-fit Index kriteria uji kesesuaian dan uji statistik
Goodness of fit Index Cut-off Value
X
2
-Chi-squarey Diusahakan kecil
Significance Probability ≥
0.05 AGFI
≥ 0.90
CFII ≥
0.95 CMINDF
≤ 2.00
GFI ≥
0.90 RMSEA
≤ 0.08
TLI ≥
0.95
Sumber : Ferdinand 2002
Effect analysis dilakukan bila model interaksi yang dibuat telah lulus uji kesesuaian dan uji statistik. Effect analysis dimaksudkan untuk melihat tingkat
pengaruh antar konstruk baik pengaruh langsung, pengaruh tidak langsung, maupun pengaruh total total effect dalam kaitannya dengan interaksi komponen
pengembangan kawasan perikanan tangkap. Dari analisis ini dapat diketahui konstruk yang paling memberi pengaruh dalam hubungannya konstruk strategis,
sehingga dapat dijadikan pokok perhatian untuk penyusunan rekomendasi mekanisme interaksi komponen pengembangan kawasan perikanan pelagis kecil.
3.3.4 Analisis tipologi kawasan perikanan
Analisis tipologi kawasan mengacu pada model yang dikembangkan oleh Stohr 1999. Analisis ini mengakomodasi hubungan antara kapasitas kawasan
dengan produktivitas yang dihasilkan oleh kawasan itu. Model ini dimodifikasi oleh Abrahamsz 2000 dalam menganalisis disparitas sub kawasan pada kawasan
andalan dan Abrahamsz 2006 untuk tipologi desa pesisir. Untuk mengakomodasi aspek dinamika spasial, Abrahamsz et al. 2010
telah memodifikasi untuk menentukan struktur kawasan pengembangan perikanan. Pada penelitian ini, analisis tipologi kawasan diarahkan pada
penentuan struktur kawasan dengan mengakomodasi komponen-komponen dinamika spasial sistem perikanan pada dua variabel yaitu: kapasitas kawasan K
dan produktivitas kawasan P. Model Tipologi Kawasan TipoSan yang
dikembangkan dalam penelitian ini menganut fungsi dasar sebaga berikut:
84
=
m n
P K
f TipoSan
1 1
, Analisis tipologi kawasan dalam penelitian ini diekspresikan dengan dua
jenis pendekatan.
Pertama
, tipologi kawasan berbasis rataan fungsi nilai kapasitas kawasan dalam pengembangan perikanan
RFN_K
dan produktivitas kawasan
RFN_P
. Tipologi ini mengekspresikan hubungan antara
RFN_K
Sumbu-X dengan
RFN_P
Sumbu-Y.
RFN_K
merupakan rataan fungsi nilai dari komponen-komponen sistem perikanan, antara lain: JTB, upaya tangkap standar,
nelayan, RTP, jumlah pengolah, rumah tangga pengolah, dan jumlah pedagang ikan.
RFN_P
merupakan rataan fungsi nilai dari produktivitas seluruh komponen sistem perikanan, meliputi: aksesibilitas DPI, total volume produksi komoditas
unggulan, rata-rata volume hasil olahan, serta volume pemasaran lokalantar kawasan, volume pemasaran antar pulau dan volume ekspor.
Kedua
, tipologi kawasan berbasis komoditas unggulan dan teknologi pilihan, yang diperuntukan dalam penentuan basis komoditas unggulan tiap
kawasan. Hal ini dilakukan untuk menunjukkan keunggulan komparatif setiap kawasan. Pemetaan tipologi ini didasarkan pada hubungan kapasitas teknologi
penangkapan ikan pilihan sumbu-x dengan volume produksi komoditas unggulan pada setiap kawasan sumbu-y.
Kapasitas teknologi penangkapan ikan pilihan dihitung dengan formula yang dikembangkan oleh Abrahamsz
et al
. 2010:
K
TTP-ij
= VP
TTP-i
FPI
TTP-j
dimana:
VP
TTP-i
= Volume produksi teknologi penangkapan ikan pilihan
FPI
TTP-j
= FPI teknologi penangkapan ikan pilihan Pemetaan tipologi kawasan secara grafis menggunakan teknik penentuan
luas kuadran sesuai nilai tengah mayor sumbu-x
MUS-X
dan sumbu-y
MUS-Y
Abrahamsz
et al
., 2010: n
K K
X MUS
min max
_ −
= ; dan
n P
P Y
MUS
min max
_ −
= dimana:
n = jumlah interval yang digunakan untuk membentuk luas kuadran dalam penelitian digunakan nilai n = 2