Tabel 5.20. Hubungan antar Variabel Model Awal Hubungan antar variabel
Nilai Hubungan Keterangan
Y dan X1 0,71
Pengaruh X1 terhadap Y sangat kuat Y dan X2
0,46 Pengaruh X2 terhadap Y cukup kuat
Y dan X3 0,12
Pengaruh X3 terhadap Y Lemah Y dan X4
1,11 Heywood Case
Y dan X5 0,36
Pengaruh X5 terhadap Y rendah X1 dan e1
0,51 Pengaruh e1 terhadap X1 kuat
X2 dan e2 0,22
Pengaruh e2 terhadap X2 rendah X3 dan e3
0,1 Pengaruh e3 terhadap X3 rendah
X4 dan e4 1,23
Heywood case X5 dan e5
0,13 Pengaruh e5 terhadap X5 rendah
5.2.2.7. Interpretasi dan Memodifikasi Model
Ketika model dinyatakan diterima, maka peneliti dapat mempertimbangkan dilakukannya modifikasi model untuk memperbaiki penjelasan teoritis atau goodness-
of-fit. Pengukuran model dilakukan modification indices,nilai modification indices sama dengan terjadinya penurunan chi-square jika koefisien diestimasi.Berikut adalah
modifikasi yang diusulkan oleh program AMOS untuk menurunkan nilai chi square, yang berguna untuk membuat model lebih fit, penurunan chi square yang dihasilkan
dari 45,3 menjadi 10,969 dengan demikian model lebih fit lagi, untuk diagram jalur yang dimodifikasi dapat dilihat pada Gambar 5.11..
Gambar 5.11. Diagram Jalur Model Modifikasi
Y
.60 X1
e1
.77 .28
X2 e2
.53 .05
X3 e3
.22 1.00
X4 1.00
.20 X5
e5
.30 .06
.56
.21 e4
Tabel 5.21. Hubungan antar Variabel Model Modifikasi Hubungan antar
variabel Nilai
Hubungan Keterangan
Y dan X1 0,77
Pengaruh X1 terhadap Y sangat kuat Y dan X2
0,53 Pengaruh X2 terhadap Y cukup kuat
Y dan X3 0,22
Pengaruh X3 terhadap Y Lemah Y dan X4
1,00 Pengaruh X4 terhadap Y mutlak
Y dan X5 0,30
Pengaruh X5 terhadap Y rendah X1 dan e1
0,60 Pengaruh e1 terhadap X1 kuat
X2 dan e2 0,28
Pengaruh e2 terhadap X2 rendah X3 dan e3
0,05 Pengaruh e3 terhadap X3 lemah
X4 dan e4 1,00
Pengaruh X1 terhadap Y mutlak X5 dan e5
0,20 Pengaruh X5 terhadap e5 rendah
X2 dan X5 0,21
Pengaruh X2 terhadap X5 rendah e2 dan e3
0,56 Pengaruh e2 terhadap e3 cukup kuat
e3 dan e5 0,06
Pengaruh e3 terhadap e5 lemah
Angka pada diagram diatas menunjukkan factor loading setiap indikator terhadap konstruk. Angka 0,77 menunjukkan hubungan yang sangat kuat antara indikator jarak
dengan jalur yang efektif. Angka 0,53 menunjukkan bahwa variabel kebutuhan memberikan pengaruh sebesar 0,53 kepada jalur yang efektif, artinya dengan variabel
kebutuhan dapat menjelaskan konstruk jalur yang efektif, sementara untuk angka 0,22 menunjukkan hubungan yang biasa dengan jalur yang biasa dengan jalur yang efektif.
Hal ini menunjukkan bahwa hubungan lama waktu manuver dengan jalur yang efektif, adalah tetap, keadaan waktu maneuver yang hanya sedikit berfluktuasi dianggap tetap
pada pembuatan jalur yang efektif pada kapal, sementara untuk hubungan waktu bersandar X4 dengan jalur yang efektif menunjukkan hubungannya mutlak yaitu
berada pada angka 1. Untuk nilai waktu bongkar muat X5 memberikan pengaruh yang kuat antara variabel tersebut dengan jalur yang efektif pada angka 0,30. jadi dapat
dilihat bahwa:
- Variabel yang dominan diatas adalah X1, X2, X5, dengan angka pengaruh diatas
0,53 -
Variabel yang berpengaruh rendah adalah X5 -
Variabel yang berpengaruh lemah adalah X3 -
Variabel yang berhubungan secara recursif artinya saling mempengaruhi adalah nilai bias antara e2 dan e3, antara e3 dan e5, hal ini artinya bahwa ada nilai
parameter lain yang menyatakan hubungan antara masing-masing kedua variabel bias tersebut.
Untuk pertimbangan pembuatan rute dapat dilihat dari pengaruh masing-masing angka statistik diatas yaitu bahwa variabel yang dapat dioptimalkan untuk
meningkatkan efektifitas pelayaran kapal adalah waktu bongkar muat, waktu perjalanan, banyak muatan yang dibongkar, dan jarak. Sementara untuk waktu manuver, pengaruh
waktu untuk manuver digolongkan rendah karena dari pengolahan seluruh data didapati bahwa waktu untuk manuver cukup kecil dan konstan. Untuk mendapatkan rute yang
efektif dapat disusun kembali rute yang baru yang disusun berdasarkan data kebutuhan tiap depot tujuan.
5.1.3. Penentuan JalurRute
