Metode Analisis - METODE PENELITIAN - Model dinamika spasial sistem perikanan kasus pengembanga

3 METODE PENELITIAN

3.3 Metode Analisis

3.3.1 Analisis dinamika sub sistem alam

3.3.1.1 Dinamika musiman SPL dan Klorofil-a

Analisis kondisi perairan yang mencakup SPL dan klorofil-a didasarkan pada hasil ekspor dari SEADAS yang berformat sxc, dikonversikan menjadi data berformat txt sehingga dapat digunakan di ODV. Untuk kepentingan analisis didahului dengan mengoperasikan program ODV melalui langkah-langkah sebagai berikut:

1. Memasukan file baru dengan melakukan pilihan menu File > New > file collection baru

2. Masukkan (add variable) yang belum diidentifikasi oleh ODV, baik untuk SPL maupun klorofil-a.

3. Setelah selesai, buka file stasiun gabungan dengan type file (*.txt) yang disimpan sebelumnya. Untuk membuka file pilih menu Import > ODV Spreadsheet > type file (*.txt)

4. Associate variable latitude and longitude selanjutnya variabel yang di associate adalah komponen SPL maupun klorofil-a

5. Tampilan yang dihasilkan merupakan tampilan peta global, maka untuk memperjelas letak stasiun lakukan full domain, sehingga akan tampil peta stasiun.

6. Untuk menampilkan grafik surface pilih menu, Klik kanan grafik > window layout > klik kanan > use template > pilih banyaknya window yang ingin di tampilkan.

7. Melakukan diva griding dengan cara klik kanan > display option, atur X Scale – Leght dan Y Scale – Leght dan masuk ke Properties untuk memasukan komponen nilai-nilainya.

8. Bagian terakhir adala penyimpanan gambar dalam format png.

Sesuai dengan cakupan data yang ada selama satu tahun, maka analisis lanjut dilakukan dengan statistik deskriptif dengan menampilkan nilai-nilai maksimum dan minimum untuk seluruh data. Hasil ini kemudian dipetakan untuk kepentingan analisis dinamika SPL dan klorofil-a secara spasial dan temporal. 3.3.1.2 Pemetaan DPI potensial dan analisis dinamika musimannya (1) Pemetaan DPI tradisional

Daerah penangkapan ikan yang dimaksudkan dalam penelitian ini adalah Daerah Penangkapan Ikan Tradisional (DPIT). DPIT dianalisis dengan pendekatan visual langsung di lapangan melalui plot titik-titik lokasi penangkapan nelayan tradisional dengan menggunakan GPS. Pengambilan titik daerah penangkapan ikan dilakukan pada lokasi-lokasi penangkapan ikan untuk jenis- jenis unit penangkapan ikan pelagis kecil.

Hasil ini kemudian dipetakan pada peta laut atau peta navigasi laut. Sebagai konfirmasi dilakukan pemetaan partisipatif bersama sampel nelayan yang melakukan aktivitas penangkapan ikan pelagis kecil. Hasil ini kemudian di- overlay dengan peta DPI tradisional eksisting yang telah diambil di lapangan.

Pemetaan DPI menggunakan program ArcGIS versi 9.3 untuk mengoperasikan peta dasar (rupabumi) yang bersumber dari Bakosurtanal. Hasil plot titik DPI di lapangan yang telah dimasukkan ke dalam program excel kemudian dipanggil kedalam program ArcGIS versi 9.3, setelah dirubah menjadi decimal degree. Titik ini kemudian diberikan pengelompokkan berdasarkan kawasan-kawasan yang menjadi basis penelitian.

(2) Penentuan DPI potensial

Penentuan DPI potensi (DPIP) dilakukan dengan pendekatan overlay peta- peta SPL dan klorofil-a yang menunjukkan nilai kisaran preferensi dari ikan pelagis kecil, lokasi-lokasi DPIT eksisting yang selama ini diakses oleh nelayan dan distribusi titik-titik koordinat dengan konsentrasi densitas ikan pelagis kecil yang cukup tinggi sampai dengan densitas tinggi.

Pemetaan DPI menggunakan program ArcGIS versi 9.3 dengan memanfaatkan peta dasar (rupabumi) yang bersumber dari Bakosurtanal, peta distribusi SPL bulanan dan klorofil-a bulanan dan peta DPIT. Hasil overlay ini kemudian dikelompokkan berdasarkan distribusi kriteria (SPL, klorofil-a dan DPIT) dengan pendekatan distribusi spasial terdekat (nearest spatial distribution). (3) Dinamika musiman DPI

Analisis ini dilakukan dengan didasarkan pada hasil pemetaan DPIP sesuai dengan kondisi exisiting dan hasil partisipatif yang dikelompokkan secara musiman. Hasil ini kemudian dianalisis perubahannya secara musiman untuk mengetahui dinamika daerah penangkapan ikan di perairan Kabupaten Maluku Tengah bagian Selatan.

Seluruh titik DPI yang dipetakan, dihitung distribusinya secara musiman dengan batasan nilai prosentase yang terfokus pada dua sumber, yaitu lokasi rumpon dan lokasi bagan apung. Analisis statistik deskriptif dilakukan melalui

ekspresi tabular. Untuk mengekspresikan dinamikanya secara spasial, dilakukan pemetaan untuk mengetahui tingkat konsentrasi DPI pada perairan setiap kawasan.

3.3.1.3 Dinamika akses DPI

Analisis untuk komponen ini menggunakan analisis spasial yang dilakukan pasca pemetaan akses. Nilai aksesibilitas yang dinyatakan dengan rata-rata jarak dari basis penangkapan ke DPI ikan pelagis kecil. Hasilnya kemudian diekspresikan secara grafis.

3.3.1.4 Analisis potensi sumber daya ikan

(1) Justifikasi penerimaan gema untuk ukuran panjang ikan pelagis kecil

Analisis data potensi ikan pelagis kecil pada tahap awal dilakukan secara digital menggunakan perangkat lunak visual analyser. Untuk menjadi kriteria penerimaan dan penolakan target (khusus untuk ikan pelagis kecil) digunakan pendekatan Pulse window. Ada dua pendekatan pada pulse window yang digunakan: (1) amplitudo dari gema (echo amplitude); dan (2) durasi pulsa (pulse duration).

Sesuai dengan panduan BioSonic Inc. (2004) dan pendekatan yang dikembangkan oleh Latumeten (2010), nilai echo threshold -60 dikonversikan ke panjang ikan sekitar 4 cm untuk rata-rata ukuran ikan paling kecil, sedangkan untuk ukuran ikan maksimum rata-rata menggunakan nilai echo threshold -41 sampai dengan -40 yang dikonversikan ke panjang ikan sekitar 35 sampai dengan 39 cm. Untuk kepentingan pendeteksian ukuran ikan pelagis kecil, maka digunakan data target strength (TS) ikan sebagaimana dikembangkan oleh Latumeten (2010) sesuai formula umum yang dikemukakan oleh Foote (1987), sebagai berikut:

TS = 20 Log L – 71,9 (physostomes) dimana:

L : panjang ikan

F : frekuensi echosounder yang digunakan - 71,9 : konstanta

(2) Estimasi kepadatan dan biomassa

Kepadatan ikan diestimasi dengan pendekatan FPUA (Fish Per Unit Area) yang merupakan hasil dari penjumlahan kepadatan mutlak dikalikan dengan ketebalan lapisan dikalikan dengan proporsi sampel melewati jendela pulsa. Secara matematis perhitungan ini dapat dinyatakan dengan formula (BioSonic Inc., 2004) sebagai berikut:

(

)

∑

= AD_i*IT_i*%_i/100

FPUA

Dimana i adalah strata index, dan FPUA adalah ikan per m2 yakni penjumlahan dari densitas absolut (Absolut Density/AD, fish per cubic meter/FPCM). FPCM diperoleh dengan formula:

BS Sv FPCM _ /σ =

FPCM adalah ikan per m3 (fish per cubic meter), Sv adalah volume back-

scattering strength dan adalah backscattering cross section rata-rata atau nilai penampang ikan yang terukur secara akustik. Nilai Sv diperoleh dengan formula:

                =

∑

samples

∑

P Sv 10*log ρ_c*

Dimana P adalah perolehan (gain) sampel-sampel intensitas suara yang terkoreksi dan adalah konstanta skala sistem (System Scaling Constant) yang diperoleh dengan:

(

( /10)

) (

2 ( /10)

)

[ ]

2 * 10 * 10 * * * 1 b E c pw SL RS c π ρ =

Dimana π_{= 3.14159..., pw = lebar pulsa (detik), c = kecepatan suara (m/detik),}

SL = tingkat sumber (dBµPa), RS = sensitivitas penerimaan dari transducer (dB), dan E[b2] sebagai faktor pola beam.

3.3.2 Analisis dinamika sub sistem manusia

3.3.2.1 Dinamika nelayan dan rumah tangga perikanan

Analisis ini dilakukan dengan pendekatan statistik deskriptif yang mengedepankan proporsi dan nilai relatif yang diekspresikan secara tabular dan

grafis. Analisis tidak hanya dilakukan untuk distribusi jumlah nelayan, namun juga untuk distribusi jumlah rumah tangga perikanan (RTP).

3.3.2.2 Dinamika alat penangkapan ikan dan upaya penangkapan

Analisis ini mencakup dua komponen yaitu alat penangkapan ikan (API) dan upaya penangkapan. Dinamika API dan upaya penangkapan ikan dianalisis dengan dua pendekatan: (1) pendekatan analisis tabular yang menunjukkan adanya proporsi distribusi spasial; dan (2) analisis grafis yang mengkespresikan dinamika tahunan untuk setiap jenis API pada seluruh kawasan pengembangan perikanan pelagis kecil.

3.3.2.3 Dinamika produksi ikan pelagis kecil

Analisis dinamika produksi perikanan pelagis kecil menggunakan tiga pendekatan:

1. analisis tabular yang menunjukkan proporsi distribusi spasial untuk tiap komoditas pelagis kecil;

2. analisis tabular yang menunjukkan perkembangan produksi untuk lima jenis API dominan; dan

3. analisis grafis yang mengkespresikan dinamika tahunan untuk setiap jenis API pada seluruh kawasan pengembangan perikanan pelagis kecil.

3.3.2.4 Dinamika pengolahan hasil perikanan pelagis kecil

Analisis dinamika pengolahan hasil perikanan pelagis kecil menggunakan dua pendekatan:

(1) analisis tabular yang menunjukkan adanya proporsi distribusi spasial pelaku usaha pengolahan dan rumah tangga pengolah serta rata-rata setiap jenis olahan;

(2) analisis grafis yang mengkespresikan dinamika tahunan untuk volume dan nilai produksi olahan setiap jenis komoditas pelagis kecil pada seluruh kawasan pengembangan perikanan pelagis kecil, serta perkembangannya secara tahunan.

3.3.2.5 Dinamika distribusi dan pemasaran hasil perikanan pelagis kecil Analisis dinamika distribusi dan pemasaran hasil produksi perikanan pelagis kecil menggunakan tiga pendekatan:

1. analisis grafis untuk distribusi spasial pelaku usaha distribusi dan pemasaran ikan pelagis kecil;

2. analisis tabular untuk kontribusi spasial distribusi dan pemasaran ikan pelagis kecil pada tiga ruang lingkup, yaitu: lokal/antar kawasan dalam wilayah Maluku Tengah dan Maluku, antar pulau dan ekspor;

3. analisis grafis perkembangan tahunan pemasaran produksi ikan pelagis kecil pada tiap kawasan pengembangan perikanan pelagis kecil.

3.3.2.6 Analisis implikasi dinamika sistem bagi pengembangan kawasan perikanan

(1) Standarisasi upaya tangkap

Unit effort sejumlah armada penangkapan ikan dengan alat tangkap dan waktu tertentu dikonversi ke dalam satuan boat-days (trip), dengan pertimbangan: 1. Respon stock terhadap alat tangkap standar akan menentukan status sumber

daya selanjutnya berdampak pada status perikanan alat tangkap lain;

2. Total hasil tangkap ikan per unit effort alat tangkap standar lebih dominan dibanding alat tangkap lain, dan

3. Daerah penangkapan alat tangkap standar meliputi dan atau berhubungan dengan daerah penangkapan alat tangkap lain.

Prosedur standarisasi alat tangkap ke dalam satuan baku unit alat tangkap standar, dapat dilakukan sebagai berikut:

1. Alat tangkap standar yang digunakan mempunyai CPUE terbesar dan memiliki nilai faktor daya tangkap (Fishing Power Index, FPI) sebagaimana dikembangkan oleh Gulland (1983);

2. Hasil perhitungan nilai FPI kemudian digunakan untuk menghitung total upaya standar.

(2) Analisis potensi sumber daya ikan berbasis produksi

Estimasi potensi sumber daya ikan didasarkan atas jumlah hasil tangkapan ikan yang didaratkan pada suatu wilayah dan variasi alat tangkap per trip. Prosedur estimasi dilakukan dengan cara (Sparre dan Venema, 1999):

1. Menghitung hasil tangkapan per upaya tangkap (CPUE); 2. Mengestimasi parameter alat tangkap standar;

3. Mengestimasi effort optimum pada kondisi keseimbangan (equilibrium state); 4. Mengestimasi Maximum Sustainable Yield (MSY) sebagai indikator potensi

sumber daya perikanan tangkap yang berkelanjutan (lestari).

(3) Analisis finansial

Suatu usaha atau kegiatan ekonomi dianggap dapat dilaksanakan, bila dapat diharapkan: (1) memberikan keuntungan untuk memenuhi setiap kewajiban jangka pendek (2) likuiditasnya terpelihara meskipun pada, saat-saat tertentu permasalahan dalam kesulitan (3) berkembang kemampuannya membiayai operasinya terutama dari modal sendiri dan bukan kredit pada suatu saat dan (4) dapat membayar semua beban pembiayaan. Dengan demikian, kelayakan finansial harus mengungkapkan secara terperinci apakah usaha atau kegiatan akan menguntungkan dalam suasana persaingan, resiko bisnis, kondisi perekonomian tidak stabil dan lain-lain. Menurut Kadariah (1986), untuk mengevaluasi kelayakan finansial dapat digunakan 3 (tiga) kriteria investasi yang penting, yaitu Net Present Value (NPV), Net Benefit - Cost Ratio dan Internal Rate of Return (IRR). Namun demikian untuk mengetahui kemampuan usaha juga dilakukan analisis usaha yang meliputi: profit (keuntungan usaha), imbangan penerimaan biaya dan waktu pengembalian investasi.

Kriteria investasi yang digunakan untuk pengujian/evaluasi kelayakan usaha secara finansial didasarkan pada discounted criterion. Pengujian ini dilakukan untuk mengetahui seberapa besar manfaat (benefit) serta biaya-biaya (cost) selama umur ekonomis usaha (in the future) nilai-nilai saat ini (at present = to) diukur dengan nilal uang sekarang (present value), yaitu dengan menggunakan

discounting factor. Kriteria investasi yang dimaksudkan meliputi: net present value (NPV), internal rate of return (IRR), dan net benefit cost ratio (Net B/C).

(4) Analisis komoditas unggulan dan unit penangkapan ikan pilihan

Penentuan jenis komoditas unggulan dan teknologi penangkapan ikan pilihan, dilakukan dengan pendekatan metode skoring. Disamping itu dilakukan standarisasi nilai dengan menggunakan fungsi nilai (Kuntoro dan Listiarini, 1983; Haluan dan Nurani, 1998).

(5) Analisis spasial-optimal unit penangkapan ikan

Dalam penelitian ini, model linear goal programming digunakan untuk menentukan alokasi unit penangkapan untuk jenis-jenis ikan unggulan yang merupakan salah satu komponen dari perikanan tangkap, yaitu komponen kapal dan alat penangkap ikan. Teknik ini digunakan untuk menganalisis kebutuhan optimum dari suatu kegiatan dengan tujuan ganda. Model linear goal programming merupakan perluasan dari model linear programing yang ditambah dengan sepasang variabel deviasional yang akan muncul di fungsi tujuan dan di fungsi kendala tujuan (goal constraint). Variabel deviasional berfungsi untuk menampung penyimpangan atau deviasi yang akan terjadi pada nilai ruas kiri suatu persamaan kendala terhadap nilai ruas kanannya.

Bentuk umum persamaan matematis dari model ini menurut Lee et al., (1985) dan Muslich (1993), sebagai berikut:

1. Fungsi tujuan: Minimumkan Z =

Σ

Wik Pk (d-i – d+j) 2. Fungsi kendala: Xaij Xj + d-i – d+i = bi (i=l,2,3,...,m) Xj, d-i, d+i > 0 Dimana, Pk = Urutan Prioritas (Pk >>> Pk + 1)

Wik dan Wik = bobot untuk variabel simpangan i di dalam suatu tingkat

prioritas k

d-i dan d+i = deviasi negatif dan positif

aij = koefisien teknologi

Setiap model goal programming paling sedikit terdiri atas tiga bagian, yaitu sebuah fungsi tujuan, kendala-kendala tujuan dan kendala non negatif. Selanjutnya, dalam model ini dikenal 3 macam fungsi tujuan, yaitu:

1. Minimumkan: Z=

Σ

d-i - d+i

Fungsi tujuan ini digunakan jika variabel simpangan dalam suatu masalah tidak dibedakan menurut prioritas bobot.

2. Minimumkan: Z =

Σ

Pk (d-i - d+i) (k= 1,2...., k)

Fungsi tujuan ini digunakan dalam suatu masalah di mana urutan tujuan diperlukan tetapi variabel simpangan di dalam setiap prioritas memiliki kepentingan yang sama.

3. Minimumkan: Z =

Σ

Wik Pk (d-i - d+i) (k= 1,2,..., k)

Dalam fungsi ini, tujuan-tujuan diurutkan dan variabel simpangan pada setiap tingkat prioritas dibedakan dengan menggunakan bobot yang berlainan Wik.

3.3.3 Analisis dinamika sub sistem pengelolaan 3.3.3.1 Dinamika pengelolaan berbasis kebijakan

Analisis ini menggunakan pendekatan analisis isi (content analysis) yang dikombinasikan dengan analisis roadmap implementasi kebijakan pengelolaan perikanan. Analisis ini dilakukan pada empat tahap: (1) kebijakan nasional; (2) kebijakan provinsi; (3) kebijakan kabupaten; dan (4) dinamika kebijakan secara umum.

3.3.3.2 Dinamika pengelolaan; Pendekatan model persamaan struktural Analisis kebijakan pola pengelolaan kawasan perikanan menggunakan pendekatan metode Structural Equation Model (SEM), dengan langkah-langkah analisis berikut ini.

(1) Pengembangan model teoritis

Model teoritis yang dikembangkan, diarahkan untuk penetapan konsep pengelolaan kawasan perikanan dalam bentuk model agar dapat dipertanggung jawabkan berdasarkan suatu kebenaran ilmiah. Untuk mendukung pengembangan model, dilakukan telaah pustaka, data riil kondisi lapangan, hasil penelitian dan

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:

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)

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 = λ1 K_PUS + λ 2 K_POV + λ 3 K_KAB + z7

Persamaan spesifikasi model pengukuran: K_PUS = λ11 KP1 + d11 K_PUS = λ12 KSE1 + d12 K_PUS = λ13 KL-SDI1 + d13 K_PROV = λ21 KP1 + d21 K_PROV = λ22 KSE1 + d22 K_PROV = λ23 KL-SDI1 + d23 K_KAB = λ31 KP1 + d31 K_KAB = λ32 KSE1 + d32 K_KAB = λ33 KL-SDI1 + d33 TIS = γ1 PKP + z4

TIS = γ12 KAP + e12

TIS = γ13 INST + e13

KKP = γ1 PKP + γ2 TIS + z5 KKP = γ21 LAYANAN + e21 KKP = γ22 LAYANAN + e22 KKP = γ23 INST + e23 CTTP = γ1 PKP + γ2 TIS + γ3 KKP + z7 CTTP = γ31 INFRA + e31 CTTP = γ32 KAP + e32 CTTP = γ33 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-

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 X2-Chi- square statistic, adjusted goodness of fit index (AGPI), CMIN/DF, 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:

• X2-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 R2 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.

• CMIN/DF. CMIN/DF merupakan pembagian X2 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.

Tabel 4 Goodness-of-fit Index ( kriteria uji kesesuaian dan uji statistik)

Goodness of fit Index Cut-off Value

X2-Chi-squarey Diusahakan kecil

Significance Probability ≥ 0.05 AGFI ≥ 0.90 CFII ≥ 0.95 CMIN/DF ≤ 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:

      = f Kn Pm 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 lokal/antar 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

Dalam dokumen Model dinamika spasial sistem perikanan kasus pengembangan kawasan perikanan pelagis kecil di Kabupaten Maluku Tengah (Halaman 99-122)