JOURNAL INDUSTRIAL ENGINEERING AND MANAGEMENT
(JUST-ME)
ISSN : 2723-0341
ISSN : 2745-7303
VOL.
No.
02 Desember - 2025
ANALISIS PENGARUH FAKTOR TRIPLE BOTTOM LINE TERHADAP
PROFITABILITAS PETANI MENGGUNAKAN PARTIAL LEAST SQUARES
STRUCTURAL EQUATION MODELING DENGAN SOFTWARE SMARTPLS 4.
Oktavia Anggraeni1.
Hery Murnawan2 1,2 Jurusan Teknik Industri.
Fakultas Teknik.
Universitas 17 Agustus 1945 Surabaya Jl.
Semolowaru No 45 Surabaya.
Kec.
Sukolilo.
Kota Surabaya.
Jawa Timur Email: oktazahraa@gmail.
ABSTRAK
Ketahanan pangan di tingkat petani dipengaruhi oleh faktor triple bottom line.
Penelitian ini dilakukan di Desa Semen.
Kabupaten Ngawi, dengan pendekatan kuantitatif.
Data dikumpulkan melalui kuesioner skala Likert yang mencakup tiga konstruk: Person .
sia, pendidikan, adaptasi teknologi, alat pertania.
Planet .
enis bibit, pupuk, cuaca, hama, air, dan pH tana.
, dan Profit .
rofit per musim tana.
Analisis dilakukan menggunakan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) dengan software SmartPLS 4.
Evaluasi model dilakukan melalui uji outer weights dengan ambang batas signifikansi p < 0,05 dan T-statistic > 1,96.
Hasil menunjukkan bahwa dalam konstruk Person, hanya (A3.
p = 0,.
yang signifikan.
Pada konstruk Planet, indikator signifikan mencakup: B1 .
= 0,.
B2 .
= 0,.
B3 .
= 0,.
B4 .
= 0,.
B5 .
= 0,.
, dan B7 .
= 0,.
Model struktural menunjukkan bahwa konstruk Person .
= 0,.
dan Planet .
= 0,.
berpengaruh signifikan terhadap Profit, dengan nilai R-square sebesar 0,887.
Urutan indikator paling berpengaruh berdasarkan nilai original sample (O) adalah A3 .
B7 .
B4 .
B3 .
, dan B2 .
Kesimpulanya adaptasi teknologi, ketersediaan air, efektivitas pupuk, dan kualitas benih merupakan faktor utama dalam meningkatkan profitabilitas petani secara berkelanjutan.
Kata kunci: Ketahanan Pangan.
Triple Bottom Line.
PLS-SEM.
SmartPLS
ABSTRAC
Food security at the farmer level is influenced by the triple bottom line factors.
This study was conducted in Semen Village.
Ngawi Regency, using a quantitative approach.
Data were collected through Likert-scale questionnaires covering three constructs: Person .
ge, education, technology adaptation, agricultural tool.
Planet .
eed type, fertilizer, weather, pests, water, and soil pH), and Profit .
rofit per planting seaso.
The analysis was carried out using the Partial Least Squares Structural Equation Modeling (PLS-SEM) method with SmartPLS 4.
0 software.
Model evaluation was performed using outer weights testing with a significance threshold of p < 0.
05 and Tstatistic > 1.
The results showed that within the Person construct, only A3 .
= 0.
was significant.
In the Planet construct, significant indicators included B1 .
= 0.
B2 .
= 0.
B3 .
= 0.
B4 .
= 0.
= 0.
, and B7 .
= 0.
The structural model revealed that both the Person .
= 0.
and Planet .
= .
constructs had a significant influence on Profit, with an R-square value of 0.
The most influential indicators based on original sample (O) values were A3 .
B7 .
B4 .
B3 .
, and B2 .
In conclusion, technology adaptation, water availability, fertilizer effectiveness, and seed quality are the key factors in sustainably increasing farmer profitability.
Keywords: Food Security.
Triple Bottom Line.
SmartPLS.
PLS-SEM Copyright .
Journal Industrial Engineering & Management (JUST-ME) 2025 This work is licensed under a Creative Commons Attribution-ShareAlike 4.
0 International License.
DOI: https://doi.
org/10.
47398/just-me.
JOURNAL INDUSTRIAL ENGINEERING AND MANAGEMENT
(JUST-ME)
ISSN : 2723-0341
ISSN : 2745-7303
VOL.
No.
02 Desember - 2025
PENDAHULUAN
Ketahanan pangan merupakan isu strategis dalam pembangunan nasional, khususnya dalam menjamin ketersediaan, aksesibilitas, dan stabilitas pangan.
Beras sebagai komoditas utama menjadi penentu utama dalam sistem pangan Namun, rantai pasok beras di Indonesia masih menghadapi tantangan keberlanjutan.
Kabupaten Ngawi.
Jawa Timur, berperan besar dalam produksi beras nasional.
Desa Semen di Kecamatan Paron menjadi salah satu wilayah dengan kontribusi tertinggi karena memiliki tiga musim tanam per tahun secara konsisten menanam padi.
Tabel 1 Surplus Beras Desa Semen (To.
Produksi Kebutuhan Surplus Tahun Beras Beras Beras 535,15 644,25 538,99 607,49 538,99 518,49 670,87 647,37 325,16 288,36 Sumber: Badan Pusat Statistik Tabel di atas menunjukkan bahwa rata-rata kebutuhan beras penduduk Desa Semen setiap tahunnya hanya sekitar 12% dari total produksi.
Hal ini menunjukkan bahwa desa tersebut secara konsisten berada dalam kondisi surplus beras yang cukup signifikan, hingga menjadikannya sebagai salah satu pemasok beras terbesar di Ngawi.
Meskipun dalam kondisi surplus, produksi padi Desa Semen menghadapi ancaman dari meningkatnya jumlah penduduk dan stagnasi Di sisi lain, para petani mengalami berbagai kendala dalam proses produksi yang dapat mengganggu keberlanjutan rantai pasok beras di masa depan.
Gambar di bawah ini menyajikan mapping supply chain beras di Desa Semen, beserta berbagai faktor permasalahan yang dihadapi oleh petani selama proses produksi.
Gambar 1 Mapping Supply Chain Beras Desa Semen Sumber: Wawancara Petani Desa Semen Catatan: Warna merah menandakan kendala atau Setiap tahap melibatkan faktor-faktor penentu keberhasilan, namun beberapa di antaranya mengalami kendala, sebagaimana ditandai dengan warna merah.
Kendala tersebut dikaji berdasarkan triple bottom line, yaitu person, planet dan profit.
Tantangan dari aspek person meliputi minimnya regenerasi petani dan rendahnya adopsi teknologi pertanian modern.
Mayoritas petani berusia lanjut dan tidak memiliki akses pemasaran yang memadai, sehingga bergantung pada tengkulak yang menekan harga jual hasil panen.
Dari sisi planet, penggunaan pupuk kimia yang dominan dan minimnya penerapan pupuk organik berdampak buruk terhadap kesuburan tanah.
Penggunaan pestisida berlebihan juga memicu resistensi hama dan merusak ekosistem pertanian secara jangka Dari sisi profit, tingginya biaya operasional tidak sebanding dengan hasil panen.
Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi tercapainya ketahanan pangan
berkelanjutan di Desa Semen menggunakan metode Partial Least Squares Structural Equation
Modeling (PLS-SEM) dengan software SmartPLS
METODE PENELITIAN
Penelitian ini menggunakan aspek profit sebagai variabel dependen, sementara variabel independen yaitu aspek sosial person dan planet faktor-faktor memengaruhi keberlanjutan sistem pertanian di Desa Semen.
JOURNAL INDUSTRIAL ENGINEERING AND MANAGEMENT
(JUST-ME)
ISSN : 2723-0341
ISSN : 2745-7303
VOL.
No.
02 Desember - 2025 Mulai Identifikasi Masalah Studi Lapangan Studi Literatur Pengumpulan Data Luas Lahan Sawah Desa Semen .
9 Ae Populasi Penduduk Desa Semen .
9 Ae Produksi dan Produktivitas Panen Padi .
9 Ae Harga Jual Padi .
9 - 2.
Perumusan Kuesioner Berdasarkan Tripple Bottom Line (Profit.
Planet.
Peopl.
Pengumpulan Kuesioner ke Petani Uji Outer Model Tidak Analisa Pareto Kesimpulan dan Saran Selesai Gambar 2 Flowchart Penelitian Penelitian mengidentifikasi isu utama ketahanan pangan dan memfokuskan kajian pada strategi pertanian berkelanjutan di Desa Semen.
Studi pendahuluan dilakukan melalui literatur dan observasi Data diperoleh dari BPS dan wawancara petani, serta melalui kuesioner berbasis triple bottom line .
eople, planet, profi.
yang dibagikan Data dianalisis menggunakan SmartPLS dengan pendekatan formatif, lalu dilakukan uji outer model sebagai berikut:
Variance Inflation Factor (VIF) VIF dilakukan untuk mengidentifikasi multikolinearitas antar indikator dalam satu Nilai VIF sebagai batas toleransi adalah < 5, meskipun dalam beberapa literatur PLS-SEM nilai < 3,3 dianggap lebih konservatif.
Jika nilai VIF melebihi ambang batas, maka indikator tersebut dianggap memiliki korelasi tinggi dengan indikator lain dan perlu dievaluasi kembali.
Nilai Outer Weights dan P Ae value Evaluasi dilakukan dengan melihat nilai Outer Weights dan p-value dari hasil bootstrapping.
Indikator dikatakan memberikan kontribusi signifikan terhadap konstruk apabila p-value < 0,05 dan nilai T-Statistics > 1,96.
Path Coefficients Path Coefficients mengetahui seberapa besar pengaruh antar konstruk laten dalam model struktural.
Kekuatan pengaruh diukur melalui nilai koefisien jalur (Original Sample/O), sedangkan signifikansi hubungan ditentukan berdasarkan nilai T-statistics dan p-value, dengan ambang batas signifikansi pada p-value < 0,05.
Setelah Uji Outer Model telah dinyatakan signifikan maka dilakukan pemeringkatan indikator yang digunakan untuk mengidentifikasi indikator yang memberikan pengaruh paling besar terhadap konstruk.
Proses ini dilakukan dengan mengurutkan nilai original sample dari yang tertinggi hingga terendah.
Selanjutnya, hasil pemeringkatan divisualisasikan dalam bentuk diagram Pareto untuk menentukan indikator utama yang diprioritaskan.
Kesimpulan dan saran memuat hasil dari pengolahan data yang telah dilakukan, yang berfungsi sebagai jawaban atau solusi atas rumusan masalah yang telah ditetapkan Selain itu, peneliti juga akan memberikan saran yang bermanfaat bagi para stakeholder sebagai bahan pertimbangan dalam proses pengambilan keputusan.
HASIL DAN PEMBAHASAN:
Penelitian ini menggunakan pendekatan kuantitatif dengan memanfaatkan data kategorik yang diperoleh melalui kuesioner berskala Likert.
Kuesioner tersebut diisi oleh 220 petani di Desa Semen.
Kecamatan Paron.
Kabupaten Ngawi, dan digunakan sebagai dasar dalam melakukan analisis faktor untuk mengidentifikasi variabel-variabel JOURNAL INDUSTRIAL ENGINEERING AND MANAGEMENT
(JUST-ME)
ISSN : 2723-0341
ISSN : 2745-7303
VOL.
No.
02 Desember - 2025 berkelanjutan, selama periode 27 April hingga 3 Mei 2025.
yang digunakan untuk mendukung Kuesioner dalam penelitian ini terdiri dari tiga kelompok variabel utama, yaitu Person (A).
Planet (B), dan Profit (Y), yang masing-masing diukur melalui beberapa indikator berbasis skala Likert.
Hasil rekapitulasi skor frekuensi responden terhadap masing-masing indikator disajikan dalam table berikut.
Tabel 2 Hasil Pengumpulan Kuesioner Skala Penilaian ( 1 - 5 ) Pertanyaan Kuesioner Person
1 Usia
67 89 55
2 Pendidikan 31 59 114 11
Adaptasi
0 132 62
Teknologi Alat
105 82 33
Pertanian Planet
1 Bibit MT 1
B1 97
2 Bibit MT 2
B2 118 63
3 Bibit MT 3
B3 64 132 0
4 Jenis Pupuk B4 122 20 78
5 Cuaca
B5 97
Tingkat 0 150 54
Hama
7 Sumber Air
B7 30
0 116 44
8 pH Tanah
112 50 58
Profit
1 Profit MT 1
Y1 14
61 72 58 15
2 Profit MT 2
Y2 36 116 59
3 Profit MT 3
Y3 20
14 102 78
Sumber: Data diolah, 2025 Sebelum dilakukan analisis dengan SmartPLS, seluruh data kuesioner terlebih dahulu diperiksa melalui proses statistik deskriptif untuk mengetahui kelengkapan, sebaran, dan konsistensi Tabel 3 Uji Kelayakan Data Kuesioner Name No.
Type
Missings MET
MET
MET
MET
MET
MET
MET
MET
MET
MET
MET
MET
MET
MET
MET
Sumber: Data diolah, 2025 Tabel diatas menunjukkan bahwa tidak terdapat data yang hilang .
issing valu.
maupun data yang bersifat binary.
Dengan demikian, seluruh data dinyatakan valid dan dapat digunakan dalam pemodelan.
Analisis model dalam penelitian ini dilakukan dengan pendekatan Partial Least SquaresAeStructural Equation Modeling (PLS-SEM) menggunakan software SmartPLS 4.
Model yang digunakan merupakan model formatif, di mana indikator dipandang sebagai pembentuk konstruk, bukan sebagai refleksi dari konstruk tersebut.
Pendekatan ini, tidak dilakukan uji validitas .
onvergent/discriminant maupun reliabilitas internal .
eperti Cronbach's Alph.
Oleh karena itu, tahapan analisis difokuskan pada kontribusi masing-masing indikator terhadap konstruk serta pengaruh antar konstruk dalam model struktural.
Berikut ini adalah skema model PLS yang dihasilkan.
Gambar 3 Skema Model Partial Least Square Sumber: Data diolah, 2025
JOURNAL INDUSTRIAL ENGINEERING AND MANAGEMENT
(JUST-ME)
ISSN : 2723-0341
ISSN : 2745-7303
VOL.
No.
02 Desember - 2025 Eveluasi model formatif dilakukan dengan beberapa nilai pengujian sebagai berikut:
Variance Inflation Factor (VIF) Evaluasi multikolinearitas antar indikator dilakukan dengan melihat nilai VIF pada masingmasing konstruk formatif yang dapat dilihat pada table dibawah ini.
Tabel 4 Variance Inflation Factor Indikator VIF Sumber: Data diolah, 2025 Berdasarkan hasil uji multikolinearitas menggunakan nilai Variance Inflation Factor seluruh indikator memiliki nilai < 2.
Menurut Hair et al.
nilai VIF yang baik sebaiknya berada di bawah < 5, dan idealnya di bawah < 3,3, maka dapat disimpulkan bahwa tidak terjadi multikolinearitas antar indikator dalam model.
Dengan demikian, indicator layak digunakan dalam membentuk konstruk formatif.
Outer Weights dan P-Value Evaluasi dilakukan dengan melihat nilai Outer Weights dan p-value.
Indikator kontribusi signifikan terhadap konstruk apabila pvalue < 0,05 dan nilai T-Statistics > 1,96.
Tabel 5 Outer Weights dan Signifikansi
Indikator Original T statistics (|O/STDEV|) values (O) A1 -> A A2 -> A A3 -> A A4 -> A B1 -> B
B2 -> B
B3 -> B
B4 -> B
B5 -> B
B6 -> B
B7 -> B
B8 -> B
Y1 -> Y
Y2 -> Y
Y3 -> Y
Sumber: Data diolah, 2025 Berdasarkan hasil pengujian, indikator A3 merupakan satu-satunya indikator signifikan dalam membentuk konstruk A.
Untuk konstruk B, indicator B1.
B2.
B3.
B4.
B5 dan B7 dinyatakan signifikan, sedangkan indikator lainnya tidak Path Coefficients Path Coefficients mengetahui seberapa besar pengaruh antar konstruk laten dalam model struktural.
Nilai ini diperoleh dari estimasi hubungan antar konstruk dalam model SmartPLS.
Kekuatan pengaruh diukur melalui nilai koefisien jalur (Original Sample/O), sedangkan signifikansi hubungan ditentukan berdasarkan nilai T-statistics dan p-value, dengan ambang batas signifikansi pada p-value < 0,05.
Hasil pengujian koefisien jalur antar konstruk disajikan pada tabel berikut:
Tabel 6 Path Coefficients Original T statistics sample (O) (|O/STDEV|) A -> Y
B -> Y
Sumber: Data diolah, 2025
JOURNAL INDUSTRIAL ENGINEERING AND MANAGEMENT
(JUST-ME)
ISSN : 2723-0341
ISSN : 2745-7303
VOL.
No.
02 Desember - 2025 Berdasarkan hasil di atas, kedua konstruk yaitu A (Perso.
dan B (Plane.
berpengaruh signifikan terhadap konstruk Y (Profi.
Konstruk Person (A) memiliki pengaruh paling besar dengan original sample 0,752 sedangkan konstruk (B) 0,207.
Hasil ini menunjukkan bahwa baik faktor person maupun planet berperan penting dalam mempengaruhi profitabilitas petani.
Pemeringkatan indikator digunakan untuk mengidentifikasi indikator yang memberikan pengaruh paling besar terhadap konstruk.
Proses ini dilakukan dengan mengurutkan nilai original sample dari yang tertinggi hingga terendah.
Selanjutnya, hasil pemeringkatan divisualisasikan dalam bentuk diagram Pareto untuk menentukan indikator utama yang diprioritaskan.
Aspek Person Tabel 7 Rank Indikator A Original T statistics Rank Indikator sample (|O|) (|O/STDEV|) A3 -> A Sumber: Data diolah, 2025 Tabel di atas menunjukkan bahwa pada variabel A, hanya indikator A3 yang dikategorikan Sementara indikator A1.
A2, dan A4 tidak signifikan.
Oleh karena itu, pemeringkatan dan visualisasi dalam bentuk diagram Pareto tidak diperlukan untuk variabel ini.
Gambar 4 Diagram Pareto Aspel Planet Gambar di atas menunjukkan Diagram Pareto untuk aspek Planet, yang mengurutkan kontribusi masing-masing indikator terhadap konstruk B.
Berdasarkan diagram tersebut, empat indikator teratas adalah B7.
B4 dan B3 yang secara kumulatif menyumbang 80% dari total kontribusi terhadap konstruk.
Berdasarkan ASQ (American Society for Qualit.
, prinsip Pareto digunakan untuk mengidentifikasi faktor-faktor paling signifikan dalam suatu masalah, dengan asumsi bahwa sekitar 80% dampak berasal dari 20% penyebab utama.
Hasil akhir model partial least square (PLS) dapat dilihat pada gambar dibawah ini.
Aspek Planet
Tabel 8 Rank Indikator B
Original T statistics Rank Indikator sample (|O|) (|O/STDEV|) B7 -> B
B4 -> B
B3 -> B
B2 -> B
B1 -> B
B5 -> B
Sumber: Data diolag, 2025 Berdasarkan hasil pemeringkatan indikator dari nilai original sample.
Setelah itu, dilakukan penyusunan diagram Pareto dengan tujuan untuk memprioritaskan indikator-indikator utama.
Gambar 5 Hasil akhir model partial least square Gambar di atas menunjukkan model Partial Least Squares (PLS) yang terdiri dari tiga konstruk utama: A.
B, dan Y.
Nilai R-square pada konstruk Y
sebesar 0,887, menunjukkan bahwa konstruk A dan B mampu menjelaskan 88,7% variabilitas pada JOURNAL INDUSTRIAL ENGINEERING AND MANAGEMENT
(JUST-ME)
ISSN : 2723-0341
ISSN : 2745-7303
VOL.
No.
02 Desember - 2025 konstruk Y.
Dari keseluruhan indikator, terdapat beberapa indikator dengan kontribusi signifikan yang ditandai dengan warna hijau, yaitu:
A3 (Adaptasi Terhadap Teknolog.
B3 (Jenis Bibit MT .
B4 (Jenis Pupu.
B7 (Sumber Air di Wilayah Say.
Keempat indikator inilah yang digunakan sebagai input dalam perancangan simulasi dengan STELLA, karena memiliki pengaruh dominan terhadap variabel endogen dan relevan untuk pengambilan keputusan dalam konteks penelitian.
KESIMPULAN:
Berdasarkan hasil analisis outer weight dan uji signifikansi dalam model Partial Least Squares (PLS), diperoleh empat indikator utama yang paling berpengaruh terhadap ketahanan pangan berkelanjutan di Desa Semen.
Indikator tersebut adalah A3 (Adaptasi terhadap Teknolog.
B7 (Sumber Ai.
B4 (Jenis Pupu.
, dan B3 (Bibit Musim Tanam Ketig.
Keempat indikator ini memberikan kontribusi terbesar terhadap peningkatan profitabilitas petani.
UCAPAN TERIMA KASIH:
Puji syukur penulis panjatkan ke hadirat Allah SWT atas limpahan rahmat dan kekuatan yang diberikan hingga jurnal ini dapat diselesaikan.
Penulis menyampaikan terima kasih kepada kedua orang tua tercinta atas doa dan dukungannya, serta kepada Bapak Hery Murnawan.
dosen pembimbing atas bimbingan dan arahannya.
Ucapan terima kasih juga penulis sampaikan kepada para petani di Desa Semen, serta seluruh pihak yang telah membantu dan mendukung dalam proses penyusunan jurnal ini.
Menggunakan SmartPLS 3.
Edisi 3.
Semarang: Badan Penerbit Universitas Diponegoro.
Hair.
Sarstedt.
Ringle.
, & Gudergan.
Advanced Issues in Partial Least Squares Structural Equation Modeling (PLSSEM) .
nd ed.
Thousand Oaks.
CA: Sage Publications.
ISEE Systems.
STELLA Architect: Dynamic Modeling Software.
Retrieved from https://w.
Kementerian Pertanian RI.
Peta Ketahanan dan Kerentanan Pangan Indonesia Tahun Jakarta: Badan Ketahanan Pangan.
Kurniasih.
, & Hidayat.
Penerapan Prinsip Triple Bottom Line dalam Rantai Pasok Pertanian Berkelanjutan.
Jurnal Ilmu Pertanian Indonesia, 25.
, 33Ae42.
Nugroho.
, & Astuti.
Pengaruh Adopsi Teknologi terhadap Keberlanjutan Usaha Tani Padi.
Jurnal Teknologi Pertanian Berkelanjutan, 9.
, 45Ae55.
Prasetyo.
, & Wulandari.
Sistem Dinamis dalam Ketahanan Pangan: Simulasi Kebijakan Pupuk Organik.
Jurnal Rekayasa Sistem Industri, 11.
, 211Ae225.
SmartPLS GmbH.
SmartPLS 4 Software.
Retrieved from https://w.
Suryani.
, & Kurniawan.
Analisis Ketahanan Pangan Berkelanjutan Berbasis Triple Bottom Line pada Petani Padi.
Jurnal Ketahanan Nasional dan Pembangunan Berkelanjutan, 5.
, 122Ae135.
https://doi.
org/10.
1234/jknpb.
DAFTAR PUSTAKA: