Proposal CSA Seni Tani
Proposal CSA Seni Tani
TESIS
Oleh:
Cover …………………………………………………………………………………………. I
Daftar Isi ……………………………………………………………………………………... II
Daftar Gambar ……………………………………………………………………………… IV
Daftar Tabel …………………………………………………………………………………. V
Bab I Pendahuluan ………………………………………………………………………….... 1
1.1 Latar Belakang ………………………………………………………………………….... 1
1.2 Rumusan Masalah ………………………………………………………………………... 6
1.3 Tujuan Penelitian …………………………………………………………………………. 6
1.4 Hipotesis Penelitian ………………………………………………………………………. 7
Bab III Metodologi …………………………………………………………………………… 8
3.1 Waktu dan Tempat ………………………………………………………………………. 8
3.2 Metode Pengambilan Data ……………………………………………………………….. 8
3.3 Metode Pengambilan Sampel …………………………………………………………….. 8
3.4 Kerangka Penelitian …………………………………………………………………….... 9
3.5 Definisi Operasional …………………………………………………………………….. 10
3.6 Analisis Data ……………………………………………………………………………. 11
3.6.1 Measurement Model (Outer Model) …………………………………………………... 11
3.6.1.1 Convergent Validity ………………………………………………………………… 11
3.6.1.1.1 Factor Loading ……………………………………………………………………. 12
3.6.1.1.2 Average Variance Extracted (AVE) ………………………………………………. 12
3.6.1.2 Discriminant Validity ……………………………………………………………….. 12
3.6.1.2.1 Fornell-Larcker Criterion …………………………………………………………. 13
3.6.1.2.2 Cross Loading …………………………………………………………………….. 13
3.6.1.3 Composite Reliability ……………………………………………………………….. 14
3.6.1.4 Cronbach’s Alpha …………………………………………………………………… 14
3.6.2 Structural Model (Inner Model) ………………………………………………………. 16
3.6.2.1 R-Square …………………………………………………………………………….. 16
3.6.2.2 Path Coeficients ……………………………………………………………………... 17
3.6.2.3 T-Statistic …………………………………………………………………………… 17
3.6.2.4 Q2 Predictive Relevances …………………………………………………………… 17
3.6.2.5 Model Fit ……………………………………………………………………………. 18
3.7 Analisis Strategi ………………………………………………………………………… 20
3.7.1 Internal Factor Evaluation (IFE) ………………………………………………………. 20
3.7.2 External Factor Evaluation (EFE) …………………………………………………….. 21
3.7.3 Strength Weakness Opportunity Threat (SWOT) …………………………………….. 22
3.7.4 Quantitative Strategic Planning Matrix (QSPM) ……………………………………... 24
Daftar Pustaka ………………………………………………………………………………. 24
Lampiran Penelitian ………………………………………………………………………… 26
1. Kuisioner Penelitian ……………………………………………………………………… 26
a. Identitas Responden …………………………………………………………………… 26
b. Pertanyaan Kuisioner ………………………………………………………………….. 27
2. Kebutuhan Data …………………………………………………………………………... 30
a. Divisi Pemasaran CSA (Community-Supported Agricluture) Seni Tani …………….... 30
b. Perwakilan Konsumen atau Pelanggan CSA Seni Tani ……………………………….. 31
c. Akademisi dari Institut Teknologi Bandung …………………………………………… 32
DAFTAR GAMBAR
1. Apakah terdapat pengaruh langsung dari variabel X (green marketing) terhadap variabel Z
(purchase intention) bagi konsumen atau pelanggan produk sayur organik CSA Seni Tani?
2. Apakah terdapat pengaruh langsung dari variabel X (green marketing) terhadap variabel Y
(brand image) bagi konsumen atau pelanggan produk sayur organik CSA Seni Tani?
3. Apakah terdapat pengaruh langsung dari variabel Y (brand image) terhadap variabel Z
(purchase intention) bagi konsumen atau pelanggan produk sayur organik CSA Seni Tani?
4. Apakah terdapat pengaruh tidak langsung variabel X (green marketing) terhadap variabel Z
(purchase intention) bagi konsumen atau pelanggan produk sayur organik CSA Seni Tani?
4. Melakukan analisis tentang pengaruh tidak langsung variabel X (green marketing) terhadap
variabel Y (purchase intention) dari variabel Y (brand image) sayur organik CSA Seni Tani.
5. Merumuskan strategi yang digunakan dalam mengatasi … (menyesuaikan hasil hipotesis)
1.4 Hipotesis Penelitian
H4 H4
H2 H3
Adapun pada penelitian ini menggunakan ketentuan pengujian hipotesis seperti di bawah ini:
1. Hubungan variabel X (green marketing) dan variabel Z (purchase intention) secara langsung
H01: Tidak terdapat hubungan pengaruh secara langsung dari variabel X (green marketing)
terhadap variabel Z (purchase intention)
Ha1: Terdapat hubungan pengaruh secara langsung antara variable X (green marketing)
terhadap variabel Z (purchase intention)
2. Hubungan variabel X (green marketing) dan variabel Y (brand image) secara langsung
H02: Tidak terdapat hubungan pengaruh secara langsung dari variabel X (green marketing)
terhadap variabel Y (brand image)
Ha2: Terdapat hubungan pengaruh secara langsung antara variabel X (green marketing)
terhadap variabel Y (brand image)
3. Hubungan variabel Y (brand image) dan variabel Z (purchase intention) secara langsung
H03: Tidak terdapat hubungan pengaruh secara langsung dari variabel Y (brand image)
terhadap variabel Z (purchase intention)
Ha3: Terdapat hubungan pengaruh secara langsung antara variabel Y (brand image)
terhadap variabel Z (purchase intention)
4. Hubungan antara variabel X (green marketing) dan variabel Z (purchase intention) secara
tidak langsung melalui bantuan perantara atau penghubung yaitu variabel Y (brand image)
H04: Tidak terdapat pengaruh secara tidak langsung variabel X (green marketing) terhadap
variabel Z (purchase intention) melalui bantuan perantara variabel Y (brand image)
Ha4: Terdapat pengaruh secara tidak langsung dari variabel X (green marketing) terhadap
variabel Z (purchase intention) melalui bantuan perantara variabel Y (brand image)
BAB III
METODOLOGI
N adalah ukuran populasi yaitu jumlah konsumen yang berlangganan sayur organik
e adalah besar kesalahan (margin error) dari ukuran populasi (dalam penelitian ini 10%)
Sebelum pengisian kusioner responden diberikan instruksi mengisi kolom identitas diri
diantaranya seperti nama lengkap, jenis kelamin, usia, pekerjaan, dan pendapatan. Proses
pengumpulan data pada penelitian ini menggunakan teknik kuisioner cetak dan digital (online)
berisi pertanyaan dan pernyataan mengenai masalah lingkungan, pembangunan berkelanjutan,
produk ramah lingkungan, citra merk produk komunitas, dan keputusan pembelian konsumen.
Setiap pertanyaan yang diajukan pada kuisioner menggunakan pendekatan metode skala likert
untuk mengonversikan data kualitatif pendapat responden menjadi data kuantitatif berupa nilai.
Skala likert berisi 5 parameter yang menggambarkan prioritas jawaban responden diantarannya
opsi 1 (Sangat Tidak Setuju), 2 (Tidak Setuju), 3 (Ragu-ragu), 4 (Setuju), dan 5 (Sangat Setuju).
3.4 Kerangka Penelitian
Selanjutnya, ditinjau menurut jumlah sampel dan skala pengukuran yang dibutuhkan.
CB-SEM mensyaratkan jumlah sampel relatif besar untuk estimasi akurat dan menggunakan
skala pengukuran continuous dan interval, sementara itu dalam PLS-SEM tidak mensyaratkan
jumlah sampel besar serta menggunakan skala pengukuran nominal, ordinal, dan continuous.
Iterasi yang dilakukan dengan berbasis varian, pada penggunaan PLS-SEM tidak mensyaratkan
data terdistribusi normal, mengabaikan efek multikolinearitas antar-indikator, variabel laten,
serta estimasi parameter dapat langsung dilakukan tanpa persyaratan kriteria Goodness of Fit.
Sementara itu, iterasi yang dilakukan dengan berbasis kovarian, pada penggunaan CB-SEM,
mensyaratkan data terdistribusi secara normal dan harus memenuhi kriteria Goodness of Fit.
Dilansir dari buku Hamid dan Anwar (2019), validitas konvergen berhubungan dengan
prinsip bahwa pengukur-pengukur suatu konstruk harus berkorelasi tinggi (Jorgiyanto, 2011).
Prosedur pengujian validitas indikator reflektif dengan menggunakan program SmartPLS dapat
dilakukan dari nilai loading factor untuk setiap indikator konstruk (Ghozali dan Latan, 2015).
Rule of Thumb untuk menilai validitas konvergen yaitu nilai loading factor harus lebih dari 0,7
untuk penelitian bersifat confirmatory dan antara 0,6-0,7 untuk penelitian bersifat exploratory,
serta nilai Average Variance Extracted (AVE) harus lebih dari 0,5 (Ghozali dan Latan, 2015).
Rumus yang digunakan pada perhitungan Average Variance Extracted (AVE), sebagai berikut:
(Ʃ 𝜆𝑖 2 ) 𝑣𝑎𝑟 𝐹
𝐴𝑉𝐸 =
(Ʃ 𝜆𝑖 2 )𝑣𝑎𝑟 𝐹 + Ʃ𝛩𝑖𝑖
Keterangan:
Rule of Thumb yang biasanya digunakan untuk menilai realibilitas konstruk yaitu nilai
Composite Reliability harus lebih besar dari (0,7) untuk penelitian yang bersifat confirmatory,
dan berikutnya nilai (0,6 – 0,7) masih dapat diterima untuk penelitian yang bersifat exploratory.
Composite Reliability disebut juga Dillon-Goldstein’s dapat dihitung dengan menggunakan
rumus Werts, Linn, dan Joreskog (1974) untuk mengukur internal consistency sebagai berikut:
(Ʃ 𝜆𝑖 )² 𝑣𝑎𝑟 𝐹
𝜌𝑐 =
(Ʃ𝜆𝑖 )² 𝑣𝑎𝑟 𝐹 + Ʃ𝛩𝑖𝑖
3.6.2.1 R-Square
Dalam menilai model struktural dengan pendekatan PLS, dapat dimulai dengan melihat
nilai R-Squares untuk setiap variabel laten endogen sebagai kekuatan prediksi model struktural.
Interpretasi yang umumnya digunakan sama dengan interpretasi pada pendekatan OLS regresi.
Perubahan nilai R-Squares akan digunakan untuk menjelaskan pengaruh variabel laten eksogen
terhadap variabel laten endogen apakah mempunyai hubungan pengaruh substantive atau tidak.
Nilai R-Squares 0.75, 0.50, dan 0.25 dapat dinyatakan bahwa model kuat, moderat, dan lemah.
Hasil dari PLS R-Squares merepresentasikan jumlah variance konstruk yang dijelaskan model.
Adapun pengaruh besarnya ƒ2 dapat diketahui dengan rumus perhitungan seperti di bawah ini:
𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒𝑑 − 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒𝑑
𝑓2 =
1 − 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒𝑑
Indikator R2included dan R2excluded merupakan R-Squares dari variabel laten endogen
ketika prediktor dari variabel laten digunakan atau dikeluarkan di dalam persamaan struktural.
Nilai indikator 𝑓² 0.02, 0.15, dan 0.35 sama dengan yang direkomendasikan oleh Cohen (1998)
untuk definisi operasional regresi berganda yang diinterpretasikan jika predictor variabel laten
memiliki pengaruh kecil, menengah, dan besar pada level struktural (Chin, 1998, Chin 2010).
Di samping itu, jika ingin mengetahui prediksi dari konstruk endogen dapat digunakan
metode baseline model yang dimaksudkan untuk membandingkan antara 2 atau lebih tambahan
variabel laten yang dilakukan dengan metode uji F dengan perhitungan rumus sebagai berikut:
𝑅22 − 𝑅12
𝐹 𝑘2 − 𝑘1
1 − 𝑅22
𝑁 − 𝑘2 − 1
k2 – k1, N – k2 – 1 adalah degrees of freedom
3.6.2.3 T-Statistic
Evaluasi pada Structural Model kemudian dilanjutkan dengan melihat nilai signifikansi
untuk mengetahui pengaruh diantara variabel melalui prosedur jacknifing atau bootstrapping.
Pendekatan bootstrap merepresentasikan non-parametric untuk precision dalam estimasi PLS.
Adapun penggunaan metode bootstrap dikembangkan oleh Efron pada sekitar tahun 1970-an.
Prosedur bootstrap menggunakan seluruh sampel asli untuk melakukan resampling kembali.
Hair et al (2011) dan Hanseler et al (2009) memberi rekomendasi number of bootstrap samples
yaitu sebesar 5.000 dengan catatan jika jumlah tersebut harus lebih besar dari original sampel.
Namun demikian, beberapa literatur seperti Chin (2003) dan Chin (2010) menyarankan bahwa
number of bootstrap samples 200-1000 cukup untuk mengoreksi standar error estimate PLS.
Selain metode bootstrap, terdapat juga metode alternatif resampling lain yang dikenal
sebagai metode jackknifing yang telah dikembangkan oleh Jackknife sekitar tahun 1940-an.
Metode ini menggunakan sub sampel dari sampel asli untuk melakukan resampling kembali.
Namun perlu diketahui bahwa penggunaan metode jackknifing tergolong kurang begitu efisien
dibandingkan metode bootstrap karena mengabaikan confidence intervals (Efron et al., 2004).
Sehingga metode jackknifing kurang digunakan dalam SEM dibandingkan metode bootstrap.
Adapun program Smart-PLS hanya akan menyediakan metode resampling berupa bootstrap.
Nilai signifikansi yang digunakan (two-tailed) t-value 1.65 dengan significance level = 10%,
t-value 1.96 dengan significance level = 5%), dan t-value 2.58 dengan significance level = 1%.
O adalah the sum of squares errors using the mean for prediction
Nilai Q2 > 0 menunjukkan bahwa perhitungan model mempunyai predictive relevance,
sedangkan nilai Q2 < 0 menujukkan sebaliknya model tidak mempunyai predictive relevance.
Adapun dalam keterkaitannya dengan 𝑓², perubahan Q² memberikan dampak relatif terhadap
model struktural yang dapat diketahui dengan menggunakan rumus perhitungan di bawah ini:
2
𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒𝑑 − 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒𝑑
𝑞 =
1 − 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒𝑑
Nilai Q2 Predictive Relevances yang terdapat dalam rentang nilai 0.02, 0.15, dan 0.35
secara berturut-turut menunjukkan bahwa model dapat diasumsikan lemah, moderat, dan kuat.
Pada pengujian keseluruhan model (overall fit index) dapat menggunakan kriteria dari
Godness of Fit Index yang dikembangka Tenenhaus et al (2004) dengan sebutan GoF Index.
Indeks ini dikembangkan untuk dapat mengevaluasi model pengukuran dan model structural
di samping menyediakan pengukuran sederhana untuk keseluruhan dari suatu prediksi model.
GoF dihitung dari akar kuadrat average communality dan average R-Squares, sebagai berikut:
𝐺𝑜𝐹 √√𝐶𝑜𝑚 × 𝑅²
Dimana:
Menurut Ma’ruf (2022), identifikasi faktor-faktor dari Evaluasi Faktor Eksternal (EFE)
dapat menggunakan beberapa metode atau pendekatan berbeda sesuai kebutuhan diantaranya
Analisis PESTEL (Politic, Economy, Social, Technology, Environment, and Legal Analysis),
Porter 5 Forces (5 Kekuatan Porter), Evaluasi Faktor Eksternal (External Factor Evaluation),
Kekuatan Industri (Industrial Strength), dan Stabilitas Lingkungan (Environmental Stability).
Daerah kanan atas (positif dan positif) kuadran I pertemuan Strength-Opportunity (SO),
daerah kanan bawah (positif dan negatif) disebut kuadran II pertemuan Strength-Threat (ST),
daerah kiri atas (negatif dan positif) yaitu kuadran III pertemuan Weakness-Opportunity (WO),
berikut daerah kiri bawah (negatif dan negatif) kuadran IV pertemuan Weakness-Threat (WT).
W S
Kuadran IV Kuadaran II
T
Gambar 3.1 Diagram Cartesius Penentuan Strategi pada SWOT
Sumber: (Ma’ruf, 2022)
Keseluruhan faktor hasil evaluasi diinventarisasi berdasarkan pembagian kelompoknya
dengan digunakan 5 faktor yang dianggap paling mempunyai pengaruh untuk setiap kelompok.
Seluruh faktor yang telah dipilih kemudian diukur bobotnya dan dikalkulasi sedemikian rupa
sehingga mendapatkan akan 2 angka tertentu baik untuk faktor internal atau faktor eksternal.
Kemudian, 2 angka yang telah diperoleh dari pengurangan faktor positif dengan faktor negatif
dijadikan sebagai titik koordinat pada Diagram Cartesius seperti yang ditunjukkan Gambar 3.1.
Selanjutnya ditentukan strategi yang sesuai berdasarkan perpotongan kuadran yang diperoleh
apakah dengan menerapkan strategi (S-O), strategi (S-T), strategi (W-O), atau strategi (W-T).
Tabel 3.6 Pencocokkan Strategi dengan Perpotongan Matriks SWOT
Fungsi pembagian daerah menjadi 4 kuadran yang terdiri atas kuadran I, II, III, dan IV
adalah untuk mempermudah prosedur perumusan alternatif strategis yang hendak digunakan.
Terdapat beberapa rekomendasi yang perlu diterapkan jika hasil analisis SWOT memposisikan
tujuan pada kuadran tertentu berdasarkan perpaduan faktor pada penyusunnya, sebagai berikut:
a. Kuadaran I pertemuan Kekuatan (Strength) dan Peluang (Opportunity), disebut sebagai
strategi (S-O) memanfaatkan Kekuatan yang dimiliki untuk menggapai Peluang yang ada.
b. Kuadran II pertemuan Kekuatan (Strength) dan Ancaman (Threat), disebut sebagai strategi
(S-T) memanfaatkan Kekuatan yang dimiliki untuk mengendalikan Ancaman yang ada.
c. Kuadran III pertemuan Kelemahan (Weakness) dan Peluang (Opportunity), disebut sebagai
strategi (W-O) mengurangi Kelemahan yang dimiliki untuk menggapai Peluang yang ada.
d. Kuadran IV pertemuan Kelemahan (Weakness) dan Ancaman (Threat), disebut sebagai
strategi (W-T) memperkecil Kelemahan yang dimiliki untuk mengatasi Ancaman yang ada.
3.7.4 Quantitative Strategic Planning Matrix (QSPM)
Quantitative Strategic Planning Matrix (QSPM) adalah teknik yang digunakan untuk
menetapkan kebijakan strategi terbaik diantara beberapa opsi atau alternatif kebijakan strategi
yang telah didapatkan sebelumnya dengan melakukan pengukuran pada IFE, EFE, dan SWOT
berdasarkan keadaan terkini yang terjadi di sekitar suatu unit instansi, bisnis, atau perusahaan.
Dengan demikian, Quantitative Strategic Planning Matrix (QSPM) merupakan tahap terakhir
dari proses pencarian dan penentuan strategi yang digunakan untuk mengatasi suatu masalah
yang dihadapi oleh suatu unit instansi, bisnis, atau perusahaan baik pada internal atau eksternal.
Prosedur analisis strategi dengan penggunaan Quantitative Strategic Planning Matrix (QSPM)
baik diterapkan untuk faktor internal atau eksternal dapat dilihat seperti tersaji pada tabel 3.7.
Aliansi Organis Indonesia (AOI). 2020. Statistik Pertanian Organik Indonesia 2019. Bogor.
Penerbit Aliansi Organis Indonesia (AOI).
Amalia, E., Joy, B., Sunardi. 2016. Residu Pestisida pada Tanaman Holtikultura (Studi Kasus
pada Desa Cihanjuang Rahayu, Kecamatan Parongpong, Kabupaten Bandung Barat).
Jurnal Agrikultura Vol. 1 No. 23-39.
Badan Pusat Statistik. 2015. Jumlah Penduduk Kota Bogor. Jakarta
Badan Pusat Statistik. 2016. Dinas Tanaman Pangan dan Holtikultura. Jakarta.
Chin, W.W. 1998. The Partial Least Squares Approach for Structural Equation Modelling in
Marcoulides, G.A (Eds.). Modern Methods for Business Research (pp. 295-236).
London: Lawrence Erlbaum Associates.
Chin, W.W. 2010. How to Write Up and Report PLS Analyses. In Vinzi, V.E., Chin, J.,
Hanseler, J. Wang, H (Eds.), Handobook of Partial Least Squares: Concepts, Methods,
and Applications in Marketing and Related Fields (pp. 655-690). Berlin. Springer.
Cohen, J. 1998. Statistical Power Analysis for the Behavioral Sciences. Hillsdale, New Jersey:
Lawrence Erlbaum Associates.
Darwadi., Susmiati., Luthfi, E.I. 2017. Hubungan antara Kontak Pupuk Urea dengan Gejala
Dermatitis Petani Desa Sekaran, Kecamatan Jatirogo, Kabupaten Tuban, Jawa Timur.
Jurnal NSJ Vol. 1 No. 1.
Efron, B., Rogosa, D., Tibshirani, R. 2004. Resampling Methods of Estimation. In Smelser,
N.J., Baltes, P.B. (Eds.) International Encyclopedia of the Social and Behavioral
Sciences (pp. 13216-13220). New York, NY: Elsevier.
Fornell, C., Larcker, D.F. 1981. “Evaluating Strucutral Equation Models with Unobservable
Variables and Measurement Error”. Journal of Marekting Research (18:1), pp. 39-50.
Ghozali, I., Latan, H. 2015. Partial Leasr Squares: Konsep, Teknik, dan Aplikasi Menggunakan
Program Smart PLS 3.0 untuk Penelitian Empiris (Edisi 2). Semarang: Badan Penerbit
Universitas Diponegoro.
Gil, J.M., Gracia, A., Sanchez, M. 2000. Market Segmentation and Willingness to Pay for
Organic Products in Spain. The International Food and Agribusiness Management
Review, Vol. 3 No. 2.
Hair, J.F., Ringle, C.M., Sarstedt, M. 2011. “PLS-SEM: Indeed, A Silver Bullet”. Journal of
Marketing Theory and Practice (19:2), pp. 139-150.
Hair, J.F., Sarstedt, M., Ringle, C.M., Mena, J.A. 2011. “An Assessment of the Use of Partial
Least Squares Structural Equation Modelling in Marketing Research”. Journal of the
Academy of Marketing Science (40:1), pp. 414-433.
Hamid, R.S., Anwar, S.M. 2019. Structural Equation Modelling (SEM) yang Berbasis Varian:
Konsep Dasar dan Aplikasi Program SmartPLS 3.2.8 dalam Keperluan Riset Bisnis.
Jakarta: Penerbit Inkubator Penulis Indonesia.
Haniyah, D.N., Djuwendah, E., Judawinata, A.G., Sadeli, A.H. 2022. Usaha Pertanian
Organik berbasis CSA (Community-Supported Agriculture) Studi Kasus CSA Seni Tani,
Kota Bandung, Indonesia. Jurnal Pemikiran Masyarakat Ilmiah Berwawasan Agribisnis
Vol. 8 No. 2.
Hanseler, J., Ringle, C.M., Sinkovics, R.R. 2009. “The Use of Partial Last Squares Path
Modelling in International Marketing”. Advances in International Marketing (20), pp.
227-319.
Kirgiz, A.C. 2016. Green Marketing: A Case Study of the Sub-Industry in Turkey. London.
Palgarve Pivot.
Kotler, P.T. Amstrong, G. 2016. Principles of Marketing: 16th of Global Edition. New Jersey.
Pearson Education Limited.
Kotler, P.T., Keller, K.L. 2016. Marketing Management: 15th of Global Edition. New Jersey.
Pearson Education Limited.
Las, I., Subagyono, K., Setiyanto, A.P. 2006. Isu dan Pengelolaan Lingkungan dalam Upaya
Revitalisasi Pertanian. Jurnal Litbang Pertanian. 25(3), 106-114.
Ma’ruf, A. 2022. Analisis Strategi: Panduan Praktis SWOT, GE – McKinsey, SPACE, FFA,
QSPM, dan AHP Menggunakan Microsoft Excel. Yogyakarta; Penerbit Andi.
Mayrowani, H. 2012. Pengembangan Pertanian Organik di Indonesia. Jurnal Forum Penelitian
Agro Ekonomi Vol. 30 No. 2
Tenenhaus, M., Amato, S. EspositoVinzi, V. 2004. “A Global Godenss-of-Fit Index for PLS
Structural Ecuation Modelling”. Proceedings of the XLII SIS Scientific Meeting, Vol.
Contributed Papers, CLEUP. Padova, pp. 739-742.
Utami, K., Rauf, A., Salmiah. 2019. Analisis Perilaku pada Konsumen dalam Pengambilan
Keputusan Pembelian Sayur Organik di Kota Medan. Jurnal Agroteknologi dan Ilmu
Pertanian Vol. 3 No. 2.
Zulkifli, A. 2020. Green Marketing: Redefinisi Green Product, Green Price, Green Place, dan
Green Promotion. Yogyakarta: Penerbit Graha Ilmu.
www.1000kebun.org. 2021. Seni Tani – Lahan Tidur Menjadi Kebun.
https://1000kebun.org/2021/12/02/seni-tani-lahan-tidur-menjadi-kebun/. (Diakses
pada 5 September 2023)
www.1000kebun.org. 2022. Teman Bertumbuh. https://1000kebun.org/category/seni-tani/.
(Diakses pada 5 September 2023)
www.greennetwork.id. 2022. Seni Tani Menyediakan Akses Pangan Sehat Dekat Perkotaan.
https://greennetwork.id/wawancara/seni-tani-menyediakan-akses-pangan-sehat-dan-
dekat-di-perkotaan/. (Diakses pada 5 September 2023).
LAMPIRAN PENELITIAN
No. Pertanyaan 1 2 3 4 5
Green Product
Green Price
Green Place
Green Promotion
Strengthness of Brand
CSA Seni Tani menyediakan variasi jenis sayuran organik
1. secara lengkap baik daun, buah, umbi, bumbu, dan kacang
CSA Seni Tani bermakna pemberdayaan (empowerment)
2. melalui penyediaan lapangan kerja bagi para petani muda
CSA Seni Tani bermakna berkelanjutan (sustainability)
3. melalui kegiatan pertanian regeneratif ramah lingkungan
CSA Seni Tani bermakna lokal (local) melalui pelibatan
4. petani muda dan masyarakat pada ketahanan pangan lokal
Favorable of Brand
CSA Seni Tani termasuk merek produk pertanian organik
5. yang aktif dalam berkolaborasi dengan masyarakat sekitar
CSA Seni Tani termasuk merek produk pertanian organik
6. yang aktif pada kegiatan lokal, nasional, dan internasional
CSA Seni Tani termasuk merek produk pertanian organik
7. yang memiliki reputasi baik untuk kepedulian lingkungan
CSA Seni Tani termasuk merek produk pertanian organik
8. yang menyampaikan laporan keberlanjutan secara berkala
Uniqueness of Brand
CSA Seni Tani memiliki keunikan pada penerapan sistem
9. Community-Supported Agriculture yang jarang dijumpai
CSA Seni Tani memiliki keunikan pada penerapan sistem
10. berlangganan pada awal sebagai modal operasional petani
CSA Seni Tani memiliki keunikan pada penerapan sistem
11. transparansi untuk mengamati pertanian organik di kebun
CSA Seni Tani memiliki keunikan pada penerapan sistem
12. pemanfaatan ampas kopi kedai mitra untuk pupuk kompos
Appearance of Brand
CSA Seni Tani memiliki logo sebagai identitas dari merek
13. yang ringan dan mudah diterima konsumen dan pelanggan
CSA Seni Tani memiliki maskot bernama Sani dan Sina
14. yang atraktif dan mudah diingat konsumen dan pelanggan
CSA Seni Tani menampilkan berbagai informasi melalui
15. penggunaan desain atau tampilan infografis yang menarik
CSA Seni Tani menampilkan berbagai informasi melalui
16. penggunaan huruf, warna, dan gambar yang proporsional
1.2.3 Purchase Intention
Product Selection
Konsumen melakukan pembelian produk sayuran organik
1. karena dapat berkontribusi pada keberlanjutan lingkungan
Konsumen melakukan pembelian produk sayuran organik
2. karena dapat menjaga kestabilan dari ekosistem pertanian
Konsumen melakukan pembelian produk sayuran organik
3. karena lebih menjamin keamanan dan kesehatan makanan
Konsumen melakukan pembelian produk sayuran organik
4. karena nutrisi dan gizi dalam makanan tetap terjaga stabil
Brand Selection
Konsumen memilih sayuran organik pada CSA Seni Tani
5. karena visi yang sama untuk pertanian yang berkelanjutan
Konsumen memilih sayuran organik pada CSA Seni Tani
6. karena praktis karena dekat keterjangkauan tempat tinggal
Konsumen memilih sayuran organik pada CSA Seni Tani
7. karena meringankan beban petani dalam permodalan awal
Konsumen memilih sayuran organik pada CSA Seni Tani
8. karena aksesibilitas mengamati budidaya secara langsung
Purchase Period
Konsumen memiliki riwayat atau pengalaman terdahulu
9. dalam kegiatan pembelian produk sayuran CSA Seni Tani
Konsumen membeli lagi produk sayuran CSA Seni Tani
10. jika stok sayuran CSA Seni Tani sebelumnya sudah habis
Konsumen melakukan pembelian produk sayuran organik
11. CSA Seni Tani untuk rentang jangka panjang (long term)
Konsumen mendaftar sebagai pelanggan produk sayuran
12. CSA Seni Tani sehingga dapat mempermudah pembelian
Purchase Method
CSA Seni Tani menyediakan alternatif pembayaran yang
13. mempermudah proses transaksi konsumen atau pelanggan
CSA Seni Tani menyediakan promo diskon harga menarik
14. dari pembelian sayuran organik konsumen atau pelanggan
CSA Seni Tani menyediakan pilihan paket berlangganan
15. yang menyesuaikan kebutuhan konsumen atau pelanggan
CSA Seni Tani menyediakan pergantian pengiriman sayur
16. jika konsumen atau pelanggan absen dalam jadwal semula