Created with Print2PDF. To remove this line, buy a license at:

52 Bab IV Analisis Penelitian

Dalam bab ini dilakukan pembahasan atas hasil-hasil yang diperoleh didalam penelitian. IV.1

Analisis data

Dari hasil pengumpulan data diperoleh data-data antara lain ( hasil pengumpulan data selengkapnya dapat dilihat pada lampiran J ) : a.

Nilai tanah Nilai tanah bersumber dari data transaksi jual-beli Pejabat Pembuat Akta Tanah (PPAT) dan data penawaran. Sebaran data jual beli maupun penawaran per kelurahan dapat dilihat pada tabel IV.1sebagai berikut: Tabel IV.1 Sebaran data transaksi jual beli dan penawaran No 1 2 3 4 5 6 7

Kelurahan Cijagra Turangga Lingkar Selatan Malabar Burangrang Cikawao Paledang Jumlah

Transaksi 16 29 7 10 7 10 5 84

Penawaran 13 27 4 4 7 1 0 56

dan gambar IV.1 sebagai berikut: PETA SEBARAN DATA TRANSAKSI DAN PENAWARAN KECAMATAN LENGKONG KOTA BANDUNG KEC. SUMUR BANDUNG KEC. BATUNUNGGAL 9234000

Kel. Malabar Kel. Paledang

9233500

Kel. Cikawao Kel. Lingkar Selatan Kel. Burangrang

9233000

0

9232500

200 400 600 800

Kel. Turangga Batas Wilayah KEC. REGOL

9232000

Data Transaksi

Data Penawaran

9231500

Kel. Cijagra

Dibuat oleh : Erwin Hidayanto NIM. 25106013 KEC. BANDUNG KIDUL

788500

789000

789500

790000

790500

791000

Sumber : Basis Data SIG KP PBB Bandung Satu Sistem Proyeksi UTM Zona 48 Southren Hemisphere

Gambar IV.1 Peta sebaran data transaksi dan penawaran

Created with Print2PDF. To remove this line, buy a license at: http://www.software602.com/

53 Melihat sebaran data transaksi jual beli maupun penawaran pada tabel IV.1 dan gambar IV.1, pengambilan sampel cukup merata di seluruh kelurahan hanya di kelurahan Paledang tidak diperoleh data penawaran. Tetapi bila melihat jumlah data sampel secara keseluruhan dibandingkan dengan jumlah objek pajak diseluruh Kecamatan Lengkong yang berjumlah 14.538 op, sangat kecil hanya berkisar 1 %. Deskripsi statistik dari data transaksi jual beli dan penawaran dapat dilihat pada tabel IV.2 sebagai berikut: Tabel IV.2 Deskripsi statistik data sampel No

Jenis Deskripsi

1

Jumlah Data

2

Minimum

3

Maximum

4

Jumlah

5

Rata-rata

6

Simpangan Baku

Transaksi

Penawaran 84

56

393.743

410.051

5.079.974

4.108.108

136.192.150

96.665.240

1.621.335

1.726.165

884.696,89

563.840,2

Dari deskripsi statistik data sampel pada tabel IV.2 nilai minimum transaksi sebesar Rp. 393.743,- dan maksimum sebesar Rp. 5.079.974,- mempunyai range yang lebih sempit jika dibandingkan NJOP untuk Kecamatan Lengkong yang berkisar antara Rp. 243.000,- sampai dengan Rp. 6.805.000,-, hal ini dapat mempengaruhi prediksi nilai yang dihasilkan. b. Jarak tempuh terpendek Hasil pengukuran jarak tempuh terpendek menunjukkan korelasi yang lemah terhadap nilai tanah. Pada Tabel III.3 dapat dilihat nilai korelasi variabel jarak dengan nilai tanah hanya berkisar antara 0,077 sampai dengan 0,165. Sebaliknya hubungan antara variabel jarak dengan variabel jarak yang lain bervariasi dari yang lemah sebesar 0,017 sampai dengan 0,971 mendekati sempurna. Hal tersebut mengindikasikan adanya hubungan kolinieritas diantara variabel jarak, atau variabel jarak yang satu merupakan fungsi linier dari variabel jarak yang lain.


54 Hubungan jarak tempuh terpendek dari Bandung Super Mall (BSM) sebagai contoh, dengan nilai tanah dapat dilihat pada diagram pencar gambar IV.2 sebagai berikut: 4000

3500

3000

BSM

2500

2000

1500

1000

500

0

1000000

2000000

3000000

4000000

5000000

6000000

Nilai Tanah

Gambar IV.2 Diagram pencar nilai tanah dengan jarak dari BSM Jika dilihat pada gambar IV.2 sebaran titik data sangat acak, hal ini menunjukkan hubungan yang lemah antara data jarak dari BSM dengan nilai tanah. c. Jarak buffer Jarak buffer dari jalan, yang diperoleh dari peneliti terdahulu dapat dilihat hubungannya dengan nilai tanah dengan menggunakan diagram pencar pada gambar IV.3 sebagai berikut:

2600 2400 2200 2000

JL_GURAME

1800 1600 1400 1200 1000 800 600 400 200 0

0

1000000

2000000

3000000

4000000

5000000

6000000

Nilai Tanah

Gambar IV.3 Diagram pencar nilai tanah dengan jarak dari jalan


55 Jl Gurame dipilih sebagai contoh karena Jl Gurame memiliki korelasi paling tinggi dengan nilai tanah dibanding dengan jarak dari jalan lainnya. Dapat dilihat dari gambar IV.3 bahwa pola hubungan antara jarak dari jalan dengan nilai tanah sangat acak. d. Lebar jalan Pola hubungan antara variabel lebar jalan dengan nilai tanah dapat dilihat pada gambar IV.4, dimana letak dan arah sebaran data mengikuti dan dekat dengan garis linier yang dibentuk oleh kedua variabel. Hal ini sesuai dengan tingkat korelasi antara lebar jalan dengan nilai tanah yaitu sebesar 0,667, cukup signifikan mempengaruhi nilai tanah dan terbukti variabel ini lolos uji pada ketiga alternatif model.

16 14 12

LBR_JLN

10 8 6 4 2 0

0

1000000

2000000

3000000

4000000

5000000

6000000

Nilai Tanah

Gambar IV.4 Diagram pencar nilai tanah dengan lebar jalan e. Lebar sisi depan Hasil pengukuran lebar sisi depan objek memiliki korelasi yang tidak signifikan dengan nilai tanah, hanya sebesar 0,104. Tingkat korelasi tersebut juga dapat dilihat pada diagram pencar hubungan lebar sisi depan dengan nilai tanah pada gambar IV.5 dibawah ini. Sebaran data sangat acak dan tidak mengikuti arah garis linier yang ada, Hal ini menunjukkan nilai tanah di wilayah Kecamatan Lengkong tidak dipengaruhi secara signifikan oleh lebar sisi depan objek.


56

28 26 24 22 20 LBR_DPN

18 16 14 12 10 8 6 4 2

0

1000000

2000000

3000000

4000000

5000000

6000000

Nilai Tanah

Gambar IV.5 Diagram pencar nilai tanah dengan lebar sisi depan f. Luas tanah Variabel luas tanah mempunyai nilai korelasi yang cukup besar yaitu 0,384 jika dibanding variabel lainnya, walaupun tetap tidak signifikan. Pola hubungan antara luas tanah dengan nilai tanah dapat dilihat pada gambar IV.6. walaupun masih acak tetapi letak dan arah data sudah berada dekat dan mengikuti arah garis linier.

1000 900 800

LUAS_TNH

700 600 500 400 300 200 100 0

0

1000000

2000000

3000000

4000000

5000000

6000000

Nilai Tanah

Gambar IV.6 Diagram pencar nilai tanah dengan luas tanah IV.2

Analisis Model

IV.2.1 Model Regresi a. Hasil Reduksi variabel bebas Dalam penelitian digunakan 66 buah variabel bebas sebagai masukan awal. Selanjutnya dilakukan reduksi variabel yang bertujuan untuk meningkatkan


57 derajat kebebasan (degrees of freedom) dari model yang akan dibangun pada tahap selanjutnya. Tahapan yang dilakukan dalam reduksi tersebut adalah: 1. Analisis korelasi antara variabel bebas dan nilai tanah Berdasarkan matriks korelasi r dapat dilihat bahwa korelasi antara variabel-variabel bebas dan nilai tanah rata-rata tidak signifikan. Nilai korelasi terendah ada pada SMPN_13 sebesar -0,008 dan tertinggi ada pada variabel lebar jalan yaitu sebesar 0,667 dan merupakan satu-satunya variabel yang mempunyai nilai korelasi signifikan (diatas 0,5). Sebaliknya korelasi antar variabel bebas rata-rata signifikan bahkan sebagian diatas 0,9 mendekati sempurna. Antar variabel bebas cenderung menunjukkan suatu kombinasi linear tertentu yang kuat, yang dapat ditafsirkan bahwa sebagian variabel bebas tertentu dipengaruhi dengan sangat kuat oleh variabel bebas yang lain atau telah terjadi gejala multikolinieritas. 2. Regresi metode stepwise Setelah memperhatikan tingkat korelasi antara variabel bebas dengan nilai tanah maupun antar variabel bebas, perlu dilakukan reduksi variabel agar dapat meningkatkan derajat kebebasan maupun mengurangi gejala multikolinieritas antar variabel. Dengan menggunakan regresi metode stepwise

didapatkan

variabel-variabel

yang

dianggap

signifikan

mempengaruhi nilai tanah dalam masing-masing model (tabel III.5). b. Uji model regresi Uji model dilakukan dalam rangka untuk mendapakan model yang baik sesuai dengan kaidah-kaidah dalam regresi. 1. Uji a priori ekonomi Uji ini dilakukan untuk melihat apakah variabel bebas mempunyai hubungan yang sesuai dengan a priori ekonomi. Untuk variabel jarak terhadap pusat perdagangan, fasilitas pendidikan, fasilitas kesehatan dan jalan seharusnya variabel bertanda negatif untuk model dengan jarak asli dan bertanda positif untuk model dengan jarak resiprokal. Hal ini sesuai dengan anggapan ekonomi bahwa semakin jauh atau besar jarak suatu bidang tanah dari variabel acuan tersebut maka nilai tanah semakin rendah. Sedangkan terhadap variabel endogen nilai tanah mempunyai hubungan


58 yang positif. Pada tabel III.6 dapat dilihat beberapa variabel menunjukkan tanda hasil (tanda koefisien) tidak sesuai dengan hipotesis ditunjukkan dengan tanda (*). Mengacu kepada ketentuan pemodelan secara analisis regresi, maka apabila tidak lolos dalam salah satu pengujian maka variabel tersebut tidak dapat dipertahankan dan harus dikeluarkan dari model tersebut. Pada tabel III.6 juga dapat dilihat bahwa variabel yang tidak lolos uji apriori ekonomi di salah satu model cenderung tidak lolos uji di semua alternatif model lainnya. 2. Uji t Uji ini dilakukan untuk melihat apakah variabel model secara individu berpengaruh terhadap variabel terikatnya. Uji t dilaksanakan pada tingkat kepercayaan 95% ( α = 0,05) dengan t tabel sebesar 1,96. Pada pengujian ini beberapa variabel tidak lolos dengan tanda (*) seperti STIE Nasional pada model aditif dengan jarak asli menggunakan variabel eksogen dan endogen, hal ini menunjukkan variabel jarak dari STIE Nasional secara individu tidak signifikan mempengaruhi nilai tanah di Kecamatan Lengkong. Pada saat melakukan uji t terdapat beberapa variabel yang mempunyai tanda tidak sesuai dengan a priori ekonomi dengan tanda (**) walaupun sudah lolos uji a priori ekonomi sebelumnya seperti jarak dari Jl. Dalem Kaum dan jarak dari Univ. langlangbuana. 3. Uji F Uji ini dilakukan untuk melihat apakah variabel model secara bersamasama berpengaruh terhadap nilai tanah. Dari uji ini beberapa model tidak lolos uji (*) dalam arti variabel model yang ada secara bersama-sama tidak dapat menjelaskan variabel terikatnya. Pada model menggunakan variabel eksogen saja, hanya model aditif dengan jarak resiprokal yang lolos uji, sedangkan model menggunakan variabel eksogen dan endogen terdapat tiga model yang lolos uji yaitu model aditif dengan jarak resiprokal, multiplikatif dengan jarak asli dan multiplikatif dengan jarak resiprokal. 4. Uji Multikolinieritas Uji ini digunakan untuk mengetahui adanya hubungan linier diantara variabel-variabel bebas dalam model yang ditunjukkan dengan adanya


59 derajat kolinieritas yang tinggi diantara variabel bebas. Dari uji ini dari semua varibel model yang ada bebas dari gejala multikolinieritas yang ditunjukkan dengan nilai Variance inflation Factor (VIF) dibawah 10. 5. Uji Heteroskedastisitas Heteroskedastisitas adalah suatu keadaan adanya varian yang tidak konstan dari variabel pengganggu. Dalam penelitian ini fenomena heteroskedastisitas dikenali dengan pengujian rank korelasi Spearman. Model aditif (1/x) menggunakan variabel eksogen saja terdapat tiga variabel yang terdapat gejala heteroskedastisitas (*) yaitu variabel jarak dari Jl A Yani, jarak dari Jl Dalem kaum dan jarak dari SMP. Untuk model menggunakan variabel eksogen dan endogen dari ketiga model tersisa yaitu aditif (1/x), multiplikatif (x) dan (1/x) terdapat dua variabel yang mengandung gejala heteroskedastisitas yaitu variabel jarak dari Puskesmas Suryalaya dan variabel Luas Tanah. Nilai t hitung hasil perhitungan korelasi spearman lebih besar dari nilai t tabelnya. c. Pemilihan model regresi Pemilihan model dilakukan dengan memperhatikan nilai Adjusted R2 yang tertinggi dari keempat model yang lolos uji. Dari nilai Adjusted R2 dipilih model aditif (1/x) menggunakan variabel endogen dengan nilai Adjusted R2 sebesar 0,662 dibandingkan tiga model lainnya. Selengkapnya deskripsi statistik model aditif (1/x) menggunakan variabel endogen dapat dilihat pada tabel III.11. d. Model empiris nilai tanah regresi Setelah melalui berbagai tahap pengolahan data dengan metode regresi, maka diperoleh model aditif dengan jarak resiprokal (1/x) yang paling akurat berdasarkan data yang ada, dengan persamaan matematis yang merupakan turunan dari rumus II.1 sebagai berikut : NTE = 1.663.267 + 465.537 * LJ + 245.597 * DK + 159.876 *AY + 152.289 * SMP + 142.890 SDP

(IV.1)

Dimana : NTE

=

Nilai Tanah Estimasi, dalam rupiah


60 LJ

=

Lebar jalan, dalam meter

DK

=

Jarak dari jalan Dalem Kaum dalam bentuk jarak resiprokal (1/x), dalam meter

AY

=

Jarak dari jalan Ahmad Yani dalam bentuk jarak resiprokal (1/x), dalam meter

SMP

=

Jarak dari SMP dalam bentuk jarak resiprokal (1/x), dalam meter

SDP

=

Jarak dari SD Pelita dalam bentuk jarak resiprokal (1/x), dalam meter

Dari model empiris yang terbentuk, dapat diinterpretasikan sebagai berikut: 1. Apabila semua variabel yang diamati tidak berubah atau sama dengan nol (ceteris paribus), maka rata-rata nilai tanah adalah sebesar Rp. 1.663.267,per m2; 2. Variabel lebar jalan mempunyai pengaruh positif terhadap nilai tanah dengan nilai 465.537, yang berarti semakin lebar jalan selebar 1 meter, maka akan menaikkan nilai tanah sebesar Rp 465.537,- dengan asumsi variabel yang lain tidak berubah (ceteris paribus); 3. Variabel resiprokal jarak dari jalan Dalem Kaum mempunyai pengaruh positif terhadap nilai tanah dengan nilai 245.597, yang berarti semakin dekat jarak dari jalan dalem kaum sejauh 1 meter, maka akan menaikkan nilai tanah sebesar Rp 245.597,- dengan asumsi variabel yang lain tidak berubah (ceteris paribus); 4. Variabel resiprokal jarak dari jalan Ahmad Yani mempunyai pengaruh positif terhadap nilai tanah dengan nilai 159.876, yang berarti semakin dekat jarak dari jalan dalem kaum sejauh 1 meter, maka akan menaikkan nilai tanah sebesar Rp 159.876,- dengan asumsi variabel yang lain tidak berubah (ceteris paribus); 5. Variabel resiprokal jarak dari SMP mempunyai pengaruh positif terhadap nilai tanah dengan nilai 152.289, yang berarti semakin dekat jarak dari SMP sejauh 1 meter, maka akan menaikkan nilai tanah sebesar Rp 152.289,- dengan asumsi variabel yang lain tidak berubah (ceteris paribus);


61 6. Variabel resiprokal jarak dari SD Pelita mempunyai pengaruh positif terhadap nilai tanah dengan nilai 142.890, yang berarti semakin dekat jarak dari SD Pelita sejauh 1 meter, maka akan menaikkan nilai tanah sebesar Rp 142.890,- dengan asumsi variabel yang lain tidak berubah (ceteris paribus); e.

Validasi model regresi Validasi dilakukan untuk mengetahui tingkat akurasi, tingkat kewajaran hasil estimasi dan tingkat keseragaman penilaian dari model . 1. Tingkat akurasi model Nilai COV dari model aditif sebesar 65,3%, menunjukkan bahwa tingkat akurasi model dalam mengestimasi nilai tanah kurang baik, karena nilai COV berada jauh di atas batas tolerasi maksimum yang diperkenankan yakni 10% (Eckert, 1990). 2. Tingkat kewajaran nilai estimasi Nilai PRD dari model aditif adalah sebesar 1,156. Hal ini menunjukan bahwa tingkat kewajaran estimasi nilai tanah dari model masih belum cukup baik karena nilai PRD yang dihasilkan sudah berada diluar batas toleransi yang diperkenankan yaitu antara 0,98 sampai dengan 1,03 (Eckert, 1990). Hal ini berarti nilai estimasi dari nilai tanah telah terjadi progresivitas, artinya nilai tanah yang tinggi dinilai lebih tinggi dan nilai tanah yang rendah dinilai lebih rendah dari yang seharusnya. 3. Tingkat keseragaman penilaian Nilai Koefisien Dispersi (COD) dari model aditif adalah sebesar 43,1%. Hal ini menunjukan bahwa tingkat keseragaman dari penilaian belum cukup baik karena masih berada diluar batas toleransi yang diperkenankan yaitu ≤ 20% untuk tanah kosong/vacant land (IAAO, 2003).

IV.2.2 Model JST Pengolahan data metode JST menggunakan dua alternatif model yaitu model menggunakan jarak asli dan model menggunakan jarak resiprokal.


62 a. Pembentukan model menggunakan metode JST Pembentukan model diawali dengan pemilihan variabel yang akan digunakan pada model. Hasil pemilihan variabel dapat dilihat pada tabel III.13 dan tabel III.14. Model dengan jarak asli terdapat 44 variabel mempunyai koefisien determinasi R2 diatas 50% meliputi variabel pusat perdagangan sebanyak 2 variabel, variabel sekolah sebanyak 19 variabel, variabel perguruan tinggi sebanyak 4 variabel, variabel fasilitas kesehatan sebanyak 4 variabel, variabel jalan sebanyak 13 variabel dan 2 variabel endogen berupa lebar jalan dan lebar depan. Model dengan jarak resiprokal terdapat 31 variabel mempunyai koefisien determinasi R2 diatas 50% meliputi variabel pusat perdagangan sebanyak 2 variabel, variabel sekolah sebanyak 15 variabel, variabel perguruan tinggi sebanyak 2 variabel, variabel fasilitas kesehatan sebanyak 3 variabel, variabel jalan sebanyak 6 variabel dan 3 variabel endogen berupa lebar jalan, lebar depan dan luas tanah. Hasil

pembentukan

model

menggunakan

variabel

yang

terseleksi

menghasilkan model JST dengan akurasi seperti tertera pada tabel III.15. Model JST menggunakan jarak asli mempunyai akurasi lebih baik dibandingkan dengan model dengan jarak resiprokal. b.

Model empiris nilai tanah JST Arsitektur JST sederhana dapat membentuk persamaan regresi menggunakan lapisan tunggal, yaitu n buah masukan dan 1 keluaran, dengan fungsi aktifasi berupa fungsi linier. Jaringan syaraf tiruan lapisan tunggal memiliki keterbatasan dalam pengenalan pola. Kelemahan ini dapat ditanggulangi dengan menambahkan lapisan tersembunyi diantara lapisan masukan dan lapisan keluaran. Lapisan tersembunyi dapat meningkatkan performansi jaringan, tetapi mempersulit dan memperlama proses pembelajaran. Pada model terpilih lapisan tersembunyi mendistribusikan 44 input dari lapisan masukan kepada 88 node. output node lapisan tersembunyi dapat dirumuskan sebagai berikut (sebagai turunan dari rumus II.1): H = f(x) = v1X1 + v2X2 + v3X3 + … + v44X44 + bj

(IV.2)


63 Dimana: H = output node lapisan tersembunyi v = nilai bobot input lapisan masukan ke lapisan tersembunyi X = nilai input lapisan masukan Keluaran ke 88 node lapisan tersembunyi merupakan input bagi node lapisan keluaran. Nilai node lapisan keluaran dapat dihitung dengan menggunakan persamaan berikut (sebagai turunan dari rumus II.1): Y = g(H) = g(f(x)) = w1H1 + w2H2 + w3H3 + … + w88H88 + bk

(IV.3)

Dimana: Y = output node lapisan keluaran yang berupa nilai tanah w = nilai bobot input lapisan tersembunyi ke lapisan keluaran H = nilai input lapisan tersembunyi c.

Validasi model JST Validasi dilakukan untuk mengetahui tingkat akurasi, tingkat kewajaran hasil estimasi dan tingkat keseragaman penilaian dari model . 1. Tingkat akurasi model Nilai COV dari model JST sebesar 38,9%, menunjukkan bahwa tingkat akurasi model dalam mengestimasi nilai tanah kurang baik, karena nilai COV berada di atas batas tolerasi maksimum yang diperkenankan yakni 10% (Eckert, 1990). Untuk dapat meningkatkan akurasi model maka sebaiknya dilakukan tahap belajar menggunakan data sampel yang lebih banyak dan tingkat pembelajaran (learning rate) yang lebih baik. 2. Tingkat kewajaran nilai estimasi Nilai PRD dari model JST adalah sebesar 1,018. Hal ini menunjukan bahwa tingkat kewajaran estimasi nilai tanah dari model cukup baik karena nilai PRD yang dihasilkan berada didalam batas toleransi yang diperkenankan yaitu antara 0,98 sampai dengan 1,03 (Eckert, 1990). Hal ini berarti nilai estimasi dari nilai tanah tidak terjadi progresivitas maupun regresivitas.


64 3. Tingkat keseragaman penilaian Nilai COD dari model JST adalah sebesar 31,8%. Hal ini menunjukan bahwa tingkat keseragaman dari penilaian belum cukup baik karena masih berada diluar batas toleransi yang diperkenankan yaitu ≤ 20% untuk tanah kosong/vacant land (IAAO, 2003). IV.3

Pembahasan

Analisis penelitian dilakukan pertama, untuk mengetahui pengaruh pengunaan jarak tempuh dibandingkan dengan jarak lurus. Kedua, penambahan variabel endogen terhadap akurasi model dibandingkan apabila hanya menggunakan variabel eksogen jarak saja. Ketiga, untuk mendapatkan model nilai tanah yang lebih baik antara model Analisis Regresi Berganda dan model JST. Keempat, untuk mengetahui pengaruh penggunaan jarak dalam bentuk resiprokal dibandingkan penggunaan jarak dalam bentuk asli. IV.3.1 Analisis pengunaan jarak tempuh dan jarak lurus Dalam penelitian ini ukuran variabel jarak dari pusat perdagangan, fasilitas pendidikan dan fasilitas kesehatan didapatkan menggunakan metode pengukuran jarak tempuh terpendek. Penelitian sebelumnya yang dilakukan oleh Diddy Wahyudi Imawan ukuran variabel jarak didapatkan menggunakan metode jarak lurus. Hasil ukuran jarak dari kedua metode dapat dilihat pada tabel IV.3 dengan mengambil sampel jarak dari Alun-alun dan jarak dari SD Suryalaya sebanyak 20 buah. Tabel IV.3 Perbandingan jarak tempuh dan jarak lurus Data Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13

Jarak Tempuh AlunSD alun Suryalaya 3,117 1,520 3,176 1,338 3,066 1,362 3,314 966 3,875 674 4,080 331 4,244 498 4,415 285 4,682 598 4,321 402 4,760 1,060 4,817 713 4,604 766

Jarak Lurus AlunSD alun Suryalaya 2,207 1,080 2,291 974 2,186 1,061 2,561 756 2,896 347 2,983 276 3,010 357 3,391 155 3,497 292 3,358 260 3,914 746 3,718 476 3,376 356


65 Tabel IV.3 Perbandingan jarak tempuh dan jarak lurus (lanjutan) Data Sampel 14 15 16 17 18 19 20

Jarak Tempuh AlunSD alun Suryalaya 4,662 824 4,753 700 4,929 956 3,397 1,513 3,391 1,475 3,671 1,247 3,731 1,296

Jarak Lurus AlunSD alun Suryalaya 3,356 483 3,548 381 3,529 468 2,504 873 2,645 1,140 2,832 1,044 2,887 1,031

Perbandingan kondisi data dapat dilihat lebih jelas pada diagram garis kedua jenis data pada gambar IV.7 dan IV.8. Apabila dilihat dari pola naik dan turunnya garis hampir sama, hanya ukuran jarak tempuh lebih jauh dibanding jarak lurus. Dapat disimpulkan metode pengukuran jarak tempuh tidak memberikan perbedaan hasil yang signifikan terhadap kondisi data dibanding jarak lurus.

Gambar IV.7 Perbandingan jarak dari Alun-alun


66 Gambar IV.8 Perbandingan jarak dari SD Suryalaya Apabila dilihat dari penggunaan jarak tempuh didalam model jika dibandingkan dengan penelitian terdahulu, dalam penelitian ini didapatkan hasil: a) Pada model akhir regresi terdapat dua variabel jarak tempuh yang dapat melewati semua pengujian yaitu jarak dari SMP dan jarak dari SD Pelita. Pada penelitian terdahulu untuk metode regresi tidak ada satu pun variabel jarak yang lolos uji. b) Pada model JST, variabel yang memliki nilai koefisien determinasi R2 diatas 50% diantaranya variabel jarak menggunakan jarak tempuh terpendek sebanyak 29 variabel dari keseluruhan 44 variabel. Pada penelitian terdahulu terdapat 17 variabel jarak yang memiliki nilai R2 diatas 50%. Penelitian terdahulu memiliki hasil model JST yang lebih baik dengan koefisien determinasi sebesar 0,96 dan kesalahan estimasi sebesar Rp. 149.320,- untuk seluruh data sampel. 1. Analisis penggunaan jarak asli dan resiprokal Model aditif dengan jarak asli tidak ada yang lolos pengujian. Model aditif dengan jarak resiprokal lolos uji dengan nilai R2 sebesar 0,662 dengan lima variabel tersisa. Model multiplikatif dengan jarak asli maupun jarak resiprokal mempunyai R2 sebesar 0,551 dengan variabel yang lolos uji yaitu lebar jalan. Penggunaan jarak resiprokal (1/jarak) memberikan hasil yang berbeda bila digunakan untuk model aditif (linier), tetapi kurang memberikan pengaruh untuk model multiplikatif (non linier). Model JST menggunakan jarak asli mempunyai R2 sebesar 0,87 dan RMSe sebesar Rp. 283.790,- untuk semua data penelitian. Sedangkan Model JST menggunakan jarak resiprokal mempunyai R2 sebesar 0,63 dan RMSe sebesar Rp. 503.240,-. Penggunaan jarak dalam bentuk resiprokal menghasilkan model yang lebih baik untuk metode regresi, sedangkan penggunaan jarak asli menghasilkan model yang lebih baik untuk metode JST. 2. Analisis penggunaan variabel eksogen dan endogen


67 Penelitian terhadap penggunaan variabel eksogen dan endogen dilakukan hanya

didalam

metode

regresi.

Analisis

dilakukan

dengan

cara

membandingkan model akhir yang terbentuk dengan menggunakan variabel eksogen saja maupun model yang menggunakan variabel eksogen dan endogen. Analisis juga dilakukan dengan cara membandingkan estimasi nilai tanah hasil model terhadap nilai tanah observasi. Perbandingan model akhir dapat dilihat pada tabel IV.4. Tabel IV.4 Pengaruh penggunaan variabel endogen pada akurasi model No

Uraian

1

Adjusted R2

2

Std. Error of Estimate Signifikansi F

3

Model Aditif (1/x) dengan variabel Eksogen 0,024

Model Aditif (1/x) dengan variabel Eksogen + Endogen 0,662

762.654

448.550

4,386

55,525

Dari tabel IV.4 dapat dilihat bahwa dengan adanya penambahan variabel endogen berupa lebar jalan di depan objek, keakuratan dan kemampuan model dalam menjelaskan nilai tanah meningkat sangat signifikan dari 2,4% menjadi 66,2%, kesalahan estimasi juga menurun dari sebesar Rp. 762.654,- menjadi Rp. 448.550,-. Perbandingan nilai tanah estimasi terhadap nilai tanah observasi dapat dilihat pada diagram pencar gambar IV.9 dan IV.10 maupun peta interpolasi nilai tanah dua dimensi pada gambar IV.11 , gambar IV.12

6000000

6000000

5000000

5000000

4000000

4000000

Nilai Tanah Observasi


dan gambar IV.15.

3000000

2000000

1000000

3000000

2000000

1000000

0 0

2000000 1000000

4000000 3000000

6000000 5000000

Estimasi nilai tanah model regresi dengan variabel eksogen

0 0

2000000 1000000

4000000 3000000

6000000 5000000

Estimasi Nilai Tanah Model Regresi dengan Variabel Eksogen dan Endogen


68

Gambar IV.9 Diagram pencar nilai tanah model menggunakan variabel eksogen terhadap nilai tanah observasi

Gambar IV.10 Diagram pencar nilai tanah model menggunakan variabel eksogen & endogen terhadap nilai tanah observasi

PETA INTERPOLASI NILAI TANAH 2D HASIL MODEL REGRESI MENGGUNAKAN VARIABEL EKSOGEN

KECAMATAN LENGKONG KOTA BANDUNG 9234000

3400000

9233500

3200000 3000000 2800000 2600000

9233000

2400000 2200000 2000000 1800000 1600000

9232500

1400000 1200000 1000000 800000

0

200 400 600 800

600000

9232000

400000

Batas Wilayah

9231500

Dibuat oleh : Erwin Hidayanto NIM. 25106013

788500

789000

789500

790000

790500

791000


Gambar IV.11 Peta interpolasi nilai tanah 2D model regresi menggunakan variabel eksogen PETA INTERPOLASI NILAI TANAH 2D HASIL MODEL REGRESI MENGGUNAKAN VARIABEL EKSOGEN DAN ENDOGEN


4800000 4600000 4400000 4200000 4000000 3800000 3600000 3400000 3200000 3000000 2800000 2600000 2400000 2200000 2000000 1800000 1600000 1400000 1200000 1000000 800000

9233500

9233000

9232500

9232000

9231500

0

200 400 600 800

Batas Wilayah


788500

789000

789500

790000

790500

791000


Gambar IV.12 Peta interpolasi nilai tanah 2D model regresi menggunakan variabel eksogen dan endogen


69 Pada diagram pencar dapat dilihat estimasi nilai yang dihasilkan model dengan variabel eksogen saja, mempunyai rentang dari Rp. 1.400.000,- sampai dengan Rp. 2.200.000,- lebih sempit dibanding model dengan variabel endogen maupun nilai tanah observasi, dengan rentang antara Rp. 900.000,sampai dengan Rp. 4.800.000,-. Hal ini menunjukkan keakuratan model dengan variabel eksogen dan endogen lebih baik dari model menggunakan variabel eksogen saja. Dari peta interpolasi dapat dilihat untuk model dengan variabel endogen pola sebaran warna lebih mendekati pola sebaran warna nilai tanah observasi dimana daerah dengan nilai tanah tinggi (warna merah) dan nilai tanah rendah (warna hijau) berada pada lokasi yang relatif sama. Model menggunakan variabel eksogen saja justru menunjukkan nilai yang rendah untuk lokasi yang seharusnya bernilai tinggi yaitu disekitar Alun-alun dan Pasar Kosambi. Range kelas tanah untuk model menggunakan variabel eksogen saja juga lebih sempit jika dibandingkan dengan range kelas tanah sebenarnya. 3. Analisis model metode Regresi dan model metode JST Penelitian ini mendapatkan model terbaik metode regresi adalah model aditif dengan jarak resiprokal menggunakan variabel endogen lebar jalan dan model terbaik metode JST adalah model dengan jarak asli. Perbandingan akurasi dari kedua model dapat dilihat pada tabel IV.5 Tabel IV.5 Perbandingan akurasi model Regresi dan JST No 1 2 3 4

Uraian R2 Model COV PRD COD

Regresi 0,662 65,3% 1,156 43,1%

JST 0,999 38,9% 1,018 31,8%

Batasan x ≤ 10% 0,98<x<1,03 x ≤ 20%

Dari perbandingan akurasi model yang ditunjukkan pada tabel IV.5, model JST dalam penelitian ini mempunyai akurasi yang lebih baik dibandingkan dengan model regresi. Jika dilihat dari batasan yang ditetapkan, tingkat akurasi kedua model masih kurang memuaskan, hanya tingkat kewajaran penilaian untuk model JST yang masuk toleransi tingkat kewajaran penilaian yang ditetapkan. Analisis juga dilakukan terhadap diagram pencar hubungan


70 nilai tanah estimasi terhadap nilai tanah observasi gambar IV.14 diatas dan gambar IV.15. 6000000


5000000

4000000

3000000

2000000

1000000

0

0

2000000 1000000

4000000 3000000

6000000 5000000

Estimasi Nilai Tanah Model Regresi dengan Variabel Eksogen dan Endogen

Gambar IV.13 Diagram pencar nilai tanah regresi terhadap nilai tanah observasi 6000000


5000000

4000000

3000000

2000000

1000000

0 0

2000000 1000000

4000000 3000000

6000000 5000000

Estimasi Nilai Tanah JST dengan Jarak Asli

Gambar IV.14 Diagram pencar nilai tanah JST terhadap nilai tanah observasi Dari gambar IV.13 dan IV.14 dapat dibandingkan bahwa nilai tanah estimasi hasil JST lebih akurat mendekati nilai tanah observasi dibandingkan nilai tanah estimasi hasil regresi. Hal ini dapat dilihat dari sebaran titik-titik yang berada dekat dengan garis linier yang dibentuk oleh kedua data nilai tanah, sebaliknya sebaran titik-titik hasil Regresi berada jauh dari garis linier dan cenderung acak, tidak mengikuti arah garis. Perbandingan akurasi lebih jelas dapat dilihat pada peta interpolasi nilai tanah dua dimensi maupun tiga dimensi pada gambar IV.15 sampai dengan gambar IV.20.


71

PETA INTERPOLASI NILAI TANAH OBSERVASI KECAMATAN LENGKONG KOTA BANDUNG 9234000

5200000 5000000 4800000 4600000 4400000 4200000 4000000 3800000 3600000 3400000 3200000 3000000 2800000 2600000 2400000 2200000 2000000 1800000 1600000 1400000 1200000 1000000 800000 600000 400000 200000

9233500

9233000

9232500

9232000

9231500

0

200 400 600 800

Batas Kelurahan


788500

789000

789500

790000

790500

791000


Gambar IV.15 Peta interpolasi nilai tanah observasi 2D PETA INTERPOLASI NILAI TANAH 2D HASIL MODEL REGRESI MENGGUNAKAN VARIABEL EKSOGEN DAN ENDOGEN


4800000 4600000 4400000 4200000 4000000 3800000 3600000 3400000 3200000 3000000 2800000 2600000 2400000 2200000 2000000 1800000 1600000 1400000 1200000 1000000 800000

9233500

9233000

9232500

9232000

9231500

0

200 400 600 800

Batas Wilayah


788500

789000

789500

790000

790500

791000


Gambar IV.16 Peta interpolasi nilai tanah model regresi 2D


72

PETA INTERPOLASI NILAI TANAH 2D HASIL PEMODELAN MENGGUNAKAN METODE JST

KECAMATAN LENGKONG KOTA BANDUNG

5200000 5000000 4800000 4600000 4400000 4200000 4000000 3800000 3600000 3400000 3200000 3000000 2800000 2600000 2400000 2200000 2000000 1800000 1600000 1400000 1200000 1000000 800000 600000 400000 200000

0

200 400 600 800

Batas Kelurahan



Gambar IV.17 Peta interpolasi nilai tanah model JST 2D PETA INTERPOLASI NILAI TANAH 3D KECAMATAN LENGKONG KOTA BANDUNG

5000000 4800000 4600000 4400000 4200000 4000000 3800000 3600000 3400000 3200000 3000000 2800000 2600000 2400000 2200000 2000000 1800000 1600000 1400000 1200000 1000000 800000 600000 400000

0

200 400 600 800

Batas Kelurahan



Gambar IV.18 Peta interpolasi nilai tanah Observasi 3D PETA INTERPOLASI NILAI TANAH 3D HASIL PEMODELAN MENGGUNAKAN METODE REGRESI


4600000 4400000 4200000 4000000 3800000 3600000 3400000 3200000 3000000 2800000 2600000 2400000 2200000 2000000 1800000 1600000 1400000 1200000 1000000

Batas Kelurahan



Gambar IV.19 Peta interpolasi nilai tanah model regresi 3D


73

PETA INTERPOLASI NILAI TANAH 3D HASIL PEMODELAN MENGGUNAKAN METODE JST


5000000 4800000 4600000 4400000 4200000 4000000 3800000 3600000 3400000 3200000 3000000 2800000 2600000 2400000 2200000 2000000 1800000 1600000 1400000 1200000 1000000 800000 600000 400000

0

200 400 600 800

Batas Kelurahan



Gambar IV.20 Peta interpolasi nilai tanah model JST 3D

Secara umum kedua model mampu menangkap fenomena di lapangan dimana seharusnya suatu lokasi bernilai tinggi atau suatu lokasi seharusnya bernilai rendah sesuai dengan kondisi di lapangan. Pada peta dua dimensi dapat dilihat lokasi yang mempunyai nilai tinggi (warna merah/ungu) berada di sekitar pusat perdagangan dalam hal ini Alun-lun dan Pasar Kosambi. Lokasi yang mempunyai nilai tinggi juga berada di sekitar jalan Buahbatu dimana terdapat beberapa sekolah yang berada di lokasi yang berdekatan. Lokasi dengan nilai tanah rendah (warna hijau) terdapat di sekitar aliran sungai cikapundung. Apabila dilihat dari pola sebaran warna peta interpolasi JST lebih menyerupai peta interpolasi nilai tanah observasi dibandingkan dengan peta interpolasi nilai tanah regresi. Pada peta interpolasi tiga dimensi lebih jelas lagi dapat dilihat keakuratan model JST dimana lokasi penelitian didominasi oleh wana kuning dengan nilai tanah berkisar antara 1.600.000,- sampai dengan 2.000.000,- sesuai nilai tanah observasi. Untuk nilai regresi didominasi oleh warna hijau dengan nilai tanah berkisar antara 1.200.000,- sampai dengan 1.600.000,-, lebih rendah jika dibandingkan dengan nilai tanah observasi. Deskripsi statistik model nilai tanah pada tabel IV.6 menunjukkan bahwa estimasi nilai tanah hasil pemodelan menggunakan metode JST lebih mendekati kepada NJOP dibandingkan dengan hasil regresi. Nilai rata-rata


74 model regresi dan model JST lebih tinggi dibandingkan NJOP, hal ini menjadi potensi untuk dapat meningkatkan NJOP di wilayah Kecamatan Lengkong tahun pajak berikutnya. Tabel IV.6 Deskripsi statistik model nilai tanah dan NJOP 2006 Regresi

JST

NJOP

Minimum

956.849

273.794

243.000

Maksimum

4.810.486

5.079.667

6.805.000

Rata-rata

1.663.267

1.602.149

1.189.000


Created with Print2PDF. To remove this line, buy a license at:

Recommend Documents