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

31

Bab III Pelaksanaan Penelitian

III.1

Kerangka Pikir Pemodelan Nilai Tanah

Dalam penelitian ini dilakukan penilaian tanah menggunakan metode regresi dan JST. Metode JST ditujukan untuk memperbaiki metode regresi yang telah lazim digunakan. Hal ini mengingat bahwa karakteristik nilai tanah yang dipengaruhi oleh banyak variabel dan masing-masing variabel saling mempengaruhi satu dengan yang lain. Selain variabel lokasi sebagai variabel utama, dalam penelitian ini juga digunakan variabel endogen seperti luas tanah, lebar sisi depan dan lebar jalan didepan bidang tanah. Untuk memperoleh ukuran jarak dari objek acuan ke bidang tanah diperoleh dengan menggunakan metode pengukuran jarak tempuh terpendek untuk memperbaiki metode pengukuran jarak langsung agar lebih menggambarkan jarak sebenarnya di lapangan. Pemodelan nilai tanah yang dilakukan dalam penelitian ini diterapkan pada wilayah studi kasus Kecamatan Lengkong, kota Bandung, Jawa Barat meliputi 14.538 objek pajak. Data sampel yang diperoleh sebanyak 170 data nilai tanah, 140 data digunakan untuk menyusun model awal dan 30 data lainnya digunakan untuk validasi model. Kecamatan Lengkong merupakan salah satu dari 26 kecamatan di Kota Bandung. Peta wilayah penelitian beserta batas-batasnya (Gambar III.1) : 

Sebelah Utara berbatasan dengan Kecamatan Sumur Bandung



Sebelah Timur berbatasan dengan Kecamatan Batu Nunggal



Sebelah Selatan berbatasan dengan Kecamatan Bandung Kidul



Sebelah Barat berbatasan dengan Kecamatan Regol

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

32

Gambar III.1 Lokasi Penelitian Sedangkan luas wilayah masing-masing kelurahan di Kecamatan Lengkong seperti terlihat pada tabel III.1. Tabel III.1 Nama kelurahan dan luas wilayah No

Nama Kelurahan

Luas Wilayah (m2)

1

Cijagra

1,049,166

2

Turangga

1,260,583

3

Lingkar Selatan

1,443,198

4

Malabar

769,953

5

Burangrang

389,377

6

Cikawao

401,704

7

Paledang

351,620

Sumber : BPS, 2003


33 Adapun tahapan pelaksanaan penelitian dapat digambarkan dalam diagram alir pada gambar III.2.

Gambar III.2 Tahapan pelaksanaan penelitian III.2

Persiapan

Pada tahap persiapan dilakukan kegiatan-kegiatan sebagai berikut : a. Kajian pustaka mengenai penelitian-penelitian terdahulu yang relevan dengan topik kajian. Kajian pustaka juga dilakukan terkait dengan landasan teori yang mendukung topik kajian antara lain masalah penilaian tanah, statistika, ekonometrika, jaringan syaraf tiruan serta software-software pendukung penelitian. b. Rancangan penelitian yang terdiri perumusan masalah penelitian, penentuan tujuan penelitian, penyusunan

hipotesis serta metodologi penelitian.

Metodologi penelitian terdiri dari penentuan daerah studi, variabel penelitian yang digunakan, cara pengumpulan data, cara pengolahan data serta analisis penelitian.


34 c. Penentuan lokasi penelitian dengan pertimbangan ketersediaan data dan sumber daya yang ada. Kecamatan Lengkong, Kota Bandung, Jawa Barat, dipilih menjadi wilayah penelitian dengan pertimbangan data nilai tanah dan data variabel penelitian lainnya telah tersedia dari peneliti sebelumnya (Imawan, 2007). d. Penentuan variabel dilakukan merujuk pada penelitian-penelitian sebelumnya dan disesuaikan dengan kondisi wilayah penelitian. Variabel-variabel yang digunakan dalam penelitian ini terdiri dari : 1. Variabel terikat, yaitu nilai tanah. 2. Variabel bebas, yang terdiri dari : a) Variabel Eksogen lokasi, yang diwakili jarak tempuh terpendek dari pusat perdagangan, sekolah, perguruan tinggi dan fasilitas kesehatan sedangkan jarak dari jalan utama terdekat menggunakan jarak buffer. b) Variabel Endogen, terdiri dari lebar jalan di depan objek, lebar sisi depan objek dan luas tanah. Daftar variabel bebas yang digunakan dapat dilihat pada Lampiran C, peta sebaran lokasi pusat perdagangan, sekolah, perguruan tinggi dan fasilitas kesehatan, jaringan jalan dapat dilihat pada lampiran D sampai dengan H. III.3

Pengumpulan Data

Pengumpulan data dilakukan untuk mendapatkan data variabel penelitian, yang terdiri atas data primer dan sekunder, antara lain: a. Jarak tempuh terpendek, data ini merupakan data primer yang diperoleh melalui analisis jarak tempuh terpendek (shortest path) menggunakan software AutoCad Map 3D 2005 di atas peta link poros/as jalan yang diperoleh dari Dinas Perhubungan Bandung, dengan tahapan sebagai berikut: 1

Penandaan titik tengah variabel penelitian dan titik tengah data sampel, data titik tengah bidang variabel maupun titik tengah sampel diperoleh dari Diddy Wahyudi Imawan.


35 2

Melakukan analisis jarak tempuh terpendek untuk mendapatkan data jarak dari variabel ke sampel penelitian.

Hasil pengukuran jarak tempuh terpendek dapat dilihat pada gambar III.3

Jarak Tempuh Terpendek

Gambar III.3 Hasil pengukuran jarak tempuh terpendek b. Lebar sisi depan objek, merupakan data primer yang diperoleh dengan melakukan pengukuran menggunakan fasilitas ruler yang ada di Software MapInfo 8.5 di atas peta SIG PBB. Gambar pengukuran lebar sisi depan objek pada software MapInfo 8.5 dapat dilihat pada gambar III.4.

Gambar III.4 Pengukuran lebar sisi depan objek c. Nilai tanah, data ini merupakan data sekunder yang diperoleh dari data transaksi jual beli yang bersumber dari Laporan Bulanan PPAT yang dikirimkan ke Kantor Pelayanan PBB dan data penawaran yang bersumber


36 dari iklan media dan agen properti. Data-data tersebut diperoleh melalui peneliti sebelumnya (Diddy Wahyudi Imawan). Terhadap data nilai tanah tersebut telah dilakukan verifikasi dan penyesuaian (adjustment) jenis data dan waktu penilaian sesuai dengan Surat Edaran Direktur Jenderal Pajak Nomor SE-55/PJ.6/1999 tentang Petunjuk Analisis Penentuan Nilai Indikasi Rata-rata (NIR). d. Jarak buffer, ukuran jarak buffer dari jalan merupakan data sekunder yang didapatkan dari Diddy Wahyudi Imawan dengan interval buffer 10 m. e. Lebar jalan, data ini merupakan data sekunder yang diperoleh dari Level Of Services (LOS) jalan dari Dinas Perhubungan Bandung. f. Luas tanah, data luas tanah merupakan data sekunder yang diperoleh dari basisdata SISMIOP PBB. III.4

Pengolahan data

Tahap pengolahan data diawali dengan analisis terhadap data masukan, hal ini dimaksudkan untuk meningkatkan kualitas data masukan yang terdiri dari data nilai tanah dan data jarak sebelum digunakan dalam pemodelan. Terhadap data nilai tanah dilakukan verifikasi lapangan dan penyesuaian jenis data dan waktu penilaian sesuai dengan Surat Edaran Direktur Jenderal Pajak Nomor SE55/PJ.6/1999 tentang Petunjuk Analisis Penentuan Nilai Indikasi Rata-rata (NIR), hal ini telah dilaksanakan oleh peneliti terdahulu. Terhadap data variabel jarak dilakukan analisis hubungan terhadap nilai tanah dengan melihat diagram pencar hubungan data masing-masing variabel jarak terhadap nilai tanah. Salah satu contoh diagram pencar hubungan antara nilai tanah dengan jarak dari Bandung Super Mall seperti tampak pada gambar III.5.


37

6000000

5000000

Nilai_Tanah

4000000

3000000

2000000

1000000

0 0

1000

2000

3000

4000

Jarak dari BSM

Gambar III.5 Diagram pencar Jarak dari BSM terhadap nilai tanah Pada gambar III.5 dapat dilihat sebaran titik data antara jarak dari BSM dengan nilai tanah sangat acak, hal ini menunjukkan hubungan antara jarak dari BSM dengan nilai tanah sangat lemah. Untuk meningkatkan kualitas hubungan antara data jarak dengan nilai tanah dalam penelitian ini dilakukan upaya dengan menggunakan variabel jarak dalam bentuk resiprokal (1/jarak) dengan harapan dapat memperkecil rentang data jarak tetapi dapat memperjelas pengaruh perubahan jarak terhadap perubahan nilai tanah. Diagram pencar hubungan jarak dari BSM dalam bentuk resiprokal dengan nilai tanah dapat dilihat pada gambar III.6. 6000000

5000000

Nilai_Tanah

4000000

3000000

2000000

1000000

0 -100

-80

-60

-40

-20

0

20

40

60

80

100

BSM

Gambar III.6 Diagram pencar hubungan jarak dari BSM (resiprokal) terhadap nilai tanah Selanjutnya tahap pengolahan data dibedakan atas 2 kegiatan utama, yakni pengolahan data menggunakan metode regresi dan pengolahan data menggunakan metode JST. Pengolahan data dilakukan dengan menggunakan 140 data sampel nilai tanah.


38

III.4.1 Pengolahan data menggunakan metode regresi Pengolahan data menggunakan metode regresi terdiri atas 2 kegiatan, yaitu pengolahan data menggunakan variabel eksogen jarak saja dan pengolahan data menggunakan

variabel

eksogen

dan

endogen

dengan

masing-masing

menggunakan jarak asli dan jarak resiprokal. Pengolahan data juga dibagi dalam dua tahap, tahap pembentukan model dan tahap validasi model. Tahap pengolahan data metode regresi dapat dilihat pada gambar III.7.

Gambar III.7 Tahap pengolahan data metode regresi Pemodelan menggunakan metode regresi terdiri dari beberapa tahap dibawah ini : a.

Reduksi variabel bebas Proses reduksi variabel-variabel bebas dilakukan sebagai berikut : a1 Bentuk matrik korelasi (r2) dari semua variabel yang ada (setelah distandarisasikan. Matriks korelasi (r2) berguna untuk mengetahui tingkat hubungan antara variabel bebas dengan variabel terikatnya serta antara variabel bebas.


39 prosedur

pembentukan

matriks

ini

adalah

dengan

melakukan

transformasi matriks n x p data awal menjadi matriks korelasi p x p dengan menggunakan transformasi hasil kali biasa (ordinary product moment). Berdasarkan analisis korelasi dapat diketahui korelasi antar variabel bebas bervariasi, mulai korelasi sangat rendah sampai sangat tinggi sebagaimana dapat dilihat dalam tabel III.3 : (tabel korelasi lengkap antara variabel nilai tanah dapat dilihat pada lampiran I).

Tabel III.3 Matriks Korelasi Ganda (R) Nilai_

BSM

Alun_

1.000

-0.143

0.165

0.077

-0.141

-0.145

-0.134

-0.143

1.000

-0.185

0.134

-0.017

0.093

0.396

Alun_alun

0.165

-0.185

1.000

0.861

-0.834

-0.882

-0.693

Kosambi

0.077

0.134

0.861

1.000

-0.817

-0.851

-0.567

SD_Suryalaya

-0.141

-0.017

-0.834

-0.817

1.000

0.971

0.843

SD_Cijagra

-0.145

0.093

-0.882

-0.851

0.971

1.000

0.858

SMPN_28

-0.134

0.396

-0.693

-0.567

0.843

0.858

1.000

tanah Nilai_tanah BSM

alun

Kosam

SD_Sur

SD_Ci

bi

yalaya

jagra

SMPN 28

a2 Melakukan seleksi variabel menggunakan metode regresi stepwise. (Dillon, 1984) menjelaskan ada beberapa pilihan metode yang dapat digunakan untuk melakukan seleksi variabel-variabel bebas dalam rangka membentuk model akhir regresi. Metode yang paling popular digunakan yakni metode stepwise, yang merupakan kombinasi dari forward dan backward selection. Hasil seleksi variabel dengan menggunakan metode regresi stepwise adalah sebagaimana tabel III.4 sebagai berikut : Tabel III.4 Hasil Seleksi Variabel No

Model

Variabel Y

Variabel X

Adj. R2

Jumlah_Var

I 1. 2. 3. 4.

Variabel Eksogen Aditif Aditif Multiplikatif Multiplikatif

Y Y Ln Y Ln Y

X 1/X Ln X Ln 1/X

0.625 0.7 0.714 0.714

11 (sebelas) 9 (Sembilan) 13 (tiga belas) 13 (tiga belas)


40

No II 1. 2. 3. 4.

b.

Model

Variabel

Y Variabel Eksogen + Endogen Aditif Y Aditif Y Multiplikatif Ln Y Multiplikatif Ln Y

Variabel X

Adj. R2

Jumlah_Var

X 1/X Ln X Ln 1/X

0.506 0.861 0.831 0.831

4 (empat) 15 (lima belas) 11 (sebelas) 11 (sebelas)

Model awal Dari hasil seleksi variabel menggunakan metode regresi stepwise, untuk selanjutnya variabel terseleksi digunakan dalam penyusunan model awal. Pembentukan model awal menggunakan 4 alternatif model yaitu aditif (linlin) dengan variabel jarak asli (x) maupun jarak resiprokal (1/x) dan model multiplikatif dengan variabel jarak asli (x) maupun jarak resiprokal (1/x). Hasil pembentukan model awal seperti terlihat pada tabel III.5 sebagai berikut: Tabel III.5 Hasil pemodelan awal No

Variabel Eksogen

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 No

UNPAS 2 SMP Kosambi Sekolah SMPN 13 Jl Dalem Kaum Jl Cikawao SD Nilem Alun-alun SMP YPM Klinik/Lab Jl. A Yani Jl. Buah Batu Jl. Palasari Pus Cijagr Lama Jl Lengk Kecil Jl Lengk Besar Univ. Langlang B Jl Burangrang Variabel Ekso + Endogen SD Nilem STIE Nasional Jl KH Dahlan Lebar Jalan Jl Dalem Kaum Jl A Yani UNPAS 2 Luas Tanah Kosambi SMP Jl Gatot Subrto Alun-alun Pusk Suryalaya Jl Buah Batu SMPN 13 SDN Putraco SDN Pelita Jl Skarno Hatta

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Aditif (x) 556.331 -4.665.937 2.073.225 -2.030.331 976.495 -2.534.383 1.596.815 551.852 644.986 1.209.894 909.335 Aditif (x) 192.455 -367.039 307.566 489.631 -

Aditif (1/x) -262.527 222.501 -225.492 336.837 -199.951 148.499 404.762 256.266 -153.202 -111.163 Aditif (1/x) 353.678 322.399 293.527 -163.069 160.818 -122.924 460.914 -337.524 -145.727 86.520 86.842 -97.190 -126.959 101.302 -60.740

Multipli katif (x) 0,540 -0,436 1,282 -0,798 0,508 -0,521 0,278 -0,341 -0.646 0,266 0,410 -0,442 0,238 Multipli katif (x) 0,665 -0,396 0,371 0,080 -0,410 -0,108 -

Multipli katif (1/x) -0,540 0,436 -1,282 0,798 -0,508 0,521 -0,278 0,341 0.646 -0,266 -0,410 0,442 -0,238 Multipli katif (1/x) 0,665 0,396 -0,371 0,080 0,410 0,108 -


41 19 20 21 22 23

c.

Univ Langlang B Jl Palsari Jl Lengkong Bs SDN Klinik/Lab

-

-

-0,315 0,099 0,308 0,197 0,324

0,315 -0,099 -0,308 -0,197 -0,324

Pengujian model regresi Sebelum proses pemodelan dilanjutkan ke tahap berikutnya, maka perlu dilakukan pengujian-pengujian sehingga dapat diperoleh variabel-variabel yang signifikan. Disamping itu pada tahap ini akan dihasilkan model yang telah memenuhi aturan-aturan pemodelan, baik secara a priori ekonomi, maupun uji-uji statistik dan asumsi-asumsi klasik analisis regresi. c1 Uji kriteria a priori ekonomi Uji kriteria a priori ekonomi dilakukan dengan cara membandingkan kesesuaian tanda antara koefisien parameter yang diperoleh, dengan anggapan umum/teori yang berlaku. Apabila tanda koefisien parameter regresi sesuai dengan teori, maka variabel tersebut lolos dari uji kriteria ekonomi. Sebaliknya, jika tanda dari koefisien tidak sesuai dengan teori, maka variabel tersebut tidak lolos uji. Terkait dengan pengujian variabel dengan uji a priori ekonomi, maka perlu dibuat hipotesis yang terdiri dari : a) Jarak ke pusat perdagangan (CBD) terdekat mempunyai hubungan negatif terhadap nilai tanah (atau positif apabila jarak tersebut adalah jarak resiprokal), yang bermakna bahwa semakin jauh lokasi obyek dari pusat bisnis lokal akan semakin rendah nilai tanahnya dan sebaliknya. b) Jarak ke sekolah terdekat mempunyai hubungan negatif terhadap nilai tanah (atau positif apabila jarak tersebut adalah jarak resiprokal), yang bermakna bahwa semakin jauh lokasi obyek dari sekolah terdekat akan semakin rendah nilai tanahnya dan sebaliknya. c) Jarak ke perguruan tinggi terdekat mempunyai hubungan negatif terhadap nilai tanah (atau positif apabila jarak tersebut adalah jarak resiprokal), yang bermakna bahwa semakin jauh lokasi obyek dari


42 perguruan tinggi atau universitas terdekat akan semakin rendah nilai tanahnya dan sebaliknya. d) Jarak ke jalan utama terdekat mempunyai hubungan negatif terhadap nilai tanah (atau positif apabila jarak tersebut adalah jarak resiprokal), yang bermakna bahwa semakin jauh lokasi obyek dari jalan utama terdekat akan semakin rendah nilai tanahnya dan sebaliknya. e) Lebar jalan mempunyai hubungan positif terhadap nilai tanah, berarti semakin lebar jalan (di mana obyek tersebut berada), maka nilai tanah akan semakin tinggi dan sebaliknya. f) Luas tanah mempunyai hubungan positif terhadap nilai tanah, berarti semakin luas maka nilai tanah tersebut semakin tinggi. g) Lebar sisi depan objek mempunyai hubungan positif terhadap nilai tanah, yang berarti semakin lebar sisi depan objek maka nilai tanah semakin tinggi. Berdasarkan hasil pembentukan model awal dan hipotesis yang telah dibuat, dilakukan uji kriteria a priori ekonomi. Hasil uji a priori ekonomi dapat dilihat pada tabel III.6 sebagai berikut: Tabel III.6 Hasil uji a priori ekonomi (uji tanda) No

Variabel Eksogen

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 No

UNPAS 2 SMP Kosambi Sekolah SMPN 13 Jl Dalem Kaum Jl Cikawao SD Nilem Alun-alun SMP YPM Klinik/Lab Jl. A Yani Jl. Buah Batu Jl. Palasari Pus Cijagr Lama Jl Lengk Kecil Jl Lengk Besar Univ. Langlang B Jl Burangrang Variabel Ekso + Endogen

1 2 3 4 5

SD Nilem STIE Nasional Jl KH Dahlan Lebar Jalan Jl Dalem Kaum

Aditif (x)

Aditif (1/x)

Multipli katif (x)

556.331* -4.665.937 2.073.225* -2.030.331 976.495* -2.534.383 1.596.815* 551.852* 644.986* 1.209.894* 909.335* Aditif (x)

-262.527* 222.501 -225.492* 336.837 -199.951* 148.499 404.762 256.266 -153.202* -111.163* Aditif (1/x)

0,540* -0,436 1,282* -0,798 0,508* -0,521 0,278* -0,341 -0.646 0,266* 0,410* -0,442 0,238* Multipli katif (x)

192.455* -367.039 307.566* 489.631 -

353.678 322.399

0,665 -0,396

Multipli katif (1/x) -0,540* 0,436 -1,282* 0,798 -0,508* 0,521 -0,278* 0,341 0.646 -0,266* -0,410* 0,442 -0,238* Multipli katif (1/x) 0,665 0,396


43 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Jl A Yani UNPAS 2 Luas Tanah Kosambi SMP Jl Gatot Subrto Alun-alun Pusk Suryalaya Jl Buah Batu SMPN 13 SDN Putraco SDN Pelita Jl Skarno Hatta Univ Langlang B Jl Palsari Jl Lengkong Bs SDN Klinik/Lab

-

293.527 -163.069* 160.818 -122.924* 460.914 -337.524* -145.727* 86.520 86.842 -97.190* -126.959* 101.302 -60.740* -

0,371* 0,080 -0,410 -0,108 -0,315 0,099* 0,308* 0,197* 0,324*

-0,371* 0,080 0,410 0,108 0,315 -0,099* -0,308* -0,197* -0,324*

c2 Uji t Uji ini digunakan untuk mengetahui apakah koefisien regresi secara individu berpengaruh terhadap variabel terikat. Pengujian ini dilakukan setelah terhadap hasil regresi tahap kedua dimana semua variabel bebas sebelumnya telah lolos uji a priori ekonomi pada tahap satu. Pengujian ini dilakukan dengan membandingkan antara nilai |t-hitung| dengan ttabel.

Jika |t-hitung| lebih besar dari pada t-tabel maka dikatakan signifikan

(lolos uji) dan sebaliknya (Gujarati, 1995). Untuk melakukan pengujian t statistik, maka dilakukan regresi tahap selanjutnya dimana hanya melibatkan variabel bebas yang telah lolos pengujian apriori ekonomi sebelumnya. Nilai |t-hitung| masing-masing variabel model hasil regresi adalah sebagaimana tercantum dalam tabel III.7: Tabel III.7 Nilai t-hitung variabel model pada α = 0,05 No

Variabel Eksogen

1 2 3 4 5 6 7 No

SMP Sekolah Jl. Dalem Kaum Jl A Yani Jl Buah Batu SMP YPM Univ Langlang B Variabel Ekso + Endogen

1 2 3 4 5

STIE Nasional Lebar Jalan Jl Dalem Kaum Jl A Yani Luas Tanah

Aditif (x) t-tabel = 1,96 -2,674 0,385* 3,151** Aditif (x) t-tabel = 1,96 1,071* 10,569 -

Aditif (1/x) t-tabel = 1,96 2,515 4,297 4,415 3,633 0,849* Aditif (1/x) t-tabel = 1,96 10,284 8,543 5,469 4,137

Multipli katif (x) t-tabel = 1,96 -2.801 -3,303 1,273* 1,652* 0,041* 4,336** Multipli katif (x) t-tabel = 1,96 11,431 -0,651* 2,775

Multipli katif (1/x) t-tabel = 1,96 2.801 3,303 -1,273* -1,652* -0,041* -4,336** Multipli katif (1/x) t-tabel = 1,96 11,431 0,651* 2,775


44 6 7 8 9 10

SMP Pusk Suryalaya Jl Buah Batu SDN Pelita Univ Langlang B

-

3,713 5,419 1,925* 3,251 -

-2,222 -4,119 2,965**

2,222 4,119 -2,965**

c3 Uji-F Uji ini dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Uji ini dilakukan dengan membandingkan nilai Fhitung dengan Ftabel. Uji ini menggunakan uji dua sisi, dengan derajat kebebasan (degree of freedom) df1 = k-1 dan df2 = (n-k), dimana k adalah jumlah variabel indipendent dan dependent dan n adalah jumlah sampel. Kriteria pengujian yaitu apabila Fhitung > Ftabel maka Ho ditolak dan semua variabel bebas bersama-sama mempengaruhi secara signifikan nilai tanah (Gujarati, 1995). Untuk melakukan pengujian F statistik, maka dilakukan regresi tahap selanjutnya dimana hanya melibatkan variabel bebas yang telah lolos pengujian sebelumnya. Hasil uji-F pada adalah sebagaimana tercantum dalam tabel III.8: Tabel III.8 Uji F (tes dua sisi pada α = 0,05) I 1

Variabel Eksogen Aditif (x)

2

Aditif (1/x)

3

Multiplikatif (x)

4

Multiplikatif (1/x)

II 1

Variabel Ekso + Endogen Aditif (x)

2

Aditif (1/x)

3

Multiplikatif (x)

4

Multiplikatif (1/x)

Ftabel df1= 2, df2 = 137 19,50 df1= 4, df2 = 135 5,63 df1= 2, df2 = 137 19,37 df1= 2, df2 = 137 19,37 Ftabel df1= 1, df2 = 138 254 df1= 7, df2 = 132 3,23 df1= 4, df2 = 135 5,63 df1= 4, df2 = 135 5,63

Fhitung 5,132* 18,898 2,183* 2,183* Fhitung 110,637* 59,111 58,682 58,682

c4 Uji Multikolinieritas Uji ini digunakan untuk mengetahui adanya hubungan linear diantara variabel-variabel bebas dalam model regresi yaitu ditunjukan dengan


45 adanya derajat kolinieritas yang tinggi di antara variabel-variabel bebas. Dengan kata lain merupakan keadaan dimana satu atau lebih variabel bebas dapat dinyatakan sebagai kombinasi dari variabel bebas lainnya. Salah satu cara untuk mendeteksi masalah multikolinearitas yaitu dengan melihat nilai VIF (Variance Inflation Factor) dari variabel bebas. Jila nilai VIF < 10 maka hasil tersebut mengindikasikan bahwa tidak terdapat gejala multikolinearitas yang serius (berderajat rendah). Untuk melakukan pengujian multikolinieritas, maka dilakukan regresi tahap berikutnya dimana hanya melibatkan variabel bebas yang telah lolos pengujian sebelumnya. Nilai VIF variabel pada masing-masing model sebagaimana tercantum dalam tabel III.9: Tabel III.9 Nilai VIF variabel model No

Variabel Eksogen

1 2 3 4 No

Jl A Yani Jl Dalem Kaum Jl Buah Batu SMP Variabel Ekso + Endogen Lebar Jalan Jl Dalem Kaum Jl A Yani Luas Tanah SMP Pusk Suryalaya SDN Pelita

1 2 3 4 5 6 7

Aditif (1/x) 1,291 1,008 1,017 1,290 Aditif (1/x) 1,271 1,039 1,414 1,290 1,380 1,039 1,050

Multipli Katif (x) 1,175 1,208 1,037 -

Multipli Katif (1/x) 1,175 1,208 1,037 -

c5 Uji Heteroskedastisitas Heteroskedastisitas adalah suatu keadaan adanya varian yang tidak konstan dari variabel pengganggu. Dalam penelitian ini fenomena heterokedastisitas dilakukan dengan pengujian rank korelasi dari Spearman. Selanjutnya dari koefisien korelasi Spearman tersebut digunakan untuk menguji tingkat signifikansi dari rs dengan pengujian t. Berdasarkan pengujian heterokedastisitas diperoleh hasil seperti terlihat pada tabel III.10. Tabel III.10 Hasil pengujian heteroskedastisitas No I

Variabel Eksogen

rs

|thitung|

t-tabel

α

Aditif (1/x)


46 1 2 3 4 No

Jl A Yani Jl Dalem Kaum Jl Buah Batu SMP Variabel Ekso + Endogen Aditif (1/x) Lebar Jalan Jl Dalem Kaum Jl A Yani Luas Tanah SMP Pusk Suryalaya SDN Pelita Multiplikatif (x) Pusk Suryalaya Lebar Jalan Luas Tanah Multiplikatif (1/x) Pusk Suryalaya Lebar Jalan Luas Tanah

I 1 2 3 4 5 6 7 II 1 2 3 III 1 2 3

d.

0,352 0,379 -0,064 0,362 rs

4,418* 4,811* 0,753 4,562* |thitung|

2,576 2,576 1,96 2,576 t-tabel

0,01 0,01 0,05 0,01 α

0,012 0,064 0,087 -0,173 0,071 -0,233 -0,126

0,141 0,753 1,026 -2,063* 0,836 -2,815* -1,492

1,960 1,960 1,960 1,960 1,960 2,576 1,960

0,05 0,05 0,05 0,05 0,05 0,01 0,05

0,265 -0,041 -0,225

3,228* -0,482 -2,713*

2,576 1,960 2,576

0,01 0,05 0,01

-0,265 -0,041 -0,225

-3,288* -0,482 -2,713*

2,576 1,960 2,576

0,01 0,05 0,01

Pemilihan model regresi Setelah melalui berbagai pengujian model didapatkan model akhir yang telah memenuhi aturan-aturan pembentukan model. Hasil pemodelan akhir dapat dilihat pada tabel III.11. Tabel III.11 Hasil pemodelan akhir No

Model dng Variabel Eksogen Adjusted R2 Std. Err of Est Nilai F Variabel Constant Jl Buah Batu Model dng Variabel Eksogen & Endogen Adjusted R2 Std. Err of Est Nilai F Variabel Constant Lebar Jalan Jl Dlm kaum Jl A Yani SMP SDN Pelita

1 2 3 a b No 1 2 3 a b c d e f

Aditif (1/x) 0,024 762.654 4,386 1.663.267 135.474 Aditif (1/x) 0,662 448.550 55,525

Multipli katif (x) 0,551 0,31497 171,585

Multipli katif (1/x) 0,551 0,31497 171,585

1.663.267 465.537 245.597 159.876 152.289 142.890

12,646 0,944 -

12,646 0,944 -

Validasi model ditujukan untuk mengetahui seberapa akurat model terpilih untuk memprediksi nilai tanah di wilayah penelitian. Validasi dilakukan dengan menerapkan model terhadap 30 data validasi. Hasil validasi model dapat dilihat pada table III.12 Tabel III.12 Hasil validasi model regresi No

Uraian

Data Validasi

Batasan


47

III.3.2

1

PRD

1,156

0,98 < x < 1,03

2 3

COD

43,1%

x < 20 %

COV

65,3 %

x < 10 %

Pengolahan data menggunakan metode JST

Pengolahan data menggunakan metode JST terdiri atas 2 kegiatan, yaitu pengolahan data menggunakan variabel jarak asli dan jarak resiprokal. Pengolahan data juga dibagi dalam dua tahap, tahap pembentukan model dan tahap validasi model. Tahap pengolahan data metode JST dapat dilihat pada gambar III.8.

Gambar III.8 Tahap pengolahan data metode JST Pemodelan menggunakan metode JST diawali dengan penentuan variabel. Hal ini dimaksudkan untuk mendapatkan variabel-variabel yang mempengaruhi nilai tanah secara signifikan, untuk digunakan dalam pemodelan. Analisis dilakukan dengan melihat koefisien determinasi (R2) antara variabel bebas terhadap nilai tanah. Variabel yang mempengaruhi nilai tanah secara signifikan dan terpilih untuk dimasukkan dalam pemodelan adalah variabel yang mempunyai R2 lebih dari 50 %. Hasil seleksi pengaruh masing-masing variabel model dengan jarak asli terhadap nilai tanah ditunjukkan pada tabel III.13 sebagai berikut: Tabel III.13 Hasil analisis determinasi variabel dengan jarak asli


48

No

Variabel

R2 0.485 0.687* 0.691*

21 22

SDN_HALIMUN YPPM

SEKOLAH SD_SURYALAYA

0.397

23 24

SD_BPI SDN

0.385 0.618*

5 6

SD_CIJAGRA_VI SMPN_28

0.542* 0.664*

25 26

SMP_YPM YAY_TAMSIS

0.605* 0.621*

7 8

SEKOLAH SMUN_8

0.662* 0.577*

27 28

SMP SD_NILEM

0.611* 0.486

9 10

SMKN_3 SMKN_8

0.589* 0.593*

29 30

SD_LENGKONGKECIL SMAN_7

0.561* 0.668*

11 12

SMPN_13 SMEA_BINAWARGA

0.577* 0.660*

III 31

PERGURUAN TINGGI STIE_NAS

0.533*

13 14

SMKN_2 SDN_PUTRACO

0.730* 0.500*

32 33

UNPAS_1 UNPAS_2

0.722* 0.595*

15 16

SDN_PELITA SD_BUAHBATU

0.606* 0.615*

YAY_KEBANGSAAN SD_TERANG

UNIV_LANGLANGBUANA FASILITAS KESEHATAN PUS_LENGKONG PUS_SURYALAYA

0.585*

17 18

34 IV 35 36

PUSAT PERBELANJAAN BSM

2 3

ALUN_ALUN KOSAMBI

II 4

0.401 0.478

Variabel SDN_TURANGGA_2 SDN_TURANGGA_1

R2 0.468 0.552*

No 19 20

I 1

0.312 0.383

0.525* 0.632*

Tabel III.13 Hasil analisis determinasi variabel dengan jarak asli (lanjutan) No

Variabel

37

PUS_CIJAGRA_BARU

0.540*

R2

No 52

JL_BUAHBATU

Variabel

R2

38 39 40 41

RS_BERSALIN PUS_CIJAGRA_LAMA KLINIK/LAB RS_MUHAMADIYAH

0.391 0.581* 0.442 0.394

53 54 55 56

JL_KH DAHLAN JL_LENGKONGKECIL JL_LENGKONGBESAR JL_GURAME

0.562* 0.513* 0.639* 0.405

V 42 43 44

JALAN JL_DALEMKAUM JL_GATOTSUBROTO JL_PALASARI

0.676* 0.423 0.545*

57 58 59 60

JL_ASIAAFRIKA JL_TURANGGA JL_SUKARNOHATTA JL_PELAJARPEJUANG

0.600* 0.400 0.464 0.524*

45 46 47 48

JL_CIKAWAO JL_TALAGABODAS JL_MARTANEGARA JL_AYANI

0.431 0.465 0.563* 0.481

61 62 63

JL_KLININGAN JL_MASKUMAMBANG JL_REOG

0.521* 0.563* 0.583*

49 50 51

JL_KARAPITAN JL_BURANGRANG JL_SADAKELING

0.536* 0.465 0.539*

VI 64 65 66

LAIN-LAIN LUAS TANAH LEBAR JALAN LEBAR DEPAN

0.498 0.550* 0.514*

0.306

Sebanyak 44 variabel mempunyai R2 diatas 50 %, ditandai dengan (*). Hasil seleksi pengaruh masing-masing variabel model dengan jarak resiprokal terhadap nilai tanah ditunjukkan pada tabel III.14. Sebanyak 31 variabel mempunyai R2 diatas 50 %, ditandai dengan (*) Tabel III.14 Hasil analisis determinasi variabel dengan jarak resiprokal No I 1 2

Variabel PUSAT PERBELANJAAN BSM ALUN_ALUN

R2

No 34

Variabel UNIV_LANGLANGBUANA

0.72* 0,84*

IV 35

FASILITAS KESEHATAN PUS_LENGKONG

R2 0,28 0,04

3 II 4 5

KOSAMBI SEKOLAH SD_SURYALAYA SD_CIJAGRA_VI

0,11

36 37

PUS_SURYALAYA PUS_CIJAGRA_BARU

0,75* 0,21

0,84* 0,02

38 39

RS_BERSALIN PUS_CIJAGRA_LAMA

0,96* 0,23

6 7

SMPN_28 SEKOLAH

0,83* 0,87*

40 41

KLINIK/LAB RS_MUHAMADIYAH

0,29 0,89*

8 9

SMUN_8 SMKN_3

0,82* 0,84*

V 42

JALAN JL_DALEMKAUM

10 11

SMKN_8 SMPN_13

0,82* 0,08

43 44

JL_GATOTSUBROTO JL_PALASARI

0,43 0,84*

12 13

SMEA_BINAWARGA SMKN_2

0,79* 0,90*

45 46

JL_CIKAWAO JL_TALAGABODAS

0,44 0,07

0,13


49

14

SDN_PUTRACO

0,80*

47

JL_MARTANEGARA

0,01

15 16 17 18

SDN_PELITA SD_BUAHBATU YAY_KEBANGSAAN SD_TERANG

0,84* 0,70* 0,50 0,14

48 49 50 51

JL_AYANI JL_KARAPITAN JL_BURANGRANG JL_SADAKELING

0,21 0,32 0,24 0,11

19 20 21 22

SDN_TURANGGA_2 SDN_TURANGGA_1 SDN_HALIMUN YPPM

0,01 0,17 0,76* 0,71*

52 53 54 55

JL_BUAHBATU JL_KHDAHLAN JL_LENGKONGKECIL JL_LENGKONGBESAR

0,78* 0,80* 0,14 0,17

23 24 25 26

SD_BPI SDN SMP_YPM YAY_TAMSIS

0,41 0,02 0,33 0,78*

56 57 58 59

JL_GURAME JL_ASIAAFRIKA JL_TURANGGA JL_SUKARNOHATTA

0,84* 0,33 0,42 0,35

27 28 29 30

SMP SD_NILEM SD_LENGKONGKECIL SMAN_7

0,24 0,84* 0,32 0,11

60 61 62 63

JL_PELAJARPEJUANG JL_KLININGAN JL_MASKUMAMBANG JL_REOG

0,80* 0,02 0,83* 0,04

III 31 32 33

PERGURUAN TINGGI STIE_NAS UNPAS_1 UNPAS_2

0,92* 0,49 0,60*

VI 64 65 66

LAIN-LAIN LUAS TANAH LEBAR JALAN LEBAR DEPAN

0,78* 0,71* 0,77*

Tahap selanjutnya adalah penentuan model jaringan syaraf tiruan. Jaringan syaraf tiruan yang digunakan pada penelitian ini menggunakan jenis multi layer perceptron. Jaringan terdiri dari lapisan masukan dengan jumlah node sesuai banyaknya variabel. Sebuah lapisan tersembunyi dan sebuah lapisan keluaran dengan 1 node. Fungsi aktivasi yang digunakan adalah fungsi sigmoid biner. Lapisan input menerima masukan dari variabel bebas nilai tanah. Sebelum dijadikan input untuk JST, data variabel tersebut harus ditransformasikan terlebih dulu karena range keluaran fungsi aktivasi sigmoid berkisar antara 0 (nol) dan 1 (satu). Tetapi akan lebih baik jika data tersebut ditransformasikan ke interval yang lebih kecil (Siang, 2005). Hal ini disebabkan karena nilai fungsi asimtotik tidak pernah mencapai 0 atau 1, oleh karena itu data variabel nilai tanah akan ditransformasikan pada interval 0,1 sampai 0,9. Proses transformasi data tersebut menggunakan persamaan II.13. Lapisan keluaran pada jaringan syaraf tiruan hanya mempunyai satu node. Nilai node tersebut merupakan prediksi nilai tanah model jaringan syaraf tiruan. Setelah proses penentuan variabel dan model jaringan, kemudian dilakukan pengolahan data menggunakan software MatLab. Secara garis besar pengolahan data menggunakan metode JST dalam program komputer terdapat dua tahap komputasi yaitu: a. Tahap Belajar


50 Pada tahap ini proses dimulai dengan memasukkan pola-pola belajar ke dalam jaringan. Dengan menggunakan pola-pola ini jaringan akan mengubah-ubah bobot yang menjadi penghubung antara node. Satu periode dimana seluruh pola belajar telah diproses disebut 1 (satu) iterasi. Pada setiap 1 iterasi dilakukan evaluasi terhadap keluaran jaringan. Tahap ini berlangsung pada beberapa iterasi dan berhenti setelah jaringan menemukan bobot yang sesuai dimana suatu keadaan yang diinginkan telah terpenuhi. Selanjutnya bobot ini menjadi knowledge base (dasar pengetahuan) pada tahap pengenalan. Pada tahap ini digunakan 140 data sampel nilai tanah.

b. Tahap Pengenalan Pada tahap ini dilakukan pengenalan terhadap suatu pola masukan dengan menggunakan bobot hasil tahap belajar. Tahap pengenalan dilakukan dengan menerapkan model terhadap 30 data uji. Akurasi model JST hasil tahap belajar dan pengenalan dapat dilihat pada tabel III.15 Tabel III.15 Akurasi model JST Uraian RMS Model R2 Model RMS Uji R2 Uji RMS Semua data R2 Semua data

Jarak Asli 4.261 0,99 675.494 0,41 283.790 0,87

Jarak Resiprokal 0,00 1,00 1.197.900 0,01 503.240 0,63

Validasi model ditujukan untuk mengetahui seberapa akurat model terpilih untuk memprediksi nilai tanah di wilayah penelitian. Validasi dilakukan dengan menerapkan model terhadap 30 data uji. Hasil validasi model dapat dilihat pada table III.16 Tabel III.16 Hasil validasi model JST No

Uraian

Data Validasi

Batasan

1

PRD

1,018

0,98 < x < 1,03

2

COD

31,8%

x < 20 %


51 3

COV

38,9 %

x < 10 %


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

Recommend Documents