FINESTA Vol. 1, No. 2, (2013) 53-60
53
Dampak Faktor Greening Terhadap Nilai Pasar Rumah Tinggal Di Surabaya Hansel William Ongkowijaya dan Njo Anastasia Program Manajemen Keuangan, Program Studi Manajemen Fakultas Ekonomi, Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya E-mail:
[email protected] ;
[email protected] Abstrak— Dengan dunia semakin peka terhadap lingkungan, Indonesia juga turut berpartisipasi, salah satunya dengan green home. Green home merupakan rumah yang bijak dalam menggunakan lahan, efisien dan efektif dalam penggunaan energi maupun dalam menggunakan air, memperhatikan konservasi material sumber daya alam serta sehat dan aman bagi penghuni rumah. Penelitian ini bertujuan untuk menganalisa seberapa besar pengaruh faktor greening, faktor aksesbilitas, dan faktor fisik terhadap nilai pasar rumah tinggal di Surabaya dengan menggunakan metode uji regresi linear berganda. Sampel yang digunakan adalah perumahan CitraRaya dan Graha Famili selama periode April 2012 - April 2013. Dari hasil penelitian diperoleh bahwa secara parsial hanya luas tanah, jumlah kamar tidur, dan arah hadap utara yang berpengaruh signifikan terhadap nilai pasar rumah tinggal. Namun secara bersama-sama, faktor greening, faktor aksesbilitas, dan faktor fisik berpengaruh terhadap nilai pasar rumah tinggal. Kata Kunci— rumah, penilaian, faktor greening, faktor aksesbilitas dan faktor fisik Abstract—With the world’s concerned to the environment, Indonesia also participated with green home. Green home is a home that wise in the use of land, efficient and effective in the use of energy, as well as in the use of water. Furthermore, pay attention to the material conservation of natural resources as well as healthier and safer for occupants of the house. This research aims to analyze the influence of greening factors, accessbility factors, and physical factors against residential market value in surabaya by used multiple linear regression method. Samples taken in this research were CitraRaya and Graha Famili housing during the period from April 2012 to April 2013. The result shows that partially land area, number of bedrooms, and the direction towards the north significantly influence the residential market value. Overall, greening factors, accessbility factors and physical factors have significant effect to residential market value. Keywords: Home, Appraisal, Greening Factors, Accessbility Factors, and Physical Factors
1. PENDAHULUAN SELAMA kurun waktu 10 tahun terakhir konsumsi energi di sektor rumah tangga tumbuh rata-rata 1,4% per tahun dari 272 juta satuan barel minyak (SBM) di tahun 1999 menjadi 315 juta SBM di tahun 2009. Pertumbuhan konsumsi tersebut terkait dengan pertumbuhan penduduk, peningkatan daya beli masyarakat dan peningkatan akses terhadap energi (Kementrian Energi dan Sumber Daya Mineral, 2010). Dengan kenaikan penggunaan energi secara terus menerus, Indonesia semakin peka terhadap keberlangsungan bumi ini. Indonesia juga menyadari diperlukan adanya peraturan maupun lembaga yang memberikan pendidikan kepada masyarakat untuk lebih hijau terhadap bangunan-bangunan yang ada. Salah satunya adalah Green Building Council Indonesia (GBCI), lembaga
mandiri dan nirlaba yang berkomitmen penuh terhadap green buildings. Selain itu, GBCI memberikan pendidikan kepada masyarakat dalam mengaplikasikan praktik-praktik peduli lingkungan. Di Indonesia, terdapat beberapa pengembang yang sudah memperoleh penghargaan terkait dengan pengembangan green building, diantaranya adalah PT. Intiland Development Tbk dan PT. Ciputra Property Tbk. Kedua developer ini juga mengembangkan proyek green building di Surabaya, yaitu di perumahan CitraRaya dan Graha Famili. Menurut Italiano (2005) sebagai co-founder U.S. Green Building Council (USGBC), “Green Buildings should be rated higher and worth more because of benefits of green buildings: operational efficiency, marketability, and occupant satisfication” (dalam “assigning value to green building”, 2005). Untuk membangun green buildings tidak mudah dan murah. Jangka waktu yang diperlukan untuk mendapatkan sertifikat Leadership in Energy and Environmental Design (LEED) menjadi salah satu aspek yang menjadi penghalang, karena hal itu meningkatkan biaya yang dikeluarkan (Schindler & Udall, 2008). Dari penelitian sebelumnya mengenai dampak going green terhadap harga rumah tinggal di Frisco dan McKinney, Dallas, Amerika Serikat sejak tahun 2002 hingga 2009. Aroul (2009) menunjukkan bahwa terdapat hubungan yang signifikan antara greenness dan harga properti rumah tinggal. Selain itu, ditemukan juga hubungan yang signifikan antara greenness di Frisco dengan penambahan nilai properti rumah tinggal. Addae-Dappah & Chieh (2011) melakukan penelitian dampak pemberian ecolabeling di Singapore. Hasilnya menunjukkan bahwa pemberian eco-labeling memberikan nilai tambah pada harga rumah tinggal di Singapore. Penelitian lainnya menyebutkan bahwa aksesbilitas juga berpengaruh signifikan terhadap harga rumah tinggal. Yang dilakukan oleh Burinskiene, Rudzkiene dan Venckauskaite (2011) yang menunjukkan bahwa kualitas lingkungan hidup, kedekatan dengan pusat kota dan memiliki area hijau yang besar mempunyai pengaruh positif terhadap harga real estate di kota Vilnius. Akan tetapi, jarak antara rumah tinggal dengan sekolah dan rumah sakit memiliki pengaruh negatif yang cukup signifikan terhadap harga real estate di kota Vilnius. Penelitian yang dilakukan oleh Ondrina (2013) juga menunjukkan bahwa aksesbilitas jarak antara rumah tinggal dengan shopping center memiliki pengaruh negatif terhadap harga rumah. Hasil penelitian tersebut didukung dengan teori von Thunen yang mengatakan semakin dekat properti dengan fasilitas umum, semakin tinggi harga properti tersebut (dalam Sasuki & Box, 2003).
FINESTA Vol. 1, No. 2, (2013) 53-60 Fanning (2005) mengatakan bahwa nilai dari suatu properti ditentukan oleh faktor fisik, legal, dan lokasi. Faktor fisik biasanya terdiri dari luas tanah, luas bangunan, jumlah kamar tidur, usia bangunan. Pada umumnya, faktorfaktor tersebut memiliki pengaruh yang positif terhadap harga jual suatu rumah, meskipun besar pengaruhnya dapat bervariasi di setiap daerah (Sirmans et.al, 2006). Pada penelitian ini, penulis memilih dua pengembang besar yang ada di Surabaya, yaitu PT. Intiland Development Tbk dan PT. Ciputra Property Tbk. Hal ini disebabkan karena telah menjadi anggota dari GBCI. Proyek-proyek yang dikerjakan juga menunjukkan bahwa kedua pengembang ini peduli terhadap lingkungan. Contohnya adalah pada cluster golf terlihat lebih hijau dibandingkan dengan cluster non-golf. Adanya banyak penghijauan di sepanjang jalan di perumahan Citra Raya dan Graha Famili. Berdasarkan uraian di atas, penulis menjadi tertarik untuk melakukan penelitian terkait faktor greening pada rumah tinggal yang dikembangkan oleh kedua pengembang tersebut. 2. TEORI PENUNJANG Rumah ramah lingkungan merupakan rumah yang bijak dalam menggunakan lahan, efisien dan efektif dalam penggunaan energi maupun dalam menggunakan air, memperhatikan konservasi material sumber daya alam serta sehat dan aman bagi penghuni rumah. Perawatan rumah yang ramah lingkungan dan aman juga merupakan faktor penting, karena keberlanjutan dari rumah ramah lingkungan harus disertai dengan perilaku ramah lingkungan oleh penghuninya. Pemahaman konsep akan rumah ramah lingkungan merupakan faktor utama yang harus diprioritaskan untuk menghindari kesalahpahaman akan anggapan bahwa rumah ramah lingkungan atau green home merupakan rumah yang memerlukan biaya perawatan yang tinggi ataupun merupakan rumah yang hanya memiliki banyak lahan hijau (GBCI, 2011). Penilaian adalah suatu rangkuman metode dan teknik penilaian, dimana seorang penilai menerapkannya pada material yang nyata dalam suatu kerangka kerja proses penilaian untuk mencapai suatu kesimpulan nilai. Nilai diciptakan dari faktor fisik, sosial, ekonomi, dan politik yang berlaku atasnya (Fisher, 1991). Menurut Fanning (2005), nilai atas suatu properti ditentukan oleh beberapa faktor, yaitu: faktor fisik, legal, dan lokasi. Namun pada penelitian ini hanya digunakan faktor fisik dan faktor lokasi. a. Faktor Fisik Faktor fisik dapat dibagi menjadi fitur alamiah dan fitur buatan manusia. Yang termasuk di dalam fitur alamiah adalah fitur geologis, yang menjadi kendala terbesar dalam menentukan potensi kegunaan atas suatu tempat. Lahan properti juga termasuk fasilitas alam seperti pemandangan asri dan sungai. Sedangkan fitur buatan manusia biasanya berwujud, seperti kapling tanah, luas tanah, tampak depan, kualitas konstruksi (Fanning, 2005). Luas tanah merupakan faktor penting penentu harga properti, dimana luas yang semakin besar, semakin berpengaruh signifikan terhadap harga properti. (Hodgkins,1982, p. 75).
54
b. Faktor Lokasi Lokasi menentukan jenis dan penggunaan lahan yang paling sesuai di suatu daerah. Fitur statis dan dinamis yang menentukan faktor lokasi. Yang termasuk fitur statis adalah keterkaitan dan perhimpunan penggunaan tanah. Keterkaitan ditunjukkan dengan pergerakan masyarakat, barang, jasa, komunikasi dari dan ke lokasi properti. Kelompok penggunaan tanah ditunjukkan dengan pengembangan di area lokasi dan penggunaan tanah saling berhubungan dan mendukung satu sama lain. Faktor dinamis merupakan perubahan dari waktu ke waktu dan arah pola pertumbuhan penggunaan tanah. Sedangkan dari sisi aksesbilitasnya, von Thunen (1966) juga mengatakan bahwa semakin dekat properti dengan fasilitas umum, semakin tinggi harga properti tersebut. Penelitian ini menambahkan faktor greening dikarenakan adanya trend perkembangan pengembangan properti yang mengarah ke konsep green di beberapa negara termasuk Indonesia. Di Indonesia, GBCI (2011) menerbitkan standar Greenship yang dibagi menjadi enam kategori, yaitu: a. Tepat guna lahan (Appropriate Site Development/ASD) Variabel yang terdapat di dalam kategori tepat guna lahan adalah area hijau, infrastruktur pendukung, aksesbilitas komunitas, pengendalian hama, transportasi umum, dan penanganan air limpas hujan. Akan tetapi, kategori ini lebih memberikan nilai tambah pada area hijau. Tujuannya adalah agar dapat meningkatkan fungsi alamiah tanaman dan meningkatkan kenyamanan dan kesehatan fisik serta psikis penghuni. b. Konservasi dan efisiensi energi (Energy Efficiency and Conservation/EEC) Variabel yang digunakan adalah sub meteran, pencahayaan buatan, pengkondisian udara, reduksi panas, dan sumber energi terbarukan. Namun, variabel utamanya adalah sumber energi terbarukan. Tujuannya adalah agar mengurangi ketidakberlanjutan energi nonterbarukan. c. Konservasi air (Water Conservation/WAC) Variabel yang digunakan ini adalah alat keluaran hemat air, penggunaan air hujan, irigasi hemat air. Tujuannya adalah agar menghemat penggunaan air dari teknologi alat keluaran air. d. Siklus dan sumber material (Material Resources and Cycle/MRC) Variabel yang digunakan adalah refrigeran bukan perusak ozon, penggunaan material lama, material dari sumber ramah lingkungan, kayu bersertifikat, material prefabrikasi, material lokal, dan pemilahan sampah. Tujuannya adalah agar menghindari penipisan lapisan ozon dan mengurangi sisa aktifitas konstruksi. e. Kesehatan dan kenyamanan dalam ruang (Indoor Health and Comforth/IHC) Variabel yang digunakan pada kategori ini adalah sirkulasi udara bersih, memaksimalkan pencahayaan alami, dan tingkat akustik. Akan tetapi, nilai tambah difokuskan kepada variabel sirkulasi udara bersih. Tujuannya adalah agar mempertahankan kebutuhan laju udara sehingga kesehatan dan produktivitas penghuni dapat terpelihara, serta menghemat energi.
FINESTA Vol. 1, No. 2, (2013) 53-60 f. Manajemen lingkungan bangunan (Building and Environment Management/BEM) Variabel yang digunakan adalah aktivitas ramah lingkungan, panduan bangunan rumah, keamanan, desain dan konstruksi berkelanjutan, inovasi, dan desain rumah tumbuh. Variabel utamanya adalah desain dan konstruksi berkelanjutan. Tujuannya adalah agar menjaga kualitas lingkungan dan daya dukung lingkungan akibat pembangunan rumah.
3. METODOLOGI PENELITIAN Dalam penelitian ini, penelitian bersifat penelitian eksplanasi, menjelaskan bagaimana pengaruh faktor greening, faktor aksesbilitas, dan faktor fisik terhadap nilai rumah tinggal. Penelitian eksplanasi dikenal sebagai penelitian yang bertujuan untuk memberikan eksplanasi, yaitu mengungkapkan pengaruh antar 2 atau lebih konsep atau variabel dari suatu fenomena sosial. (Hamidi, 2007, p. 13). Selain itu, digunakan data-data numerik sehingga dapat digolongkan sebagai penelitian yang bersifat kuantitatif. Menurut Sugiyono (2009, p. 61), populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Dalam penelitian ini, populasi yang digunakan adalah harga transaksi dari seluruh rumah tinggal yang dikembangkan oleh PT. Intiland Development Tbk dan PT. Ciputra Property Tbk di Surabaya di perumahan Citra Raya dan Graha Famili. Menurut Sekaran (2006), sampel adalah sebagian dari populasi. Teknik pengambilan sampel adalah menggunakan teknik purposive sampling yaitu dengan cara memilih sampel yang sesuai dengan tujuan penelitian, sehingga sampel tersebut dapat mewakili karakteristik populasinya (Nursalam, 2008). Dalam penelitian ini, kriteria pengambilan sampel adalah sebagai berikut: 1. Terjadi transaksi pembelian rumah tinggal dalam satu tahun terakhir dari April 2012 hingga April 2013 yang dikembangkan oleh pengembang-pengembang besar yang ada di Surabaya, yaitu PT. Intiland Development Tbk dan PT. Ciputra Property Tbk. 2. Pemilik rumah bersedia untuk mengisi kuesioner. Sampel yang diperoleh berdasarkan kriteria di atas adalah sebesar 45 sampel. Metode pengumpulan data yang digunakan adalah: a. Penyebaran Kuesioner Menurut Nazir (2011), kuesioner adalah sebuah set pertanyaan yang berhubungan dengan masalah
55 penelitian, dan tiap pertanyaan merupakan jawaban yang mempunyai makna dalam menguji hipotesis. b. Wawancara Wawancara merupakan teknik pengumpulan data yang dilakukan melalui tatap muka dan tanya jawab langsung antara pengumpul data maupun peneliti terhadap nara sumber atau sumber data. c. Studi Literatur Melakukan pengumpulan data-data teoritis dengan mempelajari penelitian-penelitian sebelumnya dan artikel-artikel pendukung yang dapat digunakan sebagai landasan dalam menentukan prinsip-prinsip dalam penelitian. Untuk memudahkan pengertian dan menghindari kesalahan penelitian, maka perlu didefinisikan variabelvariabel yang ada di dalam penelitian ini, diantaranya: 1. Konsep : Faktor Greening Definisi Operasional : Rumah ramah lingkungan yang memenuhi standar greenship berdasarkan pedoman dari GBCI. Indikator Empirik : -Area Hijau Apabila luas area hijau dibagi dengan luas tanah hasilnya diantara 0-15%, diberi kode 1. Apabila hasil bagi luas area hijau dengan luas tanah diantara 16-30%, diberi kode 2. Apabila hasil bagi luas area hijau dengan luas tanah lebih dari 30%, diberi kode 3. -Teknologi Tolak ukur untuk variabel teknologi adalah menggunakan pemanas air tenaga surya yang tidak mengkonsumsi energi listrik (solar heat) atau menggunakan AC Inverter. Apabila sampel menggunakan salah satu dari kedua teknologi tersebut atau keduanya, diberi kode 1. Apabila sampel tidak menggunakan kedua teknologi tersebut, diberi kode 0. 2 Konsep : Faktor Aksesbilitas Definisi Operasional : Jarak lokasi dari rumah menuju fasilitas umum di sekitar rumah tinggal. Indikator Empirik : - Jarak tempuh antara rumah tinggal dengan shopping center dengan satuan meter (m). - Jarak tempuh antar rumah tinggal dengan rumah sakit dengan satuan meter (m). - Jarak tempuh antara rumah tinggal dengan sekolah dengan satuan meter (m). 3 Konsep : Faktor Fisik Definisi Operasional : Kondisi fisik yang terbagi menjadi fitur alamiah dan fitur buatan manusia. Indikator Empirik : - Luas Tanah dengan satuan meter persegi (m2). - Jumlah Kamar Tidur dengan satuan unit. - Arah Hadap menggunakan dummy variabel. Tabel 3.1 Variabel Arah Hadap Dummy Dummy Selatan
0
0
0
0
Utara
1
0
0
0
Timur
0
1
0
0
Barat
0
0
1
0
Barat Daya
0
0
0
1
FINESTA Vol. 1, No. 2, (2013) 53-60 - Cluster dibagi menjadi 2. Apabila termasuk cluster golf diberi kode 0 dan apabila termasuk cluster non-golf diberi kode 1. 4 Konsep : Nilai Pasar Rumah Tinggal Definisi Operasional : Harga transaksi saat pembelian. Indikator Empirik : Satuan yang digunakan adalah Rupiah. Urutan Teknik Analisa Data adalah sebagai berikut: 1. Dilakukan uji dengan model regresi untuk memperoleh nilai residual. 2. Dilakukan uji deskriptif boxplot untuk mengetahui ringkasan distribusi sampel yang disajikan secara grafis yang menggambarkan bentuk distribusi data (skewness), ukuran tendensi sentral dan ukuran penyebaran data pengamatan dengan bantuan alat SPSS 17. 3. Uji Asumsi Klasik Setelah dilakukan uji deskriptif boxplot, dilakukanlah uji asumsi klasik. Adapun asumsi yang digunakan adalah: a. Uji Normalitas Uji normalitas adalah uji kenormalan distribusi data. Tujuannya adalah untuk menguji apakah dalam model regresi, variabel terikat dan variabel independennya memiliki distribusi normal atau tidak. Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal (Ghozali, 2009). Metode untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan dilakukan Kolmogorov Smirnov, data dinyatakan berdistribusi normal bila signifikansi > 0.05, dengan hipotesa sebagai berikut: Ho: α < 5%, berarti data tidak berdistribusi normal. H1: α > 5%, berarti data berdistribusi normal. Syarat-syarat mengenai penolakan dan penerimaan hipotesis: 1. p-value < α (5%), maka tolak Ho 2. p-value > α (5%), maka terima H1 b. Uji Autokorelasi Uji autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Salah satu asumsi penting adalah variabel gangguan pada periode tertentu berkorelasi dengan variabel lain, dengan kata lain variabel gangguan tidak random. Berdasarkan konsep tersebut, maka uji autokolerasi sangat penting untuk dilakukan. Menurut Ghozali (2009) untuk menguji apakah hasil estimasi model regresi mengandung korelasi atau tidak, maka dilakukanlah Uji Durbin Watson dengan kriteria sebagai berikut: 0 < d < dL = ada autokorelasi negatif. dL ≤ d ≤ dU = tidak dapat ditarik kesimpulan. 4-dL < DW < 4 = ada autokorelasi positif. 4- dU ≤ d ≤ 4- dL = tidak dapat ditarik kesimpulan. dU ≤ d ≤ 4-dU = tidak ada autokorelasi positif atau negatif. c. Uji Multikolinearitas Menurut Santoso (2000), multikolinearitas berarti adanya korelasi linier antara satu atau lebih variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel bebas. Pengujian multikolinearitas dilakukan dengan melihat nilai VIF dan korelasi variabel bebas Jika nilai VIF dibawah 10 maka tidak terjadi problem multikolinearitas. Sedangkan hasil pengujian nilai tolerance juga menunjukkan tidak ada variabel
56 bebas yang nilainya kurang dari 0,10 yang berarti tidak ada korelasi antar variabel bebas yang nilainya lebih dari 95%. Hal ini berarti tidak terjadi multikolinearitas (Ghozali, 2009). d. Uji Heterokedastisitas Heterokedastisitas adalah kondisi dimana terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain dengan cara melihat ada tidaknya pola tertentu pada grafik plot antara nilai prediksi variabel terkait dengan residualnya. Bila varian dari residual pengamatan ke pengamatan yang lain itu tetap maka disebut homokedastisitas dan jika berbeda disebut Heterokedastisitas. Menurut Ghozali (2009), gejala heterokedastisitas dapat diuji dengan uji glejzer yaitu dengan meregresi nilai absolut residual terhadap variabel bebas. Heterokedastisitas tidak terjadi apabila tidak satupun variabel bebas signifikan secara statistik mempengaruhi nilai variabel terikat nilai Ut (Absolut dari nilai residual yang dihasilkan dari proses regresi). Hal ini terlihat dari probabilitas signifikansinya diatas 5 %. Ho: α < 5%, berarti terkena heterokedastisitas. H1: α > 5%, berarti tidak terkena heterokedastisitas. Syarat-syarat mengenai penolakan dan penerimaan hipotesis: 1. p-value < α (5%), berarti terkena heterokedastisitas. 2. p-value > α (5%), berarti tidak terkena heterokedastisitas. 4. Uji Hipotesis Alat analisa data yang digunakan pada penelitian ini adalah regresi logit. Analisa regresi digunakan untuk mengetahui pengaruh antara variabel independent dengan variabel dependent dengan menggunakan model regresi sebagai berikut: y = α + β1X1,1 + β2X1,2 + β3X2,1 + β4X2,2 + β5X2,3 + β6X3,1 + β7X3,2 + β8X3,3 + β9X3,4 + β10X3,5 + β11X3,6 + β12X3,7 + ε Keterangan: y = nilai transaksi rumah tinggal α = konstanta X1,1 = Area hijau X1,2 = Teknologi X2,1 = Jarak antara rumah tinggal dan shopping center X2,2 = Jarak antara rumah tinggal dan rumah sakit X2,3 = Jarak antara rumah tinggal dan sekolah X3,1 = Luas tanah X3,2 = Jumlah kamar tidur X3,3 = Arah hadap utara X3,4 = Arah hadap timur X3,5 = Arah hadap barat X3,6 = Arah hadap barat daya X3,7 = Cluster ε = error a. Uji F Uji F berfungsi untuk mengetahui apakah terdapat pengaruh signifikansi antara variabel bebas secara bersama-sama terhadap variabel tergantungnya dengan level of significance (α) 5% atau confidence interval sebesar 95% dan degree of freedom (df) = k/(k-n-1) dimana n adalah jumlah observasi dan k adalah jumlah variabel termasuk intersep. Ho diterima apabila signifikansi Fhitung lebih lebih besar daripada α = 5%. Sebaliknya, H1 diterima apabila signifikansi Fhitung lebih lebih kecil daripada α = 5%.
FINESTA Vol. 1, No. 2, (2013) 53-60 Rumusan hipotesis: Ho : b1,b2,….,b12 = 0, berarti variabel area hijau, teknologi, jarak antara rumah dengan shopping center, jarak antara rumah dengan rumah sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah kamar tidur, arah hadap, cluster secara bersama-sama tidak berpengaruh signifikan terhadap nilai transaksi rumah tinggal. H1 : b1,b2,…,b12 ≠ 0, berarti variabel area hijau, teknologi, jarak antara rumah dengan shopping center, jarak antara rumah dengan rumah sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah kamar tidur, arah hadap, cluster secara bersama-sama berpengaruh signifikan terhadap nilai transaksi rumah tinggal. b. Uji t Uji t berfungsi untuk menguji koefisien regresi secara parsial dari variabel-variabel bebasnya. Untuk menentukan nilai ttabel maka ditentukan level of significance (α) 5% atau confidence interval sebesar 95% dengan degree of freedom (df) = (n-k-1) dimana n adalah jumlah observasi dan k adalah jumlah variabel termasuk intersep. Ho diterima apabila signifikansi t hitung lebih lebih besar daripada α = 5%. Sebaliknya, H1 diterima apabila signifikansi thitung lebih lebih kecil daripada α = 5%. Rumusan hipotesis: Ho : bi = 0, berarti variabel bebas (area hijau, teknologi, jarak antara rumah dengan shopping center, jarak antara rumah dengan rumah sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah kamar tidur, arah hadap, cluster) secara partial tidak berpengaruh signifikan terhadap nilai transaksi rumah tinggal. H1 : bi ≠ 0, berarti variabel bebas (area hijau, teknologi, jarak antara rumah dengan shopping center, jarak antara rumah dengan rumah sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah kamar tidur, arah hadap, cluster) secara partial berpengaruh signifikan terhadap nilai transaksi rumah tinggal. Koefisien determinasi (R2) digunakan untuk mengetahui seberapa besar hubungan dari beberapa variabel dalam pengertian yang lebih jelas dan juga menjelaskan seberapa besar perubahan atau variasi suatu variabel bisa dijelaskan oleh perubahan atau variasi pada variabel yang lain (Santosa dan Ashari, 2005:125). Adjusted R square adalah variasi dari variabel dependent yang dapat dijelaskan oleh variabel independent. Untuk variabel independent lebih dari dua sebaiknya melihat adjusted R square (Santoso, 2000). Pada penelitian ini, penulis menggunakan nilai adjusted R square. 4. ANALISA DAN PEMBAHASAN Uji Deskriptif (Boxplot) Setelah diketahui nilai residual dari model regresi, maka dilakukan uji deskriptif (boxplot), sebagai berikut :
57
Dari hasil boxplot, dapat diketahui bahwa data responden nomor 7, 11, 32, 33,35, dan 38 merupakan data outliers. Namun dari enam data outliers, data responden nomor 32 merupakan data ekstrem, sehingga perlu dikeluarkan (Nachmias dan .Guerrero, 2011). Uji Asumsi Klasik Setelah data ke 32 dikeluarkan, maka dilakukan ulang. Kemudian melakukan uji asumsi klasik. Hasil output menunjukkan sebagai berikut: a. Uji Normalitas Untuk pembuktian uji normalitas dapat kita lihat dengan analisa statistik, yaitu uji Kolmogorov-Smirnov. Berikut hasil uji Kolmogorov-Smirnov: Tabel 4.1 Uji Kolmogorov-Smirnov Kolmogorov-Smirnov Z .899 Asymp. Sig. (2-tailed) .395 Dengan menggunakan nilai α = 5%, nilai asymp Sig (2tailed) adalah sebesar 0,395, sehingga p > α maka hasil data mengikuti distribusi normal. b. Uji Autokorelasi Tabel 4.5 Uji Durbin Watson Durbin-Watson 2,134 Dari hasil uji Durbin-Watson diatas dapat dilihat bahwa nilainya sebesar 2,134. Dengan k = 12, n = 44, diperoleh nilai du = 2,225 dan dl = 0,938. Nilai DW sebesar 2,134 tersebut berada ditengah-tengan nilai du dan dl, maka dapat diartikan dalam model regresi ini tidak terdapat autokorelasi. c. Uji Multikolinearitas dan Uji Heterokedastisitas Tabel 4.6 Uji Multikolinearitas Dan Heterokedastisitas Tolerance
VIF
Sig. Uji Glejser
(Constant) AreaHijau Teknologi Jarak Mall Rumah Sakit Sekolah Luas Tanah
0,448 0,699 0,496 0,441 0,467 0,259
2,232 1,430 2,017 2,266 2,139 3,866
0,730 0.702 0,760 0,815 0,175 0,673 0,084
Jumlah Kamar Tidur
0,341
2,933
0,904
Utara Timur Barat
0,613 0,633 0,686
1,630 1,581 1,457
0,115 0,178 0,327
Barat Daya
0,425
2,355
0,795
FINESTA Vol. 1, No. 2, (2013) 53-60 Cluster
0,661
1,512
58 0,479
Berdasarkan pada nilai tolerance dan VIF terlihat bahwa tidak ada nilai tolerance di bawah 0,1 (nilai tolerance berkisar antara 0,259 sampai 0,699), begitu juga dengan nilai VIF tidak ada yang di atas 10 (nilai VIF berkisar antara 1,430 sampai 3,866). Jadi sudah terbukti bahwa tidak terdapat gejala multikoliniearitas. Dari hasil Uji Glejser, dapat dilihat bahwa signifikan variabel independen tidak ada yang dibawah atau lebih kecil dari 0,05 yang berarti tidak terjadi gejala heteroskedastisitas. Uji Hipotesa a. Uji F Tabel 4.7 Uji Statistik F F Sig. Regression 43,409 0,000a Berdasar tabel diatas diperoleh nilai signifikansi sebesar 0,000 dan lebih kecil dari α = 5% maka dapat disimpulkan bahwa variabel area hijau, teknologi, jarak antara rumah dengan shopping center, jarak antara rumah dengan rumah sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah kamar tidur, arah hadap utara, arah hadap timur, arah hadap barat, arah hadap barat daya, cluster secara bersama-sama berpengaruh signifikan terhadap nilai pasar rumah tinggal di Surabaya. Tabel 4.8 Koefisien Determinasi R R Square Adjusted R Square 0,972a 0,944 0,922 Dari tabel 4.8 terlihat bahwa nilai koefisien determinasi sebesar 0,922 berarti sebanyak 92,2% variasi atau perubahan dalam nilai pasar rumah tinggal di Surabaya bisa dijelaskan oleh variasi atau perubahan area hijau, teknologi, jarak antara rumah dengan shopping center, jarak antara rumah dengan rumah sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah kamar tidur, arah hadap utara, arah hadap timur, arah hadap barat, arah hadap barat daya, cluster, sedangkan 7,8% disebabkan oleh hal-hal yang lain di luar model. b. Uji t Tabel 4.9 Uji Statistik t B t Sig. (Constant) -2157673537,737 -1,076 0,290 AreaHijau -16570142,699 -0,033 0,974 Teknologi -719511987,729 -1,165 0,253 Jarak Mall 271,646 0,003 0,998 Rumah Sakit 131255,228 0,911 0,369 Sekolah 11539,397 0,163 0,872 Luas Tanah 26341152,488 14,023 0,000 Jumlah Kamar -1052433193,425 -2,789 0,009 Tidur Utara 1471687954,806 2,376 0,024 Timur 183785206,141 0,266 0,792 Barat 844080985,451 0,453 0,654 Barat Daya 3589972238,810 1,516 0,140 Cluster 950800567,889 1,154 0,257 Dari semua variabel yang diregresikan, hanya tiga variabel yang signifikan, yaitu luas tanah, jumlah kamar tidur, dan arah hadap utara. Hal ini terlihat dari signifikansinya yang sebesar 0,000, 0,009, dan 0,024, dimana tingkat signifikansinya lebih kecil dari α = 5%. Namun, variabel cluster, teknologi, area hijau, jarak antara rumah
tinggal dengan shopping center, jarak antara rumah tinggal dengan rumah sakit, jarak antara rumah tinggal dengan sekolah, arah hadap timur, arah hadap barat, arah hadap barat daya memiliki tingkat signifikansinya lebih besar dari α = 5%. Dapat disimpulkan bahwa secara parsial, variabel luas tanah, jumlah kamar tidur, dan arah hadap utara berpengaruh signifikan terhadap nilai pasar rumah tinggal di Surabaya. Dari tabel coefficients diatas, model regresi yang dapat dibentuk adalah sebagai berikut: Y = -2157673537,737 – 16570142,699 area hijau – 719511987,729 teknologi + 271,646 jarak rumah ke shopping center + 131255,228 jarak rumah ke rumah sakit + 11539,397 jarak rumah ke sekolah + 26341152,488 luas tanah – 1052433193,425 jumlah kamar tidur + 1471687954,806 arah hadap utara + 183785206,141 arah hadap timur + 844080985,451 arah hadap barat + 3589972238,810 arah hadap barat daya + 950800567,889 cluster Dalam pengujian regresi linear berganda yang telah dilakukan, dapat disimpulkan bahwa variabel area hijau, teknologi, jarak antara rumah dengan shopping center, jarak antara rumah dengan rumah sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah kamar tidur, arah hadap utara, arah hadap timur, arah hadap barat, arah hadap barat daya, cluster dengan sekolah secara bersama-sama berpengaruh signifikan terhadap nilai pasar rumah tinggal di Surabaya. Apabila dilihat secara parsial, variabel luas tanah, jumlah kamar tidur, dan arah hadap utara memiliki pengaruh signifikan terhadap nilai pasar rumah tinggal di Surabaya. Dimana luas tanah dan arah hadap utara memiliki pengaruh positif dan jumlah kamar tidur memiliki pengaruh negatif. Namun, variabel cluster, teknologi, area hijau, jarak antara rumah tinggal dengan shopping center, jarak antara rumah tinggal dengan rumah sakit, jarak antara rumah tinggal dengan sekolah, arah hadap timur, arah hadap barat, arah hadap barat daya tidak memiliki pengaruh signifikan terhadap nilai pasar rumah tinggal. Hasil dari penelitian ini sesuai dengan penelitian oleh Sirmans, MacDonald, Macpherson, dan Zietz (2006) dan Njo, Fransisca, dan Muliadihardjo (2004) yang mengatakan luas tanah memiliki pengaruh positif terhadap nilai rumah. Hal ini disebabkan karena semakin besar luas tanah, makan semakin tinggi pula nilai pasar rumah tinggal. Penelitian yang dilakukan oleh Sirmans, MacDonald, Macpherson, dan Zietz (2006) juga mengatakan bahwa jumlah kamar tidur memiliki pengaruh positif terhadap nilai rumah, sedangkan didapati hasil regresi yang berlawanan dengan penelitian tersebut. Hal ini disebabkan karena banyak sampel yang memiliki luas bangunan kecil, namun memiliki jumlah kamar tidur yang banyak, sehingga mengurangi nilai pasar rumah tinggal tersebut. Arah hadap utara memiliki pengaruh positif disebabkan oleh 14 dari 45 responden memiliki rumah dengan arah hadap utara sebab tidak berhadapan langsung dengan matahari, sedangkan arah hadap timur dan barat masing-masing sebesar 7 dan 1. Rumah yang menghadap timur atau barat lebih panas dibandingkan rumah yang menghadap utara atau selatan sebab berhadapan langsung dengan sinar matahari. Range harga properti pada cluster golf dimulai dari Rp 1.000.000.000 hingga Rp 29.000.000.000, sedangkan pada cluster non-golf dimulai dari Rp 900.000.000 hingga Rp 18.000.000.000.
FINESTA Vol. 1, No. 2, (2013) 53-60 Pada variabel teknologi dan area hijau tidak berpengaruh signifikan terhadap nilai pasar rumah tinggal. Hal ini disebabkan karena teknologi tidak sesuai untuk mewakili unsur hijau pada rumah tinggal, dan solar heat sendiri membutuhkan biaya investasi yang lebih tinggi dibandingkan menggunakan mesin pemanas air dengan bahan bakar gas. Juga solar heat membutuhkan tempat yang besar di bagian atap, jadi lebih sesuai untuk rumah yang memiliki luasan atap yang dapat menanggung beban solar heat tersebut. Selain itu, solar heat maupun AC Inverter merupakan faktor pendukung untuk dinyatakan sebagai rumah ramah lingkungan sehingga tidak berdampak secara langsung terhadap nilai pasar rumah tinggal, namun berdampak secara langsung terhadap biaya maintenance. Dalam hal area hijau, apabila semakin besar area hijau pada suatu rumah maka menyebabkan luas bangunan semakin berkurang dan apabila luas bangunan semakin berkurang maka nilai bangunan rumah tersebut akan menurun. Hasil penelitian ini berbeda dengan hasil penelitian oleh Aroul (2009) menunjukkan bahwa terdapat hubungan yang signifikan antara greenness dan harga properti rumah tinggal dan oleh Burinskiene, Rudzkiene dan Venckauskaite (2011) yang menunjukkan bahwa semakin besar area hijau akan memberikan pengaruh terhadap harga real estate. Ada juga penelitian lainnya yang menyebutkan bahwa aksesbilitas berpengaruh signifikan terhadap harga rumah tinggal. Penelitian tersebut dilakukan oleh Burinskiene, Rudzkiene dan Venckauskaite (2011), Ondrina (2013). Hasil penelitian tersebut didukung dengan teori von Thunen yang mengatakan semakin dekat properti dengan fasilitas umum, semakin tinggi harga properti tersebut. Namun pada penelitian yang dilakukan oleh penulis, faktor aksesbilitas tidak berpengaruh signifikan terhadap nilai pasar rumah tinggal. Hal ini disebabkan perumahan Citra Raya dan Graha Famili sudah dikelilingi oleh fasilitas umum seperti adanya Pakuwon Trade Center, Rumah Sakit Mitra Keluarga, dan SMA Ciputra. 5. KESIMPULAN DAN SARAN Kesimpulan Berdasarkan pengujian statistik yang dilakukan untuk mengetahui pengaruh area hijau, teknologi, jarak antara rumah dengan shopping center, jarak antara rumah dengan rumah sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah kamar tidur, arah hadap, cluster terhadap nilai pasar rumah tinggal di perumahan Citra Raya dan Graha Famili selama periode April 2012-April 2013, maka didapatkan kesimpulan sebagai berikut: 1) Faktor greening, faktor aksesbilitas, dan faktor fisik secara bersama-sama berpengaruh signifikan terhadap nilai pasar rumah tinggal di Surabaya. 2) Secara parsial, terdapa tiga variabel yang berpengaruh signifikan terhadap nilai pasar rumah tinggal di Surabaya, yaitu variabel luas tanah, jumlah kamar tidur, dan arah hadap utara. Saran 1) Untuk penelitian selanjutnya diharapkan menambahkan data responden, sehingga mendapatkan hasil yang lebih baik. Data yang minim tersebut disebabkan karena
59 terbatasnya waktu untuk penyebaran kuesioner kepada responden. 2) Menambah variabel green yang sesuai dengan standar GBCI. Contohnya melihat seberapa besar sirkulasi udara di satu rumah dengan menghitung luas ventilasi dibandingkan dengan luas tanah. 3) Mempersiapkan waktu lebih banyak lagi untuk penyebaran kuesioner. DAFTAR PUSTAKA Addae-Dapaah, K., & Chieh S.J. (2011). Green Mark Certification: Does the Market Understand?. Josre, 3(1), 182. Aroul, R.R. (2009). Going green – impact on residential property values. The University of Texas, Texas, United States. Assigning Value to Green Buildings. (2005). Building Operating Management, 34-38. Burinskiene, M., Rudzkiene, V., & Venckauskaite, J. (2011). Effects of quality of life on the price of real estate in vilnius city. International Journal of Strategic Property Management, 15(3): 295-311. doi:10.3846/1648715X.2011.617857 Fanning, S.F. (2005). Market Analysis for Real Estate. United States of America: Appraisal Institute. Fisher, J. D., & Mueller, P. (1991). The Languange of Real Estate Appraisal. United States: DearbornTM Real Estate Education. Ghozali, I. (2009). Ekonometrika Teori, Konsep dan Aplikasi dengan SPSS 17. Semarang: Penerbit UNDIP. Green Building Council Indonesia. (2011). Greenship Home. Indonesia: Author. Hamidi. (2007). Metode Penelitian dan Teori Komunikasi. Malang: UMM Press. Hodgkinson, & Allan, A.J. (1982). Handbook of Building Structure. Chicago: The Dryden Press. Nazir. (2011). Metode Penelitian. Jakarta: Ghalia Indonesia. Njo, A., Fransisca, & Muliadihardjo. (2004). Penilaian Properti di Surabaya Pada Perumahan Pakuwon Indah, Graha Famili, dan CitraRaya. Jurnal Dimensi Teknik Arsitektur, 31(1), 63-67 Nursalam. (2008). Konsep & Metode Keperawatan 2nd Edition. Jakarta: Salemba Medika. Ondrina, E. (2013). Analysis Of Factors Affecting The House Prices in Pekanbaru City. University of Riau, Riau, Indonesia. Indonesia. Kementrian Energi dan Sumber Daya Mineral. (2010). Indonesia Energy Outlook 2010. Indonesia: Auhor. Santosa dan Ashari, Purbaya Budi. (2005). Analisa statistik dengan Microsoft Excel & SPSS. Yogyakarta: Andi. Santoso, Singgih. (2000). Buku latihan SPSS statistik parametrik. Jakarta: PT. Elex Media Komputindo. Sasuki, Y. & Box, P. (2003). Agent-Based Verification of von Thünen's Location Theory. Journal of Artificial Societies and Social SimulatioN, 6(2). Retrieved from http://jasss.soc.surrey.ac.uk/6/2/9.html
FINESTA Vol. 1, No. 2, (2013) 53-60 Schindler, A. & Udall, R. (2008). “LEED is broken; let’s fix it”, working paper, 26 October, available at: www.grist.org/comments/soapbox/2005/10/26/leed/index1 Sekaran, U. (2006). Metodologi Penelitian Untuk Bisnis. Jakarta: Salemba Empat. Sirmans, G. S., MacDonald, L., Macpherson, D.A., & Zietz E.N. (2006). The Value of Housing Characteristics: A Meta Analysis. Journal of Real Estate Finance and Economics, 33, 215-240. Sugiyono. (2009). Statistika Untuk Penelitian. Bandung: Alfabet. von Thunen. (1966). Isolated State. Paris: Pergamon Press.
60
