52
Bab IV Analisis
IV.1 Analisis Hasil Pembobotan Kriteria Berdasarkan hasil perhitungan didapatkan nilai Chi Kuadrat hitung sebesar 128,5865 (lihat Lampiran N), sedangkan Chi Kuadrat tabel dengan α = 0,05 dan derajat kebebasan 11 atau n-1=12-1 adalah 19,6751. Hasil perhitungan menunjukkan bahwa Chi Kuadrat hitung lebih besar dari pada Chi Kuadrat tabel, sehingga H0 ditolak. Hal di atas dapat dijelaskan bahwa analisis statistik non parametrik uji konkordansi Kendall W yang telah dilakukan dalam penelitian ini adalah untuk menguji sejauh mana keselarasan (keseragaman) setiap responden dalam memberikan rangking kriteria. Hipotesis nol yang digunakan dalam pengujian ini adalah tidak ada keselarasan/keseragaman antar responden dalam memberikan rangking kriteria penentu nilai tanah. Proses pengujian dilakukan dengan merubah nilai bobot kriteria yang diberikan oleh setiap responden menjadi nilai rangking. Tahap selanjutnya, nilai rangking yang didapatkan dilakukan perhitungan untuk mendapatkan nilai W. Nilai W yang diperoleh digunakan sebagai komponen untuk menghitung nilai Chi Kuadrat (χ2). Ketentuan pengujian adalah jika Chi Kuadrat hitung > Chi Kuadrat tabel, maka H0 ditolak. Hal ini berarti bahwa terjadi keselarasan antar responden dalam memberikan rangking kriteria penentu nilai lahan. Berdasarkan fakta ini dapat disimpulkan bahwa bobot kriteria global dari hasil pengolahan bobot kriteria setiap responden mencerminkan gabungan pendapat para responden yang mempunyai keseragaman dalam melakukan penilaian tanah. Perhitungan Chi Kuadrat disajikan pada Lampiran N.
IV.2 Analisis Regresi Untuk memilih model terbaik dari empat alternatif model yang telah dihasilkan pada pemodelan dengan metode regresi berganda dilakukan beberapa pengujian,
53
yaitu uji kriteria ekonomi, uji kriteria statistik dan uji kriteria asumsi klasik (uji kriteria ekonometrik), sehingga diperoleh model yang terbaik. Hasil regresi model lin-lin, lin-log, log-lin dan log-log menggunakan software pengolah data statistik dilampirkan pada Lampiran O.
IV.2.1 Hasil Uji Kriteria Ekonomi Pengujian kriteria ekonomi dilakukan dengan membandingkan kesesuaian tanda koefisien regresi hasil analisis regresi dengan teori atau anggapan yang berlaku umum. Sebelum data dilakukan proses regresi, sebagaimana yang telah dijelaskan bahwa data-data variabel dilakukan standardisasi sehingga menjadi skor yang telah distandardisasi. Nilai skor tersebut kemudian dikalikan dengan nilai bobot sesuai kriterianya dan hasilnya merupakan tingkat kualitas lahan. Nilai tingkat kualitas lahan setiap kriteria ini yang akan menjadi nilai variabel independen. Nilai variabel dependen menggunakan harga jual tanah setelah penyesuaian. Sesuai teori atau anggapan yang berlaku umum bahwa semakin tinggi nilai kualitas lahan, maka semakin tinggi nilai harga tanah. Dengan demikian maka tanda koefisien regresi hasil analisis regresi diharapkan bernilai positif (+). Sebaliknya bila tanda koefisien regresi bernilai negatif, maka nantinya setiap terdapat kenaikan nilai kualitas lahan akan mengurangi nilai harga tanah. Jika tanda dari koefisien regresi bersesuaian, maka parameter tersebut lolos dari uji kriteria ekonomi. Sebaliknya jika tanda dari koefisien regresi tidak sesuai dengan teori, maka parameter tersebut tidak lolos uji. Rekapitulasi hasil uji kriteria ekonomi terhadap keempat model hasil pemodelan dengan metode regresi berganda sebagaimana dalam Tabel IV.1. Berdasarkan Tabel IV.1 dapat dilihat hasil uji tanda, dimana terdapat beberapa variabel independen yang digunakan dalam model regresi hasilnya tidak sesuai dengan teori/hipotesis. Pada model lin-lin dan log-log semua variabel sesuai teori. Pada model lin-log hanya variabel jarak bidang ke jalan arteri, jarak bidang ke lokasi bencana, jarak bidang ke relokasi infrastruktur dan variabel penggunaan lahan yang bernilai positif atau sesuai dengan teori. Pada model log-lin variabel jarak bidang ke lokasi bencana tidak sesuai dengan teori.
54
Tabel IV.1 Hasil Uji Kriteria Ekonomi Variabel
Model Lin-Lin
Model Lin-Log
Model Log-Lin
Model Log-Log
Teori
Hasil
Kes
Teori
Hasil
Kes
Teori
Hasil
Kes
Teori
Hasil
Kes
JCBD
+
+
S
+
-
TS
+
+
S
+
+
S
JJART
+
+
S
+
+
S
+
+
S
+
+
S
JJKAB
+
+
S
+
-
TS
+
+
S
+
+
S
JJDES
+
+
S
+
-
TS
+
+
S
+
+
S
JLB
+
+
S
+
+
S
+
-
TS
+
+
S
JRI
+
+
S
+
+
S
+
+
S
+
+
S
PL
+
+
S
+
+
S
+
+
S
+
+
S
Keterangan: Kes
: Kesimpulan
S
: Sesuai
TS
: Tidak Sesuai
JCBD : Variabel jarak bidang ke CBD JJART : Variabel jarak bidang ke jalan arteri JJKAB : Variabel jarak bidang ke jalan kabupaten JJDES : Variabel jarak bidang ke jalan desa JLB
: Variabel jarak bidang ke lokasi bencana
JRI
: Variabel jarak bidang ke relokasi infrastruktur
PL
: Variabel penggunaan lahan
IV.2.2 Hasil Uji Kriteria Statistik Tujuan dilakukan uji kriteria statistik untuk melihat terpenuhinya kriteria statistik dari model yang dihasilkan dari proses regresi yang meliputi uji signifikansi parameter dengan melakukan uji t, uji signifikansi regresi dengan melakukan uji F dan uji koefisien determinasi (R2).
IV.2.2.1 Uji t Uji t dilakukan untuk melihat apakah variabel independen secara individu mempunyai pengaruh yang nyata (signifikan) terhadap variabel dependen (tak bebas). Pengujian dilakukan dengan membandingkan nilai thitung dengan ttabel.
55
Hipotesis yang digunakan adalah Ho : βi = 0 ; Ha : βi ≠ 0. Jika thitung > ttabel berarti Ho ditolak atau variabel bebas bermakna secara statistik atau ada hubungan antara variabel bebas dengan variabel tak bebas. Dengan derajat kebebasan (df) = n - k 1 = 416 – 7 -1 = 408 dan tingkat kepercayaan 95%, diperoleh ttabel = 1,6485. Ringkasan hasil uji t dengan menggunakan software pengolah data statistik sebagaimana pada Tabel IV.2 berikut: Tabel IV.2 Hasil uji t Variabel
Model lin-lin thitung Kes
Model lin-log thitung Kes
Model log-lin thitung Kes
Model log-log thitung Kes
C
-4,1173
TS
3,9380
S
2,0565
S
8,9522
S
JCBD
1,5898
TS
-1,4784
TS
5,3665
S
3,7781
S
JJART
5,0696
S
3,0383
S
3,1941
S
4,1731
S
JJKAB
1,6350
TS
-1,0358
TS
2,0992
S
0,1093
TS
JJDES
2,6249
S
-0,3018
TS
4,0862
S
1,8472
S
JLB
5,8772
S
2,6769
S
-0,5187
TS
1,8811
S
JRI
2,2409
S
0,4520
TS
1,4092
TS
0,1387
TS
PL
8,2466
S
7,3199
S
10,9273
S
10,9022
S
Keterangan: Kes = Kesimpulan, S = Signifikan, TS = Tidak Signifikan Berdasarkan hasil uji t terhadap keempat model regresi sebagaimana dalam tabel di atas, terdapat beberapa variabel bebas secara individu tidak mempunyai pengaruh secara signifikan terhadap variabel tak bebas (nilai tanah) karena nilai thitung < ttabel. Pada model linier (lin-lin) variabel bebas yang tidak berpengaruh secara nyata (signifikan) adalah variabel jarak bidang ke CBD dan jarak bidang ke jalan kabupaten. Pada model semilog (lin-log) variabel bebas yang tidak berpengaruh secara signifikan adalah variabel jarak bidang ke CBD, jarak bidang ke jalan kabupaten, jarak bidang ke jalan desa dan jarak bidang ke relokasi infrastruktur. Model semilog (log-lin) variabel bebas yang tidak berpengaruh secara signifikan adalah jarak bidang ke lokasi bencana dan jarak bidang ke relokasi infrastruktur. Untuk model logaritma (log-log) variabel bebas yang tidak berpengaruh secara nyata (signifikan) adalah jarak bidang ke jalan kabupaten dan jarak bidang ke relokasi infrastruktur.
56
IV.2.2.2 Uji F Uji F dilakukan untuk mengetahui secara statistik apakah variabel bebas secara bersama-sama mempunyai pengaruh terhadap variabel tak bebasnya (nilai tanah). Dalam pengujian, kriteria yang ditetapkan adalah jika Fhitung > Ftabel maka berarti variabel bebas secara bersama-sama berpengaruh secara signifikan terhadap variabel tak bebas, sehingga H0 ditolak dan model dianggap sesuai. Sebaliknya apabila Fhitung < Ftabel maka H0 diterima. Dari hasil penelitian ini diketahui nilai Ftabel untuk α = 0,05, k-1, n-k adalah 2,0320 Berdasarkan hasil penelitian nilai Fhitung untuk model linier (lin-lin) sebesar 33,4543, model semilog (lin-log) sebesar 19,3763, model semilog (log-lin) sebesar 78,2383, dan model logaritma (log-log) sebesar 85,3042. Nilai Fhitung untuk semua model regresi lebih besar dari nilai Ftabel, sehingga dapat disimpulkan bahwa seluruh variabel bebas yang digunakan dalam model secara bersama-sama berpengaruh signifikan terhadap variabel tak bebas. IV.2.2.3 Uji koefisien determinasi (R2) Uji koefisien determinasi (R2) untuk menunjukkan seberapa besar persentase variasi variabel bebas dapat menjelaskan variasi variabel tak bebasnya yang dinyatakan dalam persentase. Pada penelitian ini regresi menggunakan lebih dari dua variabel bebas maka digunakan adjusted R2 sebagai koefisien determinasinya. Dari hasil penelitian dapat diketahui nilai koefisien determinasi (adjusted R2) untuk tiap-tiap model. Model linier (lin-lin) sebesar 0,3538 variasi variabel tak bebas mampu dijelaskan oleh variasi variabel bebasnya, model semilog (lin-log) sebesar 0,2366, model semilog (log-lin) sebesar 0,5657 dan model logaritma (loglog) sebesar 0,5871. Berdasarkan nilai koefisien determinasi (adjusted R2) dari keempat model tersebut, model logaritma (log-log) merupakan model yang memiliki nilai koefisien determinasi (adjusted R2) paling besar, yaitu sebesar 58,71%, sehingga model ini adalah model yang paling baik dibandingkan dengan model regresi lain karena korelasi antara nilai tanah dengan variabel bebasnya adalah yang paling kuat. Dengan demikian dari model log-log dapat disimpulkan bahwa 58,71% perubahan nilai tanah dapat dijelaskan oleh variabel bebas yang
57
digunakan dalampenelitian, sedangkan sisanya sebesar 41,29% dijelaskan oleh faktor lain di luar variabel yang diteliti.
IV.2.3 Hasil Uji Kriteria Asumsi Klasik (Uji Ekonometrik) Uji ekonometrik atau uji kriteria asumsi klasik untuk mengetahui apakah ada pelanggaran asumsi dalam model regresi yang digunakan. Model regresi yang dihasilkan akan diuji untuk mengetahui apakah terdapat gejala multikolinieritas dan heteroskedastisitas.
IV.2.3.1 Uji multikolinieritas Hasil uji multikolinieritas dengan nilai VIF yang diperoleh menggunakan software pengolah data statistik SPSS adalah sebagaimana Tabel IV.3. Tabel IV.3 Ringkasan hasil uji multikolinieritas dengan nilai VIF Model lin-lin Model lin-log Model log-lin Model log-log Variabel VIF Multiko- VIF Multiko- VIF Multiko- VIF Multikolinieritas linieritas linieritas linieritas JCBD 1.648 Rendah 1.504 Rendah 1.648 Rendah 1.504 Rendah JJART
1.138
Rendah
3.082
Rendah
1.138
Rendah
3.082
Rendah
JJKAB
1.127
Rendah
1.358
Rendah
1.127
Rendah
1.358
Rendah
JJDES
1.586
Rendah
2.457
Rendah
1.586
Rendah
2.457
Rendah
JLB
1.728
Rendah
2.743
Rendah
1.728
Rendah
2.743
Rendah
JRI
1.760
Rendah
1.804
Rendah
1.760
Rendah
1.804
Rendah
PL
1.632
Rendah
2.493
Rendah
1.632
Rendah
2.493
Rendah
Berdasarkan Tabel IV.3, keempat model regresi multikolinieritas yang terjadi adalah berderajat rendah karena nilai VIF < 10, sehingga dapat diabaikan (Gujarati, 1995). Dengan demikian variabel bebas yang digunakan pada model regresi bukan merupakan kombinasi dari variabel bebas lainnya atau antara variabel bebas yang satu dengan variabel bebas lainnya tidak terjadi korelasi.
IV.2.3.2 Uji heteroskedastisitas Untuk melihat adanya gejala heteroskedastisitas dalam penelitian ini dapat dilihat pada Gambar IV.1 berikut ini:
58
Gambar IV.1 Scatterplot uji heteroskedastisitas Berdasarkan Gambar IV.1 di atas terlihat titik-titik tidak membentuk pola yang jelas dan menyebar merata di atas dan di bawah angka 0 pada sumbu Y, sehingga dapat diambil kesimpulan bahwa tidak terjadi heteroskedastisitas pada model regresi.
IV.3 Hasil Pemilihan Model Berdasarkan hasil pengujian yang dilakukan terhadap keempat model, maka secara singkat dibuat rangkuman hasil pengujian kriteria ekonomi, uji t, uji F, koefisien determinasi (adjusted R2) dan multikolinieritas sebagaimana dalam Tabel IV.4. Dari Tabel IV.4 dapat diambil kesimpulan bahwa model yang terpilih dari data yang ada adalah model logaritma (log-log). Hal ini karena model log-log memiliki 7 variabel yang lolos uji kriteria ekonomi, 5 variabel yang lolos uji t, memiliki nilai Fhitung sebesar 85,3042, memiliki adjusted R2 yang tertinggi diantara ketiga model lainnya yaitu sebesar 0,5871, dan tidak terdapat gejala multikolinieritas.
59
Tabel IV.4 Rangkuman hasil pengujian Kriteria Lolos uji kritria ekonomi Lolos uji t Fhitung Adj R2 Multikolinieritas
Model Regresi Lin-lin Lin-log 7 Var. 4 Var.
Log-lin 6 Var.
Log-log 7 Var.
Model Terpilih Lin-lin Lin-log X x
Log-lin x
Log-log x
5 Var.
5 Var.
5 Var.
X
x
x x x x
3 Var.
33,4543 19,3763 78,2383 85,3042 X 0,3538 0,2366 0,5657 0,5871
x
x
Tidak
x
x
Tidak
Tidak
Tidak
X
Keterangan: x = model terpilih, Var = variabel bebas Ringkasan hasil regresi model terpilih, yaitu model logaritma (log-log) tanpa variabel jarak bidang ke jalan kabupaten dan jarak bidang ke relokasi infrastruktur dapat dilihat pada Tabel IV.5 sebagai berikut: Tabel IV.5 Ringkasan model terpilih (model log-log) Variabel C JCBD JJART JJDES JLB PL R2 Adjusted R2 Fhitung
Koefisien 15,5239 0,6925 0,2516 0,0887 0,1171 1,4569
Standard Error 1,7341 0,1833 0,0603 0,0480 0,0623 0,1336 0,5941 0,5871 85,3042
Dari pemilihan model yang telah dilakukan, model yang paling baik dari data yang ada adalah model logaritma (log-log) dengan lima variabel bebas, yaitu jarak bidang ke CBD, jarak bidang ke jalan arteri, jarak bidang ke jalan desa, jarak bidang ke lokasi bencana dan jenis penggunaan lahan. Bentuk persamaan regresi model logaritma (log-log) yang dihasilkan dalam penelitian ini sebagai berikut: LnY = 15,5239 + 0,6925LnJCBD + 0,2516LnJJART + 0,0887LnJJDES + 0,1171LnJLB + 1,4569LnPL
60
IV.4 Evaluasi Model Model terpilih dari hasil regresi selanjutnya dievaluasi dengan melakukan uji kualitas terhadap model tersebut. Uji kualitas model ini dilakukan dengan menghitung nilai koefisien variasi / COV (Coefficient of Variation) dan perbedaan harga prediksi / PRD (Price Related Differential). Nilai COV yang dihasilkan dari model terpilih (model log-log) adalah sebesar 24,92%, sehingga dapat disimpulkan bahwa tingkat akurasi model dalam melakukan prediksi nilai tanah melebihi batas toleransi yaitu maksimum 10% atau di atas yang disyaratkan. Hal ini bermakna bahwa model mempunyai tingkat akurasi yang kurang baik untuk memprediksi nilai tanah. Berdasarkan hasil evaluasi PRD, nilai PRD yang dihasilkan dari model regresi terpilih (model log-log) adalah sebesar 1,0432. Hal ini menunjukkan bahwa tingkat keseragaman hasil estimasi berdasarkan model terpilih di bawah nilai sebenarnya. Tingkat keseragaman dilihat dari nilai PRD dimana disyaratkan antara 0,98 sampai dengan 1,03 (Eckert,1990) bermakna bahwa jika nilai PRD kurang dari 0,98 maka dikatakan telah terjadi progresivitas yang berarti bahwa estimasi nilai model berada di atas nilai sebenarnya, sedangkan jika lebih dari 1,03 maka dikatakan telah terjadi regresivitas yang berarti bahwa estimasi nilai model berada di bawah nilai sebenarnya. Hasil pengujian kualitas model dengan menghitung nilai koefisien variasi / COV (Coefficient of Variation) dan perbedaan harga prediksi / PRD (Price Related Differential) dapat dilihat pada Lampiran P.
IV.5 Analisis Model Terpilih untuk Mengestimasi Nilai Tanah Dari hasil perhitungan dengan menggunakan model regresi terpilih, maka diperoleh nilai tanah model regresi terhadap objek data sampel. Model terbaik sebagaimana diungkapkan di muka adalah model log-log, dengan tingkat kemampuan menjelaskan (adjusted R2) sebesar 0,5871 atau 58,71%. Model terpilih ini dari sisi tingkat akurasi memang tidak begitu memuaskan, karena
61
memiliki nilai COV sebesar 24,92% yaitu masih di atas yang disyaratkan (10%). Demikian juga dengan tingkat keseragaman, model terpilih memiliki tingkat keseragaman dengan nilai PRD sebesar 1,0432 atau lebih dari yang disyaratkan (0,98 – 1,03). Memperhatikan kondisi di atas, bahwa model terpilih telah lolos dari serangkaian pengujian, tetapi dalam evaluasi model dinyatakan tingkat akurasi dan tingkat keseragaman masih di luar atau lebih dari yang disyaratkan. Kondisi demikian diduga disebabkan oleh hal-hal sebagai berikut: 1. Relatif rendahnya kemampuan menjelaskan model (adjusted R2 = 58,71%), yang bermakna bahwa masih terdapat variabel-variabel lain di luar variabel yang diteliti yang bisa menjelaskan variasi nilai tanah sebesar 41,29%. 2. Sumber data transaksi jual beli dari laporan PPAT/Notaris kurang akurasinya, karena tidak semuanya mencerminkan nilai pasar. 3. Penggunaan nilai penyesuaian terhadap faktor waktu dan jenis data mengikuti SE-55/PJ.6/1999 perlu dilakukan penelitian mengenai ketepatan nilai penyesuaian tersebut diterapkan pada daerah penelitian. 4. Pada lokasi penelitian telah terjadi perubahan pola nilai tanah sehingga diperlukan analisis trend perubahan nilai tanah sesuai kondisi di lapangan. 5. Sebaran lokasi dan jumlah objek data pembanding nilai tanah perlu dilakukan penelitian untuk mengetahui pengaruhnya terhadap model dan kualitas yang dihasilkan. Selanjutnya untuk melihat sejauh mana perbedaan hasil nilai tanah estimasi dengan nilai tanah data sampel, maka dapat dilihat pada Gambar IV.2.
62
Gambar IV.2. Perbedaan Nilai Tanah Data Sampel dengan Hasil Estimasi Berdasarkan gambar di atas terlihat bahwa nilai tanah estimasi secara umum (ratarata) masih di bawah dari nilai tanah data sampel, demikian juga dari angka perbandingan rasio antara nilai tanah data sampel terhadap nilai tanah estimasi menghasilkan angka sebesar 1,0247. Hal ini bermakna bahwa model terpilih menghasilkan estimasi yang rata-rata lebih rendah dari pada nilai sebenarnya (nilai transaksi data sampel). Jika kondisi ini dikaitkan dengan parameter PRD yang menghasilkan angka 1,0432, hal ini menunjukkan indikasi yang sama, bahwa model terpilih cenderung mengalami regresivitas.
IV.6 Analisis Perbandingan Antara Nilai Tanah Hasil Analisis dengan Nilai Tanah Berdasar ZNT Eksisting (KPPBB Sidoarjo) Untuk melihat sejauh mana nilai tanah hasil analisis model regresi memiliki implikasi terhadap nilai tanah sesuai dengan NJOP berdasar ZNT eksisting hasil analisis petugas penilai KPPBB Sidoarjo, maka dilakukan analisis perbandingan. Dalam perbandingan ini, sebelumnya nilai tanah hasil analisis dikonversi mengikuti ketentuan KMK No.523/KMK.04/1998 agar dalam perbandingan yang setara dalam bentuk kelas tanah. Nilai konversi mengikuti penggolongan nilai tanah sebagaimana pada Lampiran Q. Contoh hasil konversi sebagaimana pada Lampiran R. Perbandingan antara nilai tanah hasil analisis yang telah dikonversi dengan nilai tanah berdasar ZNT eksisting adalah sebagai berikut:
63
- Nilai tanah hasil analisis model regresi yang telah dikonversi: 1. Kecamatan Porong
Rp. 1.769.120.173.000
2. Kecamatan Jabon
Rp. 1.505.454.008.000
3. Kecamatan Tanggulangin Rp. 3.439.185.497.500 Jumlah
Rp. 6.713.759.678.500
- Nilai tanah menggunakan NJOP PBB: 1. Kecamatan Porong
Rp. 1.009.749.257.000
2. Kecamatan Jabon
Rp. 743.002.162.000
3. Kecamatan Tanggulangin Rp. 1.203.215.487.000 Jumlah
Rp. 2.955.966.906.000
Dengan demikian dapat dihitung perbandingan jumlah pajak terutang PBB Tahun 2008 atas objek pajak bumi/tanah sebagai berikut: - Model regresi
0,5% x 20% x Rp. 6.713.759.678.500 = Rp. 6.713.759.679
- NJOP PBB
0,5% x 20% x Rp. 2.955.966.906.000 = Rp. 2.955.966.906 Selisih
Rp. 3.757.792.773
Berdasarkan nilai perbandingan di atas dapat disimpulkan bahwa terdapat kenaikan jumlah pajak terutang PBB yang dihasilkan antara NJOP menggunakan model regresi dengan NJOP berdasarkan ZNT eksisting, yaitu sebesar Rp. 3.757.792.773 atau terjadi peningkatan pajak terutang PBB Tahun 2008 atas objek pajak bumi sebesar 127 %. Hal ini bermakna bahwa rata-rata penilaian NJOP berdasar ZNT PBB Tahun 2008 yang telah ditetapkan oleh KPPBB Sidoarjo masih jauh di bawah (under assessment) nilai NJOP Bumi tahun 2008 hasil estimasi model regresi. Kondisi ini dapat dikatakan bahwa wilayah penelitian masih memiliki potensi Pajak Bumi dan Bangunan yang tinggi, khususnya dari sisi tax base (NJOP Bumi). Apabila NJOP Bumi berdasarkan ZNT PBB akan dijadikan dasar hitungan nilai ganti rugi, maka seharusnya dilakukan reklasifikasi terlebih dahulu dengan menyesuaikan tingkat harga sesuai hasil estimasi agar mencerminkan keadilan bagi masyarakat.
64
Untuk lebih jelasnya berikut disajikan perbedaan nilai ZNT hasil estimasi model regresi dengan ZNT PBB Tahun 2008 yang telah ditetapkan oleh KPPBB Sidoarjo sebagaimana dapat dilihat pada Gambar IV.3 untuk Kecamatan Porong, Gambar IV.4 untuk Kecamatan Jabon, dan Gambar IV.5 untuk Kecamatan Tanggulangin. Nilai ZNT hasil estimasi model regresi diperoleh dengan mengklasifikasikan nilai tanah hasil estimasi sesuai KMK No.523/KMK.04/1998.
Gambar IV.3. Perbedaan ZNT Estimasi dengan ZNT KPPBB Sidoarjo (Kec.Porong)
Gambar IV.4. Perbedaan ZNT Estimasi dengan ZNT KPPBB Sidoarjo (Kec.Jabon)
65
Gambar IV.5. Perbedaan ZNT Estimasi dengan ZNT KPPBB Sidoarjo (Kec.Tanggulangin) Berdasarkan visualisasi pada Gambar IV.3, IV.4 dan IV.5 di atas terlihat bahwa secara umum rata-rata nilai klasifikasi ZNT estimasi berada di atas nilai ZNT Tahun 2008 yang telah ditetapkan oleh KPPBB Sidoarjo. Memang ada beberapa titik menunjukkan nilai klasifikasi ZNT estimasi berada di bawah nilai ZNT Tahun 2008 yang telah ditetapkan oleh KPPBB Sidoarjo, sebaliknya ada beberapa bidang tanah juga menunjukkan nilai klasifikasi ZNT estimasi berada jauh di atas nilai ZNT Tahun 2008 yang telah ditetapkan oleh KPPBB Sidoarjo. Namun secara rata-rata nilai klasifikasi ZNT estimasi tetap berada di atas nilai ZNT Tahun 2008 yang telah ditetapkan oleh KPPBB Sidoarjo. Hal ini terjadi karena nilai ZNT Tahun 2008 yang dibuat oleh KPPBB Sidoarjo masih mengikuti hasil analisa ZNT tahun-tahun sebelumnya dan belum dilakukan reklasifikasi atau belum disesuaikan dengan perkembangan perubahan harga yang terjadi, serta belum menyesuaikan dengan kondisi saat sekarang (pasca bencana banjir lumpur).
IV.7 Perbandingan Pola Tingkat Nilai Tanah Hasil Analisis dengan Pola ZNT Eksisting Menggunakan Analisis Kontur Nilai Tanah Untuk mengetahui pola tingkat nilai tanah digunakan analisis kontur nilai tanah dengan metode interpolasi antar titik koordinat centroid bidang berdasarkan nilai
66
tanah tersebut. Perbedaan nilai tanah untuk peta dua dimensi ditunjukkan adanya perbedaan warna pada peta, sedangkan untuk peta tiga dimensi ditunjukkan adanya perbedaan warna dan nilai ketinggian (koordinat Z). Adanya perbedaan tingkat nilai tanah hasil analisis dengan nilai tanah sesuai ZNT eksisting dapat juga dilihat gambar peta pada Lampiran S dan Lampiran T. Pada tingkat nilai tanah sesuai ZNT eksisting yang ditunjukkan warna yang ada pada peta (lihat Lampiran S) mengindikasikan bahwa tingkat nilai tanahnya secara umum lebih rendah dibanding tingkat nilai tanah hasil analisis (lihat Lampiran T). Pada gambar peta pada Lampiran T sudah banyak area yang barwarna kuning dan merah yang menunjukkan tingkat nilai yang lebih tinggi dibanding warna hijau. Demikian pula untuk area penggunaan tambak, sebagian area berwarna biru muda yang menunjukkan tingkat nilai yang lebih tinggi dibanding warna biru tua.
IV.8 Pengaruh Faktor-faktor Penentu Nilai Tanah terhadap Pola Tingkat Nilai Tanah Hasil Analisis Menggunakan Analisis Kontur Nilai Tanah Dengan menggunakan peta kontur tingkat nilai tanah hasil analisis dapat juga dilihat pengaruh masing-masing faktor penentu nilai tanah terhadap pola nilai tanah hasil penelitian. Pengaruh jarak bidang ke jalan arteri terlihat adanya indikasi nilai tanah lebih tinggi berada di lokasi yang berdekatan dengan jalan arteri Jl.Raya Porong (lihat Gambar IV.6). Hal ini ditunjukkan adanya warna merah di sekitar jalan arteri. Pengaruh jarak bidang ke CBD terlihat bahwa sepanjang jalan arteri ke arah Utara jumlah bidang yang memiliki nilai tanah lebih tinggi makin banyak dibandingkan dengan bidang-bidang ke arah Selatan. Hal ini ditunjukkan dengan warna merah dan kuning lebih banyak di bagian Utara dibandingkan dengan di bagian Selatan (lihat Gambar IV.7).
67
Gambar IV.6 Pengaruh Faktor Jarak Bidang ke Jalan Arteri terhadap Pola Tingkat Nilai Tanah Hasil Analisis
Gambar IV.7
Pengaruh Faktor Jarak Bidang ke CBD terhadap Pola Tingkat Nilai Tanah Hasil Analisis
68
Pengaruh variabel jenis penggunaan lahan terlihat lebih jelas bahwa bidangbidang tanah untuk penggunaan perdagangan/perkantoran memiliki nilai tertinggi, diikuti secara berurutan penggunaan pabrik, perumahan, sawah/kebun dan nilai terendah untuk penggunaan tambak. Agar lebih jelas perbandingan tersebut dapat dilihat Gambar IV.8 dan Peta Penggunaan Lahan pada Lampiran U.
Gambar IV.8
Pengaruh Faktor Penggunaan Lahan terhadap Pola Tingkat Nilai Tanah Hasil Analisis
Untuk mengetahui pengaruh variabel jarak bidang ke jalan desa terlihat bahwa wilayah-wilayah yang terdapat fasilitas jalan desa nilai tanahnya relatif merata (untuk penggunaan lahan selain tambak), tetapi pengaruhnya yang lebih nyata pada wilayah untuk penggunaan tambak yang memiliki fasilitas jalan hanya dekat Sungai Porong. Nilai tanah tambak semakin jauh dari jalan desa dan jalan arteri (ke arah Timur), maka nilai tanah makin turun. Hal tersebut dapat dilihat dari degradasi warna biru yang makin ke arah Timur makin gelap (lihat Gambar IV.9).
69
Gambar IV.9 Pengaruh Faktor Jarak Bidang ke Jalan Desa terhadap Pola Tingkat Nilai Tanah Hasil Analisis
Pengaruh variabel jarak bidang ke lokasi bencana dapat dilihat lebih nyata pada penyajian Peta Pola Nilai Tanah dengan skala lebih besar (Gambar IV.10). Dengan ditunjukkan dalam lingkaran, bahwa pada jenis penggunaan yang sama dengan fasilitas jalan yang relatif sama maka mendekati batas area terdampak terjadi penurunan nilai tanah. Untuk melihat pengaruh variabel jarak bidang ke lokasi bencana pada bagian sekitar jalan arteri dapat diperhatikan adanya perbedaan bentuk kontur tingkat nilai tanah pada peta tiga dimensi (Gambar IV.11 dan IV.12). Berdasarkan hasil analisis terjadi penurunan tingkat nilai tanah berdekatan dengan lokasi terdampak (Gambar IV.12) jika dibandingkan dengan tingkat nilai tanah berdasarkan ZNT eksisting (Gambar IV.11).
70
Gambar IV.10 Interpolasi Nilai Tanah Dekat Area Terdampak
Gambar IV.11 Peta 3-D Tingkat Nilai Tanah Berdasarkan ZNT Eksisting
71
Gambar IV.12 Peta 3-D Tingkat Nilai Tanah Berdasarkan Hasil Analisis
IV.9 Analisis Keunggulan dan Kelemahan Nilai Tanah Hasil Analisis dengan Kelas Tanah Eksisting (KPPBB Sidoarjo) Sebelum membandingkan antara nilai tanah hasil analisis dengan kelas tanah eksisting, maka nilai tanah hasil analisis dilakukan konversi ke dalam klasifikasi berdasarkan KMK No.523/KMK.04/1998. Hal ini dilakukan agar perbandingan setara dalam bentuk kelas tanah. Keunggulan kelas tanah hasil analisis adalah dapat dihasilkannya kelas tanah yang lebih objektif karena berdasarkan penentuan nilai tiap bidang tanah. Nilai tanah diprediksikan berdasarkan kriteria-kriteria yang mempengaruhi nilai tanah. Untuk data yang bersifat kuantitatif melalui pengukuran menggunakan analisis spasial, sedangkan proses yang menggunakan data kualitatif menggunakan pendekatan AHP. Kelemahan kelas tanah hasil analisis adalah adanya perbedaan antara beberapa area yang dalam konteks umum mempunyai kelas tanah sama, tetapi berdasar analisis menghasilkan kelas tanah yang berbeda (dapat dilihat pada Lampiran V).
72
Berdasarkan konteks umum bahwa setiap tanah yang berdekatan atau berdampingan dengan penggunaan yang sama akan memiliki nilai tanah yang sama. Perbedaan ini dapat menimbulkan konflik di masyarakat dan kepada petugas pajak dalam penerapannya pada ketetapan Pajak Bumi dan Bangunan. Permasalahan ini diduga salah satunya disebabkan penggunaan variabel/kriteria jarak bidang ke jalan, pengukuran jarak oleh sistem (komputer) dapat menyebabkan perbedaan kelas tanah (kondisi lain dianggap sama). Bidang dipresentasikan dengan centroid, sehingga makin luas tanah atau bentuk makin panjang jauh dari jalan menyebabkan jarak antara centroid dengan jalan pada kriteria penentu nilai tanah jarak bidang ke jalan akan semakin jauh sehingga nilai tanah semakin kecil. Sebaliknya bidang tanah yang kecil dipinggir jalan cenderung memiliki nilai tanah lebih besar. Untuk mengatasi kelemahan pada kelas tanah hasil analisis adalah dengan melakukan evaluasi kembali terhadap nilai tanah yang telah dihasilkan dan berusaha untuk menemukenali penyebab kesalahan yang menyebabkan nilai tanah yang dihasilkan diprediksi terdapat kesalahan dan tidak sesuai dengan konteks umum. Keunggulan kelas tanah eksisting adalah hasil generalisasi kelas tanah berdasarkan konsep nilai tanah yang telah dibuat sebelumnya dipertimbangkan pendapat menurut konteks umum, misalnya penggunaan lahan yang sama dan kondisi lingkungan serta fasilitas yang hampir sama akan terdapat dalam satu kelas tanah yang sama. Demikian juga dengan adanya perbedaan antara kelas tanah pada zona di pinggir jalan dengan zona lain yang lebih jauh dari jalan. Dengan konteks umum ini masyarakat lebih cepat memahami dan kemungkinan timbul konflik lebih kecil. Contoh pola kelas nilai tanah eksisting pada Lampiran W. Kelemahan kelas tanah eksisting adalah adanya kecenderungan sangat subjektif karena penentuannya berdasarkan konsep ZNT secara manual yang telah dibuat terlabih dahulu. Proses pengelompokan bidang-bidang tanah ke dalam suatu konsep ZNT cenderung terjadi generalisasi, sebab nilai tiap bidang berdasarkan kualitas tanah yang berindikasi terhadap potensi nilai tanah belum diketahui.
73
Kelemahan yang lain adalah dengan keterlibatan banyak petugas penilai yang mengerjakan analisa per wilayah kelurahan/desa, maka untuk daerah bersebelahan antar wilayah kelurahan/desa dapat terjadi perbedaan nilai yang disebabkan perbedaan penerapan penggunaan variabel dan nilai penyesuaian.
