PENERAPAN FUZZY C-REGRESSION DALAM PENDUGAAN MODEL NILAI TANAH (Studi Kasus: Lima Kecamatan di Kota Bekasi)
ANDZAR SYAFA’ATUR RAHMAN
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
ABSTRAK ANDZAR SYAFA’ATUR RAHMAN. Penerapan Fuzzy c-Regression dalam Pendugaan Model Nilai Tanah (Studi Kasus: Lima Kecamatan di Kota Bekasi). Dibimbing oleh HARI WIJAYANTO, NOER AZAM ACHSANI, dan LA ODE ABDUL RAHMAN. Kebutuhan akan informasi nilai tanah untuk penetapan Pajak Bumi dan Bangunan serta penentuan ganti rugi pengadaan tanah saat ini tersedia pada Peta Zona Nilai Tanah (ZNT). Poligon dari kumpulan bidang tanah dengan peruntukan tanah yang relatif sama disajikan dalam satu nilai oleh Peta ZNT. Kebutuhan akan informasi nilai tanah untuk setiap bidang tanah tidak dapat diperoleh dari Peta ZNT. Informasi ini dapat diperoleh dengan menduga model antara nilai tanah dengan peubah-peubah yang mempengaruhi nilai tanah. Analisis Regresi Linear Berganda (ARLB) merupakan metode yang umum digunakan dalam pendugaan model nilai tanah. Fuzzy cRegression (FCR) adalah metode pendugaan model yang mengkombinasikan ARLB dengan Analisis Gerombol Fuzzy. Analisis Gerombol Fuzzy yang diterapkan dalam penelitian ini adalah Fuzzy c-Means dan Fuzzy c-Medoids. FCR mampu menghasilkan dugaan model nilai tanah dengan tingkat akurasi yang lebih baik jika dibandingkan dengan dugaan model nilai tanah hasil ARLB. Model FCR menghasilkan model yang lebih baik dari ARLB mulai dari jumlah gerombol 2 sampai jumlah gerombol 10. Hal ini ditunjukan dengan nilai Root Mean Square Error yang lebih rendah dan koefisien kemiringan regresi antara nilai tanah dan dugaan nilai tanah yang lebih mendekati satu. Peubah penjelas yang memberikan pengaruh paling besar terhadap nilai tanah adalah Kelas Jalan sedangkan peubah penjelas yang memberikan pengaruh paling kecil terhadap nilai tanah adalah Peruntukan Lahan. Kata kunci: Fuzzy c-Regression, Fuzzy c-Means, Fuzzy c-Medoids, model nilai tanah
PENERAPAN FUZZY C-REGRESSION DALAM PENDUGAAN MODEL NILAI TANAH (Studi Kasus: Lima Kecamatan di Kota Bekasi)
ANDZAR SYAFA’ATUR RAHMAN
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
Judul Skripsi Nama NIM
: Penerapan Fuzzy c-Regression dalam Pendugaan Model Nilai Tanah (Studi Kasus: Lima Kecamatan di Kota Bekasi) : Andzar Syafa’atur Rahman : G14080046
Disetujui Pembimbing 1
Dr. Ir. Hari Wijayanto, M.Si. NIP. 196504211990021001
Pembimbing 2
Pembimbing 3
Prof. Dr. Noer Azam Achsani NIP. 196812291992031016
La Ode Abdul Rahman, S.Si., M.Si.
Diketahui Ketua Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si. NIP. 196504211990021001
Tanggal Lulus:
PRAKATA Alhamdulillahi Rabbil ‘Aalamiin, segala puji dan syukur penulis panjatkan kepada Allah SWT karena atas rahmat dan hidayah-Nya skripsi ini dapat diselesaikan dengan baik. Shalawat serta salam semoga selalu tercurah kepada Rasulullah Muhammad SAW. Skripsi ini merupakan hasil penelitian penulis dalam rangka pemenuhan salah satu syarat memperoleh gelar Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Penulis mengucapkan terima kasih kepada Bapak Dr. Ir. Hari Wijayanto, M.Si., Bapak Prof. Dr. Noer Azam Achsani, dan Bapak La Ode Abdul Rahman, S.Si., M.Si. selaku dosen pembimbing atas ide, saran, kritik, dan kesabarannya dalam menuntun penulis menyelesaikan skripsi ini. Rasa terima kasih juga penulis ucapkan kepada: 1. Ayah, Ibu, Fadhlan, Adri, dan seluruh keluarga atas doa, perhatian, pengorbanan, dan pelajaran yang tak pernah putus diberikan kepada penulis. 2. Seluruh Dosen dan Staf Pengajar Departemen Statistika atas ilmu dan bimbingannya. 3. Teman-teman Statistika angkatan 45 atas kebersamaan dalam suka dan duka. 4. Seluruh Staf Direktorat Survei Potensi Tanah, Badan Pertanahan Nasional Republik Indonesia atas diskusi dan pembelajaran mengenai nilai tanah. Penulis memohon maaf atas segala kekurangan dalam skripsi ini. Semoga skripsi ini dapat memberikan manfaat yang baik bagi setiap pembacanya.
Bogor, November 2012 Andzar Syafa’atur Rahman
RIWAYAT HIDUP Penulis dilahirkan di Tangerang pada tanggal 16 juli 1990 dari ayah Santo Hariono dan ibu Neneng Asiyah. Penulis merupakan anak pertama dari tiga bersaudara. Tahun 2008 penulis lulus dari SMA Negeri 2 Tangerang dan pada tahun yang sama lulus seleksi masuk IPB melalui jalur Undangan Seleksi Masuk IPB. Penulis memilih mayor Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam dengan minor Ekonomi dan Studi Pembangunan. Selama mengikuti perkuliahan, penulis aktif dalam organisasi Badan Eksekutif Mahasiswa FMIPA sebagai staf Departemen Pengembangan Potensi Sumber Daya Manusia periode 2010. Selain itu, penulis juga aktif dalam kegiatan kepanitian seperti Pekan Olahraga dan Seni Statistika (PORSTAT) 2009 sebagai ketua pelaksana, Sport Competition and Art Festival on MIPA Faculty (SPIRIT) 2010 sebagai ketua pelaksana, MIPA Go Field (MGF) 2011 sebagai ketua pelaksana. Penulis melaksanakan kegiatan praktik lapang di Direktorat Survei Potensi Tanah, Badan Pertanahan Nasional Republik Indonesia pada tanggal 13 Februari 2012 sampai 6 April 2012.
DAFTAR ISI Halaman DAFTAR TABEL ............................................................................................................... vii DAFTAR GAMBAR ........................................................................................................... vii DAFTAR LAMPIRAN ........................................................................................................ vii PENDAHULUAN Latar Belakang ............................................................................................................... Tujuan ...........................................................................................................................
1 1
TINJAUAN PUSTAKA Nilai Tanah .................................................................................................................... Analisis Gerombol Fuzzy ................................................................................................ Fuzzy c-Means .......................................................................................................... Fuzzy c-Medoids ........................................................................................................ Analisis Regresi .............................................................................................................. Analisis Regresi Linear Berganda ............................................................................... Fuzzy c-Regression ..................................................................................................... Peubah Boneka .......................................................................................................... Indikator Kebaikan Model ...............................................................................................
1 1 1 2 3 3 4 4 4
METODOLOGI Metode Pengumpulan Data ............................................................................................. Metode Analisis .............................................................................................................
5 5
HASIL DAN PEMBAHASAN Eksplorasi Data ............................................................................................................... Penggerombolan Data dan Deskripsi Hasil Penggerombolan ............................................ Pendugaan Model dan Perbandingan Indikator Kebaikan Model ....................................... Pengaruh Setiap Peubah Penjelas Terhadap Nilai Tanah....................................................
6 7 8 9
KESIMPULAN DAN SARAN ............................................................................................
10
DAFTAR PUSTAKA ..........................................................................................................
11
LAMPIRAN ........................................................................................................................
12
vii
DAFTAR TABEL 1 2 3 4 5 6 7
Halaman Peubah Boneka ................................................................................................................ 4 Peubah Penjelas ............................................................................................................... 5 Statistik Nilai Tanah ........................................................................................................ 6 Deskripsi Peubah Penjelas ............................................................................................... 7 Model Analisis Regresi Linear Berganda ......................................................................... 8 Indikator Kebaikan Model Linear Berganda dan FCR-FCM ............................................. 9 Indikator Kebaikan Model Linear Berganda dan FCR-FCMd ........................................... 9
DAFTAR GAMBAR 1 2 3 4 5 6
Halaman Algoritma Fuzzy c-Means ................................................................................................ 2 Algoritma Fuzzy c-Medoids ............................................................................................. 3 Kondisi Data Setiap Kecamatan ....................................................................................... 6 Pengaruh Peubah Penjelas ................................................................................................ 9 Perbedaan Rata-Rata Nilai Tanah Peubah Kelas Jalan .................................................... 10 Perbedaan Rata-Rata Nilai Tanah Peubah Peruntukan Lahan .......................................... 10
DAFTAR LAMPIRAN 1 2 3 4 5 6 7 8 9 10 11 12
Halaman Contoh Perhitungan Nilai Tanah ...................................................................................... 13 Seleksi Peubah Penjelas ................................................................................................... 14 Karakteristik Gerombol dengan Metode FCM .................................................................. 15 Karakteristik Gerombol dengan Metode FCMd ................................................................ 15 Rata-Rata Nilai Tanah Setiap Gerombol ........................................................................... 15 Pelambangan dan Pembentukan Peubah Boneka .............................................................. 16 Dugaan Model Fuzzy c-Regression dengan Metode FCM ................................................. 17 Dugaan Model Fuzzy c-Regression dengan Metode FCMd ............................................... 18 Pusat Gerombol ............................................................................................................... 19 Contoh Pendugaan Nilai Tanah dengan Fuzzy c-Regression ............................................. 20 Dugaan Nilai Tanah Data Simulasi Model FCR-FCM 8 Gerombol ................................... 22 Besar Perubahan Rata-Rata Nilai Tanah ........................................................................... 24
1
PENDAHULUAN Latar Belakang Informasi mengenai nilai tanah memiliki peranan penting dalam beberapa kegiatan seperti penetapan Pajak Bumi dan Bangunan dan penentuan nilai ganti rugi pengadaan tanah. Peta Zona Nilai Tanah (ZNT) adalah peta yang memberikan informasi mengenai nilai tanah di suatu wilayah. Poligon dari kumpulan bidang tanah dengan peruntukan tanah yang relatif sama disajikan dalam satu nilai tanah oleh Peta ZNT. Kebutuhan informasi mengenai nilai tanah untuk setiap bidang tanah tidak dapat diperoleh dari Peta ZNT. Informasi ini dapat diperoleh dengan cara menduga model antara nilai tanah dengan peubah-peubah yang mempengaruhi nilai tanah. Salah satu metode yang dapat digunakan dalam menduga model nilai tanah adalah Analisis Regresi Linear Berganda (ARLB). Penelitian yang menerapkan ARLB dalam menduga model nilai tanah diantaranya ialah pendugaan model nilai tanah untuk enam kecamatan di Kota Semarang oleh Sutawijaya pada tahun 2004 dan pendugaan model nilai tanah untuk lima wilayah di Republik Ceko oleh Medonos, Vilhelm, Hruska, dan Jelinek pada tahun 2011. Metode ARLB terus berkembang. Salah satu pengembangan dari ARLB adalah Fuzzy c-Regression (FCR). FCR pertama kali diperkenalkan oleh Hathaway dan Bezdek pada tahun 1993. FCR merupakan metode pendugaan model yang mengkombinasikan Analisis Gerombol Fuzzy dengan ARLB. FCR menggunakan Analisis Gerombol Fuzzy untuk memperoleh derajat keanggotaan masingmasing amatan untuk setiap gerombol kemudian menggunakan derajat keanggotaan tersebut sebagai pembobot dalam pendugaan model. Pendugaan model dalam FCR dilakukan dengan ARLB untuk setiap gerombol hasil Analisis Gerombol Fuzzy (Hathaway & Bezdek 1993, diacu dalam Ilic 2007). Fuzzy c-Means (FCM) dan Fuzzy cMedoids (FCMd) merupakan metode Analisis Gerombol Fuzzy yang diterapkan dalam penelitian ini. FCM diterapkan untuk menggerombolkan data dengan skala pengukuran rasio dan interval sedangkan FCMd diterapkan untuk data dengan skala pengukuran ordinal dan nominal. Metode FCMd muncul ketika ada ketidakefisienan dalam penggunaan metode FCM untuk data dengan skala pengukuran ordinal dan nominal.
1.
2.
Tujuan Tujuan dari penelitian ini adalah: Menduga model nilai tanah pada lima kecamatan di Kota Bekasi menggunakan Analisis Regresi Linear Berganda dan Fuzzy c-Regression. Menentukan peubah penjelas yang memiliki pengaruh paling besar dan paling kecil terhadap nilai tanah.
TINJAUAN PUSTAKA Nilai Tanah Nilai tanah adalah harga kesepakatan antara pembeli dan penjual untuk suatu bidang tanah pada waktu tertentu, tidak termasuk nilai benda yang melekat pada tanah tersebut. Nilai tanah dapat diperoleh dengan melakukan penyesuaian terhadap harga tanah sebagai berikut: 1. Harga tanah penawaran dikonversi menjadi harga tanah transaksi jual beli. 2. Harga tanah dengan status kepemilikan tanah selain Hak Milik dikonversi menjadi harga tanah dengan status kepemilikan tanah Hak Milik. 3. Harga tanah pada tanggal penawaran atau transaksi dikonversi menjadi harga tanah pada tanggal akhir tahun penilaian. 4. Harga tanah dengan bangunan di atasnya dikurangi dengan dugaan biaya reproduksi baru bangunan tersebut. Contoh perhitungan untuk memperoleh nilai tanah dapat dilihat pada Lampiran 1 (Direktorat Survei Potensi Tanah 2012). Analisis Gerombol Fuzzy Analisis Gerombol adalah suatu metode yang digunakan untuk membagi suatu set data ke dalam beberapa gerombol berdasarkan ukuran ketidakmiripan. Keragaman antar gerombol lebih tinggi jika dibandingkan dengan keragaman di dalam gerombol. (Kruse et all 2007). Analisis Gerombol Fuzzy adalah sistem penggerombolan n amatan ke dalam m gerombol dengan derajat keanggotaan masingmasing amatan bernilai antara 0 sampai 1 untuk setiap gerombol. Derajat keanggotaan menunjukkan besarnya kemungkinan suatu amatan menjadi anggota suatu gerombol. Semakin besar nilai derajat keanggotaan suatu amatan (xi ) terhadap suatu gerombol (vj) maka semakin dekat amatan (xi ) terhadap gerombol (vj). Metode yang dapat digunakan dalam Analisis Gerombol Fuzzy adalah Fuzzy cMeans dan Fuzzy c-Medoids.
2
Fuzzy c-Means Fuzzy c-Means (FCM) adalah salah satu metode Analisis Gerombol Fuzzy yang digunakan untuk menggerombolkan data dengan skala pengukuran rasio dan interval. Konsep dasar FCM adalah penentuan derajat keanggotaan dan pusat gerombol yang meminimumkan fungsi objektif: L ji xi v j m
n
b
2
Mulai
Membangun Matriks Data Xnxk dengan n adalah jumlah amatan dan k adalah jumlah peubah
(1)
j 1 i 1
Menentukan:
menggunakan fungsi pembatas: m
j 1
ji
1
dengan: i = 1, 2, …, n j = 1, 2, …, m n = jumlah amatan m = jumlah gerombol ji = derajat keanggotaan amatan ke-i dalam gerombol ke-j b = konstanta x i = vektor amatan ke-i v j = vektor pusat gerombol ke-j Cherkassky dan Mulier (1998) menyarankan untuk memilih nilai b disekitar 2. Derajat keanggotaan setiap amatan dapat diperoleh dari persamaan (2) dan pusat gerombol dapat diperoleh dari persamaan (3) berikut: 1 x v 2 i j ji m 1 w 1 xi v w
n
vj
Jumlah Gerombol Parameter Jumlah Iterasi Tingkat Kesalahan Derajat Keanggotaan Awal
i 1 n
b
ji
ji
(m) (b) (T) ( ) (µ0)
Menghitung Pusat Gerombol Berdasarkan Persamaan (3) dan Derajat Keanggotaan Berdasarkan Persamaan (2) Menghitung Fungsi Objektif Iterasi ke(t+1) Berdasarkan Persamaan (1) (Lt+1)
Lt 1 Lt
Tidak
Ya
1 b 1
2
Berhenti
1 b 1
(2)
xi
(3) b
i 1
Derajat keanggotaan dan pusat gerombol terus diperbaiki untuk memperoleh nilai fungsi objektif yang minimum melalui proses iterasi. Algoritma iterasi ditunjukkan oleh Gambar 1. Matriks derajat keanggotaan awal (µ0) dibangun dengan membangkitkan bilangan acak seragam (0,1) sejumlah nxm. Jumlah derajat keanggotaan setiap amatan untuk seluruh gerombol harus sama dengan satu.
Gambar 1 Algoritma FCM Fuzzy c-Medoids Fuzzy c-Medoids (FCMd) adalah salah satu metode Analisis Gerombol Fuzzy yang digunakan untuk menggerombolkan data dengan skala pengukuran ordinal dan nominal. Konsep dasar FCMd adalah penentuan derajat keanggotaan dan pusat gerombol yang meminimumkan fungsi objektif: F ji D xi , v j m
n
b
j 1 i 1
dengan: l
D(xi , v j ) ( xiq , v jq ) q 1
0 jika xiq v jq ( xiq , v jq ) 1 selainnya
(4)
3
menggunakan fungsi pembatas: m
j 1
ji
Hubungan linear ini digambarkan dalam suatu model. Model ARLB:
1
y = Xβ + ε
dengan: i = 1, 2, …, n j = 1, 2, …, m q = 1, 2, …, l n = jumlah amatan m = jumlah gerombol l = jumlah peubah ji = derajat keanggotaan amatan ke-i dalam gerombol ke-j b = konstanta x i = vektor amatan ke-i v j = vektor pusat gerombol ke-j Derajat keanggotaan setiap amatan dapat diperoleh dari persamaan (5) dan pusat gerombol dapat diperoleh dari persamaan (6) berikut: 1
b 1 1 D xi , v j ji 1 m b 1 1 w 1 D x i , v w
dengan: X = matriks amatan peubah penjelas dengan ukuran nx(p+1) dengan kolom pertama berisi angka 1 β = vektor parameter regresi y = vektor nilai dari peubah respon ε = vektor sisaan yang mengikuti sebaran Normal dengan nilai harapan 0 dan ragam konstan (Chatterjee & Hadi 2006). Mulai
Membangun Matriks Data Xnxl dengan n adalah jumlah amatan dan l adalah jumlah peubah
(5) Menentukan: Jumlah Gerombol Parameter Jumlah Iterasi Tingkat Kesalahan Pusat Gerombol Awal
n
q j argmin1i n bjw D(xi , x w ) w 1
(6)
(m) (b) (T) ( ) (v0)
v j q j untuk 1 j m
Derajat keanggotaan dan pusat gerombol terus diperbaiki untuk memperoleh nilai fungsi objektif yang minimum melalui proses iterasi. Algoritma iterasi dapat dilihat pada Gambar 2. Pusat Gerombol awal dapat dibentuk dari sejumlah amatan yang diambil secara acak (Saha & Mukhopadhyay 2008). Analisis Regresi Analisis Regresi adalah suatu metode yang dapat digunakan untuk menyelidiki dan memformulasi hubungan fungsional antar peubah. Hubungan fungsional ini digambarkan dalam suatu model (Chatterjee & Hadi 2006). Analisis Regresi Linear Berganda Analisis Regresi Linear Berganda (ARLB) merupakan salah satu bagian dari Analisis Regresi. ARLB memiliki kemampuan untuk menyelidiki dan memformulasikan hubungan linear antara satu peubah respon dengan lebih dari satu peubah penjelas.
Menghitung Derajat Keanggotaan Berdasarkan Persamaan (6) dan Pusat Gerombol Berdasarkan Persamaaan (5)
Menghitung Fungsi Objektif Iterasi ke(t+1) Berdasarkan Persamaan (4) (Ft+1)
Tidak
F t 1 F t
Ya
Berhenti Gambar 2 Algoritma FCMd
4
Metode Kuadrat Terkecil merupakan metode yang lebih sering digunakan dalam pendugaan parameter regresi karena lebih sederhana secara matematis. Prinsip Metode Kuadrat Terkecil adalah meminimumkan jumlah kuadrat sisaan. . Hal ini dapat dilihat pada persamaan berikut:
min ε'ε
dengan ε = y - Xβ
Dugaan parameter regresi dapat diperoleh dari persamaan berikut:
βˆ = (X'X)-1 X'y
Peubah Boneka Peubah penjelas dengan skala pengukuran nominal dan ordinal dibentuk menjadi peubah boneka (dummy variables). Peubah boneka terdiri dari dua nilai, yaitu 0 atau 1. Ketika ada k taraf dalam suatu peubah penjelas maka peubah penjelas tersebut akan dibentuk ke dalam (k-1) peubah boneka. Jika ada k taraf dalam suatu peubah penjelas dan dibentuk ke dalam k peubah boneka maka akan terjadi hubungan linear sempurna antar peubah boneka tersebut. Ilustrasi pembentukan peubah penjelas dengan k taraf ke dalam (k-1) peubah boneka dapat dilihat pada Tabel 1.
(Gujarati 2004). Fuzzy c-Regression Fuzzy c-Regression (FCR) merupakan teknik pendugaan model antara peubah respon dan peubah penjelas yang mengkombinasikan Analisis Gerombol Fuzzy dan Analisis Regresi Linear Berganda. Pendugaan model dilakukan untuk setiap gerombol yang dihasilkan dari Analisis Gerombol Fuzzy. Model FCR adalah sebagai berikut: b
dengan: k = 1, 2, …, m m = jumlah gerombol b = konstanta pada fungsi objektif Analisis Gerombol Fuzzy U k = matriks diagonal derajat keanggotaan setiap amatan pada gerombol ke-k X = matriks amatan peubah penjelas dengan ukuran nx(p+1) dengan kolom pertama berisi angka 1 parameter regresi untuk β k = vektor gerombol ke-k y = vektor nilai dari peubah respon δ k = vektor sisaan pada gerombol ke-k yang mengikuti sebaran Normal dengan nilai harapan 0 dan ragam konstan Pendugaan parameter FCR menggunakan Metode Kuadrat Terkecil. Prinsip Metode Kuadrat Terkecil ini meminimumkan jumlah kuadrat sisaan pada model yang telah diboboti. Hal ini dapat dilihat pada persamaan berikut:
min δ'k δk dengan δk Uk 2 y - Xβk b
Dugaan parameter regresi (Ilic 2007) dapat diperoleh dari persamaan berikut:
D(k-1) 0 0 . . . 1 0
b
Uk 2 y = Uk 2 Xβk + δk
b βˆ k X' U k X
Tabel 1 Peubah Boneka Peubah Boneka Taraf D1 D2 … 1 1 0 … 2 0 1 … . . . . . . . . . (k-1) 0 0 … k 0 0 …
1
X' U k y
D1, D2, dan D(k-1) adalah peubah boneka ke-1, ke-2, dan ke-(k-1) (Chatterjee & Hadi 2006). Indikator Kebaikan Model Untuk melihat kebaikan model digunakan dua indikator, yaitu: 1. Regresi antara nilai peubah respon dengan dugaan nilai peubah respon. Nilai peubah respon sebagai peubah penjelas dalam model sedangkan nilai dugaan peubah respon sebagai peubah respon dalam model. Dugaan kemiringan garis regresi (a) yang semakin mendekati 1 merupakan indikator model yang semakin baik. Model regresi antara nilai peubah respon dengan dugaan nilai peubah respon:
yˆ ay ε
2.
dengan: y = vektor nilai dari peubah respon yˆ = dugaan vektor nilai dari peubah respon Root Mean Square Error (RMSE). Semakin kecil nilai RMSE suatu model maka model itu semakin baik. n
y RMSE=
i 1
b
(Yalpir & Ozkan 2011).
i
yˆi
n
2
5
METODOLOGI Metode Pengumpulan Data Data yang digunakan dalam penelitian ini merupakan data hasil survei Direktorat Survei Potensi Tanah, Badan Pertanahan Republik Indonesia. Data ini mencakup lima kecamatan di Kota Bekasi, yaitu Pondok Gede, Rawa Lumbu, Bekasi Timur, Bekasi Selatan, dan Bekasi Barat. Metode penarikan contoh dalam survei ini adalah penarikan contoh strata. Strata ini dibentuk berdasarkan peruntukan lahan. Peruntukan lahan yang relatif sama dibentuk ke dalam satu strata yang disebut sebagai zona. Setiap zona akan diambil amatan dengan jumlah minimal 3 untuk zona dengan luas di atas peta kurang dari 100 cm2. Zona dengan luas di atas peta lebih dari 100 cm2 diambil amatan dengan jumlah minimal 5 dan jumlah amatan ditambah 2 setiap ada peningkatan luas zona dengan kelipatan 100 cm2. Amatan ini diperoleh dengan cara wawancara langsung terhadap responden. Responden dalam survei ini adalah pihak yang dapat memberikan gambaran dan keterangan mengenai informasi harga tanah baik harga jual beli maupun harga sewa. Total data dalam penelitian ini adalah 891 dengan peubah respon nilai tanah. Peubah penjelas dapat dilihat pada Tabel 2. Tabel 2 Peubah Penjelas No Peubah Penjalas 1 Lebar Jalan 2
Elevasi dari Jalan
3
Kelas Jalan
4
Aksesbilitas
5
Drainase
6
Bentuk Tanah
7
Letak Tanah
8
Listrik
9
Air Bersih
Keterangan Numerik Lebih Tinggi Sama Lebih Rendah Arteri Kolektor Lokal Setapak Sangat Baik Baik Cukup Kurang Sangat Baik Baik Cukup Kurang Persegi/Normal Tidak Beraturan Normal Huk Ada Tidak Ada Ada Tidak Ada
No
Peubah Penjalas
10
Telepon
11
Gas
12
TV Kabel
13
Sekolah
14
Tempat Ibadah
15
Rumah Sakit
16
Pasar
17
Peruntukan Lahan
Keterangan Ada Tidak Ada Ada Tidak Ada Ada Tidak Ada Ada Tidak Ada Ada Tidak Ada Ada Tidak Ada Ada Tidak Ada Pertanian Permukiman Komersial
Metode Analisis Tahapan analisis yang dilakukan dalam penelitian ini adalah sebagai berikut: 1. Melakukan eksplorasi data. 2. Menggerombolkan data berdasarkan peubah penjelas menggunakan metode Fuzzy c-Means dan Fuzzy c-Medoids kemudian mendeskripsikan karakteristik gerombol yang dihasilkan. 3. Menduga model nilai tanah dengan Analisis Regresi Linear Berganda. 4. Menduga model nilai tanah dengan Fuzzy c-Regression (FCR). 5. Menduga nilai tanah 5.1 Model nilai tanah Analisis Regresi Linear Berganda (ARLB) Dugaan nilai tanah diperoleh dengan cara menduga nilai tanah berdasarkan model yang dihasilkan pada langkah ke-3. 5.2 Model nilai tanah Fuzzy c-Regression (FCR) Dugaan nilai tanah diperoleh dengan cara menduga nilai tanah berdasarkan model setiap gerombol yang dihasilkan pada langkah ke-4. Setiap dugaan nilai tanah selanjutnya diboboti dengan derajat keanggotaan amatan terhadap setiap gerombol untuk memperoleh satu nilai tanah untuk setiap amatan. yˆi 1i yˆ1i ... ji yˆ ji ... mi yˆmi
dengan: i = 1, 2, …, n j = 1, 2, …, m n = jumlah amatan m = jumlah gerombol
6
6. 7.
yˆ i = dugaan nilai tanah amatan ke-i ji = derajat keanggotaan amatan ke-i dalam gerombol ke-j yˆ ji = dugaan nilai tana amatan ke-i dalam gerombol ke-j Menghitung indikator kebaikan model nilai tanah ARLB dan FCR. Menentukan peubah penjelas yang memiliki pengaruh paling besar dan paling kecil terhadap nilai tanah. Penentuan ini dilakukan dengan membuat simulasi untuk semua kemungkinan kombinasi peubah penjelas dan menghitung rata-rata perubahan nilai tanah ketika ada perubahan salah satu peubah penjelas sebesar satu satuan.
HASIL DAN PEMBAHASAN Eksplorasi Data Eksplorasi data diawali dengan melihat keberadaan data hilang. Berdasarkan 891 data dengan 17 peubah, terdapat 597 amatan yang tidak lengkap. Mayoritas amatan tidak lengkap ini disebabkan oleh tidak tercatatnya peubah penjelas (karakteristik tanah). Amatan tidak lengkap paling banyak terjadi pada data Kecamatan Bekasi Barat sedangkan amatan tidak lengkap paling sedikit terjadi pada Kecamatan Pondok Gede. Hal ini dapat dilihat pada Gambar 3.
13 120 164
154
222
88
48
62
11 9 Pondok Rawa Bekasi Bekasi Bekasi Gede lumbu Timur Selatan Barat Amatan Lengkap
Amatan Tidak Lengkap
Gambar 3 Kondisi Data Setiap Kecamatan Total amatan lengkap adalah 294. Amatan lengkap ini tidak bisa mewakili karakteristik dan nilai tanah pada lima kecamatan karena amatan lengkap ini tidak mencakup amatan dengan kategori peruntukan lahan pertanian. Oleh karena itu, seleksi terhadap peubah penjelas dilakukan untuk memperoleh amatan
yang dapat mewakili karakteristik dan nilai tanah pada lima kecamatan. Korelasi Pearson digunakan untuk melihat kekuatan hubungan antara Lebar Jalan dengan nilai tanah dan uji-F digunakan untuk melihat keragaman nilai tanah yang dapat dijelaskan oleh setiap peubah penjelas dengan skala pengukuran ordinal dan nominal. Hasil korelasi Pearson dan uji-F dapat dilihat pada Lampiran 2. Peubah penjelas yang memiliki hubungan dengan nilai tanah dan dapat menjelaskan keragaman nilai tanah adalah Lebar Jalan, Kelas Jalan, Aksesibilitas, Drainase, Air Bersih, Telepon, Sekolah, Rumah Sakit, Pasar, dan Peruntukan Lahan. Berdasarkan sepuluh Peubah Penjelas ini, total amatan meningkat dari 294 menjadi 297 tetapi masih tidak dapat mewakili karakteristik dan nilai tanah pada lima kecamatan. Hal ini dikarenakan 297 amatan ini tidak mencakup amatan dengan kategori peruntukan lahan pertanian. Sepuluh peubah ini kemudian diseleksi kembali untuk mendapatkan amatan yang dapat mewakili karakteristik dan nilai tanah pada lima kecamatan. Seleksi ini dilakukan dengan melihat kombinasi peubah penjelas optimum yang dapat mewakili karakteristik dan nilai tanah pada lima kecamatan. Kombinasi peubah penjelas yang diperoleh adalah Kelas Jalan, Aksesibilitas, Drainase, dan Peruntukan Lahan dengan total amatan 678. Pada tahap selanjutnya dari penelitian ini, peubah penjelas yang digunakan adalah keempat peubah penjelas ini dengan total amatan 678. Nilai tanah terendah berada di Kecamatan Rawa Lumbu dengan nilai tanah Rp 226,356 per m2. Tanah ini memiliki karakteristik kelas jalan lokal, aksesibilitas dan drainase kurang, dan peruntukan lahan permukiman. Nilai tanah tertinggi berada di Kecamatan Bekasi Selatan dengan nilai tanah Rp 4,442,720 per m2. Tanah ini memiliki karakteristik kelas jalan kolektor, aksesibilitas sangat baik, drainase baik, dan peruntukan lahan komersial. Ratarata nilai tanah di lima kecamatan dalam penelitian sebesar Rp 1,788,477 per m2 dan median sebesar Rp 1,742,248 per m2. Statistik nilai tanah ini dapat dilihat pada Tabel 3. Tabel 3 Statistik Nilai Tanah Statistik Minimum Median Rata-Rata Maksimum Simpangan Baku
Nilai Tanah (Rupiah per m2) 226,356 1,742,248 1,788,477 4,442,720 879,889
7
Semakin tinggi tingkat kelas jalan suatu amatan maka rata-rata nilai tanahnya semakin tinggi. Begitu juga dengan aksesibilitas dan drainase. Semakin baik kualitas aksesibilitas suatu amatan maka rata-rata nilai tanahnya semakin tinggi. Semakin baik kualitas drainase suatu amatan maka rata-rata nilai tanahnya semakin tinggi. Pada peubah penjelas peruntukan lahan, rata-rata nilai tanah tertinggi terjadi pada amatan dengan peruntukan lahan komersial sedangkan rata-rata nilai tanah terendah terjadi pada amatan dengan peruntukan lahan pertanian. Informasi ini dapat dilihat Pada Tabel 4.
1.
2.
Tabel 4 Deskripsi Peubah Penjelas Nama
Kelas Jalan
Aksesibilitas
Drainase
Peruntukan Lahan
Kategori Setapak Lokal Kolektor Arteri Kurang Cukup Baik Sangat Baik Kurang Cukup Baik Sangat Baik Pertanian Permukiman Komersial
Total Amatan 39 535 91 13 11 118 475 74 35 132 482 29 24 600 54
Rata-Rata Nilai Tanah 742,053 1,758,926 2,217,396 3,141,451 562,948 945,032 1,889,388 2,667,862 788,183 1,010,828 2,012,466 2,812,503 1,710,917 1,721,545 2,566,628
3.
4. Penggerombolan Data dan Deskripsi Hasil Penggerombolan Penggerombolan data dilakukan dengan dua metode, yaitu Fuzzy c-Means (FCM) dan Fuzzy c-Medoids (FCMd). Parameter (b) yang digunakan sebesar 2 dengan tingkat kesalahan ( ) sebesar 1x10-5. Jumlah gerombol yang menjadi fokus dalam penelitian adalah 8. Hal ini didasarkan pada pembagian kelompok nilai tanah dalam Peta Zona Nilai Tanah oleh Direktorat Survei Potensi Tanah (Dit. SPT). Jumlah gerombol 2, 3, 4, 5, 6, 7, 9, dan 10 juga digunakan dalam penelitian untuk melihat pengaruh jumlah gerombol dalam pemodelan nilai tanah dengan metode Fuzzy c-Regression (FCR). Dasar penentuan suatu amatan menjadi anggota suatu gerombol tertentu adalah derajat keanggotaan suatu amatan pada suatu gerombol. Suatu amatan masuk menjadi anggota suatu gerombol tertentu ketika amatan tersebut memiliki derajat keanggotaan terbesar pada gerombol tersebut. Karakteristik gerombol yang dihasilkan dengan FCM dan FCMd relatif sama untuk jumlah gerombol 8. Berikut adalah deskripsi karakteristik setiap gerombol:
5.
6.
Gerombol 1 Gerombol 1 merupakan gerombol dengan peruntukan lahan permukiman. Lahan permukiman ini berada pada kelas jalan lokal dengan aksesbilitas cukup. Hal ini berarti untuk mendapatkan transportasi umum terdekat diperlukan waktu tempuh dengan berjalan kaki kurang dari 30 menit. Lahan permukiman ini memiliki drainase cukup yang berarti bahwa dalam waktu kurang dari lima tahun terakhir pernah terjadi banjir. Gerombol 2 Gerombol 2 merupakan gerombol dengan peruntukan lahan permukiman. Lahan permukiman pada Gerombol 2 ditunjang dengan aksesbilitas sangat baik. Hal ini menunjukan bahwa warga yang tinggal di lahan permukiman ini dapat memperoleh transportasi umum terdekat dalam waktu kurang dari lima menit dengan berjalan kaki. Gerombol 3 Gerombol 3 merupakan gerombol dengan peruntukan lahan permukiman yang berada pada kelas jalan kolektor. Lahan permukiman ini memiliki drainase yang baik. Hal ini berarti dalam waktu sepuluh tahun terakhir tidak pernah terjadi banjir pada permukiman tersebut. Gerombol 4 Gerombol 4 merupakan gerombol dengan peruntukan lahan permukiman. Lahan permukiman ini dapat dikatakan sebagai lahan permukiman yang rawan banjir karena mayoritas amatan pada Gerombol 4 merupakan permukiman dengan kualitas drainase cukup dan kurang. Gerombol 4 merupakan gerombol dengan rata-rata nilai tanah terendah. Gerombol 5 Gerombol 5 memiliki karakteristik yang relatif sama dengan Gerombol 1 jika dilihat dari kelas jalan dan peruntukan lahan, tetapi Gerombol 5 dan Gerombol 1 berbeda pada aksesbilitas dan drainase. Secara umum Gerombol 5 memiliki aksesibilitas dan drainase yang lebih baik dibandingkan dengan Gerombol 1. Hal ini menunjukan bahwa amatan pada Gerombol 5 memiliki waktu yang lebih singkat untuk memperoleh transportasi umum terdekat dengan berjalan kaki. Selain itu permukiman pada Gerombol 5 juga lebih aman dari banjir. Gerombol 6 Karakteristik Gerombol 6 relatif sama dengan Gerombol 1. Perbedaan kedua
8
gerombol terletak pada aksesibilitas. Aksesibilitas pada Gerombol 6 lebih baik daripada Gerombol 1. Hal ini menunjukan bahwa amatan pada Gerombol 6 memiliki waktu yang lebih singkat untuk memperoleh transportasi umum terdekat dengan berjalan kaki. 7. Gerombol 7 Gerombol 7 merupakan gerombol dengan peruntukan lahan komersial. Lahan komersial pada lima kecamatan di Kota Bekasi ini berada pada kelas jalan arteri dan kolektor. Selain itu lahan komersial ini juga didukung dengan aksesbilitas yang sangat baik dan drainase yang baik. Gerombol 7 merupakan gerombol dengan rata-rata nilai tanah tertinggi. 8. Gerombol 8 Gerombol 8 merupakan gerombol amatan dengan peruntukan lahan pertanian. Lahan pertanian pada lima kecamatan di Kota Bekasi memiliki aksesibilitas dan drainase yang baik. Lahan pertanian ini berada di kelas jalan lokal. Perincian karakteristik setiap gerombol untuk jumlah gerombol 8 berdasarkan metode FCM dan FCMd dapat dilihat pada Lampiran 3 dan 4. Rata-rata nilai tanah untuk setiap gerombol untuk jumlah gerombol 8 dapat dilihat pada Lampiran 5. Pendugaan Model dan Perbandingan Indikator Kebaikan Model Pendugaan model diawali dengan pembentukan peubah boneka dari peubah penjelas dengan skala pengukuran ordinal. Peubah penjelas Kelas Jalan, Aksesibilitas, dan Drainase masing-masing dibentuk ke dalam tiga peubah boneka dengan kategori dasar Kelas Jalan Lokal, Aksesibilitas Kurang, dan Drainase Kurang. Peubah penjelas Peruntukan Lahan dibentuk ke dalam dua peubah boneka dengan kategori dasar Peruntukan Lahan Pertanian. Total terdapat 11 peubah boneka. Hal ini dapat dilihat pada Lampiran 6. Pendugaan model nilai tanah pertama dilakukan dengan metode Analisis Regresi Linear Berganda (ARLB). Model ini memiliki koefisien determinasi sebesar 40.5% dengan peubah boneka yang berpengaruh nyata terhadap peubah respon pada taraf nyata 5% adalah d1kelas, d1akses, d1drain, d2drain, dan d1zona. Model ini memiliki statistik F sebesar 41.19 dengan nilai-P sebesar 0.000. Tabel 5 menunjukan rangkuman pendugaan model dengan ARLB.
Tabel 5
Model Analisis Regresi Linear Berganda Prediktor Dugaan Parammeter Nilai-P konstanta 343,281 0.178 d1kelas 889,740 0.001 d2kelas 251,673 0.144 d3kelas 182,997 0.201 d1akses 775,352 0.011 d2akses 375,336 0.172 d3akses -39,425 0.882 d1drain 1,158,951 0.000 d2drain 863,306 0.000 d3drain 180,406 0.221 d1zona 388,248 0.029 d2zona 203,267 0.170 Pendugaan model nilai tanah kedua dilakukan dengan metode Fuzzy c-Regression (FCR). Pendugaan model dengan metode FCR bergantung pada jumlah gerombol yang terbentuk. Ketika jumlah gerombol yang terbentuk sebanyak c maka akan terbentuk c matriks pembobot yang selanjutnya akan digunakan oleh FCR untuk membentuk c dugaan model. Matriks pembobot ini merupakan matriks diagonal dengan diagonal utamanya berisi derajat keanggotaan suatu amatan terhadap suatu gerombol. Analisis Gerombol Fuzzy dalam penelitian ini, yaitu FCM dan FCMd akan digunakan dalam proses pendugaan model dengan metode FCR. Jumlah gerombol yang akan digunakan dalam pendugaan model dengan metode FCR adalah 2, 3, 4, 5, 6, 7, 8, 9, dan 10. Hasil dugaan model FCR menggunakan FCM (FCR-FCM) memberikan tingkat akurasi prediksi nilai tanah yang lebih baik jika dibandingkan dengan dugaan model Analisis Regresi Linear Berganda (ARLB). Hal ini ditunjukan oleh indikator kebaikan model yaitu RMSE dan koefisien kemiringan regresi antara nilai tanah dan dugaan nilai tanah (KKR). Nilai RMSE hasil dugaan model FCRFCM lebih rendah jika dibandingkan dengan nilai RMSE hasil dugaan model ARLB. Nilai RMSE hasil dugaan model FCR-FCM terus menurun mulai dari jumlah gerombol 2 sampai jumlah geombol 10. KKR hasil dugaan model FCR-FCM pada jumlah gerombol 3 sampai jumlah gerombol 10 lebih mendekati 1 jika dibandingkan nilai KKR hasil ARLB. Nilai KKR untuk dugaan model FCR-FCM ketika jumlah gerombol 2 lebih rendah daripada nilai KKR untuk model ARLB tetapi perbedaannya tidak signifikan, yaitu sebesar 6x10-5. Hal ini dapat dilihat pada Tabel 6. Dugaan model
9
FCR-FCM untuk jumlah gerombol 8 dapat dilihat pada Lampiran 7. Tabel 6
Hasil dugaan model FCR menggunakan FCMd (FCR-FCMd) memberikan tingkat akurasi prediksi nilai tanah yang lebih baik jika dibandingkan dengan dugaan model ARLB. Nilai RMSE hasil dugaan model FCRFCMd lebih rendah dibandingkan dengan nilai RMSE hasil dugaan model ARLB. Nilai RMSE hasil dugaan model FCR-FCMd terus menurun mulai dari jumlah gerombol 2 sampai jumlah geombol 10. Nilai KKR hasil dugaan model FCR-FCMd pada jumlah gerombol 2 sampai jumlah gerombol 10 lebih mendekati 1 jika dibandingkan nilai KKR hasil ARLB. Hal ini dapat dilihat pada Tabel 7. Dugaan model FCR-FCMd untuk jumlah gerombol 8 dapat dilihat pada Lampiran 8. Tabel 7
Indikator Kebaikan Model Linear Berganda dan FCR-FCMd Model RMSE KKR ARLB 678,289.09 0.88416 FCR 2 Gerombol 664,157.19 0.88705 FCR 3 Gerombol 662,701.56 0.88711 FCR 4 Gerombol 660,942.84 0.88987 FCR 5 Gerombol 660,346.24 0.89057 FCR 6 Gerombol 659,277.13 0.89039 FCR 7 Gerombol 658,036.66 0.89114 FCR 8 Gerombol 657,091.46 0.89093 FCR 9 Gerombol 656,139.27 0.89180 FCR 10 Gerombol 652,711.63 0.89291 Tingkat akurasi prediksi nilai tanah dari dugaan model FCR-FCM memberikan hasil yang relatif sama dibandingkan dugaan model FCR-FCMd. Hal ini dapat dilihat dari nilai RMSE dugaan model FCR-FCM yang tidak berbeda nyata dibandingkan dengan nilai RMSE dugaan model FCR-FCMd. Nilai KKR dugaan model FCR-FCM cenderung untuk
Pengaruh Setiap Peubah Penjelas Terhadap Nilai Tanah Penentuan peubah penjelas yang memiliki pengaruh paling besar dan paling kecil terhadap nilai tanah dilakukan dengan simulasi pembangkitan data untuk semua kemungkinan kombinasi peubah penjelas. Peubah penjelas yang memiliki pengaruh paling besar adalah peubah penjelas yang menghasilkan rata-rata perbedaan nilai tanah paling besar ketika terjadi perubahan satu satuan pada peubah tersebut dengan kondisi peubah lain tetap. Sedangkan peubah penjelas yang memiliki pengaruh paling kecil adalah peubah penjelas yang menghasilkan rata-rata perbedaan nilai tanah paling kecil ketika terjadi perubahan satu satuan pada peubah tersebut dengan kondisi peubah lain tetap. Peubah Kelas Jalan (Kelas), Aksesibilitas (Akses), dan Drainase (Drain) memiliki 4 kategori dan Peubah Peruntukan Lahan (Zona) memiliki 3 kategori sehingga total ada 192 semua kemungkinan kombinasi. Peubah penjelas yang memiliki pengaruh paling besar terhadap nilai tanah adalah peubah Kelas. Hal ini dapat dilihat dari ratarata perbedaan nilai tanah terbesar terjadi ketika ada perbedaan kategori satu satuan pada peubah Kelas dengan kondisi peubah penjelas lain tetap. Peubah penjelas yang memiliki pengaruh paling kecil adalah peubah Zona. Hal ini dapat dilihat dari rata-rata perbedaan nilai tanah terkecil terjadi ketika ada perbedaan kategori satu satuan pada peubah Zona dengan kondisi peubah penjelas lain tetap. Hal ini dapat dilihat pada Gambar 4. Rata-Rata Perbedaan Nilai Tanah
Indikator Kebaikan Model Linear Berganda dan FCR-FCM Model RMSE KKR ARLB 678,289.09 0.88416 FCR 2 Gerombol 664,525.16 0.88410 FCR 3 Gerombol 661,844.62 0.88745 FCR 4 Gerombol 661,030.77 0.88845 FCR 5 Gerombol 659,751.67 0.88954 FCR 6 Gerombol 658,719.76 0.88962 FCR 7 Gerombol 657,481.97 0.89046 FCR 8 Gerombol 656,513.49 0.89069 FCR 9 Gerombol 655,948.07 0.89142 FCR 10 Gerombol 652,285.96 0.89223
semakin mendekati 1 ketika ada peningkatan jumlah gerombol, begitu juga dengan nilai KKR dugaan model FCR-FCMd.
450000 400000 350000 300000 250000 200000 150000 100000 50000
0 Kelas
Akses
Drain
Zona
FCR-FCM 2 Gerombol FCR-FCM 8 Gerombol FCR-FCMd 2 Gerombol FCR-FCMd 8 Gerombol
Gambar 4 Pengaruh Peubah Penjelas
10
Rata-Rata Perbedaan Nilai Tanah
Rata-rata perbedaan nilai tanah terbesar untuk peubah Kelas terjadi ketika perbedaan amatan hanya ada pada kategori Arteri dengan kategori Kolektor. Sementara itu, rata-rata perbedaan nilai tanah terkecil untuk peubah Kelas terjadi ketika perbedaan amatan hanya ada pada kategori Kolektor dengan kategori Lokal. Hal ini dapat dilihat pada Gambar 5. 1000000 900000 800000 700000 600000 500000 400000 300000 200000 100000 0 3 dan 4
1=setapak 2=lokal 3=kolektor 4=arteri
Gambar 5
2 dan 3
1 dan 2
FCR-FCM 2 Gerombol FCR-FCM 8 Gerombol FCR-FCMd 2 Gerombol FCR-FCMd 8 Gerombol
Perbedaan Rata-Rata Nilai Tanah Peubah Kelas Jalan
Rata-rata perbedaan nilai tanah terbesar untuk peubah Zona terjadi ketika perbedaan amatan hanya ada pada kategori Komersial dengan kategori Permukiman. Sementara itu, rata-rata perbedaan nilai tanah terkecil untuk peubah Zona terjadi ketika perbedaan amatan hanya ada pada kategori Permukiman dengan kategori Pertanian. Hal ini dapat dilihat pada Gambar 6.
Rata-Rata Perbedaan Nilai Tanah
300000 270000 240000
210000 180000
150000 120000 90000 60000 30000 0 2 dan 3
1=Pertanian 2=Permukiman 3=Komersial
Gambar 6
1 dan 2 FCR-FCM 2 Gerombol FCR-FCM 8 Gerombol FCR-FCMd 2 Gerombol FCR-FCMd 8 Gerombol
Perbedaan Rata-Rata Nilai Tanah Peubah Peruntukan Lahan
KESIMPULAN DAN SARAN Kesimpulan Model nilai tanah yang dihasilkan dalam penelitian belum memiliki tingkat akurasi yang baik karena kualitas data yang digunakan belum baik. Tingkat akurasi model nilai tanah ini dapat ditingkatkan dengan melakukan perbaikan dalam proses pengumpulan data sehingga model nilai tanah dapat dibangun dari seluruh peubah penjelas yang ada. Fuzzy c-Regression mampu menghasilkan model dugaan nilai tanah dengan tingkat akurasi yang lebih baik jika dibandingkan dengan Analisis Regresi Linear Berganda. Fuzzy c-Regression menggunakan Analisis Gerombol Fuzzy c-Means lebih cocok digunakan dalam pendugaan model nilai tanah karena Analisis Gerombol Fuzzy c-Means lebih mudah untuk diterapkan pada berbagai skala pengukuran peubah penjelas. Ketika terdapat peubah penjelas dengan skala pengukuran rasio dan interval maka perlu dilakukan kategorisasi terlebih dahulu untuk peubah penjelas ini sebelum melakukan Analisis Gerombol Fuzzy c-Medoids. Pendugaan model nilai tanah pada lima kecamatan di Kota Bekasi dengan metode Fuzzy c-Regression dapat dilakukan dengan jumlah gerombol 2. Jumlah gerombol 8 yang digunakan oleh Direktorat Survei Potensi Tanah juga dapat digunakan dalam pendugaan model nilai tanah pada lima kecamatan ini karena mampu memberikan akurasi yang lebih baik. Berdasarkan empat peubah penjelas yang digunakan dalam pendugaan model nilai tanah, peubah penjelas Kelas Jalan merupakan peubah penjelas yang memiliki pengaruh paling besar terhadap nilai tanah pada lima kecamatan di Kota Bekasi. Sementara itu, peubah penjelas Peruntukan Lahan merupakan peubah penjelas yang memiliki pengaruh paling kecil terhadap nilai tanah pada lima kecamatan di Kota Bekasi. Saran Penelitian ini diharapkan dapat menjadi bahan pertimbangan pihak terkait, yakni Direktorat Survei Potensi Tanah dalam pendugaan model nilai tanah dan pendugaan nilai tanah. Selain itu, penelitian ini juga diharapkan dapat dikembangkan dengan tidak hanya melibatkan peubah penjelas pengaruh lingkungan fisik tanah tetapi juga melibatkan pengaruh lingkungan sosial, ekonomi, dan keamanan.
11
DAFTAR PUSTAKA Chatterjee S, Hadi AS. 2006. Regression Analysis by Example, Fourth Edition. New Jersey: John Wiley & Sons, Inc. Cherkassky V, Mulier F. 1998. Learning From Data: Concepts, Theory, and Mehods. New York: John Wiley & Sons, Inc. [Dit. SPT] Direktorat Survei Potensi Tanah. 2012. Standar Operasional Prosedur Standar. Jakarta. Gujarati D. 2004. Basic Econometrics, Fourth Edition. New York: The McgrawHill/Irvin. Ilic MS. 2007. Fundamentals of fuzzy clustering. Di dalam: Oliveira JV, Pedrycz W, editor. Advances in Fuzzy Clustering and its Applications. Chicester: John Wiley &Sons, Ltd. hlm 229-246. Kruse R, Doring C, Lesot MJ. 2007. Fundamentals of fuzzy clustering. Di dalam: Oliveira JV, Pedrycz W, editor, Advances in Fuzzy Clustering and its Applications. Chicester: John Wiley &Sons, Ltd. hlm 3-30.
Medonos T, Vilhelm V, Hruska M, Jelinek. 2011. What Determines the Czech Land Market Prices? Some Regional Findings. AGRIS On-line Papers in Economics and Informatics 3(4): 41-53. Saha I, Mukhopadhyay A. 2008. Improved crisp and fuzzy clustering techniques for categorical data. IAENG International Journal of Computer Science 35(4). Sutawijaya A. 2004. Analisis faktor-faktor yang mempengaruhi nilai tanah sebagai dasar penilaian nilai jual obyek pajak (njop) pbb di kota semarang. Jurnal Ekonomi Pembangunan 9(1): 65-78. Yalpir S, Ozkan G. 2011. Fuzzy logic methodology and multiple regressions for residential real-estatesvaluation in urban areas. Scientific Research and Essays 6(12): 2431-2436.
LAMPIRAN
13
Lampiran 1 Contoh Perhitungan Nilai Tanah Nilai tanah dengan bangunan di atas bidang tanah Harga = 750,000,000 Luas Tanah = 136 m2 Jenis Amatan = Penawaran Luas Bangunan = 200 Harga Bangunan per m2 = 2,500,000 Kondisi Bangunan = Baik Tahun Pembuatan = 2008 Tahun Renovasi = 2008 Tahun Penilaian/Survei = 2011 Tanggal Amatan = 7 desember 2011 Status Kepemilikan Tanah = Hak Milik Langkah perhitungan: 1. Hitung biaya reproduksi baru bangunan (BRB) 1.1 Biaya Pembuatan Bangunan (BPB) Luas Bangunan*Harga Bangunan per m2 200*2,500,000 = 500,000,000 1.2 Umur Efektif {(Tahun Penilaian–Tahun Pembuatan)+2*(Tahun Penilaian–Tahun Renovasi}/3 {(2011-2008)+2*(2011-2008)}/3 = 3 1.3 Penyusutan Bangunan (PB) Lihat Tabel Penyusutan berdasarkan karakteristik amatan Harga Bangunan per m2 = 2,500,000 Kondisi Bangunan = Baik Umur Efektif =3 Diperoleh penyusutan sebesar 10%. 1.4 BRB (100% - penyusutan)*BPB (100% - 10%)*500,000,000 = 450,000,000 2. Hitung harga tanah tanpa bangunan (HTB) 2.1 Harga penyesuaian jenis amatan (HJA) (100% - koefisien penyesuaian jenis amatan)*Harga (100% - 10%)*750,000,000 = 675,000,000 2.2 HTB HJA–BRB 675,000,000–450,000,000=225,000,000 3. Hitung nilai tanah per m2 (Nilai Tanah) 3.1 Penyesuain tanggal (PT) koefisien penyesuaian tanggal amatan*(tanggal akhir tahun penilaian–tanggal amatan) / 365 10% *( 31 Desember 2011–7 Desember 2011) / 365 = 1% 3.2 Penyesuaian status kepemilikan tanah (PS) koefisien penyesuaian status kepemilikan tanah 0% 3.3 Total penyesuaian (TP) 100%+PT+PS 100%+1%+0%=101% 3.4 Nilai tanah (HTB*TP) / Luas Tanah (225,000,000*101%) / 136= 1,665,290 Nilai tanah tanpa bangunan di atas bidang tanah Proses perhitungan sama dengan proses perhitungan nilai tanah dengan bangunan di atas bidang tanah dengan BRB bernilai 0.
14
Lampiran 2 Seleksi Peubah Penjelas Korelasi Lebar Jalan dan Nilai Tanah Korelasi Nilai-P Rangkuman Uji-F Peubah Penjalas Elevasi dari Jalan Kelas Jalan Aksesbilitas Drainase Bentuk Tanah Letak Tanah Air Bersih Telepon Gas TV Kabel Sekolah Tempat Ibadah Rumah Sakit Pasar Peruntukan Lahan
Statistik F 2.57 61.61 52.88 24.18 0.09 1.02 34.24 20.60 0.13 0.22 12.13 1.61 28.47 21.61 45.34
0.555 0.000
Nilai-p 0.079 0.000 0.000 0.000 0.762 0.314 0.000 0.000 0.719 0.640 0.001 0.205 0.000 0.000 0.000
15
Lampiran 3 Karakteristik Gerombol dengan Metode FCM Peubah Penjelas Kelas Jalan Arteri Kolektor Lokal Setapak aksesibilitas Sangat Baik Baik Cukup Kurang Drainase Sangat Baik Baik Cukup Kurang Peruntukan Lahan Komersial Permukiman Pertanian
Gerombol ke4 5 6
1
2
3
7
8
0 0 73 0
4 18 18 0
1 22 0 0
0 0 0 0 0 387 35 2
0 8 46 1
8 35 1 0
0 8 10 1
0 0 73 0
40 0 0 0
0 22 1 0
0 0 1 368 23 21 11 0
1 54 0 0
33 11 0 0
0 19 0 0
0 0 65 8
15 23 2 0
0 21 2 0
0 1 1 388 19 0 15 0
0 0 43 12
13 30 1 0
0 19 0 0
0 71 2
0 39 1
2 20 1
0 7 34 382 1 0
1 54 0
44 0 0
0 0 19
Lampiran 4 Karakteristik Gerombol dengan Metode FCMd Gerombol kePeubah Penjelas 1 2 3 4 5 6 7 8 Kelas Jalan Arteri 0 3 0 0 0 0 7 3 Kolektor 0 18 23 0 0 5 37 8 Lokal 73 0 0 0 385 58 1 18 Setapak 0 0 0 34 2 2 0 1 aksesibilitas Sangat Baik 0 21 0 0 6 13 33 1 Baik 0 0 22 0 360 52 12 29 Cukup 73 0 1 23 21 0 0 0 Kurang 0 0 0 11 0 0 0 0 Drainase Sangat Baik 0 3 0 0 0 13 13 0 Baik 0 16 20 1 387 0 29 29 Cukup 65 2 0 19 0 43 3 0 Kurang 8 0 3 14 0 9 0 1 Peruntukan Lahan Komersial 0 0 0 0 0 0 45 9 Permukiman 71 21 23 33 387 65 0 0 Pertanian 2 0 0 1 0 0 0 21
Lampiran 5 Rata-Rata Nilai Tanah Setiap Gerombol Gerombol 4 1 6 8 5 3 2 7 Rata-Rata 703,108 994,214 999,292 1,773,940 1,958,555 2,011,602 2,543,535 2,655,652
16
Lampiran 6 Pelambangan dan Pembentukan Peubah Boneka Peubah
Kelas Jalan
Lambang Peubah 1 jika Kelas Jalan = arteri d1kelas = 0 selainnya 1 jika Kelas Jalan = kolektor d2kelas = 0 selainnya
1 jika Kelas Jalan = lokal d3kelas = 0 selainnya 1 jika Aksesbilitas = sangat baik d1akses = 0 selainnya
Aksesibilitas
1 jika Aksesbilitas = baik d2akses = 0 selainnya 1 jika Aksesbilitas = kurang d3akses = 0 selainnya
Drainase
1 jika Drainase = sangat baik d1drain = 0 selainnya 1 jika Drainase = baik d2drain = 0 selainnya 1 jika Drainase = cukup d3drain = 0 selainnya
Peruntukan Lahan
1 jika peruntukan lahan = komersial d1zone 0 selainnya 1 jika peruntukan lahan = permukiman d2zone 0 selainnya
Lampiran 7 Dugaan Model Fuzzy c-Regression dengan Metode FCM Gerombol ke1 2 3 4 5 6 7 8
konstanta 442657.43 0.157 -149132.76 0.912 286477.79 0.671 449743.52 0.000 787938.04 0.769 781281.29 0.037 341369.09 0.738 950972.48 0.000
d1kelas 1514576.08 0.078 1518332.73 0.172 1629426.43 0.012 1261912.83 0.015 1588620.49 0.483 1176179.84 0.012 774159.73 0.374 965100.68 0.000
d2kelas d3kelas d1akses 293880.44 183333.98 643588.77 0.426 0.468 0.366 710023.02 277070.98 352161.06 0.514 0.799 0.841 481197.42 396957.96 311297.68 0.430 0.518 0.742 260174.65 42422.49 892607.51 0.215 0.567 0.016 539122.15 873372.02 -3382.20 0.685 0.409 0.999 371111.10 191601.93 669094.50 0.086 0.304 0.080 501857.11 358955.56 919330.21 0.563 0.678 0.472 153214.59 76444.37 874434.62 0.129 0.408 0.001
Prediktor d2akses d3akses 289834.23 26156.56 0.393 0.933 199515.44 -533091.32 0.908 0.763 220831.09 -565890.25 0.809 0.540 364230.58 200100.87 0.000 0.000 -6229.63 -1024889.91 0.998 0.712 212103.95 -123602.70 0.512 0.713 176210.53 -532228.99 0.890 0.680 393122.56 -30396.24 0.085 0.897
d1drain d2drain d3drain 1104076.86 249469.33 281800.43 0.167 0.115 0.015 1443353.02 900513.28 438371.72 0.031 0.158 0.519 1399000.16 787496.03 124644.12 0.001 0.018 0.742 977559.52 119201.19 41105.59 0.023 0.208 0.372 1176169.38 601229.46 208903.04 0.480 0.661 0.910 1142001.03 456702.80 4615.61 0.001 0.003 0.954 846652.84 791351.67 -23833.16 0.071 0.090 0.962 1140503.54 315537.95 -54494.69 0.000 0.015 0.740
d1zona 604883.36 0.149 460524.63 0.236 233303.45 0.221 732969.77 0.001 214529.47 0.878 238850.18 0.422 293739.89 0.526 127427.07 0.276
F d2zona 96880.55 334.14 0.706 0.000 688025.49 315.37 0.091 0.000 269093.48 557.03 0.096 0.000 106883.48 384.41 0.348 0.000 -242473.32 187.37 0.859 0.000 -216776.19 351.37 0.416 0.000 224649.62 1062.86 0.645 0.000 -383110.97 1753.89 0.000 0.000
17
Lampiran 8 Dugaan Model Fuzzy c-Regression dengan Metode FCMd Gerombol ke1 2 3 4 5 6 7 8
konstanta 399677.05 0.597 256253.00 0.848 357060.12 0.606 442658.28 0.172 611666.35 0.791 797792.12 0.267 537693.02 0.576 493072.37 0.190
d1kelas d2kelas d3kelas 1287973.40 292801.55 187453.76 0.241 0.711 0.755 1419476.65 676627.06 149673.28 0.291 0.570 0.898 1750383.90 673655.59 448293.75 0.050 0.232 0.469 1185861.59 339244.05 105606.13 0.031 0.292 0.624 1614220.18 326924.31 575329.76 0.470 0.852 0.690 1034240.20 338461.50 203218.20 0.202 0.527 0.664 490464.96 268866.00 129656.67 0.620 0.780 0.889 1182095.24 -20877.79 44490.53 0.001 0.939 0.858
d1akses 766344.60 0.434 795302.71 0.614 247391.90 0.814 1046329.33 0.022 -44265.44 0.985 902575.33 0.238 1240864.94 0.311 340047.26 0.495
Prediktor d2akses d3akses 387293.50 27856.26 0.660 0.973 321849.60 -119982.59 0.830 0.935 84375.90 -517661.31 0.921 0.567 435179.57 180893.99 0.165 0.393 93890.22 -849753.78 0.966 0.698 235118.19 -150650.81 0.718 0.824 416215.46 -118107.46 0.731 0.919 505961.73 -193382.85 0.241 0.659
d1drain d2drain 1214060.60 260255.75 0.080 0.455 998312.09 473316.32 0.336 0.596 1364089.63 719576.02 0.090 0.067 909081.69 176169.30 0.036 0.451 1482049.75 797494.04 0.332 0.314 912806.55 447971.83 0.067 0.213 618522.70 546446.30 0.381 0.429 1541768.51 700231.70 0.000 0.003
d3drain 287282.06 0.302 90256.09 0.932 20603.55 0.971 73097.41 0.637 322287.77 0.863 -30780.07 0.898 -188894.45 0.808 249714.39 0.479
d1zona 336161.35 0.652 185201.57 0.854 150676.86 0.729 259220.89 0.510 318810.50 0.853 152976.47 0.806 261387.50 0.638 562044.26 0.000
d2zona 128823.30 0.800 303589.05 0.764 206603.42 0.556 101521.62 0.708 -64554.71 0.970 -232548.13 0.683 37464.63 0.955 58021.01 0.772
F 55.03 0.000 50.11 0.000 90.87 0.000 51.16 0.000 74.96 0.000 52.35 0.000 197.84 0.000 252.58 0.000
18
19
Lampiran 9 Pusat Gerombol Pusat Gerombol Hasil Analisis Gerombol Fuzzy c-Means Peubah Penjelas Gerombol keKelas Jalan Aksesibilitas Drainase Peruntukan Lahan 1 1.99323 2.00507 1.99132 1.99883 2 2.97445 3.94789 3.06099 2.05177 3 2.97248 3.01861 2.98905 2.02962 4 1.05417 1.92754 1.85658 1.99338 5 2.00102 2.99911 3.00023 2.00173 6 2.01175 2.98570 1.97757 2.00641 7 3.03988 3.92788 3.13641 2.95084 8 2.06454 2.98973 2.98692 1.12360
Pusat Gerombol Hasil Analisis Gerombol Fuzzy c-Medoids Peubah Penjelas Gerombol ke Kelas Jalan Aksesibilitas Drainase 1 2 2 2 2 3 4 3 3 3 3 3 4 1 2 2 5 2 3 3 6 2 3 2 7 3 4 3 8 2 3 3
Keterangan: Kelas Jalan
Aksesibilitas
Drainase
Peruntukan Lahan
1 : Setapak 2 : Lokal 3 : Kolektor 4 : Arteri 1 : Kurang 2 : Cukup 3 : Baik 4 : Sangat Baik 1 : Kurang 2 : Cukup 3 : Baik 4 : Sangat Baik 1 : Pertanian 2 : Permukiman 3 : Komersial
Peruntukan Lahan 2 2 2 2 2 2 3 1
20
Lampiran 10 Contoh Pendugaan Nilai Tanah dengan Fuzzy c-Regression Karakteristik Suatu Bidang Tanah Kelas Jalan = Setapak Aksesibilitas = Cukup Drainase = Cukup Peruntukan Lahan = Permukiman Langkah Perhitungan untuk Fuzzy c-Regression menggunakan Analisis Gerombol Fuzzy c-Means (Contoh kasus untuk jumlah gerombol 8): 1. Hitung dugaan nilai tanah untuk setiap gerombol berdasarkan model setiap gerombol Contoh perhitungan dugaan nilai tanah untuk gerombol ke-1 Dugaan Model konstanta d1kelas d2kelas d3kelas d1akses d2akses d3akses d1drain d2drain d3drain d1zona d2zona
amatan 442657.43 1514576.08 293880.44 183333.98 643588.77 289834.23 26156.56 1104076.86 249469.33 281800.43 604883.36 96880.55
d1kelas d2kelas d3kelas d1akses d2akses d3akses d1drain d2drain d3drain d1zona d2zona
0 0 1 0 0 1 0 0 1 0 1
Berdasarkan model tersebut diperoleh dugaan nilai tanah untuk gerombol ke-1 = 1,030,828.95 Langkah ini terus dilakukan sampai gerombol terakhir, yaitu gerombol ke-8 sehingga diperoleh 8 dugaan nilai tanah sebagai berikut: Gerombol ke1 2 3 4 5 6 7 8 2.
Dugaan 1030828.95 721244.11 511283.10 840255.95 602849.87 637119.95 368912.11 559414.96
Hitung derajat keanggotaan amatan tersebut pada setiap gerombol Hitung menggunakan persamaan 1 x v 2 i j ji q 1 x w 1 i vw
1
b 1
2
1 b 1
dengan vj adalah vektor pusat gerombol dan xi adalah vektor amatan
21
Lampiran 10 (lanjutan) Sehingga diperoleh: Gerombol ke1 2 3 4 5 6 7 8 3.
Derajat Keanggotaan 0.99946 0.00003 0.00005 0.00016 0.00007 0.00015 0.00002 0.00005
Hitung dugaan nilai tanah Hitung menggunakan persamaan: yˆi 1i yˆ1i ... ji yˆ ji ... ci yˆci
Gerombol ke1 2 3 4 5 6 7 8
Dugaan 1030828.95 721244.11 511283.10 840255.95 602849.87 637119.95 368912.11 559414.96 Total
Derajat Dugaan Dikali Keanggotaan Derajat Keanggotaan 0.99946 1030273.663 0.00003 18.212 0.00005 25.592 0.00016 135.358 0.00007 44.724 0.00015 97.162 0.00002 7.822 0.00005 30.431 1030632.963
Sehingga dugaan nilai tanah untuk karakteristik ini adalah Rp 1,030,632.963 per m 2.
Perhitungan untuk Fuzzy c-Regression menggunakan Analisis Gerombol Fuzzy c-Medoids memiliki prinsip dan langka yang sama dengan Analisis Gerombol Fuzzy c-Means.
22
Lampiran 11 Dugaan Nilai Tanah Data Simulasi Model FCR-FCM 8 Gerombol Kelas Akses 4 4 4 4 4 4 4 3 4 3 4 1 4 3 4 4 4 4 4 1 4 1 3 4 4 4 4 3 4 2 4 3 3 4 3 4 2 4 4 1 4 2 4 4 4 4 4 2 4 3 2 4 3 4 2 4 4 4 3 3 2 3 1 4 3 4 3 3 4 1 4 4 3 1 4 4 4 3 2 3 3 3 4 1 2 1 2 3 4 3 4 4 4 1 2 4 4 2 1 4 4 3
Drain 4 4 4 4 4 4 4 3 3 4 4 4 3 3 4 3 4 3 4 3 4 2 1 4 3 4 4 4 2 4 4 4 3 4 3 2 4 1 2 4 4 3 4 4 1 1 2 3 3 4 2
Zona 3 2 1 3 2 3 1 3 2 2 1 3 1 3 3 2 2 3 3 3 2 3 3 1 1 2 1 1 2 3 3 3 2 2 2 1 3 2 3 1 1 1 3 2 3 1 3 3 3 1 2
yduga 3,615,798 3,597,484 3,450,521 3,360,082 3,328,092 3,320,543 3,214,070 3,173,391 3,116,981 3,075,428 3,011,628 2,897,260 2,875,132 2,858,479 2,856,914 2,826,937 2,809,073 2,807,542 2,806,971 2,714,968 2,694,978 2,677,150 2,637,464 2,633,565 2,630,215 2,616,545 2,615,084 2,584,271 2,569,642 2,554,517 2,552,712 2,508,082 2,491,609 2,461,092 2,438,445 2,432,215 2,426,919 2,422,408 2,403,508 2,369,348 2,369,087 2,364,639 2,356,760 2,355,259 2,343,276 2,334,489 2,334,128 2,328,534 2,310,877 2,284,100 2,269,289
Kelas 1 1 4 4 3 4 4 3 3 1 4 3 4 2 4 2 2 2 1 2 3 3 4 2 2 1 4 1 3 4 4 4 2 3 3 3 3 2 3 2 2 3 4 1 1 1 2 2 1 4 1
Akses 4 3 1 3 1 2 3 1 3 1 3 3 1 4 2 1 3 3 3 1 4 2 1 4 2 4 2 3 4 1 2 1 4 4 1 2 2 2 3 4 3 4 2 1 1 2 2 1 4 2 3
Drain 4 4 1 2 4 3 1 4 3 4 1 3 2 3 3 4 3 3 4 4 3 4 2 3 4 3 2 4 2 1 1 1 2 1 3 4 4 4 3 1 3 2 2 4 4 4 4 3 3 2 3
Zona 2 3 3 1 2 2 2 1 3 3 1 2 2 2 1 2 3 2 1 1 1 3 1 1 3 3 3 2 3 2 3 1 3 3 3 2 1 1 1 3 1 2 2 1 2 3 2 3 1 1 3
yduga 2,240,902 2,222,398 2,209,097 2,170,754 2,134,572 2,122,721 2,105,995 2,095,092 2,054,977 2,052,990 2,043,759 2,043,075 2,040,962 2,032,623 2,031,180 2,025,485 2,015,869 2,013,826 2,011,945 2,010,906 2,009,633 1,992,535 1,979,405 1,978,669 1,977,584 1,938,078 1,934,153 1,923,358 1,919,759 1,893,435 1,868,237 1,841,055 1,831,981 1,824,215 1,778,518 1,766,696 1,761,322 1,749,446 1,744,526 1,743,462 1,734,249 1,728,948 1,707,423 1,700,748 1,695,230 1,694,871 1,692,064 1,664,947 1,663,087 1,647,521 1,616,815
23
Kelas Akses 1 4 4 2 3 4 3 3 1 4 3 4 4 2 2 3 2 4 2 4 3 3 1 4 3 4 1 2 3 1 3 1 2 4 2 3 3 2 2 4 3 1 2 2 1 1 1 2 1 3 2 1 3 3 3 1 1 3 3 3 1 4 2 1 2 1 2 3 1 3 1 4 2 1 1 3 3 3 2 2 3 3 1 4 1 4 3 2 1 2 3 2 3 2 1 1 2 2 3 1 2 3 2 3 3 2
Drain 3 1 2 2 2 1 1 2 2 2 1 1 1 4 2 3 1 1 3 1 3 3 3 4 3 2 2 1 2 2 2 3 3 2 3 2 1 1 1 2 1 1 1 3 3 3 2 2 3 2 1 1 1
Zona 2 2 1 3 3 2 1 3 1 2 3 3 1 1 3 2 2 3 3 1 1 3 3 2 1 3 2 3 3 1 1 1 2 1 2 2 3 3 2 3 1 1 2 2 3 1 3 3 1 2 1 2 3
yduga 1,606,846 1,595,120 1,586,010 1,577,810 1,565,415 1,552,525 1,544,095 1,542,313 1,541,940 1,539,555 1,498,579 1,491,831 1,486,031 1,439,385 1,434,823 1,431,468 1,425,623 1,425,499 1,420,769 1,413,387 1,394,366 1,393,142 1,372,501 1,363,079 1,358,074 1,355,948 1,330,292 1,298,726 1,295,285 1,294,554 1,271,805 1,255,194 1,251,793 1,243,220 1,239,174 1,233,889 1,205,115 1,200,439 1,187,070 1,179,229 1,163,917 1,155,473 1,153,732 1,144,630 1,124,004 1,123,630 1,123,061 1,121,223 1,092,952 1,073,081 1,072,735 1,042,599 1,042,073
Kelas 2 3 2 2 1 1 2 1 1 1 2 3 2 1 3 1 3 1 1 3 1 1 2 2 2 1 3 3 1 2 1 2 1 1 1 1 1
Akses 2 1 2 2 2 1 3 3 1 1 1 1 1 3 1 2 2 3 3 2 2 2 1 2 1 2 2 2 1 2 1 2 1 2 2 1 2
Drain 1 2 2 3 2 1 2 2 3 3 2 1 2 2 1 1 2 1 1 2 3 2 1 2 1 3 1 1 2 1 2 1 1 2 1 1 1
Zona 3 1 2 2 3 3 2 1 1 2 2 2 1 2 1 3 2 1 2 1 1 2 2 1 1 2 2 1 2 2 1 1 2 1 2 1 1
yduga 1,033,778 1,032,385 1,030,633 1,027,131 1,012,643 994,862 974,019 954,152 951,097 936,404 929,987 922,233 903,996 897,800 889,895 881,155 834,538 817,906 810,707 786,329 783,906 776,391 773,357 769,941 755,934 726,687 710,207 673,985 661,597 655,249 640,876 616,403 553,302 548,033 524,430 521,423 423,245
Ketrangan: Kelas (Kelas Jalan)
Akses (Aksesibilitas)
Drain (Drainase) Zona (Peruntukan Lahan)
1 : Setapak 2 : Lokal 3 : Kolektor 4 : Arteri 1 : Kurang 2 : Cukup 3 : Baik 4 : Sangat Baik 1 : Kurang 2 : Cukup 3 : Baik 4 : Sangat Baik 1 : Pertanian 2 : Permukiman 3 : Komersial
24
Lampiran 12 Besar Perubahan Rata-Rata Nilai Tanah Tabel Pengaruh Peubah Penjelas Model FCR-FCM 2 Gerombol FCR-FCM 8 Gerombol FCR-FCMd 2 Gerombol FCR-FCMd 8 Gerombol
Kelas 356,549.66 417,856.39 342,210.57 412,543.82
Peubah Penjelas Akses Drain 351,808.05 301,349.34 363,020.01 373,200.19 348,488.90 342,674.18 359,062.86 377,827.54
Tabel Perbedaan Rata-Rata Nilai Tanah Peubah Kelas Jalan Perbedaan Kategori Model 3 dan 4 2 dan 3 FCR-FCM 2 Gerombol 633,993.33 199,166.01 FCR-FCM 8 Gerombol 861,012.66 102,331.42 FCR-FCMd 2 Gerombol 618,075.70 194,707.99 FCR-FCMd 8 Gerombol 848,556.99 139,514.18 Keterangan: 1=setapak 2=lokal 3=kolektor 4=arteri Tabel Perbedaan Rata-Rata Nilai Tanah Peubah Peruntukan Lahan Perbedaan Kategori Model 2 dan 3 1 dan 2 FCR-FCM 2 Gerombol 239,436.89 83,115.63 FCR-FCM 8 Gerombol 275,325.88 83,130.58 FCR-FCMd 2 Gerombol 175,550.14 123,509.66 FCR-FCMd 8 Gerombol 183,099.76 106,233.02 Keterangan: 1=Pertanian 2=Permukiman 3=Komersial
1 dan 2 236,489.65 290,225.08 213,848.02 249,560.30
Zona 161,276.26 179,228.23 149,529.90 144,666.39
