ANALISIS MODEL NILAI TANAH UNTUK METODE PENENTUAN NILAI JUAL OBJEK PAJAK BUMI TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh: ERWIN HIDAYANTO NIM : 25106013 Program Studi Magister Teknik Geodesi dan Geomatika Bidang Pengutamaan Administrasi Pertanahan INSTITUT TEKNOLOGI BANDUNG 2008
Lembar Pengesahan Tesis ANALISIS MODEL NILAI TANAH UNTUK METODE PENENTUAN NILAI JUAL OBJEK PAJAK BUMI Adalah benar dibuat oleh saya sendiri dan belum pernah dibuat dan diserahkan sebelumnya, baik sebagian ataupun seluruhnya, baik oleh saya maupun orang lain, baik di ITB maupun Institusi Pendidikan lainnya. Bandung, April 2008 Penulis, Erwin Hidayanto NIM: 25106013 Bandung, April 2008 Pembimbing (DR. Ir. S. Hendriatiningsih, M.S.) NIP. 130 528 325 (DR. Ir. Yuliana Susilowati, M.Si.) NIP. 320 006 633 Mengetahui, Program Magister/Doktor Teknik Geodesi dan Geomatika Ketua, (DR. Ir. Agung Budi Harto M.Eng.) NIP: 132 052 382
CATATAN KHUSUS Tesis ini telah diulas dan dinilai dengan memperhatikan substansi tata cara penulisan dan penayangan oleh Prof. DR. Ir. Tati Latifah R. Mengko, dari Kelompok Keilmuan Biomedika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung melalui sidang terbuka pada tanggal 27 Maret 2008 jam 08.00 s/d 10.00 di ruang 3105, gedung Lab.Tek. IX-C lantai 1, Program Studi Teknik Geodesi dan Geomatika ITB. Pengulas, (Prof. DR. Ir. Tati Latifah R. Mengko) NIP. 130 675 514
i ABSTRAK ANALISIS MODEL NILAI TANAH UNTUK METODE PENENTUAN NILAI JUAL OBJEK PAJAK BUMI Oleh Erwin Hidayanto NIM: 25106013 Jumlah objek pajak sangat banyak dan menyebar di seluruh wilayah Indonesia, sedangkan jumlah tenaga penilai dan waktu pelaksanaan penilaian yang tersedia sangat terbatas, maka pelaksanaan penentuan Nilai Jual Objek Pajak (NJOP) Bumi atau tanah tidak semua dapat dilakukan secara individual. Penilaian secara massal merupakan alternatif pelaksanaan pekerjaan penilaian di Direktorat Jenderal Pajak. Hal tersebut dapat dilakukan dengan cara membuat model nilai tanah yang dapat menggambarkan serta memprediksi nilai tanah di suatu wilayah dengan baik dan akurat berdasar data sampel yang diperoleh. Estimasi nilai tanah dilakukan dengan menggunakan metode Analisis Regresi Berganda dan Jaringan Syaraf Tiruan (JST). Variabel yang digunakan adalah variabel terikat berupa nilai tanah dan variabel bebas terdiri dari variabel eksogen dan endogen. Variabel eksogen berupa faktor lokasi yang direpresentasikan dalam bentuk Jarak dari Pusat Perdagangan, Jarak dari Fasilitas Pendidikan, Jarak dari Fasilitas Kesehatan dan Jarak dari Jalan. Variabel endogen berupa Lebar Jalan, Luas Tanah dan Lebar Sisi Depan Objek. Pengukuran jarak dilakukan dengan menggunakan metode jarak tempuh terdekat. Penggunaan variabel jarak dilakukan dalam bentuk jarak asli dan jarak resiprokal (1/jarak). Analisis penelitian dilakukan dengan cara membandingkan akurasi model dari nilai koefisien determinasi (Adjusted R 2 ) dan tingkat kesalahan estimasi (SEE). Model yang dibandingkan adalah: pertama, antara model JST dengan model JST hasil penelitian terdahulu menggunakan pengukuran jarak lurus. Kedua, membandingkan antara model regresi menggunakan variabel eksogen dan model regresi menggunakan variabel eksogen dan endogen. Ketiga, model-model menggunakan jarak asli dan jarak resiprokal (1/jarak) baik regresi atau JST. Keempat, antara model regresi dan model JST. Analisis juga dilakukan dengan membandingkan hasil penerapan model berupa nilai tanah estimasi terhadap nilai tanah observasi. Hasil uji statistik diperoleh empat model regresi, yaitu model aditif menggunakan variabel eksogen dengan jarak resiprokal, model aditif menggunakan variabel eksogen dan endogen dengan jarak resiprokal, model multiplikatif menggunakan variabel eksogen dan endogen dengan jarak asli dan model multiplikatif menggunakan variabel eksogen dan endogen dengan jarak resiprokal. Model aditif menggunakan variabel eksogen dan endogen dengan jarak resiprokal terpilih sebagai model terbaik metode regresi karena memiliki koefisien determinasi tertinggi dan kesalahan estimasi terendah. Model JST menggunakan jarak asli lebih baik dibandingkan model JST menggunakan jarak resiprokal dan merupakan model terbaik diantara model regresi maupun JST. Dibandingkan dengan
ii penelitian terdahulu, penelitian ini belum menghasilkan model JST yang lebih baik. Kata kunci : Model Nilai Tanah, Metode Analisis Regresi Berganda, Metode Jaringan Syaraf Tiruan, Variabel Eksogen, Variabel Endogen, Jarak Asli, Jarak Resiprokal.
iii ABSTRACT ANALYSIS OF LAND VALUE MODEL FOR THE DETERMINATION OF LAND NJOP (NILAI JUAL OBJEK PAJAK) By Erwin Hidayanto NIM: 25106013 A large number of Land and Building Tax (LBT) objects and dispersed all around the country, but limited number of appraiser and time to do the valuation makes the determination of Nilai Jual Objek Pajak (NJOP) activity for land taxation cannot be done individually for each tax object. Mass valuation is an alternative method to do the land valuation at Directorate General of Taxes (DGT). The method is by making a land value model that express also estimate the land value in one area correctly and accurately based on representative sample data. Land value estimation can be obtained by using Multiple Regression Analysis (MRA) method and Artificial Neural Network (ANN) method. The variables used in this study are dependent variable land value and independent variables that consisted of exogen and endogen variables. Exogen variables are location factor that represented in the form of: Distance from Business Center, Distance from Education Facilities, Distance from Health Facilities, and Distance from Road. Endogen variables are Road Width, Parcel Width, and Parcel Front Edge Width. The distance measurement using network distance method. The use of distance as variable is studied in two form, in real distance and reciprocal (1/distance). The analysis of study is by comparing model accuration using determination coefficient (Adjusted R 2 ) and Standard error of estimation (SEE). The models are being compare: first, between JST model with JST model from previous research which used Euclidean distance method. Second, between regression models using exogen variable with regression models using exogen and endogen variables. Third, regression and JST models using real distance with regression and JST models using resiprokal distance. Fourth, between regression model and JST model. The analysis also comparing land value from model estimation to the observed land value. Four regression models obtained from statistical test are additive model using exogen variable in reciprocal distance, additive model using exogen and endogen variables in reciprocal distance, multiplicative model using exogen and endogen variables in real distance and multiplicative model using exogen and endogen variables in reciprocal distance. Additive model using exogen and endogen variables in reciprocal distance is the best regression model because its have the highest Adjusted R 2 and the lowest SEE. JST model using real distance is better than JST model using reciprocal distance and being the best model from
iv regression and JST models. Comparing with previous research, this research have not a better JST model yet. Key words: Land Value Model, Multiple Regression Analysis, Artificial Neural Network, Exogen Variable, Endogen Variable, Real Distance, Reciprocal Distance.
v PEDOMAN PENGGUNAAN TESIS Tesis S2 yang tidak dipublikasikan terdaftar dan tersedia di Perpustakaan Institut Teknologi Bandung, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada pengarang dengan mengikuti aturan HaKI yang berlaku di Institut Teknologi Bandung. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seijin pengarang dan harus disertai dengan kebiasaan ilmiah untuk menyebutkan sumbernya. Memperbanyak atau menerbitkan sebagian atau seluruh isi tesis haruslah seijin Direktur Program Pascasarjana, Institut Teknologi Bandung.
vi PERSEMBAHAN Kupersembahkan tulisan ini kepada : Robbku sebagai bagian dari ibadahku Ibu, Bapak, Istriku Tafrikha Anak-anakku Ibad, Luqman dan Nahwan
vii KATA PENGANTAR Puji syukur penulis panjatkan kepada Allah swt atas limpahan rahmat-nya sehingga penulis bisa menyelesaikan tesis ini. Tesis ini terselesaikan karena bantuan dari banyak pihak. Oleh karena itu pada kesempatan ini penulis mengucapkan terima kasih sebesar-besarnya kepada : 1. Pimpinan Direktorat Jenderal Pajak yang telah memberikan kesempatan untuk mengikuti program S2 MAP ITB. 2. Ketua Program MAP ITB, beserta seluruh dosen dan staf pengajar yang telah memberikan bimbingan kepada penulis selama mengikuti tugas belajar. 3. Dr. Ir. S. Hendriatiningsih, M.S. selaku dosen pembimbing atas bimbingan, petunjuk, dan saran. 4. Dr. Ir. Yuliana Susilowati, M.Si. selaku dosen pembimbing atas bimbingan, petunjuk, dan saran. 5. Prof. DR. Ir. Tati Latifah R. Mengko, selaku reviewer dan penguji dalam memberikan evaluasi tesis berupa masukan-masukan yang sangat berarti. 6. Ir. Kosasih Prijatna, M.Sc. dan Hari Mulyono, BEM. MSi. selaku dosen penguji atas masukan-masukan yang sangat berarti. 7. Diddy Wahyudi Imawan, SP., MKom., MT. yang banyak membantu dalam penyelesaian tesis ini. 8. Rekan-rekan pada program MAP ITB, khususnya angkatan 2006, atas kekompakannya. 9. Semua pihak yang telah membantu dalam penyelesaian tesis yang tidak dapat disebutkan satu persatu. Akhirnya menyadari segala keterbatasan dan kemampuan, penulis mengharapkan segala saran dan kritik yang bersifat membangun. Bandung, April 2008 Penulis
viii DAFTAR ISI Abstrak... i Abstract... iii Pedoman penggunaan tesis... v Halaman persembahan... vi Kata Pengantar... vii Daftar isi viii... Daftar lampiran... ix Daftar gambar... x Daftar tabel xii... Daftar singkatan... xiii Daftar istilah xiv... Bab I Pendahuluan... 1 I.1 Latar belakang... 1 I.2 Perumusan masalah... 2 I.3 Tujuan dan manfaat penelitian... 6 I.4 Hipotesis penelitian... 7 I.5 Metodologi penelitian 7... I.6 Sistematika penulisan... 9 Bab II Tinjauan Pustaka... 10 II.1 II.2 Penilaian tanah... Metode pemodelan nilai tanah... Bab III Pelaksanaan penelitan... 31 III.1 Kerangka pikir pemodelan nilai tanah... 31 III.2 Persiapan... 33 III.3 Pengumpulan data... 34 III.4 Pengolahan data... 36 Bab IV Analisis Penelitian... 51 IV.1 Analisis data... 51 IV.2 Analisis Model... 55 IV.3 Pembahasan... 63 Bab V Kesimpulan dan saran... 73 V.1 Kesimpulan... 73 V.2 Saran... 75 Daftar Pustaka.. 77 10 16
ix DAFTAR LAMPIRAN Lampiran A Data transaksi jual beli...... 79 Lampiran B Data penawaran...... 80 Lampiran C Daftar variabel nilai tanah... 82 Lampiran D Peta sebaran pusat perdagangan... 84 Lampiran E Peta sebaran sekolah... 85 Lampiran F Peta sebaran perguruan tinggi... 86 Lampiran G Peta sebaran fasilitas kesehatan... 87 Lampiran H Peta jaringan jalan... 88 Lampiran I Hasil uji korelasi... 89 Lampiran J Hasil pengumpulan data... 93 Lampiran K Hasil pengujian statistik... 101 Lampiran L Nilai koefisien JST dengan jarak asli... 112 Lampiran M Nilai koefisien JST dengan jarak resiprokal... 118 Lampiran N Nilai tanah observasi dan estimasi model 120 Lampiran O Diagram pencar nilai tanah dengan variabel bebas.. 123
x DAFTAR GAMBAR Gambar I.1 Metodologi penelitian... 8 Gambar II.1 Model non linier sebuah neuron Rosenblatt... 22 Gambar II.2 Arsitektur jaringan JST propagasi balik... 24 Gambar II.3 Fase Propagasi Maju... 26 Gambar II.4 Fase Propagasi Balik... 27 Gambar III.1 Lokasi Penelitian... 32 Gambar III.2 Tahapan pelaksanaan penelitian... 33 Gambar III.3 Hasil pengukuran jarak tempuh terpendek... 35 Gambar III.4 Pengukuran lebar sisi depan objek... 35 Gambar III.5 Diagram pencar jarak dari BSM terhadap nilai tanah... 36 Gambar III.6 Diagram pencar jarak dari BSM resiprokal thd nilai tanah 37 Gambar III.7 Tahap pengolahan data metode regresi... 38 Gambar III.8 Tahap pengolahan data metode JST... 47 Gambar IV.1 Peta sebaran data transaksi dan penawaran... 51 Gambar IV.2 Diagram pencar nilai tanah dengan jarak dari BSM... 53 Gambar IV.3 Diagram pencar nilai tanah dengan jarak dari jalan... 53 Gambar IV.4 Diagram pencar nilai tanah dengan lebar jalan... 54 Gambar IV.5 Diagram pencar nilai tanah dengan lebar sisi depan... 55 Gambar IV.6 Diagram pencar nilai tanah dengan jarak luas tanah... 55 Gambar IV.7 Perbandingan jarak dari Alun-alun... 64 Gambar IV.8 Perbandingan jarak dari SD Suryalaya... 64 Gambar IV.9 Diagram pencar nilai tanah tanah model menggunakan variabel eksogen terhadap nilai tanah observasi... 66 Gambar IV.10 Gambar IV.11 Gambar IV.12 Gambar IV.13 Gambar IV.14 Diagram pencar nilai tanah tanah model menggunakan variabel eksogen dan endogen terhadap nilai tanah observasi... 66 Peta interpolasi nilai tanah 2D hasil model regresi menggunakan variabel eksogen... 67 Peta interpolasi nilai tanah 2D hasil model regresi menggunakan variabel eksogen dan endogen... 67 Diagram pencar nilai tanah regresi terhadap nilai tanah observasi... 69 Diagram pencar nilai tanah JST terhadap nilai tanah observasi... 69 Gambar IV.15 Peta interpolasi nilai tanah observasi 2D... 70
xi Gambar IV.16 Peta interpolasi nilai tanah model regresi 2D... 70 Gambar IV.17 Peta interpolasi nilai tanah model JST 2D... 70 Gambar IV.18 Peta interpolasi nilai tanah observasi 3D... 71 Gambar IV.19 Peta interpolasi nilai tanah model regresi 3D... 71 Gambar IV.20 Peta interpolasi nilai tanah model JST 3D... 71
xii DAFTAR TABEL Tabel III.1 Nama kelurahan dan luas wilayah... 32 Tabel III.3 Matriks korelasi ganda (R)... 39 Tabel III.4 Hasil seleksi variabel... 39 Tabel III.5 Hasil pemodelan awal... 40 Tabel III.6 Hasil uji a priori ekonomi (uji tanda)... 42 Tabel III.7 Nilai t-hitung variabel model pada α = 0,05... 43 Tabel III.8 Uji F (tes dua sisi pada α = 0,05)... 44 Tabel III.9 Nilai VIF variabel model... 45 Tabel III.10 Hasil pengujian heteroskedastisitas... 45 Tabel III.11 Hasil pemodelan akhir... 46 Tabel III.12 Hasil validasi model regresi... 46 Tabel III.13 Hasil analisis determinasi variabel dengan jarak asli... 47 Tabel III.14 Hasil analisis determinasi variabel dengan jarak resiprokal 48 Tabel III.15 Akurasi model JST... 50 Tabel III.16 Hasil validasi model JST... 50 Tabel IV.1 Sebaran data transaksi jual beli dan penawaran... 51 Tabel IV.2 Deskripsi statistik data sampel..... 52 Tabel IV.3 Perbandingan jarak tempuh dan jarak lurus... 63 Tabel IV.4 Pengaruh penggunaan variabel endogen pada akurasi model.... 66 Tabel IV.5 Perbandingan akurasi model regresi dan JST... 68 Tabel IV.6 Deskripsi statistik nilai tanah dan NJOP 2006... 72
xiii DAFTAR SINGKATAN SINGKATAN Nama Pemakaian pertama kali pada halaman ANN Artificial Neural Network 1 AVMs Standard on Automated Valuation Models 1 CBD Central Business District 6 COD Coefficient of Dispersion (koefisien penyebaran) 4 COV Coefficient of Varians (koefisien varian) 6 IAAO International Association of Assessing Oficers 1 JPT Jenis Penggunaan Tanah 15 JST Jaringan Syaraf Tiruan 2 LOS Level of Services 6 MRA Multiple Regression Analysis 1 NIR Nilai Indikasi Rata-rata 34 NJOPB Nilai Jual Objek Pajak Bumi 14 PBB Pajak Bumi dan Bangunan 1 PPAT Pejabat Pembuat Akta Tanah 5 PRD Price-Related Differential (perbedaan harga 4 prediksi) SEE Standard Error of Estimated 18 SIG Sistem Informasi Geografis 6 SISMIOP Sistem Manajemen Informasi Objek Pajak 6 SSE Sum Square Error 28 VIF Variance Inflation Factor 43 ZNT Zona Nilai Tanah 10
xiv DAFTAR ISTILAH Istilah Arti Pemakaian Pertama kali pada halaman COD COV Peta Blok SIG PBB SIG PBB SISMIOP SE-55 Koefisien Dispersi, tingkat keseragaman data dengan didasarkan pada nilai median sampel Koefisien varian, tingkat akurasi data didasarkan pada nilai rata-rata peta yang menggambarkan suatu blok untuk kepentingan PBB Sistem Informasi Geografis Pajak Bumi dan Bangunan, aplikasi yang mengintegrasikan data grafis dan data atribut Sistem Manajemen Informasi Objek Pajak, sistem yang terintegrasi untuk mengolah informasi/data objek dan subjek PBB dengan bantuan komputer. Surat Edaran Direktur Jenderal Pajak Nomor SE- 55/PJ.6/1999 tanggal 31 Agustus 1999 tentang Petunjuk Teknis Analisa Penentuan Nilai Indikasi Rata-rata 4 6 21 2 21 23