PEMODELAN NILAI SATUAN UNIT APARTEMEN BERBASIS DATA TIGA DIMENSI (Studi Kasus : Unit-unit apartemen di gedung Kusuma Mulia Tower, Kota Solo) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh SURYADI NIM : 25106012 Program Magister Teknik Geodesi dan Geomatika Bidang Pengutamaan Administrasi Pertanahan INSTITUT TEKNOLOGI BANDUNG 2008
Lembar Pengesahan Tesis PEMODELAN NILAI SATUAN UNIT APARTEMEN BERBASIS DATA TIGA DIMENSI 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, Maret 2008 Penulis, Suryadi 25106012 Bandung, Maret 2008 Pembimbing: Pembimbing I Pembimbing II (Ir. Agoes S. Soedomo, MS) NIP. 130 890 239 (Ir. Lucy Meyke, MM) Mengetahui, Ketua Program Magister/Doktor Teknik Geodesi dan Geomatika FITB-ITB (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 Didik Wihardi sebagai Dosen di Magister Administrasi Pertanahan Institut Teknologi Bandung, melalui sidang terbuka pada tanggal 23 Februari 2008 jam 09.00 s/d 11.00 di ruang Lab Pertanahan lantai 3, Labtek IX-C Jurusan Teknik Geodesi ITB. Pengulas, (Ir. Didik Wihardi, MS)
i ABSTRAK PEMODELAN NILAI SATUAN UNIT APARTEMEN BERBASIS DATA TIGA DIMENSI Oleh SURYADI NIM : 25106012 Dengan adanya bangunan bertingkat dengan berbagai jenis penggunaan, maka model penilaian yang digunakan oleh Direktorat Jenderal Pajak kurang relevan, dikarenakan penilaian yang dilakukan salah satunya masih berdasarkan jenis penggunaan bangunan. Oleh karena itu diperlukan model yang dapat digunakan untuk menilai bangunan multifungsi. Berdasarkan penelitian sebelumnya tingkatan lantai berpengaruh negatif terhadap nilai jual/sewa unit usaha. Ini berarti bahwa semakin tinggi tingkatan lantai suatu unit, maka harga jual/sewanya akan semakin murah. Tetapi berdasarkan penawaran harga jual unit apartemen menunjukkan bahwa semakin tinggi lantai maka semakin mahal harga jual. Penelitian ini dimulai dengan membangun data jaringan 3 dimensi yang diberi bobot berdasarkan waktu tempuh, kemudian menghitung koefisien variabel faktor lokasi dengan analisis jaringan yaitu analisis lintasan terpendek. Hasil identifikasi variabel kemudian dimodelkan dan dianalisis menggunakan analisis regresi berganda untuk mengetahui variabel-variabel yang mempengaruhi nilai satuan unit apartemen. Hasil penelitan menunjukan bahwa nilai satuan unit apartemen dapat dimodelkan dengan menggunakan analisis regresi berganda dengan model matematis Nilai Unit = 9.427.605 + 995.601Luas +552.665Lantai 674.836Parkir 717.245Hotel Pengaruh variabel-variabel yang signifikan adalah luas berpengaruh positif, tinggi lantai berpengaruh positif, waktu tempuh dari parkir berpengaruh negatif dan waktu tempuh menuju lobby hotel berpengaruh negatif terhadap nilai satuan unit apartemen pada tingkat kepercayaan 95%. Kata kunci : jaringan 3 dimensi, analisis jaringan, analisis regresi berganda, penilaian satuan unit apartemen.
ii ABSTRACT MODELLING OF APARTMENT UNIT VALUE BASE ON THREE DIMENSIONAL DATA by SURYADI NIM : 25106012 For high building with various usage, the current valuation method of Directorate General of Taxes is not relevant. Cause the methods there is use based on usage building. Therefore, new building valuation method has to be created aspecially to appraise multifunction buildings. According to previous research vertical distance of level has negative influence to sale/rent value of building units. It means sale/rent values will cheaper if floor level is higher. How does the effect will be the same to apartment units? The objective of study is to create valuation model base on three dimensional data of building with define as travelling time to unit of apartment. To define the model applied multiple regression analysis. The result shows that apartment unit sale/rent value can be modeled by using multiple regression analysis with mathematic model : Nilai Unit = 9.427.605 + 995.601Luas +552.665Lantai 674.836Parkir 717.245Hotel Variables: luas and tinggi lantai has positive influence, waktu tempuh dari parkir and waktu tempuh menuju lobby hotel has negative influence to apartment unit value with confidence level 95%. Key words: 3D network, network analysis, multiple regression analysis, apartment unit value.
iii 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 seizin pengarang dan harus disertai dengan kebiasaan ilmiah untuk menyebutkan sumbernya. Memperbanyak atau menerbitkan sebagian atau seluruh isi tesis haruslah seizin Direktorat Program Pascasarjana, Institut Teknologi Bandung.
iv Kupersembahkan untukmu Kedua orangtuaku Buah Hati-ku (M. Rafie Surya Agastya) dan Istriku Tercinta (Tini Martini) atas segala pengorbanan yang diberikan
v KATA PENGANTAR Segala puji syukur ku panjatkan kepada Alloh SWT, sehingga berkat rahmat dan anugerah-nya penulis bisa menyelesaikan tesis ini. Dalam penyusunannya telah banyak bantuan yang sangat berarti, mulai dari awal hingga terselesaikannya penulisan. Karena itu pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Ketua Jurusan Departemen Geodesi Institut Teknologi Bandung beserta staf yang telah memberikan arahan dalam pelaksanaan kegiatan perkuliahan. 2. Pimpinan Direktorat Pajak Bumi dan Bangunan yang telah memberi kesempatan untuk mengikuti program S2. 3. DR. Ir. Bambang Edhi Leksono, MSc., sebagai Ketua Program MAP. 4. Ir. Agoes S. Soedomo, MS, sebagai pembimbing I. 5. Ir. Lucy Meyke, MM, sebagai pembimbing II. 6. Ir. Didik Wihardi, MS, sebagai penguji. 7. Dr. Ir. S. Hendriatiningsih. MS, sebagai dosen penguji. 8. Agus Nugroho, MSi, sebagai dosen penguji. 9. Mas Nurhadi Mulyono, Heru Alfianto Malay, Budi Fayanda dan Liber Irianto Sinaga atas segala bantuannya. 10. Rekan-rekan pada program MAP angkatan IV 11. Semua pihak yang telah membantu dalam penyelesaian tesis yang tidak dapat disebutkan satu persatu. Akhirnya menyadari segala keterbatasan dan kemampuan, dengan penuh kerendahan hati penulis menerima kritik dan saran yang bersifat membangun. Bandung, 31 Maret 2008 Penulis
vi DAFTAR ISI ABSTRAK... i ABSTRACT... ii PEDOMAN PENGGUNAAN TESIS... iii KATA PENGANTAR... v DAFTAR ISI... vi DAFTAR LAMPIRAN... vii DAFTAR TABEL... viii DAFTAR GAMBAR... ix Bab I. Pendahuluan... 1 I.1 Latar belakang... 1 I.2 Perumusan masalah... 2 I.3 Batasan masalah... 3 I.4 Tujuan dan manfaat penelitian... 3 I.5 Hipotesis penelitian... 4 I.6 Metodologi penelitian... 4 I.7 Sistematika penulisan... 5 Bab II. Tinjauan Pustaka... 7 II.1 Penelitian terdahulu... 7 II.2 Model konseptual perbandingan harga pasar... 11 II.3 Model matematis pendekatan perbandingan harga pasar... 12 II.4 Kalibrasi model matematis dengan analisis regresi berganda... 12 II.5 Validitas model penilaian... 19 Bab III. Pelaksanaan penelitian... 20 III.1 Gambaran umum objek penelitian... 20 III.2 Alur penelitian... 20 III.3 Tahap persiapan... 22 III.4 Pengumpulan data... 23 III.5 Pengolahan data... 24 Bab IV. Analisis penelitian dan pembahasan... 39 IV.1 Analisis variabel-variabel yang mempengaruhi nilai sewa unit... 39 IV.2 Analisis model empiris... 40 Bab V. Kesimpulan dan saran... 43 V.1 Kesimpulan... 43 V.2 Saran... 43 DAFTAR PUSTAKA... 44
vii DAFTAR LAMPIRAN LAMPIRAN A. Gambar denah lantai 7... 46 LAMPIRAN B. Tahapan pembentukan data jaringan 3 dimensi lantai 7... 47 LAMPIRAN C. Program aplikasi, visualisasi dan uji coba analisis jaringan... 50 LAMPIRAN D. Data Sampel dan Regresi... 51 LAMPIRAN E. Data validasi... 57 LAMPIRAN F. Hasil validasi... 58
viii DAFTAR TABEL Tabel III.1 Variabel regresi... 24 Tabel III.2 Koefisien korelasi Pearson variabel regresi... 25 Tabel III.3 Hasil uji analisis jalur dengan uji-t... 27 Tabel III.4 Koefisien korelasi variabel independen... 27 Tabel III.5 Hasil regresi awal... 29 Tabel III.6 Hasil uji a priori ekonomi (uji tanda)... 31 Tabel III.7 Hasil uji data statistik dengan uji-t... 31 Tabel III.8 Hasil uji data statistik dengan uji-f... 32 Tabel III.9 Hasil uji multikolinearitas... 34 Tabel III.10 Rekapitulasi hasil pengujian variabel... 35 Tabel III.11 Model Akhir... 36 Tabel III.12 Rasio penilaian pada data validasi... 37 Tabel III. 13 Ratio Statistik untuk Harga Prediksi / Harga Jual... 38
ix DAFTAR GAMBAR Gambar I.1 Metodologi penelitian... 5 Gambar II.6 Model konseptual perbandingan harga pasar... 11 Gambar III.1 Lokasi penelitian... 21 Gambar III.2 Diagram alir penelitian... 22 Gambar III.3 Diagram jalur estimasi... 26 Gambar III.4 Distribusi normal error... 33