OLEH:
LARASHATI B’TARI SETYANING
03111850030017
DOSEN PEMBIMBING:
DR. VITA RATNASARI, S.Si, M.Si
Dalam menentukan besarnya nilai properti (tanah) terdapat suatu patokan atau dasar yang digunakan.
Patokan atau dasar tersebut dibedakan menjadi NJOP (Nilai Jual Objek Pajak) serta harga pasar.
Penelitian ini bertujuan untuk mengetahui faktor-faktor apa saja yang mempengaruhi nilai properti
menggunakan dasar NJOP. Dalam penelitian ini digunakan 5 variabel yang mempengaruhi nilai properti,
yaitu :
Harga NJOP/m2 kecamatan (km) MERR (km) pasar (km) banjir/tahun tipe
1,416,000 7 3 5 0 perumahan
2,508,000 5 5 2 6 pemukiman
3,745,000 3 2 1 0 pemukiman
916,000 1 1 0.5 1 perumahan
1,032,000 1.5 2.5 0.5 0 perumahan
2,176,000 7 7 5 0 perumahan
1,416,000 6 5 5 0 perumahan
916,000 5 3 3 0 perumahan
2,925,000 5 5 2 0 pemukiman
916,000 7 3 3 0 perumahan
4,155,000 1 0.3 0.3 3 pemukiman
1,416,000 3 5 3 0 perumahan
916,000 1 0.5 1.5 6 perumahan
1,862,000 6 5 5 0 perumahan
916,000 1 2 2 0 perumahan
2,508,000 8 6 3.5 0 pemukiman
2,508,000 7 7 3 0 pemukiman
916,000 6 7 4 0 perumahan
916,000 6 6 4 0 perumahan
2,508,000 7 6 4 0 pemukiman
2
Regresi Linier Berganda Data Kategori
Setelah data diinput, maka langkah selanjutnya adalah analisis fit regression mode.
Klik Stat → Regression → Regression → Fit Regression Model
3
Regresi Linier Berganda Data Kategori
Setelah itu, akan muncul dialog seperti gambar di bawah, kemudian isikan
Responses : NJOP
Continous predictors : kecamatan, MERR, pasar, banjir
Categorical predictors : tipe
4
Regresi Linier Berganda Data Kategori
b. Koefisien
Setelah data diinput, maka langkah selanjutnya adalah analisis fit regression mode.
Klik Stat → Regression → Regression → Fit Regression Model
5
Regresi Linier Berganda Data Kategori
Setelah itu, akan muncul dialog seperti gambar di bawah, kemudian isikan
Responses : NJOP
Continous predictors : kecamatan, MERR, pasar
Categorical predictors : tipe
6
Regresi Linier Berganda Data Kategori
b. Koefisien
7
Regresi Linier Berganda Data Kategori
Setelah data diinput, maka langkah selanjutnya adalah analisis fit regression mode.
Klik Stat → Regression → Regression → Fit Regression Model
Setelah itu, akan muncul dialog seperti gambar di bawah, kemudian isikan
Responses : NJOP
Continous predictors : kecamatan, pasar
Categorical predictors : tipe
8
Regresi Linier Berganda Data Kategori
b. Koefisien
Setelah menghilangkan variabel banjir dan MERR, variabel kecamatan yang semula
tidak signifikan menjadi signifikan, sehingga ketiga variabel ini yaitu jarak properti
ke kecamatan, jarak properti ke pasar dan tipe properti berpengaruh terhadap NJOP.
9
Regresi Linier Berganda Data Kategori
c. Uji multikolinearitas
Untuk mendeteksi adanya gejala multikolinearitas dapat dilihat nilai VIF pada
masing-masing predictor. Dikatakan tidak ada gejala multikolinearitas apabila VIF
<10. Interpretasi multikolinearitas masing-masing predictor dijabarkan dalam tabel di
bawah.
Predictor VIF Kesimpulan
kecamatan 5.28 Tidak ada korelasi
pasar 5.64 Tidak ada korelasi
tipe 1.98 Tidak ada korelasi
d. R Square
e. Persamaan Regresi
10
Regresi Linier Berganda Data Kategori
• Tipe pemukiman
NJOP = 3344295 – 206050 kecamatan + 307896 pasar
• Tipe perumahan
NJOP = 1138479 – 206050 kecamatan + 307896 pasar
Dari persamaan diatas dapat disimpulkan bahwa:
• Untuk tipe properti pemukiman :
Apabila variabel lain bernilai konstan maka nilai NJOP akan berubah
sendirinya sebesar 3344295 ditambah dengan konstanta jarak properti
ke kecamatan dan jarak properti ke pasar.
• Untuk tipe properti perumahan :
Apabila variabel lain bernilai konstan maka nilai NJOP akan berubah
sendirinya sebesar 1138479 ditambah dengan konstanta jarak properti
ke kecamatan dan jarak properti ke pasar.
60
50
40
30
20
10
1
-1000000 -500000 0 500000 1000000
RESI
11
Regresi Linier Berganda Data Kategori
h. Uji independen
1.0
0.8
0.6
0.4
Autocorrelation
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2 4 6 8 10 12 14 16 18
Lag
Karena tidak ada autocorelasi yang keluar dari batas atas dan batas bawah (garis
merah) maka asumsi residual independen terpenuhi.
12
Regresi Linier Berganda Data Kategori
3000000
NJOP
2500000
2000000
1500000
1000000
0 1 2 3 4 5 6 7 8 9
X-Data
j. Kesimpulan
Dari scatter plot dapat diambil kesimpulan :
• Untuk tipe properti pemukiman, semakin dekat jarak properti dengan kecamatan
dan pasar, maka akan semakin mahal harga properti tersebut.
• Untuk tipe properti perumahan, semakin dekat jarak properti dengan kecamatan
dan pasar, maka akan semakin murah harga properti tersebut.
• Eror untuk tipe properti perumahan lebih besar dibandingkan dengan tipe properti
pemukiman, dapat dilihat dari letak titik-titik berwarna ungu dan merah yang
letaknya berjauhan dengan garis persamaan yang berwarna ungu dan merah. Hal
ini mungkin disebabkan karena kesalahan pengambilan data, yaitu salah dalam
menentukan NJOP atau salah dalam melakukan pengukuran jarak properti ke
kecamatan dan ke pasar.
• Jika ingin membeli properti, sebaiknya dipilih lokasi di tengah-tengah, yaitu dekat
dengan pasar dan kecamatan. Dari scatter plot dilihat nilai tengah yaitu properti
yang berjarak 4-5 km dari kecamatan dan pasar. Untuk tipe properti perumahan
harganya berkisar antara Rp 1.000.000 – Rp 2.000.000/ m2 sedangkan untuk tipe
properti pemukiman harganya berkisar antara Rp 2.500.000 – Rp 3.000.000/m2
13