1
Outline
1. Garis Besar Metode Pemetaan Zona Nilai Tanah dan Nilai Bidang Tanah ……………………………….. 3
2. Peta Zona Nilai Tanah …………………………………………………………………………………………………………….. 4
a. Pengumpulan Data …………………………………………………………………………………………………………. 5
b. Pengolahan Data …………………………………………………………………………………………………………….. 6
c. Penyajian Data ………………………………………………………………………………………………………………… 7
d. Cakupan Kegiatan Peta ZNT sampai tahun 2020 ……………………………………………………………… 8
3. Peta Nilai Bidang Tanah …………………………………………………………………………………………………………. 9
a. Pengumpulan Data …………………………………………………………………………………………………………. 10
b. Pengolahan Data …………………………………………………………………………………………………………….. 12
c. Penyajian Data ……………………………………………………………………………………………………………….. 14
d. Kegiatan Pembuatan Peta Nilai Bidang Tanah ……………………………………………………………….... 15
Lampiran Pengolahan Data Peta Bidang Tanah Jakarta Pusat Tahun 2020 …………………………………... 16
2
Garis Besar Metode Pemetaan Zona Nilai Tanah dan Nilai Bidang Tanah
Metode ZNT NBT
Basis Pemetaan Zona Bidang Tanah
Pengumpulan Sampel Survei data transaksi dan penawaran Survei data transasksi dan penawaran
Sebaran Sampel Minimal 3 sampel setiap zona Tersebar merata seluruh variable independent terwakili
Pengolahan Data Rata-rata sampel nilai tanah setiap Geographically Weighted Regression (GWR). Pengaruh
zona variable independen terhadap nilai tanah
Kontrol Kualitas Standar Deviasi Relatif setiap zona a. Sampel
kurang dari 30% • Autokorelasi Spasial
• Multikolinearitas
• MAPE
b. Prediksi populasi
• Koefisien Variasi berdasarkan zonasi kurang dari
30%
• Local Indicator Spatial Association (LISA) ->
outlier
Penyajian Data Peta Zona Nilai Tanah Peta Nilai Bidang Tanah
3
PETA ZONA NILAI TANAH
Penyesuaian Sampel
Status Hak
Waktu
Jenis Data
Penyusutan Bangunan
4
PETA ZONA NILAI TANAH
Pengumpulan Data
Persiapan Data Delinasi Zona Awal Survei sampel nilai tanah
• Citra satelit
• Peta Administrasi Zona Non
Pertanian
• Peta Jalan
• Peta penggunaan tanah
• Peta Pendaftaran tanah
• peta bidang, dll Zona Buffer Jalan
Zona
Pertanian
7
PETA ZONA NILAI TANAH
Cakupan Kegiatan Peta ZNT sampai tahun 2020
A. Jumlah Provinsi : 34
B. Jumlah Kab/Kota : 517
C. Kab/Kota blm ada Peta ZNT : 61(11,80%)
D. Kab/Kota sudah ada Peta ZNT : 456(88,20%)
1) Peta ZNT sudah diupload : 302(66,23%)
2) Peta ZNT blm Diupload : 154(33,77%)
8
PETA NILAI BIDANG TANAH
Bidang Tanah
Luas
V M Bentuk Peta Nilai
a o Lebar Depan GWR Bidang
r d Elevasi
i e Letak Tanah
Tanah
a l Kelas Jalan
Regresi Spasial
b i Jarak ke Jalan Utama
e n Jarak ke Fasilitas
Resiko
l g
Zonasi
Penyesuaian Sampel
Jenis Hak Jenis Data
Waktu Bangunan
9
PETA NILAI BIDANG TANAH
Pengumpulan Data
Persiapan Data Definisi Variabel Skoring Variabel
Bidang tanah
11
PETA NILAI BIDANG TANAH
Pengolahan Data
Model GWR
12
PETA NILAI BIDANG TANAH
Pengolahan Data
Model prediksi nilai Prediksi ke seluruh
Seleksi Variabel
tanah bidang tanah
1. Model nilai tanah menggunakan 1. Setelah diperoleh model nilai tanah
1. Digunakan regresi backward
GWR maka dilakukan prediksi terhadap
elimination untuk
2. Kontrol kualitas model seluruh bidang tanah
mengeliminasi variabel yang
a. Uji Autokorelasi Spasial 2. Kontrol kualitas prediksi
tidak berpengaruh
salah satu analisis spasial untuk a. Nilai koefisien variasi bidang
2. Variabel yang memiliki nilai
mengetahui pola hubungan tanah dalam satu zonasi yang
VIF besar atau terjadi
atau korelasi antar lokasi sama kurang dari 30%
multikolinearitas dieliminasi
(Indeks Moran)
b. Nilai MAPE (Mean Absolute
Percentage Error)
Pengukuran statistik tentang
akurasi perkiraan (prediksi) b. Analisis data outlier
pada metode peramalan. menggunakan Local Indicator
Toleransi MAPE < 20% Spatial Association (Local Moran
Index)
13
PETA NILAI BIDANG TANAH
Penyajian Data
14
PETA NILAI BIDANG TANAH
Kegiatan Pembuatan Peta Nilai Bidang Tanah
15
Lampiran Pengolahan Data Peta
Nilai Bidang Tanah Jakarta Pusat
Tahun 2020
16
Pengolahan Data
Peta Nilai Bidang Tanah di Kota Adminstrasi Jakarta Pusat Tahun 2020
1
B. Hasil regresi OLS
Sebelum dilakukan pengolahan data menggunakan metode GWR, terlebih dahulu dilakukan pengolahan
data menggunakan metode Ordinary Least Square (OLS). Software pengolahan data yang digunakan yaitu
SPSS. Hasil perhitungan regresi OLS menggunakan metode backward elimination ditampilkan pada tabel
berikut.
Variables Entered/Removeda
Variables
Model Variables Entered Removed Method
1 stasiun, lb_jln, jk_kols, lb_dpn, . Enter
jk_atrp, s_bentuk, jk_kolp, s_zonasi,
s_letak, cbd, jk_atrs, s_kls_jln,
penting, rsb
2 . s_bentuk Backward (criterion: Probability of F-to-remove >= .100).
3 . s_letak Backward (criterion: Probability of F-to-remove >= .100).
4 . jk_kols Backward (criterion: Probability of F-to-remove >= .100).
a. Dependent Variable: nilai
b. All requested variables entered.
Model Summarye
Adjusted R
Model R R Square Square Std. Error of the Estimate Durbin-Watson
1 .789a .623 .619 9568308.8904659
2 .789b .622 .619 9566459.6774055
3 .789c .622 .619 9565813.8372158
4 .788d .622 .618 9571500.2756574 1.684
a. Predictors: (Constant), stasiun, lb_jln, jk_kols, lb_dpn, jk_atrp, s_bentuk, jk_kolp, s_zonasi, s_letak, cbd, jk_atrs,
s_kls_jln, penting, rs
b. Predictors: (Constant), stasiun, lb_jln, jk_kols, lb_dpn, jk_atrp, jk_kolp, s_zonasi, s_letak, cbd, jk_atrs, s_kls_jln,
penting, rs
c. Predictors: (Constant), stasiun, lb_jln, jk_kols, lb_dpn, jk_atrp, jk_kolp, s_zonasi, cbd, jk_atrs, s_kls_jln, penting, rs
d. Predictors: (Constant), stasiun, lb_jln, lb_dpn, jk_atrp, jk_kolp, s_zonasi, cbd, jk_atrs, s_kls_jln, penting, rs
e. Dependent Variable: nilai
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients t Sig. Collinearity Statistics
Model B Std. Error Beta Tolerance VIF
1 (Constant) 52482302.783 2452896.353 21.396 .000
lb_dpn 71455.839 21419.394 .067 3.336 .001 .698 1.432
s_bentuk 284311.463 410958.075 .012 .692 .489 .863 1.159
s_zonasi 654383.758 126645.935 .106 5.167 .000 .669 1.495
s_letak -392521.934 460627.314 -.017 -.852 .394 .712 1.404
2
s_kls_jln 1452409.169 423769.831 .082 3.427 .001 .492 2.032
lb_jln 529922.180 57916.810 .210 9.150 .000 .534 1.873
jk_atrp 3160.162 523.895 .126 6.032 .000 .640 1.562
jk_atrs 2911.292 631.262 .114 4.612 .000 .460 2.175
jk_kolp -3728.663 816.041 -.088 -4.569 .000 .760 1.316
jk_kols 2363.439 1418.064 .032 1.667 .096 .783 1.277
cbd -665.911 262.548 -.093 -2.536 .011 .206 4.852
penting -3819.519 360.815 -.316 -10.586 .000 .315 3.176
rs -8053.654 675.441 -.689 -11.924 .000 .084 11.941
stasiun 7406.985 671.788 .452 11.026 .000 .166 6.014
2 (Constant) 53395841.659 2066735.301 25.836 .000
lb_dpn 67713.922 20721.241 .063 3.268 .001 .746 1.340
s_zonasi 652098.301 126578.375 .105 5.152 .000 .669 1.494
s_letak -415383.636 459351.649 -.018 -.904 .366 .716 1.396
s_kls_jln 1456650.180 423643.599 .082 3.438 .001 .492 2.031
lb_jln 528721.043 57879.593 .209 9.135 .000 .534 1.872
jk_atrp 3158.693 523.790 .126 6.030 .000 .640 1.562
jk_atrs 2922.036 630.949 .114 4.631 .000 .460 2.173
jk_kolp -3719.249 815.770 -.087 -4.559 .000 .760 1.316
jk_kols 2328.011 1416.866 .031 1.643 .101 .784 1.275
cbd -672.898 262.303 -.094 -2.565 .010 .206 4.844
penting -3849.578 358.120 -.318 -10.749 .000 .320 3.130
rs -8012.502 672.687 -.686 -11.911 .000 .084 11.848
stasiun 7404.367 671.647 .452 11.024 .000 .166 6.014
3 (Constant) 52200383.549 1588514.931 32.861 .000
lb_dpn 58638.404 18127.356 .055 3.235 .001 .975 1.026
s_zonasi 659764.826 126285.607 .107 5.224 .000 .673 1.487
s_kls_jln 1460802.680 423590.112 .082 3.449 .001 .492 2.031
lb_jln 535824.386 57340.201 .212 9.345 .000 .544 1.837
jk_atrp 3157.448 523.753 .126 6.029 .000 .640 1.562
jk_atrs 2931.793 630.814 .115 4.648 .000 .460 2.173
jk_kolp -3739.993 815.392 -.088 -4.587 .000 .761 1.315
jk_kols 2286.192 1416.015 .030 1.615 .107 .785 1.274
cbd -684.969 261.945 -.096 -2.615 .009 .207 4.832
penting -3856.250 358.020 -.319 -10.771 .000 .320 3.128
rs -8000.303 672.506 -.685 -11.896 .000 .084 11.843
stasiun 7409.257 671.580 .453 11.033 .000 .166 6.014
4 (Constant) 52903122.838 1528628.007 34.608 .000
lb_dpn 58830.617 18137.741 .055 3.244 .001 .975 1.026
s_zonasi 659885.343 126360.656 .107 5.222 .000 .673 1.487
s_kls_jln 1405488.367 422453.309 .079 3.327 .001 .496 2.018
lb_jln 543405.998 57181.565 .215 9.503 .000 .548 1.825
3
jk_atrp 3046.065 519.498 .122 5.863 .000 .651 1.535
jk_atrs 2958.562 630.971 .116 4.689 .000 .461 2.171
jk_kolp -3360.963 781.330 -.079 -4.302 .000 .829 1.206
cbd -793.587 253.309 -.111 -3.133 .002 .222 4.513
penting -3848.007 358.196 -.318 -10.743 .000 .320 3.128
rs -7760.494 656.288 -.664 -11.825 .000 .089 11.265
stasiun 7233.367 663.079 .442 10.909 .000 .171 5.855
a. Dependent Variable: nilai
Berdasarkan hasil regresi pada tabel di atas maka diperoleh variable yang berpengaruh yaitu
a. lb_dpn (lebar depan) g. jk_kolp (jarak ke jalan kolektor primer)
b. s_zonasi (zonasi) h. cbd (jarak ke pusat bisnis)
c. s_kls_jln (kelas jalan) i. penting (jarak ke tempat penting)
d. lb_jln (lebar jalan) j. rs (jarak ke rumah sakit)
e. jk_atrp (jarak ke jalan arteri primer) k. stasiun (jarak ke stasiun)
f. jk_atrs (jarak ke jalan arteri sekunder)
Di bawah ini ditampilakn hasil regresi OLS menggunakan variable yang berpengaruh.
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .788a .622 .618 9571500.2756574 1.684
a. Predictors: (Constant), stasiun, lb_jln, lb_dpn, jk_atrp, jk_kolp, s_zonasi, cbd, jk_atrs, s_kls_jln, penting, rs
b. Dependent Variable: nilai
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients t Sig. Collinearity Statistics
Model B Std. Error Beta Tolerance VIF
1 (Constant) 52903122.838 1528628.007 34.608 .000
lb_dpn 58830.617 18137.741 .055 3.244 .001 .975 1.026
s_zonasi 659885.343 126360.656 .107 5.222 .000 .673 1.487
s_kls_jln 1405488.367 422453.309 .079 3.327 .001 .496 2.018
lb_jln 543405.998 57181.565 .215 9.503 .000 .548 1.825
jk_atrp 3046.065 519.498 .122 5.863 .000 .651 1.535
jk_atrs 2958.562 630.971 .116 4.689 .000 .461 2.171
jk_kolp -3360.963 781.330 -.079 -4.302 .000 .829 1.206
cbd -793.587 253.309 -.111 -3.133 .002 .222 4.513
penting -3848.007 358.196 -.318 -10.743 .000 .320 3.128
rs -7760.494 656.288 -.664 -11.825 .000 .089 11.265
stasiun 7233.367 663.079 .442 10.909 .000 .171 5.855
a. Dependent Variable: nilai
4
1. Normalitas
Uji normalitas adalah uji untuk mengetahui apakah residual terdistribusi normal atau tidak.
Salah satu uji normalitas yaitu uji Kolmogorov-Smirnov. Hasil uji Kolmogorov-smirnov
ditampilkas sebagai berikut.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Unstandardized Residual .083 1363 .000 .923 1363 .000
a. Lilliefors Significance Correction
Nilai p-value < 0,05 maka berdasarkan Uji Kolmogorov Smirnov disimpulkan bahwa residu
tidak terdistribusi normal.
5
3. Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam model regresi linear ada korelasi
antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periodet-1
(sebelumnya). Nilai Uji Durbin Watson : 1,684. Nilai diantara dL = 1,6539 dan dU = 1,8854
sehingga dapat disimpulkan ragu-ragu.
6
Tabel Nilai parameter variabel menggunakan metode GWR
Range Nilai Parameter
No Variabel Keterangan
Minumum Maksmimum
1 Intercept 3.832.7869 64.399.913
2 s_zonasi zonasi 438.208 973.238
3 s_kls_jln kelas jalan -781.989 2.580.519
4 lb_jalan lebar jalan 294.930 801.214
5 jk_atrp jarak ke jalan arteri primer -4.832 8.032
6 jk_kolp jarak ke jalan kolektor primer -17.348 -4.294
7 cbd jarak ke pusat bisnis -6.381 1.183
8 penting jarak ke tempat penting dan -5.590 -1.130
9 rs jarak ke rumah sakit -6.730 -99
4. Autokorelasi Spasial
Selanjutnya dilakukan uji autokorelasi spasial. Uji autokorelasi spasial merupakan salah satu
analisis spasial untuk mengetahui pola hubungan atau korelasi antar lokasi. Salah satu
pengujian autokorelasi spasial yaitu Indeks Moran.
Berdasarkan perhitungan Indeks Moran = 0,2490 dapat disimpulkan bahwa model memiliki
pola clustered (mengelompok). Nilai indeks moran masih dalam kisaran toleransi yaitu antara
-0,25 sampai 0,25.