PENDEKATAN DATA PASAR

Pendekatan Data Pasar merupakan pendekatan yang paling utama karena dalam
pendekatan ini opini nilai didapat langsung dari data pasar properti sejenis yang
sebanding dengan properti yang dinilai.

Pendekatan data pasar adalah metode penilaian suatu properti yang diperoleh dengan
membandingkan properti yang dinilai terhadap properti lain yang sebanding yang
ditransaksikan di pasar terbuka

Dalam pendekatan ini, penentuan nilai properti berdasarkan perbandingan atas analisis
transaksi, penawaran dan permintaan properti sejenis yang berada di sekitar lokasi
dengan memperhatikan faktor perbandingan antara lain lokasi, jenis dokumen
kepemilikan, kondisi pembiayaan, kondisi transaksi, karakteristik fisik properti,
karakteristik ekonomi dan penggunaan.

Keuntungan Pendekatan Data Pasar

 Sederhana dan mudah dimengerti karena langsung bersumber dari data pasar
yang aktual
 Dapat diterapkan untuk semua jenis property asalkan ada data pembanding
pasarnya
 Lebih objektive, bersumber dari data aktual
 Acuan untuk menguji ketepatan metode-metode lain
 Dibandingkan dengan Income Approach : menghindari kesalahan
memprediksi pendapatan yang akan datang.
 Dibandingkan dengan Cost Approach : menghindari subjektifitas dalam
penentuan biaya dan penyusutan

Kelemahan Pendekatan Data Pasar

 Ketersediaan data pembanding sering tidak mencukupi, atau mungkin tidak
tersedia data pembanding pasar sama sekali. Pada kasus ini pendekatan data
pasar tidak dapat dipergunakan. Pendekatan data pasar dapat diterapkan jika
terdapat data terkini yang cukup memadai untuk mengindikasikan nilai objek
penilaian di pasar
 Verifikasi keabsahan data sulit dilakukan
 Memerlukan pengetahuan dan pengalaman yang luas terutama dalam
melakukan adjustment
 Adjustment yang dilakukan dapat berkurang ketepatannya jika unsur-unsur yang
harus disesuaikan terlalu banyak

1
Hubungan Dengan Prinsip Penilaian

Antisipasi dan Merupakan prinsip dasar dalam Pendekatan Perbandingan

Perubahan Data Pasar. Nilai merupakan fungsi dari pendapatan di masa
(Anticipation & yang akan datang yang dihasilkan oleh propertI.
Change)
Pasokan dan Harga properti merupakan hasil dari negosiasi antara penjual
Permintaan dan pembeli. Dalam hal ini pembeli menggambarkan tingkat
(Supply & Demand) permintaan sedangkan penjual menggambarkan tingkat
pasokan. Dalam menganalisis besarnya tingkat penawaran,
penilai mempertimbangkan jumlah pembeli potensial
sedangkan untuk menganalisis pasokan, penilai fokus pada
properti pembanding yang belum terjual, sedang tahap
konstruksi maupun tahap perencanaan. Dengan banyaknya
pembelian properti yang dibiayai oleh pinjaman, maka aktivitas
penjualan properti juga dipengaruhi oleh pemberi pinjaman,
sehingga bila suku bunga rendah maka aktivitas pasar akan
meningkat.
Subtitusi Prinsip subtitusi membuat nilai properti dipengaruhi oleh
(Substitution) properti lain yang mempunyai kegunaan yang sama. Prinsip ini
mempunyai implikasi terhadap nilai properti yang menurun bila
tidak ada properti subtitusi di pasar.
Keseimbangan Pasar yang sempurna terjadi bila jumlah pasokan dan
(Balance) permintaan bertemu pada titik keseimbangan, namun
keseimbangan absolut ini jarang terjadi di pasar.
Perkembangan jumlah penduduk, daya beli, selera dan
preferensi konsumen selalu berubah. Pembangunan gedung
baru dan perobohan bangunan tua menyebabkan pasokan
berubah. Faktor-faktor tersebut menyebabkan perubahan
pasokan dan permintaan. Prinsip ini juga mendasari proporsi
antara tanah dan pengembangan di atasnya serta dengan
lingkungan sekitarnya. Misalnya rumah mewah seluas 300 m2
berdiri di atas tanah seluas 3.000 m2 dan terletak di lingkungan
kumuh. Kondisi properti tersebut tidak akan memberikan nilai
yang optimum karena tanahnya terlalu luas dibandingkan luas
bangunan serta lokasinya yang berada di lingkungan kumuh.
Eksternalitas Pengaruh luar baik positif maupun negatif akan mempengaruhi
(Externality) semua tipe properti. Krisis ekonomi pada tahun 1997 - 2000
menyebabkan harga properti jatuh ke titik terendah.

2
II. PROSES PENDEKATAN DATA PASAR
 Pengumpulan Data
 Verifikasi dan Analisa Data
 Penyesuaian (Adjustment)
 Rekonsiliasi dan Kesimpulan Nilai

II.1 Pengumpulan Data

Sumber data pasar di lapangan antara lain sebagai berikut :

 Property Agent
 Developer, jika property yang dinilai terletak di komplek perumahan / pertokoan /
industri yang dikembangkan oleh developer
 Pihak yang terlibat langsung dalam transaksi, misalnya kepala desa, kepala
kampong, RT/RW, pejabat kelurahan, dll
 Iklan-iklan di surat kabar, majalah, internet, dll.
 Arsip-arsip penilaian , data base penilaian (bukan hasil kesimpulan laporan
penilaian)
 Data resmi (Akte Jual Beli, NJOP)

Properti pembanding yang digunakan sebagai pembanding sekurang-kurangnya

berjumlah 3 properti

Batasan geografi data pembanding tergantung pada karakter dan tipe properti yang
dinilai serta ketersediaan data pembanding. Batasan pasar tergantung pada wilayah
pembali potensial. Beberapa tipe properti mempunyai pasar regional, nasional bahkan
internasional

II.2 Verifikasi dan Analisa Data

Verifikasi :
 Validitas data dapat harus dapat dipertanggung jawabkan dan harus dari sumber
- sumber yang dapat dipercaya / kompeten.
 Jika perlu dilakukan pemeriksaan fisik (inspeksi) untuk dapat
mengindentifikasikan persamaan dan perbedaan antara property pembanding
dengan properti yang dinilai.
 Data tersebut harus memenuhi syarat/asumsi dalam nilai pasar (Market Value),
yaitu data pasar yang diperoleh merupakan transaksi yang bebas ikatan dan
ditawarkan secara wajar. Di beberapa kasus data pasar bisa merupakan
transaksi dari penjual yang terpaksa menjual (butuh uang mendesak) sehingga
harganya rendah atau dari pembeli yang terpaksa membeli (contoh transaksi
tanah untuk tower BTS atau pembeli property yang bersebelahan dengan data
pembanding) sehingga harganya tinggi

3
Analisa data antara data pembanding pasar dengan property yang dinilai
 Karakteristik Fisik
– Tanah : lokasi, aksesibilitas, luas, bentuk, frontage, kontur, dll
– Bangunan : type, luas, kualitas meliputi konstruksi, finishing, fasilitas
pelengkap, dll
– Kendaraan : merk, type, tahun, warna, STNK, asesoris, dll
 Karakteristik Non-fisik
– Harga jual : Penilai wajib melakukan penyesuaian harga transaksi
properti dengan kondisi pasar yang berubah dari waktu ke waktu
– Tanggal transaksi
– Aspek Hukum : dokumen kepemilikan
– Kondisi Penjualan khusus (bukan nilai pasar)
– Tata Kota : peruntukkan

Analisis perbandingan ini difokuskan pada persamaan dan perbedaan yang sangat
signifikan berpengaruh terhadap nilai. Setelah data pembanding diverifikasi, analisis
dimulai dengan menentukan faktor yang mempengaruhi nilai properti.

Unit yang akan dibandingkan tergantung pada karakteristik properti, antara lain
Tipe Property Unit yang dibandingkan
Rumah tinggal Harga rumah
Ruko Harga per m2 dari luas bangunan
Kantor Harga per unit
2
Apartemen Harga per m dari GFA
Pusat perbelanjaan Harga per m2 dari SGA
Harga per m2 dari NLA
Hotel Harga per kamar
Harga per ARR (average room rate)
Restoran,bioskop, auditorium Harga per kursi
2
Rumah sakit Harga per m dari GFA
Harga per tempat tidur
Lapangan Golf Harga per jumlah anggota
Harga per hole
Harga per hektar
Lapangan Tenis Harga per lapangan
Perkebunan Harga per hektar
2
Tanah kosong Harga per m

4
II.3 Penyesuaian (Adjustment)

Setelah di lakukan analisa data, maka akan diketahui antara persamaan dan perbedaan
property yang dinilai dengan property pembanding.

Secara ideal, bila data pembanding identik sama dengan properti yang dinilai, maka
tidak perlu dilakukan penyesuaian. Namun hal ini sangat jarang sekali terutama untuk
properti selain rumah tinggal, tanah kosong atau ruko

Penyesuaian dilakukan untuk memperkecil perbedaan-perbedaan yang ada pada data

pembanding dengan properti yang dinilai. Prinsipnya adalah menambahkan kekurangan
yang ada pada properti pembanding dan mengurangkan kelebihan yang ada

Dalam penyesuaian dikenal adjustment +/+ atau adjustment -/-

Adjusment +/+ : Jika property yang dinilai lebih baik daripada property pembanding
Jika property pembanding lebih jelek daripada property yang dinilai

Adjusment -/- : Jika property yang dinilai lebih jelek daripada property pembanding
Jika property pembanding lebih baik daripada property yang dinilai

Penyesuaian data pembanding dapat dilakukan dengan menggunakan analisis

kuantitatif secara matematis maupun kualitatif. Jika data untuk penyesuaian kuantitatif
tidak ada, maka dapat digunakan analisis kualitatif terhadap data pasar dan
kecenderungan pasar. Adapun faktor yang disesuaikan sebagai berikut

Komponen Dasar Penyesuaian Keterangan

Lokasi Lokasi PS lebih baik / jelek Lokasi di bulevar utama lebih baik
dari DP dibandingkan di jalan biasa, lokasi
daerah bebas banjir lebih baik
dibanding daerah banjir.
Jenis dokumen Dokumen PS lebih baik / Bagi suatu PT, HGB lebih baik
kepemilikan jelek dari DP dibandingkan dengan SHM
Kondisi Pembiayaan DP Harga jual kredit lebih mahal
pembiayaan menggunakan kredit / cash dibandingkan tunai
Kondisi Transaksi DP tidak / bebas Penjualan dalam kondisi terpaksa,
transaksi ikatan atau penjual harga jualnya lebih murah
menjual dalam kondisi
terpaksa
Karakteristik P S lebih baik / jelek dari Bentuk tanah, topografi, dimensi
fisik properti DP
Karakteristik Secara ekonomis, PS lebih Kualitas manajemen, biaya operasional,
ekonomi baik / jelek daripada DP komposisi penyewa, perjanjian sewa

5
 Komponen Dasar Penyesuaian Keterangan
Peruntukan dan Penggunaan PS sudah Gedung kantor di daerah komersial
penggunaan HBU sedangkan DP belum lebih tinggi nilainya dengan rumah
/ sudah optimal tinggal di kawasan komersial
Luas tanah Ukuran tanah PS lebih Luas tanah tergantung zoning /
kecil atau lebih luas dari peruntukkan dimana property berada.
DP Jika di zoning WBS maka kavling besar
akan lebih tinggi nilainya daripada
kavling kecil, dan sebaliknya di zoning
WKC kavling kecil akan lebih tinggi
nilainya daripada kavling besar
Kondisi pasar Kondisi pasar pada saat Saat krisis, harga properti jatuh, namun
transaksi DP sedang lesu / saat ini sudah membaik
booming

Keterangan:
PS : Properti subyek
DP : Data pembanding
HBU : Highest and Best Use (Penggunaan Tertinggi dan terbaik)
SHM : Sertifikat Hak Milik
HGB : Hak Guna Bangunan
WBS : Wisma Besar
WKC : Wisma Kecil

II.4 Rekonsiliasi dan Kesimpulan Nilai

Berdasarkan indikasi nilai yang diperoleh dari penyesuaian beberapa data pembanding
maka dilakukan rekonsiliasi untuk mendapatkan kesimpulan nilai

Rekonsiliasi adalah memberikan pembobotan terhadap hasil adjustment data

pembanding dengan ketentuan sebagai berikut :
 Bobot persentase terbesar diberikan kepada data pembanding yang memiliki
persamaan terbesar / perbedaan terkecil dengan property yang dinilai
 Bobot persentase terkecil diberikan kepada data pembanding yang memiliki
persamaan terkecil / perbedaan terbesar dengan property yang dinilai
 Total bobot harus 100%

III. TEKNIK-TEKNIK ADJUSTMENT

 Tekhnik tambah kurang (Overall Adjustment)

 Penyesuaian Biaya (Cost Adjustment)
 Market Adjustment Grid (MAG)

6
  Tekhnik Berpasangan (Paired Comparison)
 Tekhnik Indeks Kualitas (Quality Index)
 Tekhnik Statistik (Regresi)

III.1. Overall Adjustment

Penyesuaian dilakukan dengan langsung membandingkan secara keseluruhan

kelebihan dan kekurangan dari subjek properti dengan Comparable Data

Contoh Overall Adjusment :

Data Pasar Data Pasar Data Pasar

URAIAN
Pembanding 1 Pembanding 2 Pembanding 3
Harga transaksi 100.000.000 108.000.000 98.000.000
Kondisi data pasar Property yang Property yang Property yang
pembanding dinilai lebih baik dinilai lebih jelek dinilai lebih baik
daripada data daripada data daripada data
pembanding pembanding pembanding
Nilai Indikasi property
104.000.000 106.000.000 102.000.000
yang dinilai
Pembebanan
30% 40% 30%
(Weighted)
Beban 104.000.000 x 30% 106.000.000 x 40% 102.000.000 x 30%
= 31.200.000 = 42.400.000 = 30.600.000
Kesimpulan 31.200.000 + 42.400.000 + 30.600.000
= 104.200.000

Maka nilai pasar Property yang dinilai = Rp. 104.200.000,-

Catatan :
Bobot terbesar (40%) diberikan kepada data pasar pembanding 2 karena data tersebut
memiliki perbedaan terkecil dengan indikasi property yang dinilai (=108 juta – 106 juta =
2 juta) dibandingkan dengan data pasar pembanding 1 (30%) dan data pasar
pembanding 3 (30%) yang memiliki perbedaan dengan indikasi property yang dinilai
masing – masing 4 juta

III.2. Penyesuaian Biaya (Cost Adjustment)

Penyesuaian dilakukan dengan memperhitungkan biaya yang dibutuhkan untuk

melakukan penyamaan kondisi dengan data pembanding untuk perbedaan-perbedaan
yang dapat diubah seperti : ketinggian, permukaan tanah, topografi, luas bangunan,
fasilitas bangunan, dll

7
Contoh Penyesuaian Biaya :

URAIAN Data 1 Data 2 Data 3

Harga Jual 100.000.000 108.000.000 98.000.000
Penyesuaian Waktu + 5.000.000 - +1.960.000
Lokasi -1.000.000 - -
Ukuran - - +3.920.000
Land Improvement - -2.160.000 -
Total Penyesuaian +4.000.000 -2.160.000 +5.880.000
Nilai Indikasi 104.000.000 105.840.000 103.880.000
Pembebanan (Weighted) 30% 40% 30%
Beban 31.200.000 42.336.000 31.164.000

Maka nilai pasar Property yang dinilai = Rp. 104.700.000,-

III.3 Market Adjustment Grid (MAG)

Dalam tekhnik ini penilai melakukan adjustment untuk faktor-faktor yang berpengaruh
terhadap nilai. Perbedaan-perbedaan pada properti yang dinilai dianalisa secara
mendetail dan disesuaikan, masing-masing dibandingkan dengan data pembanding

Contoh MAG :

Data 1 Data 2 Data 3

Harga Jual 100.000.000 108.000.000 98.000.000
Penyesuaian Waktu +5% 0% +2%
Lokasi -1% 0% 0%
Ukuran 0% 0% +4%
Land Improvement 0% -2% 0%
Total Penyesuaian 4% -2% +6%
104% 98% 106%
Nilai Indikasi 104.000.000 105.840.000 103.880.000
Pembebanan (Weighted) 30% 40% 30%
Beban 31.200.000 42.336.000 31.164.000

Maka nilai pasar Property yang dinilai = Rp. 104.700.000,-

8
III.4 Tekhnik Berpasangan (Paired Comparison)

 Data pembanding dipasang-pasangkan (paired) untuk memperoleh hanya satu

faktor yang berbeda dalam pasangan data tersebut.
 Penyesuaian dilakukan berdasarkan hanya satu perbedaan dari pasangan data
pembanding.
 Secara teori mudah dan objektif, namun pada prakteknya sulit sekali
mendapatkan dua data pembanding yang mempunyai satu perbedaan

Contoh :

Data Harga Sudut Tlp Lebar Pjng Pematangan

Jalan Frntg
Y=8m Y = 20
N=3m N = 15
A 82 Y Y Y
B 72 Y Y
C 90 Y Y Y
D 87 Y Y Y
E 93 Y Y
F 78 Y Y
S Y Y Y Y

Maka :

 A-B : sudut = 10.000.000

 A-F : jaringan Telepon = 4.000.000
 C-F : jalan 8 m = 12.000.000
 A-B-D : Pematangan = 7.000.000
 A-B-F: panjang frontage = 68.000.000

Subject Property :
 Panjang frontage 20 m 68.000.000
 Kavling sudut 10.000.000
 Sudah pematangan 7.000.000
 Ada jaringan telepon 4.000.000
 Nilai subjek property 89.000.000

9
III.5 Tekhnik Indeks Kualitas (Quality Rating)

 Tentukan bobot untuk faktor-faktor yang akan disesuaikan.

 Tentukan indeks kualitas untuk masing-masing faktor tersebut.
 Plot indeks kualitas dengan harga dalam grafik.
 Tarik garis lurus yang paling sesuai.
 Tentukan nilai properti berdasarkan grafik tersebut

III.6 Tekhnik Statistik (Regresi)

Multiple Regression Analysis (MRA) adalah tekhnik untuk mengestimasi pengaruh dari
satu atau dua independent variable terhadap satu dependent variable, dalam hal ini
adalah nilai

Analisis regresi dalam statistik adalah salah satu metode untuk menentukan tingkat
pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut
dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel
independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik
sebagai absis, atau sumbu X). Variabel yang kedua adalah variabel yang dipengaruhi,
variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan
variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.

Regresi linier sederhana didasarkan pada hubungan fungsional ataupun kausal satu
variabel independen dengan satu variabel dependen. Persamaan umum dari regresi
linier sederhana adalah:

dimana:
Y = variabel dependen yang diprediksikan
a = konstanta
b = koefisien regresi X terhadap Y
X = variabel independen yang mempunyai nilai tertentu

Koefisien regresi (b) akan bernilai positif apabila nilai X berbanding lurus terhadap nilai
Y, sebaliknya b akan bernilai negatif apabila nilai X berbanding terbalik terhadap nilai Y.
Nilai a dan b dapat dicari dengan persamaan berikut:

10
Berikut ini adalah contoh perhitungan regresi linier sederhana:

Contoh 1 : Perhitungan Regresi Linier Sederhana

Sample Xi Yi X i Yi Xi2 Yi2

1 13,9427 54,73 763,0840 194,3989 2995,3729
2 9,9157 53,87 534,1588 98,3211 2901,9769
3 7,5652 52,52 397,3243 57,2323 2758,3504
4 14,6474 56,06 821,1332 214,5463 3142,7236
5 9,9510 54,55 542,8270 99,0224 2975,7025
6 6,8356 53,21 363,7223 46,7254 2831,3041
7 13,6373 57,43 783,1901 185,9759 3298,2049
8 10,2808 55,82 573,8743 105,6948 3115,8724
9 7,3421 53,86 395,4455 53,9064 2900,8996
Jumlah 94,1178 492,05 5174,7595 1055,8236 26920,4073
Rata-rata 10,4575 54,6722 574,9733 117,3137 2991,1564

Perhitungan:
a = [(492,05)(1055,8236) - (94,1178)(5174,7595)] / [(9)(1055,8236) - (94,1178)2]
a= 50,4166337304825
a= 50,4166

b = [(9)(5174,7595) - (94,1178)(492,05)] / [(9)(1055,8236) - (94,1178)2]

b = 0,406939988245132
b = 0,4069

Sehingga diperoleh persamaan regresi linier sederhana:

Y = 50,4166 + 0,4069X

11
Contoh Grafik Hasil Persamaan Regresi Linier

Apabila ruang lingkup penilaian dan seluruh variabel yang relevan sudah
diidentifikasikan, penilai dapat menghitung pengaruh variable tersebut dengan
menggunakan fungsi pada software spreadsheet seperti MS Excel, Lotus, Corel Quattro
Pro atau program database seperti Access, dBase.Selain itu juga dapat digunakan
paket software khusus untuk analisis statistik seperti SPSS dan MiniTab.

Contoh 2 : Perhitungan Regresi Linier Sederhana

Jarak ke
Luas Tanah Harga
Data Pusat Kota
(m2) Jual/m2 (Rp)
(m)
Data 1 2,000 2,950 2,671,200
Data 2 2,000 5,500 1,326,600
Data 3 2,000 2,000 1,960,200
Data 4 2,000 2,000 1,440,000
Data 5 1,625 3,400 5,100,000
Data 6 1,550 20,000 4,950,000
Data 7 1,625 3,400 5,400,000
Data 8 2,000 40,000 2,250,000
Data 9 2,500 1,000 3,350,000
Data 10 375 1,200 15,000,000
Data 11 1,550 10,600 2,970,000
Subject
Property 1,250 69,845 5,023,937
Correlation (0.894) (0.194)

12
Contoh Hasil Analisis Statistik Regresi

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,901747426
R Square 0,813148421
Adjusted R Square 0,766435526
Standard Error 1863714,483
Observations 11

ANOVA
df SS MS F Significance F
Regression 2 1,20927E+ 14 6,04633E+ 13 17,4073652 0,001219
Residual 8 2,77875E+ 13 3,47343E+ 12
Total 10 1,48714E+ 14

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 15647806,93 2016686,551 7,759166602 5,43788E-05 10997319 20298294 10997319,41 20298294,45
X Variable 1 -6355,046795 1102,846076 -5,762405952 0,000422942 -8898,214 -3811,879 -8898,214406 -3811,879184
X Variable 2 -38,37155467 49,73442987 -0,771528995 0,462571605 -153,0594 76,31625 -153,0593555 76,31624618

13