Vol. 2 No. 2
ABSTRAK
Faktor kedinamisan pasar selalu menjadi pertimbangan penilai dalam melakukan estimasi nilai
properti. Di sisi lain, teknik penilaian properti yang banyak digunakan selama ini tidak banyak
memasukkan unsur ini di dalam prosedur penilaian yang ada. Ini misalnya bisa dilihat pada uncertainty
pada capitalisation rate atau net income yang menjadi inti dalam metode pendapatan pada penilaian
properti. Hal ini membuat estimasi nilai properti sebenarnya bersifat dinamis. Padahal nilai properti itu
sebenarnya adalah sekedar pendapat. Oleh karenanya untuk properti yang sama akan selalu didapat
berbagai kemungkinan nilai jika dinilai oleh penilai yang berlainan karena adanya perbedaan data atau
kemampuan penilai. Di sisi lain, dalam laporan penilaian, nilai properti di Indonesia dilaporkan selalu
berupa point estimate dan bukan dalam bentuk interval estimate sebagaimana seharusnya. Ini tentunya
bertentangan dengan filosofi nilai yang merupakan manifestasi atas pendapat penilai. Tujuan penulisan
paper ini adalah untuk memberikan gambaran atas cara yang bisa dipilih penilai untuk menganalisis
kedinamisan pasar properti.
1. PENDAHULUAN
Pandemi Covid-19 tidak dapat dipungkiri
telah banyak mengubah banyak segi kehidupan
manusia. Pandemi yang awalnya dideteksi di
Tiongkok sekarang sudah menyebar luas.
Secara keseluruhan saat ini sudah tercatat
terdapat hampir 500 juta orang terpapar Covid-
19. Di Indonesia sendiri jumlah penderita
Covid-19 mencapai hampir 6 juta jiwa. Kasus
harian tertinggi di Indonesia sementara ini
Gambar 1 Indeks pertumbuhan permintaan
tercatat lebih dari 64 ribu jiwa pada pertengahan
properti komersial
Februari 2022.1
Sumber: Bank Indonesia (2021)
Salah satu upaya untuk mengendalikan
penularan adalah dengan membatasi mobilitas Gambar 1 juga menunjukkan bahwa
masyarakat. Hal ini mengakibatkan adanya perubahan permintaan properti komersial
penurunan mobilitas sebesar rata-rata 40% selama pandemi terjadi relatif cepat. Setelah
(Rambey & Ferlito, 2020). Pembatasan mengalami pertumbuhan yang relatif tinggi
mobilitas ini membuat adanya penurunan pada semester pertama 2019, permintaan
indeks permintaan properti komersial selama properti komersial mengalami stabilisasi pada
tahun 2020-2021 (Gambar 1). semester kedua. Kondisi fluktuasi ini relatif
1
Data diperoleh dari Worldometer
(https://www.worldometers.info/coronavirus/countr
y/indonesia/) diakses pada 22 Maret 2022.
69
JMAP Vol. 2 No. 2 Desember 2022 hal. 69-83
wajar seperti lazimnya siklus pasar properti. jauh lebih cepat. Kondisi seperti ini membuat
Hanya saja adanya pandemi Covid-19 pada pasar properti berada pada kondisi yang tidak
awal 2020 telah mengakibatkan penurunan pasti pada tingkat yang oleh French (2020)
permintaan yang cukup tajam. Penurunan ini dimasukkan ke dalam kondisi material
terus berlangsung selama tahun 2020 sampai uncertainty, yaitu suatu titik di mana
dengan 2021. Pada kuartal terakhir 2021 indeks ketidakpastian sudah berada di luar batas
permintaan properti mengalami peningkatan kewajaran.
yang cukup tajam bersamaan dengan semakin Di sisi lain, pendekatan penilaian
kendornya pembatasan mobilitas masyarakat. konvensional yang lazim dipergunakan hanya
Gambar 1 juga menunjukkan bahwa cocok dipergunakan pada kondisi pasar yang
terdapat satu siklus penuh selama tahun 2019 relatif stabil di mana siklus pasar bisa berupa
sampai dengan 2021. Siklus pasar properti siklus yang setidaknya berjangka panjang
merupakan satu rangkaian yang terdiri atas (Fanning, 2014). Pendekatan penilaian
ekspansi, kontraksi, resesi, dan pemulihan konvensional tidak sesuai untuk menilai
(Fanning, 2014, p. 187). Secara umum, satu properti pada kondisi pasar yang mempunyai
siklus pasar properti berlangsung selama derajat ketidakpastian tinggi (Jansen van
sepuluh tahun meskipun sebenarnya durasi Vuuren, 2017).
setiap siklus tergantung pada naik turunnya Tujuan penulisan paper ini adalah untuk
kondisi moneter dan perekonomian suatu menyampaikan bahwa penilai – baik
daerah. Leccis (2017, p. 36) menunjukkan pemerintah maupun publik – perlu
bahwa siklus pasar properti itu bisa pendek memasukkan pertimbangan kedinamisan pasar
(empat sampai lima tahun), panjang (sembilan properti dalam analisis nilai pasar yang mereka
sampai sepuluh tahun), atau long swing (sampai hasilkan. Hal ini penting mengingat pendekatan
20 tahun), atau long wave (sampai 50 tahun). Di penilaian yang sekarang dipergunakan penilai
Indonesia sendiri, Rahadi et al. (2012) relatif kurang memperhitungkan volatilitas
mengemukakan bahwa satu siklus pasar pasar properti yang terlihat nyata terutama pada
properti itu berlangsung biasanya sekitar masa pandemi COVID 19 belakangan ini.
sepuluh tahun (Gambar 2). Alat analisis yang dipergunakan dalam
paper ini adalah analisis simulasi Monte Carlo
untuk memperoleh rentang estimasi nilai pasar
properti. Ilustrasi yang akan dipergunakan
dalam paper ini adalah penilaian kafe dengan
menggunakan metode pendapatan.
Paper ini dimulai dengan kajian atas
bahasan dalam literatur yang relevan.
Selanjutnya pada bagian ketiga akan diuraikan
analisis kedinamisan pasar properti dalam
penilaian dengan menggunakan pendekatan
Gambar 2 Siklus pasar properti di Indonesia pendapatan. Diskusi dalam paper ini ditutup
Sumber: Rahadi et al. (2012) pada bagian keempat dengan memberikan
beberapa saran bagi praktisi penilaian properti
Jadi pada kondisi perekonomian wajar meningkatkan kualitas estimasi nilai pasar yang
siklus pasar properti di Indonesia sebenarnya direkomendasikan kepada pengguna laporan
termasuk ke dalam siklus berjangka panjang. penilaian.
Namun demikian, Gambar 1 memberikan bukti
bahwa pada masa pandemi Covid-19, siklus 2. TINJAUAN LITERATUR
pasar properti berjangka panjang itu tiba-tiba 2.1. Nilai Properti
berubah menjadi siklus mempunyai durasi yang Penilaian itu – khususnya untuk
bahkan lebih singkat dibandingkan dengan keperluan penentuan nilai pasar wajar –
siklus pasar jangka pendek. Ini memberikan merupakan prosedur untuk melakukan estimasi
indikasi bahwa sebenarnya Covid-19 telah harga suatu aset yang disepakati antara penjual
mendorong timbulnya pasar properti yang dan pembeli ketika terjadi transaksi antara
sangat dinamis dan mengalami perubahan yang kedua pihak itu. Jadi sebenarnya nilai pasar itu
70
Pengintegrasian Kedinamisan Pasar dalam Estimasi Nilai Pasar Properti Menggunakan Pendekatan
Pendapatan pada Masa Pandemi Covid-19 (Kristian Agung Prasetyo)
merupakan opini ahli (expert opinion) belaka adalah salah satu contoh dari ukuran
(Adair & Hutchison, 2005; French, 2020; pemusatan ini.
French & Gabrielli, 2004). Oleh karena itu, 2. Setiap ukuran pemusatan harus disertai
penilaian tidak pernah menghasilkan fakta. dengan ukuran penyebaran. Ini perlu karena
Penilaian itu hanya menghasilkan pendapat setiap ukuran pemusatan tidak mungkin
saja. Hasil penilaian tidak lebih dari bisa mewakili seluruh observasi. Jarak
serangkaian perkiraan harga yang paling antara observasi dengan ukuran pemusatan
mungkin disepakati antara penjual dan pembeli ini disebut dengan error. Salah satu contoh
dengan berdasarkan asumsi-asumsi tertentu. ukuran penyebaran adalah deviasi standar.
Oleh karenanya penilaian itu adalah ‘… an art 3. Penilai perlu juga mempertimbangkan
[and] not a science’ (French & Gabrielli, 2004). tingkat kestabilan atas estimasi hal-hal di
Kummerow (2002, p. 407) menulis atas.
bahwa perkiraan nilai pasar aset akan dicermati 4. Terakhir, penilai harus mempertimbangkan
olah banyak pihak ketika ada peristiwa kondisi-kondisi yang ada ketika kedua
pengambilalihan aset secara paksa. Pada situasi ukuran di atas dikalkulasi. Ini meliputi
seperti ini, hakim memerlukan panduan untuk kondisi pasar properti, tanggal transaksi,
mengetahui harga wajar yang menjadi atau metode transaksi.
kesepakatan antara penjual dan pembeli ketika Untuk melakukan estimasi nilai pasar
suatu aset laku dijual. Karena tentunya transaksi properti diperlukan adanya model (Prasetyo,
belum terjadi, maka panduan ini hanya bisa Swasito, et al., 2021, p. 309). Dalam konteks
diperoleh dari opini penilai. Asumsinya adalah ini, maka penilaian pada hakikatnya adalah
bahwa aset itu akan ditransaksikan pada kondisi proses untuk membuat model yang dapat
wajar dan dianggap adil baik oleh pembeli dipakai untuk memperkirakan harga pasar aset
maupun penjual aset itu. Kummerow (2002, p. (French, 2004, p. 535). Model itu sebenarnya
408) selanjutnya menjelaskan bahwa dalam adalah tiruan atau penyederhanaan atas apa
penilaian aset, perlu dipertimbangkan beberapa yang terjadi di dunia nyata (Field, 2017).
hal, yaitu: Pemodelan ini banyak dilakukan dalam
1. Perlu dipastikan bahwa penjual dan penilaian massal seperti misalnya dilakukan
pembeli benar-benar tidak mempunyai oleh Prasetyo, Safitra, et al. (2021) dalam
hubungan istimewa. Mereka juga konteks penilaian tanah yang menjadi aset
seharusnya mempunyai pengetahuan yang negara.
sama atas pasar properti dan aset yang Untuk penilaian properti, model yang
menjadi objek transaksi. baik adalah model yang dapat dipergunakan
2. Penilai perlu mencermati syarat-syarat oleh penilai untuk memperoleh perkiraan nilai
transaksi aset. Hal ini karena asumsi dasar properti secara akurat. Ini hanya akan dapat
bahwa transaksi terjadi secara arm’s length dicapai kalau model yang dipergunakan mampu
antara pihak penjual dan pembeli. menjelaskan kondisi pasar properti secara tepat
3. Penilai perlu pula memahami kondisi pasar pada tanggal penilaian (French, 2004, p. 534).
properti ketika transaksi pengalihan aset Penyusunan model yang akurat
sedang berlangsung. Misalnya saja membutuhkan pemilihan variabel yang tepat.
transaksi ketika pasar berada dalam Dalam hal ini, penilai biasanya perlu
keadaan resesi akan sulit dipergunakan menggunakan sudut pandang pembeli. Dengan
untuk mengestimasi nilai pasar ketika cara ini penilai akan dapat memperkirakan
kondisinya berada pada titik ekspansi. unsur apa saja yang menjadi pertimbangan
Sesuai dengan definisi bahwa nilai pasar pembeli ketika akan memilih properti di suatu
itu merupakan manifestasi atas pendapat daerah. Ini misalnya bisa meliputi lokasi,
penilai, maka secara statistika ini berarti ada bentuk fisik properti, akses, fasilitas, atau
beberapa unsur yang perlu menjadi perhatian. unsur-unsur yang lain. Unsur-unsur ini
Ini antara lain meliputi: kemudian dibandingkan antara properti yang
1. Satu ukuran yang dapat menjadi sedang dinilai dengan properti lain yang
representasi atas berbagai kemungkinan menjadi patokan. Perbedaan antara kedua
nilai pasar aset. Dalam statistika, ini disebut properti ini harus diidentifikasi untuk
dengan ukuran tendensi sentral. Mean selanjutnya diberikan penyesuaian. Inilah
71
JMAP Vol. 2 No. 2 Desember 2022 hal. 69-83
sebenarnya yang menjadi inti dalam estimasi pembanding dan properti yang dinilai. Unsur
nilai properti. yang disesuaikan adalah unsur yang ditengarai
2.2. Pendekatan Penilaian dan Data berpengaruh terhadap nilai properti. Teknik
Pembanding penilaian seperti ini merupakan perwujudan
Proses pembuatan model penilaian dalam dari penggunaan pendekatan hedonis dari
konteks penilaian properti dikenal dengan Rosen (1974) di dalam penilaian properti.
pendekatan penilaian. Pendekatan penilaian ini Penggunaan data pembanding ini tidak
pada hakikatnya terbagi atas dua kelompok, terbatas pada pendekatan perbandingan data
yaitu pendekatan tradisional dan pendekatan pasar karena semua pendekatan penilaian
tingkat lanjut (Pagourtzi et al., 2003, p. 386). memerlukan data pembanding dengan kualitas
Pendekatan penilaian yang lazim sekarang ini dan kuantitas yang memadai supaya dapat
dipergunakan – pendekatan perbandingan data menghasilkan estimasi nilai pasar properti yang
pasar, pendekatan biaya, pendekatan valid (French, 2020). Penilai selanjutnya
pendapatan, serta berbagai teknik penilaian melakukan analisis atas data pembanding yang
berbasis yang menggunakan statistika – sesuai untuk memperoleh estimasi nilai pasar
termasuk ke dalam pendekatan penilaian properti pada tanggal penilaian yang akurat.
tradisional. Proses penyesuaian yang sudah disinggung
Kelompok kedua – pendekatan penilaian sebelumnya merupakan salah satu bentuk
tingkat lanjut – menggunakan cara yang agak analisis ini. Pendekatan penilaian yang berbeda
berbeda. Pendekatan ini cenderung lebih rumit tentunya menuntut cara analisis data
dan karenanya menggunakan bantuan pembanding yang berlainan. Pendekatan biaya
komputer. Ini dapat dilihat pada misalnya misalnya menggunakan data pembanding untuk
pendekatan penilaian berbasis neural network menganalisis penyusutan dan biaya konstruksi
yang mencoba meniru proses berpikir pelaku bangunan yang wajar. Penilai yang
pasar properti. menggunakan pendekatan pendapatan
Satu hal yang harus dipahami bahwa membutuhkan data pembanding untuk
tidak satu pun model penilaian ini yang dapat mengestimasi capitalisation rate yang sesuai.
dianggap sebagai pendekatan yang paling mereka yang menggunakan pendekatan
akurat (Lorenz et al., 2006). Setiap pendekatan penilaian yang berbeda akan mengolah data
mempunyai keunggulan dan kelemahan pembanding dengan cara yang berlainan pula.
masing-masing. Pendekatan yang lebih rumit Akan tetapi sepanjang data pembanding yang
tidak kemudian menjamin hasilnya lebih akurat dipergunakan benar-benar mencerminkan nilai
dibandingkan dengan pendekatan yang pasar maka hasil estimasi nilai pasar properti –
prosesnya lebih sederhana. Fokus paper ini apapun pendekatan yang dipilih – tidak akan
adalah pada pendekatan tradisional. mempunyai perbedaan signifikan jika estimasi
2.3. Pendekatan Tradisional dilakukan oleh penilai yang mempunyai
Pendekatan tradisional lebih sesuai jika kualifikasi setara. Perbedaan tetap akan timbul
dipergunakan untuk melakukan penilaian karena dalam penilaian diperlukan
properti pada kondisi pasar properti yang relatif pertimbangan penilai dalam menginterpretasi
stabil. Inti pada pendekatan tradisional adalah dan menganalisis data (French, 2020).
pada proses perbandingan properti yang sedang Penggunaan data pembanding di luar
dinilai dengan properti lain yang sudah pendekatan perbandingan data pasar dalam
diketahui nilainya. Jadi yang menjadi penentu konteks penilaian di lingkungan instansi
akurasi hasil penilaian adalah proses pemerintah misalnya dapat dilihat di aturan di
perbandingan dengan transaksi properti. lingkungan Direktorat Jenderal Pajak. Dalam
Transaksi properti menjadi manifestasi atas surat edaran nomor SE-54/PJ/2016, Direktur
interaksi penjual dan pembeli di dalam pasar Jenderal Pajak menyatakan bahwa
properti, khususnya jika transaksi itu terjadi capitalisation rate yang dipergunakan pada
secara wajar. Pada pendekatan perbandingan pendekatan pendapatan bisa diestimasi melalui
data pasar misalnya, penilai memilih data proses perbandingan return objek yang sedang
transaksi properti sebanding dan kemudian dinilai dengan investasi properti lain yang
memberikan penyesuaian untuk meminimalisir mempunyai kondisi serupa.
perbedaan karakteristik antara properti
72
Pengintegrasian Kedinamisan Pasar dalam Estimasi Nilai Pasar Properti Menggunakan Pendekatan
Pendapatan pada Masa Pandemi Covid-19 (Kristian Agung Prasetyo)
Untuk pendekatan berbasis perbandingan transaksi ketika terjadi transaksi jual beli
data pasar, di pasar sudah tersedia beberapa (French & Gabrielli, 2004).
perangkat lunak baik yang sifatnya off the shelf Perbedaan ini tidak jarang menjadi
maupun custom made. Perangkat lunak analisis pangkal sengketa di pengadilan seperti yang
statistika bernama NCSS (Number Cruncher terjadi pada peristiwa pengembalian Bantuan
Statistical System) misalnya mempunyai menu Likuiditas Bank Indonesia (BLBI). Salah satu
untuk membantu penilai mengestimasi nilai syarat pelunasan BLBI adalah bahwa obligor
properti berbasis pendekatan perbandingan data menyerahkan aset yang mempunyai nilai yang
pasar. Lembaga pemerintah seperti direktorat sama dengan dana bantuan yang dulu pernah
Jenderal Pajak dan dinas-dinas perpajakan di diterima. Permasalahan menjadi muncul ketika
pemerintah kota atau kabupaten sudah aset yang sudah diserahkan itu kemudian dijual.
mempunyai perangkat lunak khusus yang dapat Ternyata tidak sedikit yang harga transaksi atas
dipakai untuk mengestimasi nilai objek pajak aset itu justru lebih rendah dibandingkan
secara massal. dengan nilai aset ketika diserahkan. Ini
2.4. Akurasi Model kemudian menimbulkan keraguan apakah
Apapun model yang dipilih untuk penilai sudah melakukan estimasi nilai dengan
mengestimasi nilai pasar properti, yang menjadi akurat dan benar (Emirzon, 2005). Perbedaan
tujuan akhir penilai adalah suatu model yang antara estimasi nilai pasar dengan harga
bisa menghasilkan estimasi nilai pasar properti transaksi ini harus disikapi dengan hati-hati
secara akurat. Di sisi lain – meminjam istilah karena berpotensi untuk menjadi sengketa
Box (1976) – semua model itu salah. Jadi tidak (Amanupunjo & Prastiwi, 2020). Oleh karena
mungkin ada model yang hasilnya persis itu, baik pengguna maupun pembuat laporan
dengan realita. Jadi pengertian akurat ini penilaian berkepentingan untuk dapat
maknanya adalah bahwa hasil estimasi model mempergunakan model penilaian yang mampu
mempunyai perbedaan yang sekecil mungkin menghasilkan estimasi nilai properti dengan
dengan harga pasar properti yang disepakati error minimal.
oleh penjual dan pembeli. Kalau kecocokan Untuk mampu menghasilkan estimasi
antara hasil estimasi model dengan harga nilai pasar yang akurat, model penilaian yang
transaksi hasil observasi – dalam literatur dipergunakan harus mampu merepresentasikan
penelitian biasa disebut dengan fittingness interaksi antara penjual dan pembeli dengan
(Lincoln & Guba, 1985) – bagus, maka hasil baik. Properti yang tidak diminati pembeli –
penilaian properti dapat dianggap sebagai walaupun mempunyai lokasi yang strategis –
akurat. Dalam teknik statistika, prosedur untuk tidak mempunyai nilai pasar karena transaksi
menganalisis tingkat kecocokan antara estimasi antara penjual dan pembeli tidak terjadi. Inilah
dengan observasi ini dikenal dengan analisis yang terjadi di properti yang sedang mengalami
goodness of fit test. Analisis ini biasanya sengketa. Pada titik inilah penilai justru sering
dilakukan dengan menggunakan distribusi chi mengalami kesulitan karena mereka terkendala
square sebagai alat bantu. Tentu saja tidak dalam memperkirakan reaksi calon pembeli
mungkin penilai menghasilkan model penilaian properti – kalau ada – ketika dihadapkan pada
yang dapat memberikan estimasi nilai yang properti yang sedang dinilai (Mallinson &
sama dengan harga transaksi. Jadi prediksi French, 2000, p. 14). Sebagai akibatnya proses
model penilaian sebenarnya mengandung apa pembuatan model penilaian yang benar-benar
yang dalam pemodelan disebut dengan error. akurat relatif sulit dilakukan. Langkah yang
Tujuan setiap prosedur pemodelan adalah untuk paling mungkin adalah membuat model yang
membuat error ini seminimal mungkin. Ini menghasilkan range nilai tertentu dan bukan
adalah titik yang oleh Box (1976, p. 792) satu nilai properti yang spesifik (Mallinson &
disebut sebagai salah, namun bermanfaat. French, 2000, p. 15). Alhasil dalam penilaian
Berpedoman pada hal ini – karena penilaian itu properti selalu melekat unsur ketidakpastian
pada hakikatnya adalah pemodelan nilai (Lorenz et al., 2006), terlebih-lebih pada
properti – maka hasil estimasi nilai pasar yang suasana pandemi yang membuat pasar properti
dituangkan oleh penilai dalam laporan penilaian berfluktuasi lebih cepat (Gambar 1)
itu pasti mempunyai selisih dengan harga dibandingkan dengan kondisi pasar yang
normal (Gambar 2). Oleh karenanya Jansen van
73
JMAP Vol. 2 No. 2 Desember 2022 hal. 69-83
76
Pengintegrasian Kedinamisan Pasar dalam Estimasi Nilai Pasar Properti Menggunakan Pendekatan
Pendapatan pada Masa Pandemi Covid-19 (Kristian Agung Prasetyo)
menggunakan 4,41% sebagai tingkat mempunyai probabilitas terjadi sebesar 25%,
kapitalisasi yang menurut pertimbangan penilai maka nilai properti yang diharapkan bisa
paling akurat. Apakah pertimbangan yang dihitung sebagaimana pada Tabel 6.
bersifat subyektif ini yang sesungguhnya paling
benar? Belum tentu. Penilai pada hakikatnya Tabel 6 Penghitungan expected value
tidak mengetahui capitalisation rate yang No P(N) Nilai
sebenarnya untuk kafe ABC ini. Namun 1 25% 2,375,000,000 593,750,000.00
demikian, berdasarkan informasi pada 2 50% 1,700,787,402 850,393,700.79
Tabel 2, penilai mempunyai cukup bukti
3 25% 1,650,000,000 412,500,000.00
untuk menduga bahwa capitalisation rate yang
benar berada di antara 3,16% dan 4,55%. Ketika Expected value 1,856,643,700.79
angka kapitalisasi 3,16%, maka penilaiannya Dibulatkan 1,857,000,000.00
adalah seperti pada Tabel 4. Sumber: hasil pengolahan data primer
poin estimasi nilai dengan penentuan dipergunakan penilai, yaitu distribusi normal,
probabilitas untuk setiap titik ditetapkan secara triangular, dan uniform (French & Gabrielli,
sembarang. Berbeda dengan skenario, simulasi 2004).
memungkinkan penilai untuk menghasilkan 1. Distribusi Normal
ribuan kemungkinan nilai kafe ABC. Caranya Distribusi teoritis pertama yang dapat
adalah dengan menggunakan probability dipergunakan penilai adalah distribusi normal
distribution dengan cara sebagai berikut. (Gambar 4). Distribusi ini diperkenalkan oleh
Seperti dikemukakan, penilaian itu pada Moivre dan kemudian disempurnakan oleh
hakikatnya adalah pembuatan model. Karena Gauss. Oleh karenanya distribusi ini juga
semua model itu pada dasarnya adalah salah, disebut dengan distribusi Gaussian. Distribusi
maka semua model itu pada dasarnya adalah ini merupakan distribusi frekuensi yang paling
salah, maka by definition hasil estimasi nilai sering dipergunakan dalam praktik (Forbes et
pasar properti sebagai hasil dari model sudah al. 2011: 143; Krishnamoorthy 2016: 143).
pasti mengandung uncertainty, apalagi jika Dalam penilaian properti, French and Gabrielli
situasi pasar properti sedang fluktuatif seperti di (2004), mengutip French dan Mallinson,
masa pandemi COVID-19. Oleh karenanya, melihat bahwa distribusi normal ini merupakan
hasil estimasi nilai pasar yang tepat untuk suatu distribusi frekuensi teoritis yang paling sesuai
properti tidak berupa satu angka tunggal dipakai untuk mengestimasi nilai p[asar
sebagaimana sering dilakukan penilai, properti.
melainkan berupa range nilai (Mallinson dan Probabilitas terjadinya suatu peristiwa
French 2000: 15). Untuk menghasilkan estimasi dapat diestimasi dengan mengukur luas daerah
nilai pasar yang berupa range nilai ini, penilai di bawah kurva. Dalam penilaian properti, hal
bisa menggunakan probabilitas. Probabilitas ini dapat dimanfaatkan untuk memperkirakan
memungkinkan penilai untuk mengukur probabilitas properti mempunyai nilai tertentu.
peluang timbulnya suatu peristiwa. Jadi suatu
peristiwa bisa pasti tidak terjadi (probabilitas 0),
pasti terjadi (probabilitas 1), atau di antara
keduanya (probabilitas antara 0 dan 1).
Dalam penilaian kafe ABC, penilai dapat
menghitung peluang pemilihan capitalisation
rate yang benar dengan menggunakan cara ini.
Seperti yang sudah ditunjukkan pada
Tabel 2, capitalisation rate dihitung dari
properti yang serupa dengan kafe ABC.
Tabel 2 hanya menggunakan enam data Gambar 4
transaksi properti sebanding. Jika proses yang Distribusi normal
ada di Sumber: Forbes et al. (2011, p. 144)
Tabel 2 diulang berkali-kali dengan
memilih enam data pembanding secara acak Seperti yang dapat dilihat pada Gambar
dari ribuan populasi data serupa, penilai dapat 4, distribusi normal itu mempunyai bentuk
menyusun probability distribution atas simetris seperti bel terbalik. Mean (µ) data
capitalisation rate kafe ABC. membagi kurva normal menjadi dua bagian
Pada praktiknya, hal ini tidak mungkin yang mempunyai luas yang sama. Jika suatu set
dilakukan khususnya di daerah yang data mengikuti distribusi normal, maka sekitar
mempunyai kondisi pasar properti relatif 68% akan berada pada kisaran mean ditambah
kurang transparan seperti di Indonesia (JLL atau dikurangi dengan satu kali standar deviasi.
Lasalle, 2022). Namun demikian, penilai dapat Ini menunjukkan bahwa pengukuran
menggunakan distribusi frekuensi teoretis yang uncertainty akibat kedinamisan pasar dilakukan
dikenal dalam ilmu statistika. dengan menggunakan standar deviasi sebagai
3.3.1. Jenis Distribusi Frekuensi dalam dasar. Ini artinya kondisi pasar properti yang
Penilaian Properti sangat sehingga mempunyai uncertainty besar
Dalam penilaian properti, terdapat tiga akan mempunyai standar deviasi nilai pasar
distribusi frekuensi teoritis yang dapat yang besar pula.
78
Pengintegrasian Kedinamisan Pasar dalam Estimasi Nilai Pasar Properti Menggunakan Pendekatan
Pendapatan pada Masa Pandemi Covid-19 (Kristian Agung Prasetyo)
Namun demikian, distribusi normal angka minimum dan angka maksimum untuk
kadang dianggap kurang intuitif karena membangun simulasi (Gambar 5). Ini tentunya
biasanya penilai lebih terbiasa menggunakan relatif mudah jika diterapkan pada estimasi
ukuran minimum atau maksimum dan bukan capitalisation rate yang diekstraksi dari data
standar deviasi (French & Gabrielli, 2004, p. pembanding seperti pada
493). Dalam hal ini, distribusi triangular atau Tabel 2.
uniform nampaknya lebih sesuai.
2. Distribusi Triangular
Berbeda dengan distribusi normal,
distribusi triangular tidak menggunakan
parameter mean dan standar deviasi. Dalam
distribusi triangular, penilai membutuhkan tiga
parameter, yaitu angka maksimum, minimum,
dan angka yang paling mungkin terjadi
(Gambar 5). Alhasil distribusi ini sesuai dengan
cara berpikir penilai yang terbiasa dengan
ketiga jenis parameter seperti misalnya pada (
Tabel 2).
79
JMAP Vol. 2 No. 2 Desember 2022 hal. 69-83
dipergunakan sebagai masukan untuk distribusi frekuensi yang dipilih sesuai dengan
menggunakan distribusi uniform sebagai dasar batasan yang diperoleh dari data properti
pemilihan capitalisation rate seperti pada pembanding pada
Gambar 8. Tabel 2. Proses estimasi nilai kafe ABC
selanjutnya diulang berulang kali dengan
menggunakan tingkat kapitalisasi tersebut
sampai didapat distribusi estimasi nilai pasar
yang mencukupi. French and Gabrielli (2004)
menyarankan untuk mengulang proses
penghitungan nilai pasar setidaknya sebanyak
50 ribu kali untuk memperoleh distribusi
estimasi nilai yang stabil. Paper ini melakukan
iterasi proses estimasi nilai sebagaimana pada
Tabel 3 sebanyak 100 ribu kali dengan
menggunakan JMP versi 16.2. Distribusi
3,16% 4,55% frekuensi yang dipergunakan sebagai dasar
pemilihan capitalisation rate adalah distribusi
Gambar 8 Distribusi uniform dengan normal. Ringkasan hasil simulasi dapat dilihat
capitalisation rate 3,16% dan 4,55%. pada Tabel 8.
Sumber: hasil pengolahan data primer
Tabel 8 Ringkasan Hasil Simulasi (normal)
Simulasi : 100.000
Tabel 2 juga menunjukkan informasi Mean : 1,873,800,000
mean dan standar deviasi tingkat kapitalisasi. Dev standar : 288,465,329
Informasi ini bisa dipakai sebagai landasan Median : 1,833,400,000
untuk menyusun simulasi dengan menggunakan Minimum : 1,123,100,000
kurva normal (Gambar 9). Maksimum : 5,506,200,000
Bawah Atas
CI (95%) :
1,872,000,000 1,875,600,000
Sumber: hasil pengolahan data primer
82
Pengintegrasian Kedinamisan Pasar dalam Estimasi Nilai Pasar Properti Menggunakan Pendekatan
Pendapatan pada Masa Pandemi Covid-19 (Kristian Agung Prasetyo)
Fanning, S. F. (2014). Market Analysis for Real Leccis, F. (2017). Do Real Estate Cycles Exist
Estate: Concepts and Applications in and, if so, Are They Predictable? In M.
Valuation and Highest and Best Use Bottero, P. Morano, A. Oppio, & S.
(2nd ed.). Appraisal Institute. Stanghellini (Eds.), Appraisal: From
https://books.google.co.id/books?id=p Theory to Practice : Results of SIEV
w9RAAAAYAAJ 2015 (1st ed., pp. 27-38). Springer
Field, A. (2017). Discovering Statistics Using International Publishing.
IBM SPSS Statistics. SAGE https://doi.org/10.1007/978-3-319-
Publications. 49676-4
https://books.google.co.id/books?id=Q Lincoln, Y. S., & Guba, E. G. (1985).
MI-DwAAQBAJ Naturalistic Inquiry. SAGE
Forbes, C., Evans, M., Hastings, N., & Peacock, Publications.
B. (2011). Statistical Distributions. https://books.google.co.id/books?id=2
Wiley. oA9aWlNeooC
https://books.google.co.id/books?id=Y Lorenz, D., Trück, S., & Lützkendorf, T.
hF1osrQ4psC (2006). Addressing Risk and
French, N. (2004). The Valuation of Specialised Uncertainty in Property Valuations: A
Property: A Review of Valuation Viewpoint From Germany. Journal of
Methods. Journal of Property Property Investment & Finance, 24(5),
Investment & Finance, 22(6), 533-541. 400-433.
https://doi.org/doi:10.1108/146357804 https://doi.org/doi:10.1108/146357806
10569506 10691904
French, N. (2020). Property valuation in the Mallinson, M., & French, N. (2000).
UK: material uncertainty and COVID- Uncertainty in Property Valuation–The
19. Journal of Property Investment & Nature and Relevance of Uncertainty
Finance, 38(5), 463-470. and How It Might Be Measured and
https://doi.org/10.1108/JPIF-05-2020- Reported. Journal of Property
0053 Investment & Finance, 18(1), 13-32.
French, N., & Gabrielli, L. (2004). The Pagourtzi, E., Assimakopoulos, V.,
Uncertainty of Valuation. Journal of Hatzichristos, T., & French, N. (2003).
Property Investment & Finance, 22(6), Real Estate Appraisal: A Review of
484-500. Valuation Methods. Journal of
https://doi.org/doi:10.1108/146357804 Property Investment & Finance, 21(4),
10569470 383-401.
Jansen van Vuuren, D. (2017). Valuation https://doi.org/doi:10.1108/146357803
Paradigm: A Rationality and 10483656
(Un)Certainty Spectrum. 35(2), 228- Prasetyo, K. A., Safitra, D. A., & Swasito, A. P.
239. https://doi.org/doi:10.1108/JPIF- P. (2021). Identification of Factors
09-2016-0075 Influencing Land Value For State's
JLL Lasalle. (2022). Global Real Estate Assets Mass Appraisal Purposes:
Transparency Index: Transparency in Evidence From Indonesia. Planning
an age of uncertainty. Malaysia, 19(3), 37-47.
Kahr, J., & Thomsett, M. C. (2006). Real Estate Prasetyo, K. A., Swasito, A., & Safitra, D.
Market Valuation and Analysis. Wiley. (2021). Uncertainty in Business
https://books.google.co.id/books?id=Y Valuation for Tax Purposes. Planning
Km1zEDwQT4C Malaysia, 19(3), 307-316.
Kummerow, M. (2002). A Statistical Definition https://doi.org/10.21837/pm.v19i17.10
of Value [Article]. Appraisal Journal, 08
70(4), 407. Rahadi, R. A., Wiryono, S. K., Koesrindartoto,
http://search.ebscohost.com/login.aspx D. P., & Syamwil, I. B. (2012).
?direct=true&db=bth&AN=7677405& Relationship Between Consumer
site=ehost-live Preferences and Value Propositions: A
Study of Residential Product. Procedia
83
JMAP Vol. 2 No. 2 Desember 2022 hal. 69-83
84