Machine Translated by Google

Seri Konferensi IOP: Ilmu Bumi dan Lingkungan

KERTAS • AKSES TERBUKA Anda mungkin juga suka

-
Analisis Perubahan Nilai Tanah Izin Penggunaan
Integrasi regresi linier dan nonlinier untuk Tanah (IPT) dengan Nilai Jual Objek Pajak
(NJOP) 2018 menggunakan pendekatan data pasar

pendugaan nilai tanah (Studi Kasus: Desa Pucang Sewu,

Kecamatan Gubeng, Surabaya)
UW Deviantari, RD Salsabila dan A
Dediyono
Mengutip artikel ini: NT Sugito dkk 2022 IOP Conf. Ser.: Lingkungan Bumi. Sains. 1089 012032
-
Analisis Penyelesaian Perubahan dan Wajar
Pasar Harga Tanah untuk Memprediksi Fisik
Pengembangan Area Menggunakan Seluler
Automata Markov Model dan SIG di Timur
Kecamatan Ungaran
Lihat artikel online untuk pembaruan dan penyempurnaan. S Subiyanto dan FJ Amarrohman

-
Dinamika Perubahan Nilai Tanah : Suatu Kasus
Pantai Mutiara, Jakarta
Juntrisnawati Loi, Nurahma Tresani dan
Nasirudin Mahmud

Konten ini diunduh dari alamat IP 182.3.104.213 pada 12/10/2022 pukul 07:01
Machine Translated by Google

IGEOS ke-4: Seminar Geografi Internasional 2020 Penerbitan TIO

Konferensi TIO Seri: Ilmu Bumi dan Lingkungan 1089 (2022) 012032 doi:10.1088/1755-1315/1089/1/012032

Integrasi regresi linier dan nonlinier untuk pendugaan

nilai tanah

NT Sugito1*, HZ Abidin2 , Saya Soemarto2, S Hendriatiningsih2

1
Jurusan Pendidikan Geografi, FPIPS, Universitas Pendidikan Indonesia
2
Institut Teknologi Bandung
nanintrianawati@upi.edu

Abstrak. Penilaian tanah merupakan salah satu aspek sistem kadaster yang terintegrasi
dengan tata guna lahan dan penguasaan lahan. Tanah dapat dinilai berdasarkan manfaat
yang dapat diberikan. Tinggi rendahnya nilai tanah dipengaruhi oleh banyak faktor, antara lain
faktor ekonomi, sosial, pemerintahan, dan fisik. Berdasarkan faktor-faktor yang dapat
menentukan nilai tanah, diketahui bahwa penggunaan tanah (zonasi) juga dapat mempengaruhi
pembentukan nilai tanah. Analisis statistik model nilai tanah yang baik harus memperhitungkan
pengaruh letak (X,Y) bidang tanah dengan variabel penentu nilai tanah secara komprehensif
ditambah variabel pusat pelayanan kota. Model pendugaan nilai tanah hasil integrasi regresi
linier dan regresi nonlinier dapat dijadikan acuan nilai tunggal untuk berbagai keperluan. Model
estimasi nilai lahan yang dihasilkan diharapkan dapat mencerminkan nilai sebenarnya.

1. Pendahuluan
Ada empat masalah nasional, yaitu: energi, air, pangan dan tanah. Tanah merupakan komoditas atau barang
ekonomi yang sangat berpengaruh terhadap kehidupan bangsa, namun permasalahan yang berkaitan dengan
pertanahan semakin kompleks dan semakin meningkat kualitas dan kuantitasnya, sehingga diperlukan penanganan
yang serius dan sistematis. Negara berkewajiban mengatur tiga pokok utama tanah, yaitu aspek penguasaan
tanah, aspek penggunaan tanah, dan aspek penilaian tanah. Hal ini dilakukan untuk mencapai kemakmuran dan
kesejahteraan rakyatnya.
Fenomena penilaian tanah ditemukan permasalahan, antara lain: (1) penilaian tanah memerlukan kerja keras,
waktu yang lama, dan biaya yang tinggi terkait dengan banyaknya bidang tanah; (2) Nilai jual objek pajak tidak
dapat dijadikan acuan nilai tanah; (3) Nilai jual objek pajak diperoleh dari rata-rata harga jual/transaksi, belum
memperhitungkan faktor-faktor penentu nilai tanah secara menyeluruh; (4) hasil penilaian tanah tidak mencerminkan
nilai sebenarnya.
Penataan ruang di negara maju sudah merupakan sistem yang terintegrasi dengan urusan pendaftaran tanah
dan penilaian tanah. Dalam hal ini subsistem dalam penataan ruang terdiri dari tata guna lahan, pendaftaran
tanah, dan penilaian tanah [2]. Di Indonesia, kegiatan penataan ruang, pendaftaran tanah, dan penilaian tanah
masih merupakan hal yang terpisah dan berdiri sendiri.
Nilai tanah di kawasan perkotaan dipengaruhi oleh aspek struktur ruang [3]. Keberadaan pusat pelayanan kota
merupakan bagian dari tata ruang. Pendugaan nilai tanah tidak cukup hanya mempertimbangkan lokasi (X, Y)
dari bidang tanah, tetapi lebih baik mempertimbangkan pengaruh variabel-variabel yang menentukan nilai tanah
dan rencana tata ruang. Model yang memiliki kelebihan dalam melihat pengaruh variabel adalah model regresi.

Konten dari karya ini dapat digunakan di bawah ketentuan lisensi Creative Commons Attribution 3.0. Setiap distribusi lebih lanjut dari karya
ini harus mempertahankan atribusi kepada penulis dan judul karya, kutipan jurnal dan DOI.
Diterbitkan di bawah lisensi oleh IOP Publishing Ltd 1
Machine Translated by Google

IGEOS ke-4: Seminar Geografi Internasional 2020 Penerbitan TIO

Konferensi TIO Seri: Ilmu Bumi dan Lingkungan 1089 (2022) 012032 doi:10.1088/1755-1315/1089/1/012032

Model regresi telah banyak digunakan dalam penelitian yang berkaitan dengan pendugaan nilai tanah dan
memberikan hasil yang lebih baik dibandingkan model lainnya [4]. Secara umum peneliti sebelumnya menggunakan
variabel pusat kota dan aksesibilitas. Kesenjangan penelitian yang ada, dibandingkan dengan peneliti sebelumnya,
adalah tentang analisis statistik model nilai tanah yang memperhitungkan lokasi (X, Y) persil tanah dengan variabel
penentu nilai tanah yang komprehensif dan variabel pusat layanan kota. Pada penelitian ini dilakukan
penyempurnaan model pendugaan nilai tanah yang lebih komprehensif yaitu dengan menggunakan variabel yang
mudah dihitung dan dikarakterisasi agar memiliki akurasi yang lebih tinggi. Model estimasi nilai tanah ini diharapkan
dapat lebih mudah dipahami oleh penilai atau masyarakat. Analisis statistik model nilai tanah akan memperhitungkan
pengaruh letak (X,Y) terhadap persil tanah dengan menggunakan variabel penentuan nilai tanah secara
komprehensif dan variabel pusat pelayanan kota. Model estimasi nilai tanah ini diharapkan dapat dijadikan nilai
tunggal melalui kebijakan Pemerintah sehingga dapat digunakan untuk perhitungan pajak, tarif pengurusan
sertifikat tanah, pembebasan tanah, asuransi, penggabungan usaha, konsolidasi usaha, dan perluasan usaha.
Model estimasi nilai tanah ini berkontribusi pada percepatan penilaian tanah; efisiensi biaya survei lapangan
karena pemilihan sampel yang memadai; diharapkan dapat memberikan kontribusi terhadap nilai tunggal untuk
berbagai kepentingan; dan dapat dijadikan referensi bagi daerah perkotaan di Indonesia.

2. Metode
Penelitian ini menggunakan data Nilai Indikasi Rata-Rata. Rata-rata data Nilai Indikasi secara spasial diwujudkan
dalam bentuk centroid yang merupakan titik tengah dari sebidang tanah. Populasi dalam penelitian ini adalah data
nilai indikasi rata-rata dengan syarat data bebas dari outlier [5]. Data populasi yang bebas dari data outlier akan
diambil sebagai data sampel dan data check point [6]. Data check point tersebut selanjutnya akan digunakan
dalam proses validasi untuk menguji reliabilitas model estimasi nilai tanah.
Berikut adalah jumlah data nilai indikasi rata-rata, populasi, data sampel, dan data check point di kawasan
pengembangan Bojonagara.

Tabel 1. Jumlah data Mean Indication Value, populasi, data sampel, dan data check point.
Wilayah Pengembangan Data NIR Data Populasi Data Sampel % Sampel Check Point 19.042
Bojonagara 25.701 1.116 6 17.926

Sampel penelitian diambil dengan menggunakan teknik Cluster Random Sampling yaitu pengambilan sampel
dilakukan berdasarkan kelompok/daerah tertentu. Kelompok/kawasan dalam penelitian ini adalah kawasan
pengembangan di Kota Bandung. Pada penelitian ini diambil daerah pengembangan yaitu Bojonagara.
Analisis statistik yang digunakan dalam penelitian ini adalah integrasi regresi linier dan regresi nonlinier.
Variabel terikat (Y) dalam penelitian adalah nilai tanah, sedangkan variabel bebas (X) adalah jarak antara titik
berat bidang tanah dengan penentu nilai tanah dan jarak antara titik berat bidang tanah dengan pusat layanan
kota. Ada 19 variabel yang menentukan nilai tanah antara lain jalan, hotel, perguruan tinggi, rumah sakit, tempat
pemakaman umum (TPU), tempat ibadah, sekolah, pusat perdagangan, stadion olahraga, restoran, pusat industri,
terminal/stasiun, lembaga pemasyarakatan, jalan Tol, Tempat Pembuangan Sampah (TPS), Lokalisasi/Area
Pelacuran, Bandara, Tower, dan Sungai. Selain itu, terdapat variabel pusat pelayanan kota yang terdiri dari 2
pusat primer dan 6 pusat sekunder. Secara keseluruhan, terdapat 27 variabel independen yang membentuk model
pendugaan nilai tanah.

Dalam analisis regresi dikenal istilah Goodness of fit (GOF) sebagai model statistik yang menggambarkan
seberapa cocok model tersebut dengan rangkaian pengamatan yang dilakukan. GOF dalam model regresi
mempertanyakan seberapa baik model tersebut mampu menghasilkan estimasi yang sesuai dengan nilai
aktualnya. Ukuran umum GOF yang umum digunakan dalam model regresi adalah proporsi varians (sampel) yang
dapat dijelaskan oleh model [7]. Ukuran ini disebut R2 (R Square). R2 adalah koefisien determinasi yang
merupakan ukuran proporsi variasi variabel dependen yang dapat dijelaskan oleh variabel independen.

2
Machine Translated by Google

IGEOS ke-4: Seminar Geografi Internasional 2020 Penerbitan TIO

Konferensi TIO Seri: Ilmu Bumi dan Lingkungan 1089 (2022) 012032 doi:10.1088/1755-1315/1089/1/012032

Ukuran yang dapat digunakan untuk menentukan tingkat ketelitian data sampel suatu model adalah
konsep standar deviasi. Standar deviasi didefinisikan sebagai berikut:

ÿ
ÿ (( = ÿ )2
ÿ =1
ÿ

dengan:

SD = Standar Deviasi '=

nilai
nilai
lahan
lahan
yang
yang
diamati
diestimasi
n = jumlah
dengansampel
modeluyy
==
jumlah parameter

Ukuran yang dapat digunakan untuk membandingkan akurasi model adalah Root Mean Square Error
(RMSE) [8]. Semakin kecil nilai RMSE suatu model, maka semakin akurat model tersebut. RMSE didefinisikan
sebagai berikut:
ÿ
ÿ
ÿ )2
RMSE = ÿ =1((
dengan:

RMSE = Root Mean Square Error '=

nilai
nilai
tanah
tanah
yang
yang
diamati
diperkirakan
n = jumlah
dengan
check
model
pointyy =

3. Hasil dan Pembahasan

3.1 Integrasi regresi linier dan regresi nonlinier Hubungan masing-

masing variabel bebas terhadap nilai tanah dapat dimodelkan dengan menggunakan regresi linier dan
nonlinier. Pengintegrasian regresi linier dan regresi nonlinier menghasilkan model pendugaan nilai tanah.
Model regresi yang dipilih untuk menghasilkan model pendugaan nilai tanah adalah regresi linier, logaritmik,
eksponensial, dan kuadrat.

Tabel 2. RMSE Internal dan RMSE eksternal.

Model sama
Linier Y = a + bx
Kuadrat Y = a + bx + cx2
Logaritma Y = a + b ln x
Eksponensial Y = a(ebx)

Untuk menentukan model regresi masing-masing variabel, dihitung R2, Adjusted R2, dan Std. Error
Estimasi pada masing-masing model. Model regresi terbaik adalah model yang memiliki nilai Adjusted R2 dan
nilai Std terbesar. Kesalahan estimasi terkecil [8]. Berikut adalah model regresi linier dan nonlinier masing-
masing variabel bebas untuk mengetahui hubungan antara variabel X dan variabel Y.

3
Machine Translated by Google

IGEOS ke-4: Seminar Geografi Internasional 2020 Penerbitan TIO

Konferensi TIO Seri: Ilmu Bumi dan Lingkungan 1089 (2022) 012032 doi:10.1088/1755-1315/1089/1/012032

Tabel 3. Parameter regresi untuk masing-masing variabel independen.

R
Mandiri Model R
Disesuaikan R Square Std. Kesalahan Perkiraan
Variabel Kuadratkan
Jalan Eksponensial 0,692 0,479 0,479 0,274
Y = 923931.775 (e-0.007x)
Hotel Kuadrat Y 0,267 0,071 0,070 259614.241
= 689333,506 + 111,199x -
0,081x2 Eksponensial Y =
Kampus 723678,308 (e0,000x) 0,193 0,037 0,036 0,372

RSUD Eksponensial 0,345 0,119 0,118 0,356

Y = 789014.612 (e0.000x)

Publik Eksponensial 0,257 0,066 0,065 0,366

Pemakaman Y = 755133.757 (e0.000x)
Tempat ibadah Quadratic 0,319 0,102 0,100 255278.171
Y = 392807.159 + 1457.249x -
1.322x2 Quadratic Y = 569229.068
Sekolah + 1404.793x - 3.057x2 Logaritmic 0,157 0,025 0,023 266053.020
Y = 1633928.026 - 165702.659 ln
x Quadratic Y = 604768.717 +
Pusat perdagangan 341.949x - 0.192x2 Quadratic Y = 0,433 0,187 0,186 242766.941
745164.549 - 224.837)x + 0.134x2
Industrial Pusat Eksponensial Y =
Stadion Olahraga 826427.060 (e-.0.001x) 0,252 0,064 0,062 260680.309

Tempat-tempat untuk makan 0,089 0,008 0,006 268312.612

0,435 0,190 0,189 0,341

Logaritmik Terminal Stasiun 0,315 0,099 0,098 255581.773

Y = 1432690.443 - 107944.982 ln
x Kuadrat Y = 1786468.375 -
Pemasyarakatan 300.992x + 0.019x2 Kuadrat Y = 0,355 0,126 0,125 251789.671
Lembaga 582709.515 + 105.128x – 0.021x2
Logaritma Y = 3084269.661 – 856
Jalan raya l7n x76. 0,151 0,023 0,021 266281.858

Tempat pembuangan sampah 0,407 0,165 0,165 246003.731

Area dari Logaritma Y 0,391 0,153 0,152 247866.764

Lokalisasi / = 1969353.401 –
Pelacuran 160198.327 ln x

Bandara Kuadrat Y = 0,210 0,044 0,042 263377.650

535710.067 + 141.446x –
0.024cx2 Eksponensial Y =
Menara 572772.301 (e0.00002775x) 0,136 0,018 0,018 0,376

Sungai Linier 0,332 0,111 0,110 253941.545

Y = 565356,001 + 653,908x
Setrasari Kuadrat Y 0,482 0,232 0,231 236056.716
Sekunder = 1495045.200 – 747.988x +
Tengah 0.149x2

Sadang Serang Kuadrat Y 0,329 0,108 0,107 254403.852

Sekunder = 397682,957 + 191,123x –
Tengah 0,024x2
Arcamanic Kuadrat Y 0,368 0,135 0,134 250482.823
Sekunder = 2784674,667 – 315,914x +
Tengah 0,011x2

Kopo Kencana Logaritma Y 0,326 0,106 0,105 254596.583

Sekunder = 2317257.237 –
Tengah 194387.290 ln x

4
Machine Translated by Google

IGEOS ke-4: Seminar Geografi Internasional 2020 Penerbitan TIO

Konferensi TIO Seri: Ilmu Bumi dan Lingkungan 1089 (2022) 012032 doi:10.1088/1755-1315/1089/1/012032

Turangga 0,423 0,179 0,178 244085.715

Y = 1885539.672 – 307.221x +
Sekunder 0.018x2
Tengah
Margasari Kuadrat Y 0,425 0,180 0,179 243899.023
Sekunder = 5284352.643 – 648.578x +
Tengah 0.022x2
Pusat Primer Logaritma 0,465 0,216 0,216 238377.943
Y = 2736895.495 –
Kotak
247192.902 ln x
Gedebage Kuadrat Y 0,413 0,413 0,413 0,413
Sekunder = 6214654.626 – 685.988x +
Tengah 0.021x2

Adanya variabel bebas berpotensi menambah atau mengurangi nilai tanah. Dari 27 variabel bebas, hanya
variabel sungai yang memiliki hubungan linier dengan nilai tanah. Sebagian besar variabel bebas memiliki hubungan
yang tidak linier dengan nilai tanah.
Selain variabel jalan, terdapat variabel dominan yang berpotensi meningkatkan nilai tanah yaitu variabel tempat
makan, terminal/stasiun, hotel, dan perdagangan, sehingga nilai tanah semakin tinggi. Hal ini terkait dengan budaya
masyarakat Kota Bandung yang lebih tertarik untuk memiliki tanah kavling yang dekat dengan jalan raya, tempat
makan, terminal/stasiun, hotel, dan pusat perdagangan.
Kebaruan dalam penelitian ini adalah integrasi variabel spasial, variabel spasial (pusat layanan kota), dan
variabel penentu nilai tanah untuk membangun model estimasi nilai tanah di kawasan perkotaan.
Model estimasi nilai tanah berkontribusi untuk mempercepat penilaian tanah; efisiensi biaya survei lapangan dalam
pengumpulan data; dan diharapkan menjadi satu nilai untuk berbagai keperluan; dan dapat dijadikan referensi bagi
daerah perkotaan di Indonesia.

3.2. Validasi model

Model regresi dihasilkan dari sejumlah data sampel dalam lingkup wilayah pengembangan. Besarnya RMSE yang
dihasilkan dari sejumlah data sampel disebut RMSE internal. Untuk memvalidasi model estimasi nilai tanah, model
regresi digunakan oleh check point untuk kemudian menghasilkan RMSE eksternal. Berikut besaran RMSE internal
dan eksternal di seluruh area pengembangan.

Tabel 4. RMSE Internal dan RMSE Eksternal.

Wilayah Pengembangan RMSE Internal (Rp) RMSE eksternal (Rp)

Bojonagara 241.153 759.139

Nilai RMSE Eksternal di kawasan pengembangan Bojonagara tiga kali lebih besar dari RMSE internal. Model
regresi non linier menggunakan variabel penentu nilai tanah yang terintegrasi dengan variabel pusat pelayanan
kota. Model pendugaan nilai tanah hasil integrasi regresi linier dan regresi nonlinier dapat dijadikan acuan nilai
tunggal untuk berbagai keperluan.

4. Kesimpulan
Analisis statistik model nilai tanah yang baik harus memperhitungkan pengaruh lokasi (X,Y) bidang tanah dengan
variabel penentu nilai tanah secara komprehensif ditambah variabel pusat pelayanan kota. Model pendugaan nilai
tanah hasil integrasi regresi linier dan regresi nonlinier dapat dijadikan acuan nilai tunggal untuk berbagai keperluan.
Model estimasi nilai lahan yang dihasilkan diharapkan dapat mencerminkan nilai sebenarnya. Model estimasi nilai
tanah berkontribusi untuk mempercepat penilaian tanah; efisiensi biaya survei lapangan dalam pengumpulan data;
dan diharapkan menjadi satu nilai untuk berbagai keperluan; dan dapat dijadikan referensi bagi daerah perkotaan
di Indonesia.

5
Machine Translated by Google

IGEOS ke-4: Seminar Geografi Internasional 2020 Penerbitan TIO

Konferensi TIO Seri: Ilmu Bumi dan Lingkungan 1089 (2022) 012032 doi:10.1088/1755-1315/1089/1/012032

Referensi
[1] Dale, Peter. dan McLaughlin, John. (1999). Administrasi Pertanahan. New York: Universitas Oxford
Tekan.
[2] Pertapa, Herman. (2009). Teknik Penaksiran Harga Tanah Perkotaan: Teori Dan Praktek Penilaian Tanah. Bandung:
CV. Mandar Maju.
[3] Sadyohutomo, Mulyono. (2016). Tata Guna Tanah Dan Penyerasian Tata Ruang. 2 Februari.
Surabaya: Pustaka Pelajar.
[4] Arum, SP, dan Fukuda, D. (2020). Dampak jaringan kereta api terhadap nilai tanah pemukiman di dalam kawasan
pembangunan berorientasi transit. Studi Transportasi Asia, 6 (April), 100009. https://doi.org/10.1016/
j.eastsj.2020.100009.
[5] Sari, DK, Nugroho, H., & Hendriawaty, S. (2010). Pemƒodelan Harga Tanah Perkotaan Menggunakan Metode
Geostatistika. Jurnal Rekayasa, XIV(2), 60–71.
[6] Dattalo, P. (2010). Strategi untuk Mendekati Pengambilan Sampel dan Penugasan Acak. (T. Tripodi & Emeritus, Eds.),
Strategi untuk Mendekati Pengambilan Sampel dan Penugasan Acak. Amerika Serikat: Oxford University Press,
Inc. 198 Madison Avenue, New York, New York 10016. https://doi.org/10.1093/acprof:oso/9780195378351.001.0001.

[7] Wahyuni, S. dkk. (2019). Estimasi Sebaran Kualitas Batu Bara ( Ash Content ) Menggunakan Metode Invers Distance
Weighted ( Idw ) Dan Ordinary Kriging ( Ok ) Di Pt. Lokasi Batubara Kayan Putra Utama Separi Timur. , Kalimantan
Jurnal
Geosains, 2(1), 1–6.
[8] Arslan, H. (2014). Estimasi distrubisi spasial dari permukaan air tanah dan area berisiko intrusi air laut di wilayah
pesisir di Dataran Çar ÿ amba, Turki, menggunakan metode interpolasi yang berbeda,
doi.org/10.1007/s10661-014-3764-
5123–5134. https://
z
[9] Nafidah, QA, Astutik, S., Si, S., Si, M., Wuryantini, S., Statistika, J., Brawijaya, U., Tanaman, P., Penelitian, B., &
Jeruk, T. (2020). Penerapan Analisis Regresi Nonlinear Kuadratik Terhadap Pengujian Toksisitas ( LD 50 )
Biopestisida Crude Extract Tembakau Pada Kutu Daun Hijau ( Aphis Gossypii ). Prosiding Seminar Nasional
Inegrasi Matematika Dan Nilai Islami, 3(1), 430– 436.