Anda di halaman 1dari 17

Analisa Korelasi ( The Correlation

Analysis ) .

Ir Benny Supriyanto MSc


Analisa Korelasi ( The Correlation Analysis ) .

Analisa Korelasi adalah Analisa yang menentukan kuat


dan lemahnya hubungan antara satu variabel dengan
variabel yang lain.

Hubungan yang dimaksud adalah hubungan yang pada


umumnya dilakukan dengan maksud tertentu seperti
mendapatkan kredit , meminjam uang , meminta
bantuan / pertolongan , menambah kapasitas penjualan
, meningkatkan produksi suatu pabrik dan lainnya .

Semua kejadian , baik kejadian ekonomi maupun


lainnya pasti ada faktor penyebab kejadian kejadian
tersebut , misalnya merosotnya produksi / penjualan
tekstil mungkin disebabkan kalah bersaing dengan
tekstil impor
Analisa Korelasi ( The Correlation Analysis ) .

Merosotnya hasil penjualan mungkin karena


menurunnya biaya iklan suatu perusahaan .

Menurunnya penerimaan devisa mungkin karena mutu


barang ekspor yang kurang baik .

Kenaikan harga mungkin disebabkan oleh bertambahnya


uang yang beredar atau karena kenaikkan gaji yang
ditetapkan .

Uraian ini menunjukkan adanya hubungan ( korelasi )


antara kejadian yang satu dengan kejadian lainnya .
Kejadian itu dapat dinyatakan dengan perubahan nilai
variabel .
Analisa Korelasi ( The Correlation Analysis ) .

Kalau X = Variabel harga , maka naik turunnya harga


dapat dinyatakan dengan perubahan nilai X . Apabila
Y = Variabel hasil penjualan , maka naik turunnya hasil
penjualan dapat dinyatakan dengan perubahan nilai Y .
Jadi hubungan antara dua kejadian dapat dinyatakan
dengan hubungan dua variabel

Apa perlunya mengetahui hubungan antar variabel ?


Didalam perencanaan selain data masa lampau dan
masa sekarang , juga diperlukan data hasil ramalan yang
menggambarkan kemampuan di masa yang akan
datang. Misalnya perusahaan dalam merencanakan
produksi memerlukan ramalan hasil penjualan , sehingga
dapat dicegah terjadinya over production atau under
production .
Analisa Korelasi ( The Correlation Analysis ) .

Over production berarti produksi melebihi permintaan


sehingga banyak yang tidak laku , sedangkan under
production menyebabkan tidak terpenuhinya pesanan
yang dapat menghilangkan kesempatan menjual .

Apabila dua variabel X dan Y mempunyai hubungan ,


maka nilai variabel X yang sudah diketahui dapat
dipergunakan untuk memperkirakan / menaksir Y .
Ramalan pada dasarnya merupakan perkiraan / taksiran
mengenai terjadinya suatu kejadian untuk waktu yang
akan datang .
Analisa Korelasi ( The Correlation Analysis ) .

Variabel Y yang nilainya akan diramalkan disebut


variabel tidak bebas ( dependent variabel ) , sedangkan
variabel X yang nilainya dipergunakan untuk
meramalkan nilai Y disebut variabel bebas ( independent
variabel ) atau variabel peramal ( predictor ) dan sering
kali disebut variabel yang menerangkan ( Explanatory )

Jadi jelas analisis korelasi ini memungkinkan kita untuk


mengetahui sesuatu di luar hasil penyelidikan , baik
secara kualitatif maupun secara kuantitatif .
Analisa Korelasi ( The Correlation Analysis ) .

Hubungan dua variabel ada yang positif dan negatif .


Hubungan X dan Y dikatakan positif apabila kenaikan
( penurunan ) X , pada umumnya diikuti oleh kenaikan
( penurunan ) Y . Sebaliknya dikatakan negatif apabila
kenaikan ( penurunan ) X , pada umumnya diikuti oleh
penurunan ( kenaikan ) Y

Jadi jelas analisis korelasi ini memungkinkan kita untuk


mengetahui sesuatu di luar hasil penyelidikkan , baik
secara kualitatif maupun secara kuantitatif .
Dalam Penilaian Properti
Analisa Korelasi adalah Analisa yang menentukan kuat
dan lemahnya hubungan antara satu variabel dengan
variabel yang lain.
Dalam penilaian properti Analisa Korelasi ini dapat
menjadi pertimbangan Penilai dalam menentukan
variabel – variabel / faktor – faktor yang besar
pengaruhnya terhadap Nilai Properti .
Penilai dapat menentukan atau mencari variabel –
variabel apa saja yang paling besar mempengaruhi Nilai
Pasar suatu Properti . Besarnya atau kuatnya hubungan
antara Nilai Pasar Properti dengan faktor – faktor yang
mempengaruhi Nilai Pasar dapat dibaca dari besarnya
nilai Koefisien Korelasi ( r ) .
Pendekatan Pasar ( Market Approach ) .
Pada Penilaian dengan Pendekatan Pasar , Penilai harus
menentukan faktor – faktor yang mempengaruhi Nilai
Pasar ( seperti luas tanah , luas bangunan , lebar jalan ,
lebar tanah yang menghadap jalan , permukaan tanah
dan faktor lainnya )
Pada implementasi Pendekatan Pasar faktor – faktor
yang besar pengaruhnya terhadap Nilai Pasar tanah
harus ditentukan oleh penilai dan menjadi faktor atau
variabel yang perlu dilakukan penyesuaian .
Faktor – faktor yang kecil pengaruhnya terhadap Nilai
Pasar tanah dapat diabaikan atau tidak perlu dilakukan
penyesuaian .
Jadi Penilai dalam Implementasi Pendekatan Pasar perlu
melakukan analisa korelasi antara variabel yang
mempengaruhi Nilai Pasar Tanah .
Pendekatan Pasar ( Market Approach ) .
Pada Penilaian dengan Pendekatan Pasar , Penilai dalam
melakukan penyesuaian antara Obyek Penilaian dan
Obyek Pembanding harus memperhatikan faktor – faktor
yang paling besar mempengaruhi Nilai Pasar , karena
perbedaan dalam penyesuaian antara Obyek Penilaian
dan Obyek pembanding menjadi penentu Nilai Pasar
Properti dengan Pendekatan Pasar
Maka dalam matriks penyesuaian yang biasa digunakan
Penilai Properti perlu dilakukan / ditentukan prioritas
yang handal agar hasil Penilaian dapat lebih akurat dan
dapat dipercaya .
Contoh Matriks Penyesuaian Pendekatan Pasar
Matrik Penyesuaian

Data Properti Properti Yg Dinilai Data 1 Data 2 Data 3

Luas tanah ( m 2 ) 360 300 300 360


Luas rumah tinggal ( m 2 ) 300 280 300 350
Kualitas bangunan Lux Standar standar Lux
Perlengkapan bangunan 3 spiltz 1 spiltz – 3 spiltz
Solar water ada ada – ada
Jenis Kavling sudut interior tusuk sate interior
Ukuran lebar kavling 12 10 12 15
Ukuran panjang kavling 30 30 25 24
Lebar jalan ( meter ) 10 8 10 10
8 – – –
Data Tata kota
Peruntukkan Perumahan / Wbs Perumahan / Wbs Perumahan / Wbs Perumahan / Wbs
GSB ( meter ) 5 5 5 5
GSB Samping ( meter ) 5 – – –
KDB 60% 50% 60% 50%
KLB 1.2 1.2 1.2 1.2
Tinggi bangunan 2 lantai 2 lantai 2 lantai 2 lantai
Fasilitas Tersedia
Penerangan Listrik
Air Bersih PAM sumur PAM sumur
Sertifikat tanah HGB HGB HGB HGB

Waktu diperoleh data 3 bulan y. l 2 bulan y.l 3 hari y.l


Contoh Matriks Penyesuaian Pendekatan Pasar
Harga ditawarkan 2,800,000,000 2,850,000,000 3,600,000,000
Diskon 10% 280,000,000 285,000,000 360,000,000
Data Pasar dapat Terjual 2,520,000,000 2,565,000,000 3,240,000,000
Luas dikuasai 450 320 330 398

GSB 150 250 240 285


KDB 216 150 180 180
KLB 432 360 360 432
Luas bangunan 300 300 324 360

Penyesuaian

Waktu diperoleh data 2.50% 1.5% 0%


Luas Tanah 16.67% 16.67% 0.00%
Daerah dikuasai 40.63% 36.36% 13.21%
Sertifikat 0.00% 0.00% 0.00%
GSB , KDB , KLB -20% -20% 0%
Perlengkapan -3% 0% -3%
Kualitas bangunan 7.5% 7.5% 0%
Perlengkapan bangunan 1% 2% 0

45.29% 44.03% 10.21%

Total Penyesuaian 1,141,350,000 1,129,377,273 330,724,528

3,661,350,000 3,694,377,273 3,570,724,528

Pembebanan 100% 33% 33% 34%

3,641,436,340 1,208,245,500 1,219,144,500 1,214,046,340

Nilai Pasar 3,641,000,000


10,113,889
Koefisien Korelasi diberi tanda / simbol : r

Koefisien Korelasi ( r ) dinyatakan dengan angka dari


minus 1 ( - 1 ) sampai plus 1( + 1 )
Kuat atau lemahnya hubungan antar variabel atau
Faktor yang berhubungan dengan Nilai digambarkan
oleh angka -1 sampai + 1 .
Bila r = - 1 hubungan antar variabel sangat kuat dan
berlawanan , sedang bila r = + 1 hubungan antar
variabel sangat kuat dan searah , bila r = 0 hubungan
antar variabel tidak ada , atau antar variabel tidak saling
mempengaruhi .
Bila r = - 1 < r < 1 , maka hubungan antar variabel
lemah sampai kuat .
Diagram yang menggambarkan Kuat
dan Lemah hubungan antara variabel

– 1,0 – 0,8 – 0,6 – 0,4 – 0,2 0 + 0,2 + 0,4 + 0,6 + 0,8 + 1,0

sangat kuat kuat rata - rata lemah sangat lemah lemah rata - rata kuat sangat kuat
Langkah perhitungan analisa korelasi dengan Matriks

Bentuk data yang tersedia dalam bentuk matrik , dengan mengubah


data tersedia yang bersifat kualitatif menjadi data yang bersifat
kuantitatif .
Hitung dengan metode statistik Mean , Covaria dan Standar
deviasinya .
Bentuk matrik dengan rumus adalah ( Data – Mean )/ standar
deviasi
Bentuk matrik baru yang bersifat Transpose terhadap matrik data
yang tersedia .
Multiply matrik Transpose dengan matrik asal akan membentuk
matrik bujur sangkar
Bagi Matrik bujur sangkar dengan angka bilangan matriks yang
tertinggi .
Matrik baru menggambarkan korelasi antar variabel .
Contoh perhitungan analisa korelasi dengan Matrik

H. Jual L. Tanah L. Bangunan U. Bangunan L. Jalan


( Juta ) ( m2) ( m2) tahun ( m)

125 200 90 13 8
160 220 100 6 8
175 290 90 7 10
165 240 100 8 10
150 220 95 10 8
160 230 95 8 10
135 210 90 6 8
150 220 95 8 10

Mean 152.5000 228.7500 94.3750 8.2500 9.0000 @AVG(B4 … B11 )


Std Deviasi 15.2069 25.7087 3.9031 2.1651 1.0000 @STD(B4 … B11 )
Coef of var 9.9717 11.2388 4.1358 26.2432 11.1111 B14*100/B13
Contoh perhitungan analisa korelasi dengan Matrik
Matriks -1.8084 -1.1183 -1.1209 2.1939 -1.0000 (B3-B12)/B13
0.4932 -0.3404 1.4412 -1.0392 -1.0000
1.4796 2.3825 -1.1209 -0.5774 1.0000
0.8220 0.4376 1.4412 -0.1155 1.0000
-0.1644 -0.3404 0.1601 0.8083 -1.0000
0.4932 0.0486 0.1601 -0.1155 1.0000
-1.1508 -0.7293 -1.1209 -1.0392 -1.0000
-0.1644 -0.3404 0.1601 -0.1155 1.0000

Transpose -1.8084 0.4932 1.4796 0.8220 -0.1644 0.4932 -1.1508 -0.1644


-1.1183 -0.3404 2.3825 0.4376 -0.3404 0.0486 -0.7293 -0.3404
-1.1209 1.4412 -1.1209 1.4412 0.1601 0.1601 -1.1209 0.1601
2.1939 -1.0392 -0.5774 -0.1155 0.8083 -0.1155 -1.0392 -0.1155
-1.0000 -1.0000 1.0000 1.0000 -1.0000 1.0000 -1.0000 1.0000

Multiply 8.0000 6.7144 3.5802 -4.4041 5.2608


6.7144 8.0000 -0.5606 -3.0093 5.0567
3.5802 -0.5606 8.0000 -2.2188 1.2810
-4.4041 -3.0093 -2.2188 8.0000 -1.8475
5.2608 5.0567 1.2810 -1.8475 8.0000

H. Jual L. Tanah L. Bangunan U. Bangunan L. Jalan

H. Jual 1 0.8393 0.4475 -0.5505 0.6576


L. Tanah 0.8393 1 -0.0701 -0.3762 0.6321
L. Bangunan 0.4475 -0.0701 1 -0.2774 0.1601
U. Bangunan -0.5505 -0.3762 -0.2774 1 -0.2309
L. Jalan 0.6576 0.6321 0.1601 -0.2309 1

Anda mungkin juga menyukai