BTN Housing Index

Penggunaan Housing Index Sebagai Salah Satu Indikator dalam

Penyusunan Rencana Bisnis Properti

R. Mahelan Prabantarikso
Managing Director Strategic, Compliance, and Risk

Dipersiapkan untuk kuliah Mini MBA In Property, Jakarta, 13 Mei 2017

2

Rencana Bisnis, Perlukah?

Target Bisnis
• Rencana bisnis disusun saat memulai bisnis atau
proyek baru.

• Untuk skala bisnis yang lebih kecil seringkali disebut

sebagai Feasibilty Study atau Studi Kelayakan Bisnis. RENCANA
BISNIS
• Penyusunan rencana bisnis diperlukan untuk
mempertemukan “diposisi mana target yang ingin
diraih” dengan “seberapa besar kapasitas/
kemampuan diri”. Indikator Indikator
Makro- Mikro-
ekonomi Indikator ekonomi
• Rencana bisnis penting sebagai bahan evaluasi dan Per-
Indikator
Pesaing
perbaikan dalam proses pencapaian visi misi usahaan

perusahaan.
Indikator-indikator ekonomi akan membentuk gambaran kondisi ekonomi saat
ini dan potensi perkembangannya di masa mendatang.
3

Leading & Lagging Economic Indicators Penjualan

retail

Tingkat Persediaan Tingkat Pertumbuhan

• Ada 2 tipe indikator ekonomi: Perusahaan Perusahaan Baru

1. Leading Economic Indicators Aktivitas Ijin Mendirikan

manufaktur Bangunan
Leading Indicators seringkali berubah sebelum
Pasar Pasar
penyesuaian angka ekonomi makro dan, dengan Modal
LEADING INDICATORS Perumahan
demikian, dapat digunakan untuk memprediksi tren
LAGGING INDICATORS
masa depan. Pertumbuhan Laba Rugi
Ekonomi Perusahaan
2. Lagging Economic Indicators
Tingkat Upah
Lagging indicators mencerminkan kinerja historis Pengangguran Buruh

ekonomi dan perubahannya hanya bisa teridentifikasi Ekspor Nilai Tukar

Impor Mata Uang
setelah tren atau pola telah terjadi.
Tingkat Tingkat Suku
Inflasi Bunga
4
5
6
7

Pasar Perumahan Sebagai Leading Indicator

• Pasar perumahan sudah lama digunakan sebagai salah satu indikator baik/buruknya kondisi perekonomian suatu negara,
misalnya Amerika Serikat, Eropa, dan Australia

• Penurunan harga rumah bisa mengindikasikan pasokan (supply) yang melebihi permintaan (demand), harga yang ada tidak
terjangkau, atau harga rumah memang sedang meningkat sehingga terjadi koreksi untuk menghindari gelembung (bubble)
perumahan.

• Penurunan harga rumah berdampak negatif bagi perekonomian karena:

• Menurunkan nilai kekayaan pemilik rumah

• Mengurangi jumlah pekerja kontruksi yang membangun rumah baru, akhirnya menaikan tingkat pengangguran.

• Mengurangi penerimaan pajak dari sektor properti, akhirnya mengurangi pendapatan pemerintah.

• Untuk bisa diperbandingkan, harga rumah bisa disederhanakan menjadi INDEX HARGA RUMAH.
8

Praktik Penggunaan Indeks Harga Perumahan Di Beberapa Negara

Negara Metodologi Lembaga Penerbit
Harga Median Real Estate Institute of Australia dan Commonwealth Bank of Australia sejak 2005
Australian Bureau of Stratistic (pengelompokan berdasarkan wilayah) dan Australian Property
Australia Mix-Adjusted Monitors (pengelompokan berdasarkan harga rata-rata)
Repeat Sales Residex
Harga Rata-rata Canadian Real Estate Organization
Kanada
Mix-Adjusted Bank of Canada/Royal Le Page (Pengelompokan berdasarkan wilayah dan tipe)
Belanda Repeat Sales hingga 2007
Jerman Mix-Adjusted Deutcshe Bundesbank/Bulwien AG (Pengelompokan berdasarkan wilayah dan tipe)
Spanyol Mix-Adjusted Ministerio de Formento (Pengelompokan berdasarkan wilayah dan tipe)
Prancis Hedonic National Statistical Institute of France
Harga Median Land Registry sejak 1982
Inggris Mix-Adjusted Hoetrack and Rightmove (Pengelompokan berdasarkan wilayah dan tipe)
Hedonic Menggunakan data persetujuan pinjaman dari Halifax dan Nationwide
Harga median dan Harga National Association of Realtor
Rata-rata
Amerika Serikat Berdasarkan data peminjam hipotek dari Office of Federal Housing Enterprise Oversight dan Freddie
Repeat Sales
Mac
Hedonic -
9

Perbandingan Metodologi Penghitungan Index Harga Perumahan

Simple Average Repeated Sales Hedonic Laspeyres Index Appraisal

Sejarah Metode penghitungan indeks
penggunaan yang pertama kali
diperkenalkan. Bisa
menggunakan Simple Mean or
Median Index
Diperkenalkan Bailey, Muth,
dan Nourse pada 1963 sebagai
generalisasi metode Chained
Matched Model
Diperkenalkan pertama kali di Digunakan pertama kali di
AS untuk menghitung nilai sewa Selandia baru pada awal 1960.
rumah dengan
mempertimbangkan jumlah
kamar dan fasilitas lainnya.

Faktor yang • Pembagian kelas data
dipertimbangkan (stratification) yang baik
akan mengurangi bias.
• Memasukan variabel umur
bangunan sebagai variabel
stratifikasi.
• Untuk properti yang dijual Membutuhkan banyak data Membutuhkan banyak data.
lebih dari sekali dan spesifik mengenai karakteristik
kemungkinan data tersebut properti.
sedikit.
• Sesuai bila menggunakan
stochastic model.
• Data cleaning, yakni
membuat data properti yang
gap waktu jualnya terlalu
singkat atau lama karena bia
menyebabkan bias.
10

Perbandingan Metodologi Penghitungan Index Harga Perumahan

Simple Average Repeated Sales Hedonic Laspeyres Index Appraisal

Kelebihan • Perubahan komposisi tempat
tinggal bisa disesuaikan.
• Dapat diuji ulang selama variabel
stratifikasinya sama.
• Dapat diuji di lokasi atau tempat
tinggal yang berbeda.
• Relatif mudah dimengerti.
• Mudah karena hanya melihat
properti yang dijual lebih dari
sekali (frekuensi).
• Regresi standar dan indeks harga
mudah dihitung.
• Sama seperti matched-model
method dengan 1 faktor, yaitu
lokasi.
• Hasilnya dapat diuji ulang dengan
memperhatikan data outliers dan
heterokedaktisitas.
• Fleksible terhadap perubahan
sampel dan mutu tempat tinggal.
• Dapat merangkai indeks harga
dengan berbagai tipe tempat
tinggal dan lokasi melalui
stratifikasi.
• Efisien, Mirip Matched-Model
Method jika varian regresi
hedonic dihilangkan.
• Mudah dihitung
• Hanya membutuhkan data harga
jual dan harga penilaian dan
tidak membutuhkan data
karakteristik tempat tinggal.
• Tingkat bias kecil
• Dapat diuji ulang

Kekurangan • Membutuhkan jumlah sampel
yang banyak dalam satu
periode.
• Meskipun hanya menghitung
harga jual tapi masih perlu data
karakteristik tempat tinggal
untuk stratifikasi.
• Tidak memperhitungkan
depresiasi dan renovasi tempat
tinggal kecuali bila dimasukan
dalam faktor stratifikasi.
• Inefisien karena hanya
menggunakan data harga
properti yang dijual lebih dari
sekali.
• Membutuhkan data yang banyak
untuk akurasi.
• Tidak mempertimbangkan nilai
depresiasi dan renovasi properti.
• data kurang mewakili kumpulan
properti
• Sulit untuk mengontrol lokasi bila • Kurang memperhitungkan
harga properti dan tren harga perubahan mendasar seperti
berbeda-beda menurut wilayah. perbaikan/renovasi tempat
• Membutuhkan biaya yang besar tinggal.
karena banyak data karakteristik • Membutuhkan data penilaian
properti yang dikumpulkan. yang akurat.
• Meskipun bisa diuji ulang indeks • Indeks tidak dapat terurai hingga
yang dihasilkan bisa berbeda komponen lahan dan struktur.
tergantung model atau bentuk
fungsi.
• Sulit dijelaskan kepada user.
11

BTN Housing Index Untuk Industri Properti Indonesia

Pemerintah
• BTN Housing Index merupakan Sebagai regulator, berkepentingan dengan tercukupinya
bagian dari kontribusi Bank BTN kebutuhan papan (tempat tinggal) masyarakat dan persaingan
untuk mendukung kemajuan industri yang sehat serta menentukan arah ekonomi nasional.

industri properti nasional

• BTN Housing Index bisa menjadi

salah satu masukan bagi
Masyarakat Pengembang
stakeholders, baik itu pemerintah,
berkepentingan berkepentingan
pengembang, maupun masyarakat
dengan harga beli dengan harga jual
dalam pengambilan keputusan.
terkait daya beli terkait tingkat
dan/atau ekspektas pengembalian
investasi. investasi.
12

Manfaat BTN Housing Index

Selain sebagai input dalam kebijakan
pembiayaan, BTN Housing Index
memiliki beberapa kegunaan Deflator Nilai Konstruksi
Faktor Pertimbangan Perumahan Pertimbangan Transaksi
Kebijakan Moneter Indeks harga untuk rumah Indeks bisa digunakan sebagai
Beberapa bank sentral baru (primer) bisa digunakan bahan pertimbangan dalam
Indikator Makroekonomi
memasukan indeks harga untuk mendeflasi nilai harga keputusan jual atau beli aset
Kenaikan harga properti
properti dalam penghitungan sekarang dari konstruksi properti.
diasosiasikan dengan periode
target inflasi. perumahan.
ekpansi ekonomi, sementara Penyusunan Strategi Bisnis
penurunan harga properti
Indeks bisa digunakan sebagai salah
mengindikasikan perlambatan
satu variabel dalam penyusunan
ekonomi.
strategi harga pengembang. Asosiasi
pengembang bisa menggunakannya
sebagai indikator dalam menjaga
fluktuasi harga dan menekan aksi
spekulatif.
13

Apa itu BTN Housing Index?

• Indeks Harga Properti BTN (IHPBTN) merupakan indeks harga perumahan yang diperhitungkan secara triwulanan berdasarkan
harga transaksi nasabah PT Bank Tabungan Negara (Persero) Tbk. Sampel mencakup data seluruh kantor cabang BTN di Indonesia
dengan batasan transaksi rumah tapak nonsubsidi dengan tipe ≤70 m 2 yang dijual untuk pertama kali (primer). Triwulan I-2014
merupakan tahun dasar.

• BTN Housing Index bisa menjadi pelengkap Survei Harga Properti Residensial (SHPR) yang Diterbitkan Bank Indonesia

• BTNHI dan SHPR sama-sama menggunakan modifikasi dari metode simple average namun berbeda dalam pemilihan sampel.

Keterangan BTN Housing Index SHPR Bank Indonesia

Waktu Terbit Triwulanan Triwulanan

Sampel Data Harga transaksi riil (akad) nasabah Bank BTN Harga listing pengembang yang menjadi responden BI

Cakupan Sampel Seluruh kantor cabang BTN di Indonesia 16 kota besar di Indonesia

Determinan Harga Primer dan sekunder Primer

Metodologi Penghitungan Chained Fischer Index Weighted chained index method

14

Proses Penghitungan BTN Housing Index

Data Gathering Data Processing Output

Permintaan data Polling dan pengelompokan data berdasarkan:

• Type ( 36 =<, >37 sd 45, >=46 sd <70). Dokumen BTN Housing
penyaluran kredit
• Lokasi perkabupaten Index
dari divisi-divisi
kredit terkait • Bulan akad kredit
• Harga Jual/Nilai Apraisal Agunan Dokumen bisa diakses:
• Banyaknya transaksi (freqwensi) http://www.btn.co.id/
• Luas tanah id/content/Hubungan-
Investor/BTN-Housing-
Data cleansing (pembersihan data): Index
• Data kredit Subsidi dan dan kredit nonsubsidi type >70
tidak dipakai
• Data yang tidak lengkap tidak dipakai
Pengitungan Indeks
15
Dokumen BTN Housing Index
BTN Housing Index Triwulan I – 2017 Cenderung Mengalami Penurunan

• Pertumbuhan BTN Housing Index secara nasional pada triwulan I - 2017 mengalami kenaikan
secara tahunan (yoy) sebesar 10,60%, namun mengalami penurunan secara kuartalan (qtq)
sebesar -0,61%. Adapun nilai BTN Housing Index periode sebelumnya (kuartal IV, 2016)
mengalami perlambatan sebesar -3,67% (qtq) dan -5,74% (yoy)

• Pertumbuhan index tertinggi pada triwulan I-2017 adalah sebagai berikut :

• Type ≤36 : 147,69% (Gorontalo)
• Type 37-45 : 22,12% (Papua)
• Type 46-72 : 82,49 % (Aceh)

• Penurunan harga jual rumah nasional tertinggi pada triwulan I-2017 adalah sebagai berikut :
• Type ≤36 : -27,73% (Yogyakarta)
• Type 37-45 : -13,90% (Jambi)
• Type 46-72 : -11,76% (Sumatera Utara)
16
Dokumen BTN Housing Index
Harga Jual Rumah Triwulan I – 2017 Cenderung Mengalami
Penurunan
• Pertumbuhan harga rumah secara nasional pada triwulan I - 2017 mengalami kenaikan secara
tahunan (yoy) sebesar 11,50%, namun mengalami penurunan secara kuartalan (qtq) sebesar -
0,63%. Adapun harga rumah periode sebelumnya (kuartal IV, 2016) mengalami perlambatan
sebesar -5,09% (qtq) dan -3,73% (yoy)
• Pertumbuhan harga jual rumah nasional tertinggi pada triwulan I-2017 adalah sebagai berikut :
• Type 36 : 43,66% (Sumatera Barat)
• Type 37-45 : 19, 73% (papua Barat)
• Type 46-72 : 21,98 % (Nusa Tenggara Barat)
• Penurunan harga jual rumah nasional tertinggi pada triwulan I-2017 adalah sebagai berikut :
• Type 36 : -66,47% (Lampung)
• Type 37-45 : -67,25% (Nusa Tenggara Timur)
• Type 46-72 : -54,22% (Maluku)
17
Dokumen BTN Housing Index
18 Dokumen BTN Housing Index
19
Dokumen BTN Housing Index

INDEX NASIONAL
PER TYPE RUMAH KENAIKAN DALAM %
No. TAHUN
(x <36) (36 - 45) (45-70) (x <36) (36 - 45) (45-70)
1 2014-Q1 100.00 100.00 100.00
2 2014-Q2 105.80 105.64 110.74 5.80% 5.64% 10.74%
3 2014-Q3 114.46 116.90 115.28 8.19% 10.66% 4.10%
4 2014-Q4 118.90 121.82 122.03 3.88% 4.21% 5.86%
5 2015-Q1 135.05 130.08 124.99 13.58% 6.78% 2.43%
6 2015-Q2 121.59 132.25 139.00 -9.96% 1.67% 11.21%
7 2015-Q3 139.24 139.38 139.05 14.51% 5.39% 0.04%
8 2015-Q4 167.45 176.30 177.22 20.26% 26.49% 27.45%
9 2016-Q1 145.55 141.37 139.53 -13.08% -19.81% -21.27%
10 2016-Q2 154.14 143.30 162.59 5.90% 1.36% 16.53%
11 2016-Q3 162.93 145.75 176.14 5.70% 1.71% 8.33%
12 2016-Q4 164.98 149.37 157.58 1.26% 2.48% -10.54%
13 2017-Q1 163.85 150.65 154.27 -0.69% 0.86% -2.10%
20
PUSAT PENENTU ARAH PERKEMBANGAN

2012
2012
2014

2011 2016
2015

2016
2015

2015
for internal discussion purposes only
SIKLUS PROPERTI INDONESIA

Siklus
Properti

GDP
Growth
Inflasi

BI Rate

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 -16 2017 P
Weak Market Buyer’s Market Soft Market Seller’s Market

Sumber : Indonesia Property Watch

for internal discussion purposes only

PASAR PROPERTI 2016-2017

• Segmen Menengah Bawah Tertekan

• Setiap kenaikan 1% suku bunga akan menurunkan pangsa pasar
KPR 4% - 5%
• 8 dari 10 pengembang menengah bawah mulai meninggalkan
rumah murah

for internal discussion purposes only

PASAR PROPERTI 2017

• Pertumbuhan Melambat Bukan Harga Jatuh

• Beberapa Lokasi menunjukkan pertumbuhan
• Kondisi masih over value secara umum
• Pasar sekunder dan primer akan membentuk keseimbangan
pasar baru
• Pasar sekunder menyimpan potensi pasar yang tinggi

for internal discussion purposes only

BAGAIMANA MENGHADAPI MEA

• Investor Asing mulai masuk Indonesia

• Pertumbuhan diperkirakan diakibatkan dana asing yang akan
masuk
• Tahun 2017 diperkirakan suku bunga akan turun dan
perekonomian mulai meningkat

for internal discussion purposes only

PROPERTY MARKET WARNING
ARAH PERKEMBANGAN PASAR

Indonesia Property Watch, 2013

Perkembangan pesat diperkirakan akan terjadi di wilayah Cikarang, Karawang, Malang,

Surabaya, Makasar, Balikpapan.
for internal discussion purposes only
HARGA TANAH PERUMAHAN
BEKASI DAN SEKITARNYA 2016 - 2017