LAMPIRAN. Lampiran 1. Tipe Penggunaan Lahan di Kabupaten Bogor

(1)

No Penggunaan lahan

No

Reklasifikasi Penggunaan Lahan

1 Tanah Kosong diperuntukkan

2 Tanah

rusak

3 Tanah

Tandus

4 Tanah

terbuka/Galian/Pasir

1 Tanah

kosong

(Terlantar/Rusak/Galian)

5 Alang-alang

6 Rumput

7 Semak

2 Semak/Belukar/Alang-alang

8 Sawah 1 x Padi/Tahun

9 Sawah 2 x Padi/Tahun

3 Sawah

Irigasi

10 Kuburan

11 Lapangan

Golf

12 Lapangan

Olahraga

13 Taman

4 Sarana

Umum

14 Perkampungan

15 Perkampungan

Jarang/Villa/Bungalow

5 Perkampungan/Villa/Bungalow

16 Perumahan

6 Permukiman/Perumahan

17 Perkebunan

Besar

18 Perkebunan

Rakyat

7 Perkebunan

19 Buah-buahan

20 Kebun

Campuran

21 Tegalan

8 Kebun

Campuran/Tegalan

22 Industri

23 Industri

Pangan/Peternakan

9 Kawasan

industri

24 Hutan

Bambu

25 Hutan

Belukar

26 Hutan

Lebat

27 Hutan Sejenis Buatan

10 Hutan/Vegetasi

Lebat

28 Emplasemen

Tetap

11 Emplasemen

Tetap

29 Kolam

Air

Tawar

30 Rawa

31 Sungai/Danau/Setu/Waduk

32 Tailing

Dam

12 Badan-badan

Air

(Waduk/Setu/Sungai/Danau)

(2)

Lampiran 2. Sistem Penilain Individual PBB

ZNT

DBKB

SPOP +

LSPOP

Memasukkan data

ke Komputer

Seleksi Objek Pajak

Objek Pajak

Konstruksi Umum

Objek Pajak

Konstruksi Khusus

Penilaian

Individual

LKOK

Proses CAV

Program CAV

Pengecekan

Nilai

Nilai Objek

Nilai tidak Dapat

Diterima

Nilai Dapat

Diterima

Nilai CAV

Nilai Jual Objek

Pajak

(3)

Keterangan :

ZNT

= Zona Nilai Tanah

DBKB

= Daftar Biaya Komponen Bangunan

SPOP

= Surat Pemberitahuan Objek Pajak

LSPOP

= Lampiran Surat Pemberitahuan Objek Pajak

CAV

= Computer Assisted Valuation

(4)

Lampiran 3. Surat Pemberitahuan Pajak Terutang Pajak Bumi dan

Bangunan.

(5)

(6)

No. NJOP

H

NL

L JJ KP JP JPP FA

SL

JB SuL

B

1 64.000

200.000 16.000.000 80 1000

2922 1000

3000 0 1 0 0 1

2 103.000 300.000 30.000.000 100 1000

2861 4000

1000 1 1 1 1 1

3 82.000 100.000 30.000.000 300 500

2861 2000

1000 0 0 0 0 1

4 103.000 150.000 36.000.000 150 1000

2861 2000

1000 0 1 0 0 0

5 82.000 100.000 8.000.000 80 1000

2861 2000

3000 0 1 0 0 0

6 310.000 350.000 144.000.000 400 500 2861 2000

1000 1 1 1 1 0

7 103.000 300.000 60.000.000 200 200 2325 3000

2000 0 0 0 1 1

8 160.000 200.000 20.400.000 102 500 2325 2000

3500 0 1 1 1 1

9 160.000 165.000 24.750.000 150 500 2325 2500

1000 0 1 0 1 0

10 82.000 150.000 22.500.000 150 500 2325 3000

1000 0 0 0 1 0

11 394.000 500.000 150.000.000 300 10 2369 1000

500 1 0 1 1 1

12 310.000 400.000 52.000.000 130 100 2369

500 500 0 1 1 1 1

13 160.000 500.000 75.000.000 150 20 2369 1000

500 0 0 1 1 1

14 103.000 450.000 67.500.00 150 50 2369 2000

500 1 1 0 1 0

15 310.000 500.000 50.000.000 100 100 2369

200 1500 0 1 0 0 1

16 394.000 500.000 175.000.000 350 10 2732 2000

500 0 0 1 1 1

17 48.000 40.000 100.320.000 2508 2000

2732 4000

3500 0 0 0 1 0

18 82.000 120.000 14.400.000 120 200 2732

2000

2000 0 1 0 1 0

19 48.000 100.000 11.700.000 117 100 2732

1000

2000 0 1 0 1 1

20 160.000 160.000 17.600.000 110 1000

2732

1000

2000 0 0 1 1 1

21 48.000 30.000 60.000.000 2000

1500

2732

3000

2000 0 1 0 1 0

22 48.000 150.000 5.400.000 38 500 1482

6000

4000 0 0 0 1 1

23 48.000 100.000 5.300.000 53 500 1482

7000

4000 0 0 0 1 1

24 48.000 110.000 4.400.000 40 1000

1482

7000

4500 0 0 0 1 1

25 48.000 120.000 9.880.000 74 1000

1482

7000

4000 0 0 1 0 1

26 82.000 200.000 39.600.000 198 2000

2529

2000

1000 0 1 1 1 1

27 82.000 150.000 15.000.000 150 500 2529

1500

1000 0 0 1 0 1

28 82.000 120.000 24.000.000 200 1000

2529

1500

2000 0 1 1 1 1

29 82.000 120.000 9.320.000 76 500 2529

2000

1000 0 1 1 1 1

30 160.000 200.000 12.000.000 60 1000

2152

4000

6000 1 0 1 1 1

31 310.000 250.000 20.300.000 92 2000

4066

2000

5500 0 1 1 1 1

32 82.000 130.000 23.400.000 180 2000

2152

4000

5000 0 0 0 1 0

33 160.000 150.000 13.950.000 93 1000

4066

3000

5000 0 1 1 1 0

34 82.000 130.000 10.400.000 80 1500

3130

5000

5000 0 1 0 1 0

35 335.000 350.000 17.150.000 49 1500

2922

2000

2500 1 1 1 0 0

36 48.000 140.000 17.500.000 125 500 8796

4500

5500 0 0 0 0 1

37 64.000 250.000 78.000.000 112 2000

8796

3000

6500 0 1 1 1 1

38 160.000 150.000 30.150.000 210 1500

2116

4000

5000 0 0 1 0 0

39 128.000 260.000 11.180.000 43 1500

2116

5000

5000 0 1 1 1 1

40 335.000 350.000 38.500.000 110 500 2861

3000

2000 0 1 1 1 1

Keterangan :

NJOP : Nilai Jual Objek Pajak (Rp/m

2

)

KP

:

Kepadatan

Penduduk

(Jiwa/km

2

)

H

: Harga Jual Lahan (Rp/m

2

)

JP

: Jarak Lahan ke Pasar Cibinong (m)

NL

: Nilai Lahan (Rp/persil)

JPP

: Jarak Lahan ke Pemerintahan

L

: Luas Lahan yang Dijual (m

2

)

Kabupaten

Bogor

(m)

JJ

: Jarak Lahan ke Jalan yang sering

FA

: Fasilitas Air

dilalaui kendaraan roda empat(m)

JB

: Jalan Beraspal

SL

:

Status

Lahan

SuL

:

Sumber

Lahan

B

:

Ancaman

Banjir

(7)

Lampiran 6. Hasil Analisis Faktor-faktor yang Mempengaruhi Harga Lahan

Pemukiman

1. Regresi Linear Dengan Variable Dependen Harga Lahan

Regression Analysis: H versus L; JJ; ...

The regression equation is

H = 196588 - 52,4 L - 44,5 JJ + 12,6 KP - 11,5 JP - 14,7 JPP + 71109 FA - 9226 SL - 25331 JB + 25971 SuL + 50301 B + 0,601 NJOP

Predictor Coef SE Coef T P VIF Constant 196588 75496 2,60 0,015 L -52,39 76,90 -0,68 0,501 1,3 JJ -44,53 40,56 -1,10 0,282 3,2 KP 12,62 12,85 0,98 0,334 1,5 JP -11,49 14,24 -0,81 0,426 2,4 JPP -14,74 15,19 -0,97 0,340 3,8 FA 71109 39881 1,78 0,085 1,4 SL -9226 36432 -0,25 0,802 1,5 JB -25331 44059 -0,57 0,570 2,1 SuL 25971 39550 0,66 0,517 1,3 B 50301 41087 1,22 0,231 1,6 NJOP 0,6014 0,1712 3,51 0,002 2,0 S = 42982431 R-Sq = 71,9% R-Sq(adj) = 60,9%

PRESS = 5,172983E+16 R-Sq(pred) = 71,93%

Analysis of Variance

Source DF SS MS F P Regression 11 1,32585E+17 1,20532E+16 6,52 0,000 Residual Error 28 5,17297E+16 1,84749E+15

Total 39 1,84315E+17 Source DF Seq SS L 1 1,66738E+14 JJ 1 6,16075E+16 KP 1 1,05417E+15 JP 1 2,10521E+16 JPP 1 1,85272E+15 FA 1 1,25617E+16 SL 1 7,70551E+14 JB 1 8,35145E+15 SuL 1 4,16362E+13 B 1 2,32045E+15 NJOP 1 2,28061E+16 Unusual Observations

Obs L H Fit SE Fit Residual St Resid 13 150 500000 346040 38835 153960 3,29R 14 150 450000 335849 45348 114151 2,52R 15 100 500000 419890 47463 80110 2,11R

R denotes an observation with a large standardized residual.

(8)

2. Regresi Linear Dengan Variable Dependen Nilai Lahan

Regression Analysis: NL versus L; JJ; ...

NL = - 6631146 + 32958 L - 2354 JJ + 9689 KP + 1508 JP - 8414 JPP + 13263730 FA

- 20541852 SL + 789774 JB + 17440854 SuL - 2828014 B + 198 NJOP

Predictor Coef SE Coef T P VIF Constant -6631146 20684274 -0,32 0,751 L 32958 10941 3,01 0,005 1,6 JJ -2354 10707 -0,22 0,828 2,6 KP 9689 3415 2,84 0,008 1,5 JP 1508 3787 0,40 0,693 2,6 JPP -8414 4119 -2,04 0,051 3,3 FA 13263730 13213542 1,00 0,324 1,3 SL -20541852 10198772 -2,01 0,054 1,5 JB 789774 11841581 0,07 0,947 2,1 SuL 17440854 10280265 1,70 0,101 1,2 B -2828014 10993348 -0,26 0,799 1,6 NJOP 198,31 54,16 3,66 0,001 1,9 S = 26081048 R-Sq = 70,8% R-Sq(adj) = 59,3%

PRESS = 4,999516E+16 R-Sq(pred) = 23,37%

Analysis of Variance

Source DF SS MS F P Regression 11 4,61974E+16 4,19977E+15 6,17 0,000 Residual Error 28 1,90462E+16 6,80221E+14

Total 39 6,52436E+16

No replicates.

Cannot do pure error test.

Source DF Seq SS L 1 9,16294E+15 JJ 1 7,74362E+15 KP 1 2,00296E+15 JP 1 2,76470E+15 JPP 1 1,86056E+15 FA 1 5,59340E+15 SL 1 2,47102E+15 JB 1 3,31216E+15 SuL 1 1,78893E+15 B 1 3,78702E+14 NJOP 1 9,11845E+15 Unusual Observations

Obs L NL Fit SE Fit Residual St Resid 16 350 175000000 123698812 15163055 51301188 2,42R 35 49 17150000 61693352 16153950 -44543352 -2,18R 36 125 17500000 48738767 20937342 -31238767 -2,01R 37 112 78000000 34965024 18777775 43034976 2,38R

R denotes an observation with a large standardized residual. Durbin-Watson statistic = 1,72648

(9)

3. Regresi

Double-log

Dengan Variabel Dependen Harga

Regression Analysis: ln H versus ln L; ln JJ; ...

ln H = 6,04 - 0,269 ln L - 0,101 ln JJ + 0,317 ln KP + 0,052 ln JP - 0,158 ln JPP + 0,275 FA - 0,014 SL - 0,035 JB

+ 0,007 SuL + 0,208 B + 0,530 ln NJOP

Predictor Coef SE Coef T P VIF Constant 6,038 2,402 2,51 0,018 ln L -0,26860 0,07858 -3,42 0,002 1,7 ln JJ -0,10111 0,06630 -1,53 0,138 3,2 ln KP 0,3172 0,1676 1,89 0,069 1,4 ln JP 0,0522 0,1200 0,43 0,667 2,9 ln JPP -0,1584 0,1098 -1,44 0,160 3,0 FA 0,2754 0,1657 1,66 0,108 1,4 SL -0,0137 0,1453 -0,09 0,925 2,0 JB -0,0353 0,1557 -0,23 0,822 2,3 SuL 0,0068 0,1382 0,05 0,961 1,4 B 0,2076 0,1546 1,34 0,190 2,1 ln NJOP 0,5301 0,1263 4,20 0,000 2,8 S = 0,321802 R-Sq = 82,0% R-Sq(adj) = 75,0% PRESS = 6,35602 R-Sq(pred) = 60,63% Analysis of Variance Source DF SS MS F P Regression 11 13,2454 1,2041 11,63 0,000 Residual Error 28 2,8996 0,1036 Total 39 16,1450 No replicates.

Source DF Seq SS ln L 1 1,5124 ln JJ 1 5,6522 ln KP 1 0,6702 ln JP 1 0,5004 ln JPP 1 0,5169 FA 1 0,2152 SL 1 0,0314 JB 1 0,0417 SuL 1 0,0076 B 1 0,1867 ln NJOP 1 3,9107 Unusual Observations

Obs ln L ln H Fit SE Fit Residual St Resid 37 4,72 12,4292 11,9406 0,2106 0,4886 2,01R

R denotes an observation with a large standardized residual. Durbin-Watson statistic = 1,43090

(10)

4. Regresi

Double-log

Dengan Variabel Dependen Nilai Lahan

Regression Analysis: ln NL versus ln L; ln JJ; ...

ln NL = 4,71 + 0,713 ln L - 0,110 ln JJ + 0,560 ln KP + 0,074 ln JP - 0,158 ln JPP + 0,270 FA + 0,038 SL - 0,007 JB

+ 0,038 SuL + 0,194 B + 0,474 ln NJOP

Predictor Coef SE Coef T P VIF Constant 4,712 3,173 1,49 0,149 ln L 0,7130 0,1038 6,87 0,000 1,7 ln JJ -0,10956 0,08757 -1,25 0,221 3,2 ln KP 0,5596 0,2213 2,53 0,017 1,4 ln JP 0,0745 0,1586 0,47 0,642 2,9 ln JPP -0,1575 0,1451 -1,09 0,287 3,0 FA 0,2705 0,2188 1,24 0,227 1,4 SL 0,0385 0,1920 0,20 0,843 2,0 JB -0,0067 0,2057 -0,03 0,974 2,3 SuL 0,0384 0,1825 0,21 0,835 1,4 B 0,1938 0,2042 0,95 0,351 2,1 ln NJOP 0,4738 0,1669 2,84 0,008 2,8 S = 0,425048 R-Sq = 85,0% R-Sq(adj) = 79,1% PRESS = 12,6149 R-Sq(pred) = 62,57% Analysis of Variance Source DF SS MS F P Regression 11 28,6417 2,6038 14,41 0,000 Residual Error 28 5,0586 0,1807 Total 39 33,7003 No replicates.

Source DF Seq SS ln L 1 17,1676 ln JJ 1 4,8132 ln KP 1 1,8232 ln JP 1 0,3531 ln JPP 1 0,5677 ln NJOP 1 3,4343 FA 1 0,2210 SL 1 0,0003 JB 1 0,0741 SuL 1 0,0246 B 1 0,1626 Unusual Observations

Obs ln L ln NL Fit SE Fit Residual St Resid 37 4,72 18,1722 17,0463 0,2781 1,1259 3,50R

R denotes an observation with a large standardized residual.