DAFTAR PUSTAKA. 2. Congalton,R.G, (1991), Assessing the Accuracy of Remotely Sensed Data : Principles and Practises, Lewish Publisher, New York, NY.

(1)

DAFTAR PUSTAKA

1. Congalton,R.G, (1988), A Comparison of Sampling Scheme Used in

generating Matrices Error for Assesing the Accuracy of maps generated from

Remotely Sensed Data, Photogrammetric Engineering and Remote Sensing,

Vol.54, No.5, hal 587-592.

2. Congalton,R.G, (1991), Assessing the Accuracy of Remotely Sensed Data :

Principles and Practises, Lewish Publisher, New York, NY.

3. Danoedoro, P., (1996), Pengolahan Citra Digital Teori dan Aplikasinya

Dalam Bidang Penginderaan Jauh, Fakultas Geografi Universitas Gadjah

Mada, Yogyakarta.

4. Depkeu RI. (2002), Surat Keputusan Menteri Keuangan Nomor :

486/KMK.03/2002 tanggal 28 Nopember 2002, tentang Penilaian Kembali

Aktiva Tetap Perusahaan untuk Tujuan Perpajakan, Jakarta.

5. Ditjen Pajak (2002), Keputusan Direktur Jenderal Pajak Nomor :

KEP-519/PJ./2002 tanggal 2 Desember 2002 tentang Tata Cara dan Prosedur

Pelaksanaan Penilaian Kembali Aktiva Tetap Perusahaan Untuk Tujuan

Perpajakan, Jakarta

6. Ditjen Pajak. (1999), Keputusan Surat Edaran Direktur Jenderal Pajak

Nomor : SE-25/PJ.6/2006, Tanggal 20 Juli 2006 tentang Tata Cara

Pembentukan/ Penyempurnaan ZNT/NIR, Jakarta.

7. Ditjen Pajak. (1999), Surat Edaran Direktur Jenderal Pajak Nomor :

SE-21/PJ.6/1999, Tanggal 23 April 1999 tentang Petunjuk Pelaksanaan

KEP-16/PJ.6/1998 Khusus Untuk Pengenaan PBB Sektor Perkebunan, Jakarta.

8. Ditjen Pajak. (1999), Surat Edaran Direktur Jenderal Pajak Nomor :

SE-30/PJ.6/1999, Tanggal 17 Mei 1999 tentang Penjelasan Pengenaan PBB

Sektor Pedesaan dan Perkotaan dan Penyempurnaan Tata Cara Pengenaan

PBB Sektor Perkebunan Serta Usaha Bidang Perikanan, Jakarta.

9. Ditjen Pajak. (2000), Keputusan Direktur Jenderal Pajak Nomor :

KEP-533/PJ/2000, Tanggal 20 Desember 2000 tentang Petunjuk Pelaksanaan

Pendaftaran, Pendataan dan Penilaian Objek dan Subjek PBB Dalam

Rangka Pembentukan dan atau Pemeliharaan Basis Data Sistem Manajemen

Informasi Objek Pajak (SISMIOP), Jakarta.

10. Hariyanto, Isman, (2006), Analisis Keakuratan Peta Hasil Interpretasi Citra

Ikonos Dalam Mengidentifikasi Obyek PBB Sektor Perkebunan Kepala

Sawit, Tesis Magister, Institut Teknologi Bandung, Bandung.

(2)

11. Ikatan Akuntan Indonesia, (2002), Standar Akuntansi Keuangan, Salemba

Empat, Jakarta

12. Lillesand, Thomas M. dan Ralph W. Kiefer (1993), Penginderaan Jauh dan

Interpretasi Citra, terjemahan, Dulbahri dkk, Gadjah Mada University Press,

Yogyakarta.

13. Lubis,A.U, (1992), Kelapa Sawit (elaeis Guineensis Jacq) di Indonesia,

Pusat Penelitian Perkebunan Marihat – Bandar Kuala, Pematang Siantar,

Sumatera Utara

14. Nugroho, Edi dan Helmi, M., (2003), Pemetaan Vegetasi Menggunakan

Citra Penginderaan Jauh : Penerapannya di Bidang Perkebunan, Prosiding

Lokakarya, Pekanbaru.

15. Prahasta, E., (2001), Konsep-konsep Dasar Sistem Informasi Geografis,

Informatika, Bandung.

16. Prahasta, E., (2002), Sistem Informasi Geografis : Tutorial ArcView,

Informatika, Bandung.

17. Purwadhi, F.S.H., (2001), Interpretasi Citra Digital, Gramedia Widiasarana

Indonesia, Jakarta.

18. Ruslan, (2003), Pemanfaatan Data Citra Satelit Ikonos untuk Penentuan

Jenis Penggunaan Bangunan dan Luas Obyek PBB, Tesis Magister, Program

Pasca Sarjana UGM, Yogyakarta.

19. Sabri, Luknis, 2006, Statistik Kesehatan, PT. Rajagrafindo Persada, Jakarta.

20. Sanjoto, Fadjar, (2003), Pengukuran Luas Bidang Tanah pada Citra Ikonos

(Studi Kasus di Wilayah Kerja Kantor Pelayanan Pajak Bumi dan Bangunan

Jakarta Selatan II), Tesis Magister, Universitas Gajah Mada, Yogyakarta.

21. Santoso, Singgih, (2001), Aplikasi Excel Dalam Statistik Bisnis; Gramedia,

Jakarta.

22. Setia Nugraha, Anung, (2004), Pemanfaatan Citra Landsaat TM 7+ Untuk

Pendataan PBB sektor Perkebunan (Studi Kasus Perkebunan Kelapa Sawit

di KPP Palembang), Tesis S2 UGM, Yogyakarta.

23. Space Imaging, (2006), Ikonos Imagery Products and Product Guide,

http://www.spaceimaging.com

.

24. Wanasuria, Suih,dkk,2003, Penggunaan Citra Satelit Ikonos dan GIS dalam

Manajemen Perkebunan Kelapa Sawit untuk Meningkatkan Potensi Produksi

TBS, Prosiding Lokakarya, Pekanbaru.

(3)

(4)

LAMPIRAN A Proses Pengecekan Koreksi Radiometrik

1. Buka file citra yang akan dilakukan pengecekan radiometrik. Pengecekan

dilakukan dengan program ER Mapper melalui menu pull down View =>

algorithm

=>

load

data

set,

maka

akan

muncul

kotak

dialog

2. Menampilkan nilai terendah dan tertinggi piksel, klik pada

kemudian akan

muncul histogram citra pada Band1: Red Layer sebagai berikut :

Gambar Histogram Saluran1 : Red Layer

3. Kemudian klik Limits => Limits to Actual, apabila aktual input limits terbaca 0

to 255 maka citra tersebut tidak perlu dilakukan koreksi radiometrik. Pada

gambar, nilai minimum piksel adalah 0 untuk itu tidak perlu dilakukan koreksi

radiometrik.

(5)

Lampiran B Langkah Pemotongan (Cropping) Citra

1. Pembuatan areal kebun yang menjadi daerah penelitian menggunakan

software Map Info 8.5. Batas kebun dibuat dengan digitasi hasil overlay peta

kebun Wajib Pajak yang telah melalui proses scanning. Hasil dari digitasi

kemudian disimpan sebagai file batas kebun pemotong citra.

2. Setelah itu pada Map Info 8.5 klik menu Tools

universal translator. Pada

Menu Universal Translator source: Format pilih MapInfo Tab, sedangkan

File : isi dengan nama file batas kebun pemotong citra. Pada bagian

Destination, format: dipilih ESRI Shape dan directory diisi tempat akan

melakukan penyimpanan. Hasil dari proses ini adalah file batas kebun

pemotong citra_region

3. Menggunakan ER Mapper tampilkan citra yang akan dilakukan pemotongan.

Klik Utilities

File Maintenance

Datasets

Save a Subset an Image.

Pada Image Subset Wizard Bar, isi Input image dengan nama file citra awal.

Output Image dengan nama file hasil pemotongan. Start Row dan Start

Column diisi dengan koordinat pixel daerah penelitian sebelah kiri atas,

sedangkan End Row dan End Column diisi dengan koordinat pixel daerah

penelitian kanan bawah, seperti pada gambar dibawah ini ;

4. Langkah berikutnya pemotongan citra untuk memperoleh citra dengan batas

kebun yang telah dibuat pada nomor 2 diatas. Pilih menu Utilities

Import

(6)

Bar, Input file name isi dengan file bataskebuncitra_region.shp, dan output file

name diisi dengan direktori tempat penyimpanan. Map Projection dipilih

SUTM 48 dan geodetic datum dipilih WGS84. Hasilnya adalah file batas

kebun pemotong citra berubah menjadi bataskebuncitra_region.erv.

5. Kemudian dari menu Edit pilih Annote vektor layer, maka muncul kotak

dialog New map composition. Pilih Raster Region, selanjutnya buka file

bataskebuncitra_region.erv klik OK.

6. Pada menu Tools klik Save As

Raster Region Save To File isikan

dengan nama file hasil pemotongan sesuai dengan batas kebun daerah

penelitian.

7. Menu pulldown bar View

_{algorithma Klik}

_{Kotak dialog formula}

editor

_{Standardinside region polygon test . Muncul Formula If}

(INREGION(r1)) THEN Input else null. Ganti null dengan 255, Klik Regions

kemudian pada REGION1 pilih Region_0 selanjutnya klik apply changes. Hal

tersebut dilakukan juga pada band lain.

(7)

Lampiran C Proses Penajaman Citra Menggunakan Filter Spasial

1. Buka file citra.

2. Pada

toolbar

klik

maka

akan

muncul

filter

window.

3. Pada filter filename pilih kernel filter high_pass Sharpen_11x11.ker

(8)

Lampiran D Hasil Interpretasi Visual Areal Klasifikasi (Hariyanto, 2006)

1. Interpretasi batas areal kebun

Deskripsi

Batas areal kebun menunjukkan batas kepemilikan kebun wajib

pajak. Dari batas kebun tersebut akan diperoleh luas

keseluruhan kebun.

Kunci

Utama

Interpretasi

Bentuk

Batas areal kebun dikenali dari bentuknya yang

memanjang sepanjang tepi areal kebun. Bentuk

cenderung lurus pada batas kebun berupa jalan

atau bukaan lahan sedangkan pada batas alam

seperti parit bentuknya berkelok – kelok.

Warna

Warna cerah pada batas jalan, gelap pada batas

alam dan adanya perbedaan tekstur pada bukaan

lahan.

Kenampakan

di citra

Batas kebun berupa jalan

Batas kebun berupa batas alam

Batas kebun berupa perbedaan

penggunaan lahan

2. Interpretasi batas blok / afdeling

Deskripsi

Batas blok / afdeling dibuat untuk membagi luas seluruh kebun

menjadi bagian yang lebih kecil dengan maksud untuk

memudahkan dalam perencanaan dan pengawasan areal kebun.

Batas kebun biasanya berupa jalan kebun. Batas blok dilakukan

digitasi untuk mempersempit luas bidang pada saat klasifikasi.

Kunci

Utama

Interpretasi

Bentuk

Batas blok atau kebun dikenali dari bentuknya

yang memanjang di dalam areal kebun dan

cenderung lurus.

Warna

Warna pada batas blok sama dengan warna jalan

yaitu cerah.

Kenampakan

di citra

Garis putih menunjukkan batas blok

kebun, sekaligus juga menunjukkan jalan

yang ada di dalam lokasi perkebunan.

(9)

3. Interpretasi Areal Kebun

3.1. Kebun Klasifikasi A

Deskripsi

Kenampakan kebun dengan umur 1 tahun hampir tidak terlihat

pola tanaman. Hanya berupa titik – titik kecil sehingga

terkadang sulit dibedakan dengan Klasifikasi F. Kecerahan citra

tergantung dari tanah tempat penanaman sawit tersebut. Luas

yang dihasilkan akan dilakukan analisis interpretasi visual.

Kunci

Utama

Interpretasi

Warna

Warna pada areal kelapa sawit umur 1 tahun

cenderung mengikuti warna tanah.

Tekstur

Tekstur pada obyek masih halus karena belum

tampaknya tanaman secara jelas.

Pola

Adanya kenampakan pola tanaman yang teratur

walaupun masih belum tampak jelas.

Kenampakan

di citra

Areal tanam pada

tanah yang mulai

bersemak

Areal tanam pada

tanah yang bersemak

Areal tanam pada

tanah yang bersih

3.2. Kebun Klasifikasi B

Deskripsi

Kenampakan kebun dengan umur 2 tahun sudah terlihat berupa

titik – titik kecil yang teratur. Kecerahan citra masih tergantung

dari tanah tempat penanaman sawit tersebut. Luas yang

dihasilkan akan dilakukan analisis interpretasi visual.

Kunci

Utama

Interpretasi

Tekstur

Tekstur pada obyek masih halus tapi sudah

menunjukan pola yang sedikit kasar.

Warna

Masih mengikuti warna tanahnya

Pola

Pola tanam kelapa sawit yang teratur mulai

nampak

Kenampakan

di citra

Beberapa sampel kenampakan kebun klasfikasi B pada beberapa

tanah yang berbeda kondisinya

(10)

3.3. Kebun Klasifikasi C

Deskripsi

Kenampakan kebun dengan umur 3 tahun terlihat mulai rapat

dengan titik – titik mulai membesar dan teratur. Kecerahan citra

sudah dipengaruhi warna dari tanaman kelapa sawit.

Kunci

Utama

Interpretasi

Tekstur

Tekstur pada areal ini sudah mulai kasar disebabkan

karena semakin besarnya diameter tanaman sehinga

terlihat lebih rapat.

Pola

Pola jarak tanam kelapa sawit nampak teratur dengan

lebih jelas terlihat.

Warna

tanaman

sudah

mulai

mempengaruhi

kenampakan di citra

Kenampakan

di citra

Warna hijau tanaman berada diantara warna

gelap tanah

Warna hijau tanaman nampak berupa

bintik – bintik diantara gelapnya areal

tanamnya.

Kenampakan citra semakin cerah pada

tanah yang bersemak.

3.4. Kebun Klasifikasi D

Deskripsi

Kecerahan citra pada kebun dengan umur 4 tahun sangat

dipengaruhi oleh warna tanaman. Tanaman nampak rapat,

teratur dan terlihat seperti bintang

Kunci

Utama

Interpretasi

Tekstur

Tekstur nampak kasar dengan tanaman yang jelas

Pola

Pola tanam nampak rapi dan teratur

Warna

Warna tanaman sangat mendominasi kenampakan

pada citra dengan variasi warna hijau, kuning &

merah

Bentuk

Bentuk tanaman nampak bulat dengan tajuk

berbentuk seperti bintang.

Kenampakan

di citra

Kelapa sawit tua dengan

warna kemerahan.

Tanaman nampak rapat tapi

belum nampak kemerahan

(11)

3.5. Kebun Klasifikasi E

Deskripsi

Areal emplasemen merupakan tempat dimana bangunan –

bangunan milik perusahaan tersebut didirikan. Biasanya areal

ini dilakukan pematangan tanah yang lebih baik dari areal

kebun. Misalnya adanya pengurugan, pemadatan, maupun

perkerasan. Luas yang dihasilkan akan dilakukan analisis

interpretasi visual.

Kunci

Utama

Interpretasi

Tekstur

Tekstur dari areal ini halus

Warna

Warna dari areal emplasemen terlihat cerah

Asosiasi

Kenampakan areal emplasemen ini terlihat

dengan adanya kenampakan bangunan berupa

kotak – kotak kecil yang teratur.

Kenampakan

di citra

Sebagian areal emplasemen di kebun Sungai

Pelepah

3.6. Kebun Klasifikasi F

Deskripsi

Kebun Klasifikasi F berupa areal kosong yang siap ditanami.

Pada citra terdapat sedikit areal tersebut. Kenampakannya pada

citra dimungkinkan sama dengan areal klasifikasi A. Luas yang

dihasilkan akan dilakukan analisis interpretasi visual.

Kunci

Utama

Interpretasi

Tekstur

Tekstur sangat halus

Warna

Warna dipengaruhi warna asli tanah serta

kondisi tanah masih bersemak atau bersih.

Kenampakan

di citra

Nampak warna tanah hitam dan tanah

(12)

3.7. Kebun Klasifikasi G

Deskripsi

Kebun klasifikasi G merupakan areal cadangan sehingga

keberadaan tanaman asli masih nampak pada areal ini. Biasanya

masih berupa hutan atau belukar. Kenampakan dan kecerahan

pada citra tergantung dari tanaman yang ada pada areal ini. Luas

yang dihasilkan akan dilakukan analisis interpretasi visual.

Kunci

Utama

Interpretasi

Tekstur

Tekstur tergantung tanaman yang ada

biasanya kasar.

Warna

Warna juga tergantung tanaman yang ada

biasanya warna hijau cerah.

Pola

Pola tanaman rapat dan tidak teratur pada

lahan berupa hutan.

Kenampakan

di citra

Areal hutan sebagai lahan cadangan

4. Interpretasi Bangunan

Deskripsi

Bangunan emplasemen berada pada areal emplasemen.

Biasanya berada pada suatu lokasi tertentu dan tidak menyebar.

Deliniasi bangunan dilakukan untuk menentukan jenis, jumlah

dan luas dari bangunan tersebut. Sedangkan mengenai kondisi

fisik bangunan sulit dilakukan interpretasi.

Kunci

Utama

Interpretasi

Bentuk

Bentuk bangunan umumnya berbentuk persegi

panjang.

Ukuran

Besar

kecilnya

bangunan

pada

citra

menunjukkan

jenis

penggunaan

bangunan

(JPB).

Pola

teratur

umumnya

ditunjukan

pada

bangunan untuk JPB perumahan

Asosiasi

Kenampakan bangunan kantor biasanya terdapat

kenampakan obyek lain seperti mobil tiang

bendera dll.

Kenampakan

di citra

Pola teratur pada

perumahan

karyawan

Bentuk memanjang

sebagai bentuk

gudang/bengkel

/pabrik

Bangunan

perkantoran

diasosiasikan dengan

kenampakan mobil

(13)

Lampiran E Kenampakan Training Area pada Citra Ikonos

No

Nama Kelas

Kenampakan Objek

1. Sawit Kelas A

2. Sawit Kelas B

3. Sawit Kelas C

4. Sawit Kelas D

5. Lahan Kelas A

6. Lahan Kelas B

(14)

7. Lahan Kelas C

8. Lahan Kelas D

9. Batas blok

10. Kelas E

11. Bangunan

12. Kelas F

13. Kelas G

14 Awan

(15)

Lampiran F Proses Penggabungan Subkelas Kedalam Kelasnya

1. Buka file hasil klasifikasi

2. Klik Edit Algorithm

pada toolbar, kemudian akan tampil algorithm

window.

Klik

,

maka

muncul

Formula

Editor

window.

(16)

LAMPIRAN G Proses Penghitungan Pohon Secara Semi Otomatis

1. Buka File citra yang akan dilakukan penghitungan pohon. Tampilan citra dapat

dipertajam dengan menggunakan filter high-pass Sharpen 11 x 11 kernel

2. Pada menu klik algorithm

kemudian Edit Add vector layer Annotation

layer. Akan muncul algorithm window.

3. Klik

akan

muncul

warning

massage

window

dan

Tools.

4. Klik Page Setup, kemudian atur page setup sesuai dengan keinginan, setelah itu

(17)

mengubahnya ke dalam bentuk bentuk point/titik dapat dilakukan. Agar

point/titik mempunyai warna sesuai dengan keinginan dapat merubah

defaultnya dari warna putih menjadi sesuai keinginan pada algorithm window

dengan mengklik

.

5. Simpan file penghitungan pohon dalam bentuk Vektor File dengan mengklik

pada Tools,

Untuk mengetahui jumlah objek pokok pohon secara semi otomatis dapat

diketahui dengan mengklik Map Compostion Information pada Tools

.

Contoh hasil penghitungan suatu blok dan tampilan vektor filenya.

(18)

Lampiran H Overlay Hasil Klasifikasi dengan Peta WP/Interpretasi Visual

1. Pada ENVI 4.2 klik File open external file

IP Software

ER Mapper

(hal ini karena proses pembentukan training area dan klasifikasi

multispektral telah dilakukan di ERMapper).

2. Setelah file terbuka pada classified window klik Overlay

vektors, maka

akan muncul Vektor Parameters windows.

Pada Vektor Parameters klik File

Open vektor File, buka file hasil

digitasi citra.

3. Setelah itu pada classified windows klik Overlay Region of Interest, akan

muncul ROI Tool.

4. Kembali ke Vektor Parameter window klik file

Export Active layer to

ROIs

Convert each record of an EVF layer to a new ROI. Maka pada

ROI Tool akan muncul blok-blok ROI sebanyak blok pembagian peta wp

maupun interpretasi visual.

(19)

Untuk mengetahui statistik masing-masing blok tandai blok dimaksud kemudian

(20)

(21)

Lampiran J Hasil Uji t - test dengan Ms. Excel Kelas A

t-Test: Paired Two Sample for Means

Luas hsl interpretasi visual Luas hsl penghitungan rata-rata pohon

Mean 33574.83333 33371.25

Variance 654792047 460308729.4

Observations 6 6

Pearson Correlation 0.986892595

Hypothesized Mean Difference 0

df 5 t Stat 0.088875278 P(T<=t) one-tail 0.466315547 t Critical one-tail 2.015048372 P(T<=t) two-tail 0.932631093 t Critical two-tail 2.570581835 Kelas B

Luas hsl interpretasi visual Luas hsl penghitungan rata-rata pohon

Mean 63668.875 65282.89833

Variance 1905456706 1928870774

Observations 24 24

df 23 t Stat -1.638051955 P(T<=t) one-tail 0.057510344 t Critical one-tail 1.713871517 P(T<=t) two-tail 0.115020689 t Critical two-tail 2.068657599 Kelas C

Luas hasil interpretasi Luas hsl penghitungan rata-rata pohon

Mean 95745.62264 96903.31585

Variance 5936717624 6279224833

Observations 53 53

df 52 t Stat -1.520331841 P(T<=t) one-tail 0.067242666 t Critical one-tail 1.674689154 P(T<=t) two-tail 0.134485331 t Critical two-tail 2.006646761 Kelas D

Luas hasil interpretasi Luas hsl penghitungan rata-rata pohon

Mean 121761.907 120757.0343

Variance 7387175475 7573168942

Observations 86 86

df 85 t Stat 1.42312615 P(T<=t) one-tail 0.07917982 t Critical one-tail 1.6629785 P(T<=t) two-tail 0.158359639 t Critical two-tail 1.988267868

(22)

Lampiran K Data Uji Statistik t-test dan Selisih Batas Toleransi 10%

KELAS REGION Jumlah Pohon Luas Region Rata - rata Luas Region Hasil %

No. Sawit Peta WP hitung ( x̄ ) Penghitungan rata-rata Selisih luas Selisih

(Pohon) (m²) (m²/pohon) hitung luas/pohon (m²) (m²)

1 A G5a 237 15,620 82.50 19,552.50 -3,932.50 -25.18 2 A G6a 237 12,489 82.50 19,552.50 -7,063.50 -56.56 3 A J2 625 58,845 82.50 51,562.50 7,282.50 12.38 4 A M13 462 43,843 82.50 38,115.00 5,728.00 13.06 5 A M6 a 95 5,688 82.50 7,837.50 -2,149.50 -37.79 6 A P2a 771 64,964 82.50 63,607.50 1,356.50 2.09 Jumlah 2,427 201,449 200,228 1,221.50 0.61

1 B B10 96 8,112 77.56 7,445.76 666.24 8.21 2 B C15 764 57,789 77.56 59,255.84 -1,466.84 -2.54 3 B C13 358 28,935 77.56 27,766.48 1,168.52 4.04 4 B C22B 123 8,952 77.56 9,539.88 -587.88 -6.57 5 B D15 698 51,606 77.56 54,136.88 -2,530.88 -4.90 6 B D16 1,728 124,901 77.56 134,023.68 -9,122.68 -7.30 7 B D17 671 49,927 77.56 52,042.76 -2,115.76 -4.24 8 B D18 867 63,703 77.56 67,244.52 -3,541.52 -5.56 9 B D19 1,340 116,726 77.56 103,930.40 12,795.60 10.96 10 B D20 124 9,051 77.56 9,617.44 -566.44 -6.26 11 B D21 649 46,948 77.56 50,336.44 -3,388.44 -7.22 12 B D8 1,635 118,596 77.56 126,810.60 -8,214.60 -6.93 13 B E12 326 23,247 77.56 25,284.56 -2,037.56 -8.76 14 B E17 1,228 89,713 77.56 95,243.68 -5,530.68 -6.16 15 B E18 2,352 181,866 77.56 182,421.12 -555.12 -0.31 16 B E19 1,298 97,243 77.56 100,672.88 -3,429.88 -3.53 17 B E19B 750 57,160 77.56 58,170.00 -1,010.00 -1.77 18 B E20 389 28,145 77.56 30,170.84 -2,025.84 -7.20 19 B E21 397 30,679 77.56 30,791.32 -112.32 -0.37 20 B E22 1,104 78,118 77.56 85,626.24 -7,508.24 -9.61 21 B E5 966 68,793 77.56 74,922.96 -6,129.96 -8.91 22 B E6 554 41,487 77.56 42,968.24 -1,481.24 -3.57 23 B F1 499 37,019 77.56 38,702.44 -1,683.44 -4.55 24 B F2 1,285 109,337 77.56 99,664.60 9,672.40 8.85 Jumlah 20,201 1,528,053 76.73 1,566,789.56 -38,736.56 -2.54

1 C B11 732 61,538 75.42 55,207.44 6,330.56 10.29 2 C C13 1,333 95,231 75.42 100,534.86 -5,303.86 -5.57 3 C C14 2,016 144,282 75.42 152,046.72 -7,764.72 -5.38 4 C C15 1,620 124,150 75.42 122,180.40 1,969.60 1.59 5 C C16 207 16,892 75.42 15,611.94 1,280.06 7.58 6 C C17 510 39,583 75.42 38,464.20 1,118.80 2.83 7 C C3 30 2,449 75.42 2,262.60 186.40 7.61 8 C D11 3,366 247,287 75.42 253,863.72 -6,576.72 -2.66 9 C D12 1,618 135,011 75.42 122,029.56 12,981.44 9.62 10 C D13 2,325 183,944 75.42 175,351.50 8,592.50 4.67 11 C D14 2,103 160,823 75.42 158,608.26 2,214.74 1.38 12 C D15 1,720 130,282 75.42 129,722.40 559.60 0.43 13 C D16 469 35,013 75.42 35,371.98 -358.98 -1.03 14 C D18 1,775 142,138 75.42 133,870.50 8,267.50 5.82 15 C D3 237 20,457 75.42 17,874.54 2,582.46 12.62 16 C D3a 1,111 84,880 75.42 83,791.62 1,088.38 1.28 17 C D4a 68 5,013 75.42 5,128.56 -115.56 -2.31 18 C D4a 73 5,873 75.42 5,505.66 367.34 6.25

(23)

Lampiran K (lanjutan)

19 C D9 2,743 200,526 75.42 206,877.06 -6,351.06 -3.17 20 C E10 440 33,501 75.42 33,184.80 316.20 0.94 21 C E11 1,523 119,798 75.42 114,864.66 4,933.34 4.12 22 C E12 1,928 145,388 75.42 145,409.76 -21.76 -0.01 23 C E13 3,093 220,485 75.42 233,274.06 -12,789.06 -5.80 24 C E14 2,915 217,198 75.42 219,849.30 -2,651.30 -1.22 25 C E16 2,123 149,345 75.42 160,116.66 -10,771.66 -7.21 26 C E17 538 38,032 75.42 40,575.96 -2,543.96 -6.69 27 C E5 1,691 128,955 75.42 127,535.22 1,419.78 1.10 28 C E6A 808 59,691 75.42 60,939.36 -1,248.36 -2.09 29 C E7 257 18,916 75.42 19,382.94 -466.94 -2.47 30 C E7A 1,460 113,481 75.42 110,113.20 3,367.80 2.97 31 C E8 2,176 159,271 75.42 164,113.92 -4,842.92 -3.04 32 C E8A 81 5,719 75.42 6,109.02 -390.02 -6.82 33 C E9 1,088 85,158 75.42 82,056.96 3,101.04 3.64 34 C F10 1,337 93,514 75.42 100,836.54 -7,322.54 -7.83 35 C F11 994 69,679 75.42 74,967.48 -5,288.48 -7.59 36 C F12 543 38,470 75.42 40,953.06 -2,483.06 -6.45 37 C F13 164 11,924 75.42 12,368.88 -444.88 -3.73 38 C F14 760 55,517 75.42 57,319.20 -1,802.20 -3.25 39 C F15 105 7,480 75.42 7,919.10 -439.10 -5.87 40 C F16 189 13,930 75.42 14,254.38 -324.38 -2.33 41 C F20 1,817 127,420 75.42 137,038.14 -9,618.14 -7.55 42 C F21 3,623 255,875 75.42 273,246.66 -17,371.66 -6.79 43 C F22 3,657 264,441 75.42 275,810.94 -11,369.94 -4.30 44 C F23 3,447 258,645 75.42 259,972.74 -1,327.74 -0.51 45 C F5 916 78,719 75.42 69,084.72 9,634.28 12.24 46 C F6 153 11,373 75.42 11,539.26 -166.26 -1.46 47 C F7A 55 4,112 75.42 4,148.10 -36.10 -0.88 48 C F8 2,309 171,815 75.42 174,144.78 -2,329.78 -1.36 49 C F8A 704 51,222 75.42 53,095.68 -1,873.68 -3.66 50 C F9A 1,381 97,748 75.42 104,155.02 -6,407.02 -6.55 51 C C4 79 6,100 75.42 5,958.18 141.82 2.32 52 C G11b 342 25,103 75.42 25,793.64 -690.64 -2.75 53 C G8 1,345 101,121 75.42 101,439.90 -318.90 -0.32 Jumlah 67,365 5,012,980 5,080,668 -67,688.30 -1.35

1 D A2 4,380 311,216 74.45 326,091.00 -14875.00 -4.78 2 D A3 2,281 169,655 74.45 169,820.45 -165.45 -0.10 3 D A4 3,540 260,112 74.45 263,553.00 -3441.00 -1.32 4 D A5 3,622 256,780 74.45 269,657.90 -12877.90 -5.02 5 D A7 2,047 161,444 74.45 152,399.15 9044.85 5.60 6 D B1 147 11,214 74.45 10,944.15 269.85 2.41 7 D B10 2,982 235,373 74.45 222,009.90 13363.10 5.68 8 D B11 3,786 282,624 74.45 281,867.70 756.30 0.27 9 D B3 1,074 85,368 74.45 79,959.30 5408.70 6.34 10 D B4 1,357 104,919 74.45 101,028.65 3890.35 3.71 11 D B5 1,913 147,004 74.45 142,422.85 4581.15 3.12 12 D B6 2,488 179,418 74.45 185,231.60 -5813.60 -3.24 13 D B7 2,906 214,791 74.45 216,351.70 -1560.70 -0.73 14 D B8 3,081 225,899 74.45 229,380.45 -3481.45 -1.54 15 D B9 2,406 189,379 74.45 179,126.70 10252.30 5.41 16 D C10 3,173 243,726 74.45 236,229.85 7496.15 3.08 17 D C11 2,027 155,628 74.45 150,910.15 4717.85 3.03 18 D C12 2,007 156,498 74.45 149,421.15 7076.85 4.52 19 D C14 504 39,105 74.45 37,522.80 1582.20 4.05 20 D C17 509 38,338 74.45 37,895.05 442.95 1.16 21 D C18 285 20,956 74.45 21,218.25 -262.25 -1.25 22 D C19 164 11,927 74.45 12,209.80 -282.80 -2.37 23 D C3 322 25,616 74.45 23,972.90 1643.10 6.41

(24)

Lampiran K (lanjutan)

24 D C4 558 42,116 74.45 41,543.10 572.90 1.36 25 D C5 1,125 85,520 74.45 83,756.25 1763.75 2.06 26 D C6 1,652 121,018 74.45 122,991.40 -1973.40 -1.63 27 D C7 2,001 154,202 74.45 148,974.45 5227.55 3.39 28 D C8 2,467 190,186 74.45 183,668.15 6517.85 3.43 29 D D10 3,227 240,391 74.45 240,250.15 140.85 0.06 30 D D12 1,319 106,421 74.45 98,199.55 8221.45 7.73 31 D D14 280 20,301 74.45 20,846.00 -545.00 -2.68 32 D D15 740 56,884 74.45 55,093.00 1791.00 3.15 33 D D16 1,192 94,218 74.45 88,744.40 5473.60 5.81 34 D D21 1,654 137,648 74.45 123,140.30 14507.70 10.54 35 D D4 2,741 204,743 74.45 204,067.45 675.55 0.33 36 D D4a 171 14,179 74.45 12,730.95 1448.05 10.21 37 D D6 3,275 243,688 74.45 243,823.75 -135.75 -0.06 38 D D7 3,079 226,410 74.45 229,231.55 -2821.55 -1.25 39 D D8 1,606 126,611 74.45 119,566.70 7044.30 5.56 40 D D9 609 46,560 74.45 45,340.05 1219.95 2.62 41 D E10 2,777 214,994 74.45 206,747.65 8246.35 3.84 42 D E11 922 73,360 74.45 68,642.90 4717.10 6.43 43 D E15 257 17,991 74.45 19,133.65 -1142.65 -6.35 44 D E16 698 50,605 74.45 51,966.10 -1361.10 -2.69 45 D E17 1,171 93,753 74.45 87,180.95 6572.05 7.01 46 D E18 220 16,089 74.45 16,379.00 -290.00 -1.80 47 D E19b 302 23,407 74.45 22,483.90 923.10 3.94 48 D E20a 352 26,991 74.45 26,206.40 784.60 2.91 49 D E21 2,347 198,583 74.45 174,734.15 23,848.85 12.01 50 D E22 2,283 170,169 74.45 169,969.35 199.65 0.12 51 D E23 2,198 186,723 74.45 163,641.10 23,081.90 12.36 52 D E24 2,255 165,822 74.45 167,884.75 -2062.75 -1.24 53 D E25 2,239 164,288 74.45 166,693.55 -2405.55 -1.46 54 D E4 270 19,968 74.45 20,101.50 -133.50 -0.67 55 D E5 87 6,628 74.45 6,477.15 150.85 2.28 56 D E5a 201 15,172 74.45 14,964.45 207.55 1.37 57 D E7 1,252 98,533 74.45 93,211.40 5321.60 5.40 58 D E8a 719 59,567 74.45 53,529.55 6037.45 10.14 59 D E9 1,082 87,011 74.45 80,554.90 6456.10 7.42 60 D E9a 259 19,021 74.45 19,282.55 -261.55 -1.38 61 D F1 148 11,583 74.45 11,018.60 564.40 4.87 62 D F10 884 64,123 74.45 65,813.80 -1690.80 -2.64 63 D F10a 968 69,903 74.45 72,067.60 -2164.60 -3.10 64 D F11a 578 43,745 74.45 43,032.10 712.90 1.63 65 D F12 2,941 209,176 74.45 218,957.45 -9781.45 -4.68 66 D F12a 37 2,984 74.45 2,754.65 229.35 7.69 67 D F13 2,483 182,821 74.45 184,859.35 -2038.35 -1.11 68 D F16 2,487 188,335 74.45 185,157.15 3177.85 1.69 69 D F17 2,157 163,276 74.45 160,588.65 2687.35 1.65 70 D F19 3,170 234,305 74.45 236,006.50 -1701.50 -0.73 71 D F21 86 6,449 74.45 6,402.70 46.30 0.72 72 D F4 1,530 111,006 74.45 113,908.50 -2902.50 -2.61 73 D F5 1,374 100,953 74.45 102,294.30 -1341.30 -1.33 74 D F6 2,262 175,324 74.45 168,405.90 6918.10 3.95 75 D F7 994 77,052 74.45 74,003.30 3048.70 3.96 76 D F8a 243 17,081 74.45 18,091.35 -1010.35 -5.92 77 D F9a 183 13,218 74.45 13,624.35 -406.35 -3.07 78 D G1 363 26,022 74.45 27,025.35 -1003.35 -3.86 79 D G2 2,793 202,101 74.45 207,938.85 -5837.85 -2.89 80 D G3 3,515 249,151 74.45 261,691.75 -12540.75 -5.03 81 D G4 3,042 218,365 74.45 226,476.90 -8111.90 -3.71 82 D H3 3,223 226,388 74.45 239,952.35 -13564.35 -5.99 83 D H4 3,521 247,171 74.45 262,138.45 -14967.45 -6.06 84 D I4 2,212 157,744 74.45 164,683.40 -6939.40 -4.40 85 D I5 1,424 105,939 74.45 106,016.80 -77.80 -0.07 86 D O10 285 20,548 74.45 21,218.25 -670.25 -3.26 Jumlah 139,491 10,471,524 10,385,105 86,419 0.83

(25)

Lampiran L Contoh Penghitungan Nilai Pasar atau Nilai Wajar Aktiva Tetap Perkebunan Kelapa Sawit.

No. Luas Tanah SIT Jumlah Kelas Nilai Jumlah Jumlah Keseluruhan

(m²) (Rp/m²) Rp Tanah (Rp/m²) Rp Rp

1. Areal Kebun Kelapa Sawit

Tanaman berumur 1 tahun 195,398 398 77,768,404 A.36 14,000 2,735,572,000 2,813,340,404 Tanaman berumur 2 tahun 1,642,022 574 942,520,628 A.36 14,000 22,988,308,000 23,930,828,628 Tanaman berumur 3 tahun 5,123,078 797.6 4,086,167,013 A.36 14,000 71,723,092,000 75,809,259,013 Tanaman berumur 4 tahun 10,365,851 1039 10,768,046,019 A.36 14,000 145,121,914,000 155,889,960,019 2. Areal Emplasemen a. Pabrik - - - A.34 27,000 - -b. Perkantoran 849 - - A.34 27,000 22,923,000 22,923,000 c. Gudang 2,172 - - A.34 27,000 58,644,000 58,644,000 d. Tangki - - - A.34 27,000 - -e. Pipa - - - A.34 27,000 - -f. Perumahan (Pabrik) 23,007 - - A.34 27,000 621,189,000 621,189,000

Perumahan (Estate) - - - A.34 - - -g. Sarana OR/Rekreasi - - - A.34 - - -h. Bangunan Poliklinik - - - A.34 - - -i. Bangunan Sosial - - - A.34 - - -j. Landasan pesawat udara - - - A.34 - - -k. jalan diperkeras di lokasi - - - A.34 - -

-perkebunan

l. Lain-lain - - - A.34 - - -3 Areal Lainnya

Areal sudah diolah tapi belum 1,021,998 39 40,266,721 A.37 10,000 10,219,980,000 10,260,246,721 ditanami

Areal belum diolah 3,515,813 0 - A.37 10,000 35,158,130,000 35,158,130,000

Rawa, cadas, jurang 0 0 A.41 2,450 0

-Areal yang tidak dapat - 0 A.42 1,700 0 ditanami

NJOP BUMI 21,890,188 15,914,768,785 288,649,752,000 304,564,520,785

II. BANGUNAN

Luas Tanah Kelas NJOP Bangunan Jumlah Keseluruhan

No. (m²) Rp/m² Rp 1 Pabrik - A.11 225,000 -2 Perkantoran 849 A.11 225,000 191,025,000 3 Gudang 2,172 A.11 225,000 488,700,000 4 Tangki - A.11 225,000 -5 Pipa - A.11 225,000

-6 Perumahan (Pabrik) 23,007 A.11 225,000 5,176,575,000

7 Perumahan (Pabrik) A.11 225,000

-8 Perumahan (Estate)/Perkebunan - A.11 225,000 -9 Sarana OR/Rekreasi - A.11 225,000 -10 Bangunan Poliklinik - A.11 225,000 -11 Bangunan Sosial - A.11 225,000 -12 Landasan pesawat udara - A.11 225,000 -13 Jalan diperkeras di lokasi - A.11 225,000

-perkebunan A.11 225,000 -14 Lain-lain - A.11 225,000 -NJOP BANGUNAN 26,028 -- -- 5,856,300,000 0 0 0 Nilai Bangunan / m² 0 0 0 0 0 0 0 0 0 Peruntukan Objek Peruntukan Objek 0 0 0 0