Bab III Pelaksanaan Penelitian
III.1 Kerangka Pikir Pemodelan Nilai Tanah
Dalam penelitian ini dilakukan penilaian tanah menggunakan metode regresi dan JST. Metode JST ditujukan untuk memperbaiki metode regresi yang telah lazim digunakan. Hal ini mengingat bahwa karakteristik nilai tanah yang dipengaruhi oleh banyak variabel dan masing-masing variabel saling mempengaruhi satu dengan yang lain. Selain variabel lokasi sebagai variabel utama, dalam penelitian ini juga digunakan variabel endogen seperti luas tanah, lebar sisi depan dan lebar jalan didepan bidang tanah. Untuk memperoleh ukuran jarak dari objek acuan ke bidang tanah diperoleh dengan menggunakan metode pengukuran jarak tempuh terpendek untuk memperbaiki metode pengukuran jarak langsung agar lebih menggambarkan jarak sebenarnya di lapangan.
Pemodelan nilai tanah yang dilakukan dalam penelitian ini diterapkan pada wilayah studi kasus Kecamatan Lengkong, kota Bandung, Jawa Barat meliputi 14.538 objek pajak. Data sampel yang diperoleh sebanyak 170 data nilai tanah, 140 data digunakan untuk menyusun model awal dan 30 data lainnya digunakan untuk validasi model. Kecamatan Lengkong merupakan salah satu dari 26 kecamatan di Kota Bandung. Peta wilayah penelitian beserta batas-batasnya (Gambar III.1) :
Sebelah Utara berbatasan dengan Kecamatan Sumur Bandung
Sebelah Timur berbatasan dengan Kecamatan Batu Nunggal
Sebelah Selatan berbatasan dengan Kecamatan Bandung Kidul
Gambar III.1 Lokasi Penelitian
Sedangkan luas wilayah masing-masing kelurahan di Kecamatan Lengkong seperti terlihat pada tabel III.1.
Tabel III.1 Nama kelurahan dan luas wilayah No Nama Kelurahan Luas Wilayah (m2)
1 Cijagra 1,049,166 2 Turangga 1,260,583 3 Lingkar Selatan 1,443,198 4 Malabar 769,953 5 Burangrang 389,377 6 Cikawao 401,704 7 Paledang 351,620 Sumber : BPS, 2003
Adapun tahapan pelaksanaan penelitian dapat digambarkan dalam diagram alir pada gambar III.2.
Gambar III.2 Tahapan pelaksanaan penelitian
III.2 Persiapan
Pada tahap persiapan dilakukan kegiatan-kegiatan sebagai berikut :
a. Kajian pustaka mengenai penelitian-penelitian terdahulu yang relevan dengan topik kajian. Kajian pustaka juga dilakukan terkait dengan landasan teori yang mendukung topik kajian antara lain masalah penilaian tanah, statistika, ekonometrika, jaringan syaraf tiruan serta software-software pendukung penelitian.
b. Rancangan penelitian yang terdiri perumusan masalah penelitian, penentuan tujuan penelitian, penyusunan hipotesis serta metodologi penelitian. Metodologi penelitian terdiri dari penentuan daerah studi, variabel penelitian yang digunakan, cara pengumpulan data, cara pengolahan data serta analisis penelitian.
c. Penentuan lokasi penelitian dengan pertimbangan ketersediaan data dan sumber daya yang ada. Kecamatan Lengkong, Kota Bandung, Jawa Barat, dipilih menjadi wilayah penelitian dengan pertimbangan data nilai tanah dan data variabel penelitian lainnya telah tersedia dari peneliti sebelumnya (Imawan, 2007).
d. Penentuan variabel dilakukan merujuk pada penelitian-penelitian sebelumnya dan disesuaikan dengan kondisi wilayah penelitian. Variabel-variabel yang digunakan dalam penelitian ini terdiri dari :
1. Variabel terikat, yaitu nilai tanah. 2. Variabel bebas, yang terdiri dari :
a) Variabel Eksogen lokasi, yang diwakili jarak tempuh terpendek dari pusat perdagangan, sekolah, perguruan tinggi dan fasilitas kesehatan sedangkan jarak dari jalan utama terdekat menggunakan jarak buffer. b) Variabel Endogen, terdiri dari lebar jalan di depan objek, lebar sisi
depan objek dan luas tanah.
Daftar variabel bebas yang digunakan dapat dilihat pada Lampiran C, peta sebaran lokasi pusat perdagangan, sekolah, perguruan tinggi dan fasilitas kesehatan, jaringan jalan dapat dilihat pada lampiran D sampai dengan H.
III.3 Pengumpulan Data
Pengumpulan data dilakukan untuk mendapatkan data variabel penelitian, yang terdiri atas data primer dan sekunder, antara lain:
a. Jarak tempuh terpendek, data ini merupakan data primer yang diperoleh melalui analisis jarak tempuh terpendek (shortest path) menggunakan software AutoCad Map 3D 2005 di atas peta link poros/as jalan yang diperoleh dari Dinas Perhubungan Bandung, dengan tahapan sebagai berikut: 1 Penandaan titik tengah variabel penelitian dan titik tengah data sampel,
data titik tengah bidang variabel maupun titik tengah sampel diperoleh dari Diddy Wahyudi Imawan.
2 Melakukan analisis jarak tempuh terpendek untuk mendapatkan data jarak dari variabel ke sampel penelitian.
Hasil pengukuran jarak tempuh terpendek dapat dilihat pada gambar III.3
Gambar III.3 Hasil pengukuran jarak tempuh terpendek
b. Lebar sisi depan objek, merupakan data primer yang diperoleh dengan melakukan pengukuran menggunakan fasilitas ruler yang ada di Software MapInfo 8.5 di atas peta SIG PBB. Gambar pengukuran lebar sisi depan objek pada softwareMapInfo 8.5 dapat dilihat pada gambar III.4.
Gambar III.4 Pengukuran lebar sisi depan objek
c. Nilai tanah, data ini merupakan data sekunder yang diperoleh dari data transaksi jual beli yang bersumber dari Laporan Bulanan PPAT yang dikirimkan ke Kantor Pelayanan PBB dan data penawaran yang bersumber
Jarak Tempuh Terpendek
dari iklan media dan agen properti. Data-data tersebut diperoleh melalui peneliti sebelumnya (Diddy Wahyudi Imawan). Terhadap data nilai tanah tersebut telah dilakukan verifikasi dan penyesuaian (adjustment) jenis data dan waktu penilaian sesuai dengan Surat Edaran Direktur Jenderal Pajak Nomor SE-55/PJ.6/1999 tentang Petunjuk Analisis Penentuan Nilai Indikasi Rata-rata (NIR).
d. Jarak buffer, ukuran jarak buffer dari jalan merupakan data sekunder yang didapatkan dari Diddy Wahyudi Imawan dengan interval buffer10 m.
e. Lebar jalan, data ini merupakan data sekunder yang diperoleh dari Level Of Services(LOS) jalan dari Dinas Perhubungan Bandung.
f. Luas tanah, data luas tanah merupakan data sekunder yang diperoleh dari basisdata SISMIOP PBB.
III.4 Pengolahan data
Tahap pengolahan data diawali dengan analisis terhadap data masukan, hal ini dimaksudkan untuk meningkatkan kualitas data masukan yang terdiri dari data nilai tanah dan data jarak sebelum digunakan dalam pemodelan. Terhadap data nilai tanah dilakukan verifikasi lapangan dan penyesuaian jenis data dan waktu penilaian sesuai dengan Surat Edaran Direktur Jenderal Pajak Nomor SE-55/PJ.6/1999 tentang Petunjuk Analisis Penentuan Nilai Indikasi Rata-rata (NIR), hal ini telah dilaksanakan oleh peneliti terdahulu. Terhadap data variabel jarak dilakukan analisis hubungan terhadap nilai tanah dengan melihat diagram pencar hubungan data masing-masing variabel jarak terhadap nilai tanah. Salah satu contoh diagram pencar hubungan antara nilai tanah dengan jarak dari Bandung Super Mall seperti tampak pada gambar III.5.
0 1000 2000 3000 4000 Jarak dari BSM 0 1000000 2000000 3000000 4000000 5000000 6000000 Nilai_Tanah
Gambar III.5 Diagram pencar Jarak dari BSM terhadap nilai tanah
Pada gambar III.5 dapat dilihat sebaran titik data antara jarak dari BSM dengan nilai tanah sangat acak, hal ini menunjukkan hubungan antara jarak dari BSM dengan nilai tanah sangat lemah. Untuk meningkatkan kualitas hubungan antara data jarak dengan nilai tanah dalam penelitian ini dilakukan upaya dengan menggunakan variabel jarak dalam bentuk resiprokal (1/jarak) dengan harapan dapat memperkecil rentang data jarak tetapi dapat memperjelas pengaruh perubahan jarak terhadap perubahan nilai tanah. Diagram pencar hubungan jarak dari BSM dalam bentuk resiprokal dengan nilai tanah dapat dilihat pada gambar III.6. -100 -80 -60 -40 -20 0 20 40 60 80 100 BSM 0 1000000 2000000 3000000 4000000 5000000 6000000 Nilai_Tanah
Gambar III.6 Diagram pencar hubungan jarak dari BSM (resiprokal) terhadap nilai tanah
Selanjutnya tahap pengolahan data dibedakan atas 2 kegiatan utama, yakni pengolahan data menggunakan metode regresi dan pengolahan data menggunakan metode JST. Pengolahan data dilakukan dengan menggunakan 140 data sampel nilai tanah.
III.4.1 Pengolahan data menggunakan metode regresi
Pengolahan data menggunakan metode regresi terdiri atas 2 kegiatan, yaitu pengolahan data menggunakan variabel eksogen jarak saja dan pengolahan data menggunakan variabel eksogen dan endogen dengan masing-masing menggunakan jarak asli dan jarak resiprokal. Pengolahan data juga dibagi dalam dua tahap, tahap pembentukan model dan tahap validasi model. Tahap pengolahan data metode regresi dapat dilihat pada gambar III.7.
Gambar III.7 Tahap pengolahan data metode regresi
Pemodelan menggunakan metode regresi terdiri dari beberapa tahap dibawah ini : a. Reduksi variabel bebas
Proses reduksi variabel-variabel bebas dilakukan sebagai berikut :
a1 Bentuk matrik korelasi (r2) dari semua variabel yang ada (setelah distandarisasikan.
Matriks korelasi (r2) berguna untuk mengetahui tingkat hubungan antara variabel bebas dengan variabel terikatnya serta antara variabel bebas.
prosedur pembentukan matriks ini adalah dengan melakukan transformasi matriks n x p data awal menjadi matriks korelasi p x p dengan menggunakan transformasi hasil kali biasa (ordinary product moment). Berdasarkan analisis korelasi dapat diketahui korelasi antar variabel bebas bervariasi, mulai korelasi sangat rendah sampai sangat tinggi sebagaimana dapat dilihat dalam tabel III.3 : (tabel korelasi lengkap antara variabel nilai tanah dapat dilihat pada lampiran I).
Tabel III.3 Matriks Korelasi Ganda (R)
Nilai_ tanah BSM Alun_ alun Kosam bi SD_Sur yalaya SD_Ci jagra SMPN 28 Nilai_tanah 1.000 -0.143 0.165 0.077 -0.141 -0.145 -0.134 BSM -0.143 1.000 -0.185 0.134 -0.017 0.093 0.396 Alun_alun 0.165 -0.185 1.000 0.861 -0.834 -0.882 -0.693 Kosambi 0.077 0.134 0.861 1.000 -0.817 -0.851 -0.567 SD_Suryalaya -0.141 -0.017 -0.834 -0.817 1.000 0.971 0.843 SD_Cijagra -0.145 0.093 -0.882 -0.851 0.971 1.000 0.858 SMPN_28 -0.134 0.396 -0.693 -0.567 0.843 0.858 1.000
a2 Melakukan seleksi variabel menggunakan metode regresi stepwise.
(Dillon, 1984) menjelaskan ada beberapa pilihan metode yang dapat digunakan untuk melakukan seleksi variabel-variabel bebas dalam rangka membentuk model akhir regresi. Metode yang paling popular digunakan yakni metode stepwise, yang merupakan kombinasi dari forward dan backward selection.
Hasil seleksi variabel dengan menggunakan metode regresi stepwise adalah sebagaimana tabel III.4 sebagai berikut :
Tabel III.4 Hasil Seleksi Variabel
No Model Variabel Y Variabel X Adj. R2
Jumlah_Var I Variabel Eksogen
1. Aditif Y X 0.625 11 (sebelas)
2. Aditif Y 1/X 0.7 9 (Sembilan)
3. Multiplikatif Ln Y Ln X 0.714 13 (tiga belas)
No Model Variabel Y
Variabel X Adj. R2
Jumlah_Var II Variabel Eksogen + Endogen
1. Aditif Y X 0.506 4 (empat)
2. Aditif Y 1/X 0.861 15 (lima belas)
3. Multiplikatif Ln Y Ln X 0.831 11 (sebelas)
4. Multiplikatif Ln Y Ln 1/X 0.831 11 (sebelas)
b. Model awal
Dari hasil seleksi variabel menggunakan metode regresi stepwise, untuk selanjutnya variabel terseleksi digunakan dalam penyusunan model awal. Pembentukan model awal menggunakan 4 alternatif model yaitu aditif (lin-lin) dengan variabel jarak asli (x) maupun jarak resiprokal (1/x) dan model multiplikatif dengan variabel jarak asli (x) maupun jarak resiprokal (1/x). Hasil pembentukan model awal seperti terlihat pada tabel III.5 sebagai berikut:
Tabel III.5 Hasil pemodelan awal
No Variabel Eksogen Aditif (x) Aditif (1/x) Multipli katif (x) Multipli katif (1/x) 1 UNPAS 2 556.331 -262.527 0,540 -0,540 2 SMP -4.665.937 222.501 -0,436 0,436 3 Kosambi 2.073.225 -225.492 1,282 -1,282 4 Sekolah -2.030.331 - -0,798 0,798 5 SMPN 13 976.495 - 0,508 -0,508 6 Jl Dalem Kaum -2.534.383 336.837 -0,521 0,521 7 Jl Cikawao 1.596.815 - - -8 SD Nilem 551.852 - 0,278 -0,278 9 Alun-alun 644.986 -199.951 - -10 SMP YPM 1.209.894 148.499 -0,341 0,341 11 Klinik/Lab 909.335 - - -12 Jl. A Yani - 404.762 -0.646 0.646 13 Jl. Buah Batu - 256.266 - -14 Jl. Palasari - -153.202 -
-15 Pus Cijagr Lama - -111.163 -
-16 Jl Lengk Kecil - - 0,266 -0,266 17 Jl Lengk Besar - - 0,410 -0,410 18 Univ. Langlang B - - -0,442 0,442 19 Jl Burangrang - - 0,238 -0,238 No Variabel Ekso + Endogen Aditif (x) Aditif (1/x) Multipli katif (x) Multipli katif (1/x) 1 SD Nilem 192.455 - - -2 STIE Nasional -367.039 - - -3 Jl KH Dahlan 307.566 - - -4 Lebar Jalan 489.631 353.678 0,665 0,665 5 Jl Dalem Kaum - 322.399 -0,396 0,396 6 Jl A Yani - 293.527 - -7 UNPAS 2 - -163.069 0,371 -0,371 8 Luas Tanah - 160.818 0,080 0,080 9 Kosambi - -122.924 - -10 SMP - 460.914 -0,410 0,410 11 Jl Gatot Subrto - -337.524 - -12 Alun-alun - -145.727 - -13 Pusk Suryalaya - 86.520 -0,108 0,108 14 Jl Buah Batu - 86.842 - -15 SMPN 13 - -97.190 - -16 SDN Putraco - -126.959 - -17 SDN Pelita - 101.302 - -18 Jl Skarno Hatta - -60.740 -
-19 Univ Langlang B - - -0,315 0,315
20 Jl Palsari - - 0,099 -0,099
21 Jl Lengkong Bs - - 0,308 -0,308
22 SDN - - 0,197 -0,197
23 Klinik/Lab - - 0,324 -0,324
c. Pengujian model regresi
Sebelum proses pemodelan dilanjutkan ke tahap berikutnya, maka perlu dilakukan pengujian-pengujian sehingga dapat diperoleh variabel-variabel yang signifikan. Disamping itu pada tahap ini akan dihasilkan model yang telah memenuhi aturan-aturan pemodelan, baik secara a priori ekonomi, maupun uji-uji statistik dan asumsi-asumsi klasik analisis regresi.
c1 Uji kriteria a prioriekonomi
Uji kriteria a priori ekonomi dilakukan dengan cara membandingkan kesesuaian tanda antara koefisien parameter yang diperoleh, dengan anggapan umum/teori yang berlaku. Apabila tanda koefisien parameter regresi sesuai dengan teori, maka variabel tersebut lolos dari uji kriteria ekonomi. Sebaliknya, jika tanda dari koefisien tidak sesuai dengan teori, maka variabel tersebut tidak lolos uji.
Terkait dengan pengujian variabel dengan uji a priori ekonomi, maka perlu dibuat hipotesis yang terdiri dari :
a) Jarak ke pusat perdagangan (CBD) terdekat mempunyai hubungan negatif terhadap nilai tanah (atau positif apabila jarak tersebut adalah jarak resiprokal), yang bermakna bahwa semakin jauh lokasi obyek dari pusat bisnis lokal akan semakin rendah nilai tanahnya dan sebaliknya.
b) Jarak ke sekolah terdekat mempunyai hubungan negatif terhadap nilai tanah (atau positif apabila jarak tersebut adalah jarak resiprokal), yang bermakna bahwa semakin jauh lokasi obyek dari sekolah terdekat akan semakin rendah nilai tanahnya dan sebaliknya.
c) Jarak ke perguruan tinggi terdekat mempunyai hubungan negatif terhadap nilai tanah (atau positif apabila jarak tersebut adalah jarak resiprokal), yang bermakna bahwa semakin jauh lokasi obyek dari
perguruan tinggi atau universitas terdekat akan semakin rendah nilai tanahnya dan sebaliknya.
d) Jarak ke jalan utama terdekat mempunyai hubungan negatif terhadap nilai tanah (atau positif apabila jarak tersebut adalah jarak resiprokal), yang bermakna bahwa semakin jauh lokasi obyek dari jalan utama terdekat akan semakin rendah nilai tanahnya dan sebaliknya.
e) Lebar jalan mempunyai hubungan positif terhadap nilai tanah, berarti semakin lebar jalan (di mana obyek tersebut berada), maka nilai tanah akan semakin tinggi dan sebaliknya.
f) Luas tanah mempunyai hubungan positif terhadap nilai tanah, berarti semakin luas maka nilai tanah tersebut semakin tinggi.
g) Lebar sisi depan objek mempunyai hubungan positif terhadap nilai tanah, yang berarti semakin lebar sisi depan objek maka nilai tanah semakin tinggi.
Berdasarkan hasil pembentukan model awal dan hipotesis yang telah dibuat, dilakukan uji kriteria a prioriekonomi. Hasil uji a prioriekonomi dapat dilihat pada tabel III.6 sebagai berikut:
Tabel III.6 Hasil uji a prioriekonomi (uji tanda) No Variabel Eksogen Aditif
(x) Aditif (1/x) Multipli katif (x) Multipli katif (1/x) 1 UNPAS 2 556.331* -262.527* 0,540* -0,540* 2 SMP -4.665.937 222.501 -0,436 0,436 3 Kosambi 2.073.225* -225.492* 1,282* -1,282* 4 Sekolah -2.030.331 - -0,798 0,798 5 SMPN 13 976.495* - 0,508* -0,508* 6 Jl Dalem Kaum -2.534.383 336.837 -0,521 0,521 7 Jl Cikawao 1.596.815* - - -8 SD Nilem 551.852* - 0,278* -0,278* 9 Alun-alun 644.986* -199.951* - -10 SMP YPM 1.209.894* 148.499 -0,341 0,341 11 Klinik/Lab 909.335* - - -12 Jl. A Yani - 404.762 -0.646 0.646 13 Jl. Buah Batu - 256.266 - -14 Jl. Palasari - -153.202* - -15 Pus Cijagr Lama - -111.163* - -16 Jl Lengk Kecil - - 0,266* -0,266* 17 Jl Lengk Besar - - 0,410* -0,410* 18 Univ. Langlang B - - -0,442 0,442 19 Jl Burangrang - - 0,238* -0,238* No Variabel Ekso + Endogen Aditif (x) Aditif (1/x) Multipli katif (x) Multipli katif (1/x) 1 SD Nilem 192.455* - - -2 STIE Nasional -367.039 - - -3 Jl KH Dahlan 307.566* - - -4 Lebar Jalan 489.631 353.678 0,665 0,665 5 Jl Dalem Kaum - 322.399 -0,396 0,396
6 Jl A Yani - 293.527 - -7 UNPAS 2 - -163.069* 0,371* -0,371* 8 Luas Tanah - 160.818 0,080 0,080 9 Kosambi - -122.924* - -10 SMP - 460.914 -0,410 0,410 11 Jl Gatot Subrto - -337.524* - -12 Alun-alun - -145.727* - -13 Pusk Suryalaya - 86.520 -0,108 0,108 14 Jl Buah Batu - 86.842 - -15 SMPN 13 - -97.190* - -16 SDN Putraco - -126.959* - -17 SDN Pelita - 101.302 - -18 Jl Skarno Hatta - -60.740* - -19 Univ Langlang B - - -0,315 0,315 20 Jl Palsari - - 0,099* -0,099* 21 Jl Lengkong Bs - - 0,308* -0,308* 22 SDN - - 0,197* -0,197* 23 Klinik/Lab - - 0,324* -0,324* c2 Uji t
Uji ini digunakan untuk mengetahui apakah koefisien regresi secara individu berpengaruh terhadap variabel terikat. Pengujian ini dilakukan setelah terhadap hasil regresi tahap kedua dimana semua variabel bebas sebelumnya telah lolos uji a priori ekonomi pada tahap satu. Pengujian ini dilakukan dengan membandingkan antara nilai |t-hitung| dengan t-tabel. Jika |t-hitung| lebih besar dari pada t-tabelmaka dikatakan signifikan
(lolos uji) dan sebaliknya (Gujarati, 1995).
Untuk melakukan pengujian t statistik, maka dilakukan regresi tahap selanjutnya dimana hanya melibatkan variabel bebas yang telah lolos pengujian apriori ekonomi sebelumnya. Nilai |t-hitung| masing-masing
variabel model hasil regresi adalah sebagaimana tercantum dalam tabel III.7:
Tabel III.7 Nilai t-hitung variabel model pada α = 0,05 No Variabel Eksogen Aditif
(x) Aditif (1/x) Multipli katif (x) Multipli katif (1/x) t-tabel= 1,96 t-tabel= 1,96 t-tabel= 1,96 t-tabel= 1,96 1 SMP -2,674 2,515 -2.801 2.801 2 Sekolah 0,385* - -3,303 3,303 3 Jl. Dalem Kaum 3,151** 4,297 1,273* -1,273* 4 Jl A Yani - 4,415 1,652* -1,652* 5 Jl Buah Batu - 3,633 - -6 SMP YPM - 0,849* 0,041* -0,041* 7 Univ Langlang B - - 4,336** -4,336** No Variabel Ekso + Endogen Aditif (x) Aditif (1/x) Multipli katif (x) Multipli katif (1/x) t-tabel= 1,96 t-tabel= 1,96 t-tabel= 1,96 t-tabel= 1,96 1 STIE Nasional 1,071* - - -2 Lebar Jalan 10,569 10,284 11,431 11,431 3 Jl Dalem Kaum - 8,543 -0,651* 0,651* 4 Jl A Yani - 5,469 - -5 Luas Tanah - 4,137 2,775 2,775
6 SMP - 3,713 -2,222 2,222 7 Pusk Suryalaya - 5,419 -4,119 4,119 8 Jl Buah Batu - 1,925* - -9 SDN Pelita - 3,251 - -10 Univ Langlang B - - 2,965** -2,965** c3 Uji-F Uji ini dilakukan untuk mengetahui pengaruh variabel bebas secara
bersama-sama terhadap variabel terikat. Uji ini dilakukan dengan membandingkan nilai Fhitung dengan Ftabel. Uji ini menggunakan uji dua
sisi, dengan derajat kebebasan (degree of freedom) df1= k-1 dan df2
= (n-k), dimana k adalah jumlah variabel indipendentdandependentdan n adalah jumlah sampel. Kriteria pengujian yaitu apabila Fhitung > Ftabel
maka Ho ditolak dan semua variabel bebas bersama-sama mempengaruhi secara signifikan nilai tanah (Gujarati, 1995).
Untuk melakukan pengujian F statistik, maka dilakukan regresi tahap selanjutnya dimana hanya melibatkan variabel bebas yang telah lolos pengujian sebelumnya. Hasil uji-F pada adalah sebagaimana tercantum dalam tabel III.8:
Tabel III.8 Uji F (tes dua sisi pada α = 0,05)
I Variabel Eksogen Ftabel Fhitung
1 Aditif (x) df1= 2, df2 = 137 19,50 5,132* 2 Aditif (1/x) df1= 4, df2 = 135 5,63 18,898 3 Multiplikatif (x) df1= 2, df2 = 137 19,37 2,183* 4 Multiplikatif (1/x) df1= 2, df2 = 137 19,37 2,183* II Variabel Ekso + Endogen Ftabel Fhitung 1 Aditif (x) df1= 1, df2 = 138 254 110,637* 2 Aditif (1/x) df1= 7, df2 = 132 3,23 59,111 3 Multiplikatif (x) df1= 4, df2 = 135 5,63 58,682 4 Multiplikatif (1/x) df1= 4, df2 = 135 5,63 58,682 c4 Uji Multikolinieritas
Uji ini digunakan untuk mengetahui adanya hubungan linear diantara variabel-variabel bebas dalam model regresi yaitu ditunjukan dengan
adanya derajat kolinieritas yang tinggi di antara variabel-variabel bebas. Dengan kata lain merupakan keadaan dimana satu atau lebih variabel bebas dapat dinyatakan sebagai kombinasi dari variabel bebas lainnya. Salah satu cara untuk mendeteksi masalah multikolinearitas yaitu dengan melihat nilai VIF (Variance Inflation Factor) dari variabel bebas. Jila nilai VIF < 10 maka hasil tersebut mengindikasikan bahwa tidak terdapat gejala multikolinearitas yang serius (berderajat rendah).
Untuk melakukan pengujian multikolinieritas, maka dilakukan regresi tahap berikutnya dimana hanya melibatkan variabel bebas yang telah lolos pengujian sebelumnya. Nilai VIF variabel pada masing-masing model sebagaimana tercantum dalam tabel III.9:
Tabel III.9 Nilai VIF variabel model No Variabel Eksogen Aditif
(1/x) 1 Jl A Yani 1,291 2 Jl Dalem Kaum 1,008 3 Jl Buah Batu 1,017 4 SMP 1,290 No Variabel Ekso + Endogen Aditif (1/x) Multipli Katif (x) Multipli Katif (1/x) 1 Lebar Jalan 1,271 1,175 1,175 2 Jl Dalem Kaum 1,039 - -3 Jl A Yani 1,414 - -4 Luas Tanah 1,290 1,208 1,208 5 SMP 1,380 - -6 Pusk Suryalaya 1,039 1,037 1,037 7 SDN Pelita 1,050 - -c5 Uji Heteroskedastisitas
Heteroskedastisitas adalah suatu keadaan adanya varian yang tidak konstan dari variabel pengganggu. Dalam penelitian ini fenomena heterokedastisitas dilakukan dengan pengujian rank korelasi dari Spearman. Selanjutnya dari koefisien korelasi Spearman tersebut digunakan untuk menguji tingkat signifikansi dari rs dengan pengujian t.
Berdasarkan pengujian heterokedastisitas diperoleh hasil seperti terlihat pada tabel III.10.
Tabel III.10 Hasil pengujian heteroskedastisitas No Variabel Eksogen rs
|t-hitung|
t-tabel α I Aditif (1/x)
1 Jl A Yani 0,352 4,418* 2,576 0,01 2 Jl Dalem Kaum 0,379 4,811* 2,576 0,01 3 Jl Buah Batu -0,064 0,753 1,96 0,05 4 SMP 0,362 4,562* 2,576 0,01 No Variabel Ekso + Endogen rs |t-hitung| t-tabel α I Aditif (1/x) 1 Lebar Jalan 0,012 0,141 1,960 0,05 2 Jl Dalem Kaum 0,064 0,753 1,960 0,05 3 Jl A Yani 0,087 1,026 1,960 0,05 4 Luas Tanah -0,173 -2,063* 1,960 0,05 5 SMP 0,071 0,836 1,960 0,05 6 Pusk Suryalaya -0,233 -2,815* 2,576 0,01 7 SDN Pelita -0,126 -1,492 1,960 0,05 II Multiplikatif (x) 1 Pusk Suryalaya 0,265 3,228* 2,576 0,01 2 Lebar Jalan -0,041 -0,482 1,960 0,05 3 Luas Tanah -0,225 -2,713* 2,576 0,01 III Multiplikatif (1/x) 1 Pusk Suryalaya -0,265 -3,288* 2,576 0,01 2 Lebar Jalan -0,041 -0,482 1,960 0,05 3 Luas Tanah -0,225 -2,713* 2,576 0,01 d. Pemilihan model regresi
Setelah melalui berbagai pengujian model didapatkan model akhir yang telah memenuhi aturan-aturan pembentukan model. Hasil pemodelan akhir dapat dilihat pada tabel III.11.
Tabel III.11 Hasil pemodelan akhir No Model dng Variabel Eksogen Aditif (1/x) 1 Adjusted R2 0,024 2 Std. Err of Est 762.654 3 Nilai F 4,386 Variabel a Constant 1.663.267 b Jl Buah Batu 135.474 No Model dng Variabel
Eksogen & Endogen
Aditif (1/x) Multipli katif (x) Multipli katif (1/x) 1 Adjusted R2 0,662 0,551 0,551 2 Std. Err of Est 448.550 0,31497 0,31497 3 Nilai F 55,525 171,585 171,585 Variabel a Constant 1.663.267 12,646 12,646 b Lebar Jalan 465.537 0,944 0,944 c Jl Dlm kaum 245.597 - -d Jl A Yani 159.876 - -e SMP 152.289 - -f SDN Pelita 142.890 -
-Validasi model ditujukan untuk mengetahui seberapa akurat model terpilih untuk memprediksi nilai tanah di wilayah penelitian. Validasi dilakukan dengan menerapkan model terhadap 30 data validasi. Hasil validasi model dapat dilihat pada table III.12
Tabel III.12 Hasil validasi model regresi
1 PRD 1,156 0,98 < x < 1,03
2 COD 43,1% x < 20 %
3 COV 65,3 % x < 10 %
III.3.2 Pengolahan data menggunakan metode JST
Pengolahan data menggunakan metode JST terdiri atas 2 kegiatan, yaitu pengolahan data menggunakan variabel jarak asli dan jarak resiprokal. Pengolahan data juga dibagi dalam dua tahap, tahap pembentukan model dan tahap validasi model. Tahap pengolahan data metode JST dapat dilihat pada gambar III.8.
Gambar III.8 Tahap pengolahan data metode JST
Pemodelan menggunakan metode JST diawali dengan penentuan variabel. Hal ini dimaksudkan untuk mendapatkan variabel-variabel yang mempengaruhi nilai tanah secara signifikan, untuk digunakan dalam pemodelan. Analisis dilakukan dengan melihat koefisien determinasi (R2) antara variabel bebas terhadap nilai tanah. Variabel yang mempengaruhi nilai tanah secara signifikan dan terpilih untuk dimasukkan dalam pemodelan adalah variabel yang mempunyai R2 lebih dari 50 %. Hasil seleksi pengaruh masing-masing variabel model dengan jarak asli terhadap nilai tanah ditunjukkan pada tabel III.13 sebagai berikut:
No Variabel R2 No Variabel R2
I PUSAT PERBELANJAAN 19 SDN_TURANGGA_2 0.468
1 BSM 0.485 20 SDN_TURANGGA_1 0.552* 2 ALUN_ALUN 0.687* 21 SDN_HALIMUN 0.312 3 KOSAMBI 0.691* 22 YPPM 0.383 II SEKOLAH 23 SD_BPI 0.385 4 SD_SURYALAYA 0.397 24 SDN 0.618* 5 SD_CIJAGRA_VI 0.542* 25 SMP_YPM 0.605* 6 SMPN_28 0.664* 26 YAY_TAMSIS 0.621* 7 SEKOLAH 0.662* 27 SMP 0.611* 8 SMUN_8 0.577* 28 SD_NILEM 0.486 9 SMKN_3 0.589* 29 SD_LENGKONGKECIL 0.561* 10 SMKN_8 0.593* 30 SMAN_7 0.668*
11 SMPN_13 0.577* III PERGURUAN TINGGI
12 SMEA_BINAWARGA 0.660* 31 STIE_NAS 0.533*
13 SMKN_2 0.730* 32 UNPAS_1 0.722*
14 SDN_PUTRACO 0.500* 33 UNPAS_2 0.595*
15 SDN_PELITA 0.606* 34 UNIV_LANGLANGBUANA 0.585*
16 SD_BUAHBATU 0.615* IV FASILITAS KESEHATAN
17 YAY_KEBANGSAAN 0.401 35 PUS_LENGKONG 0.525*
18 SD_TERANG 0.478 36 PUS_SURYALAYA 0.632*
Tabel III.13 Hasil analisis determinasi variabel dengan jarak asli (lanjutan)
No Variabel R2 No Variabel R2 37 PUS_CIJAGRA_BARU 0.540* 52 JL_BUAHBATU 0.306 38 RS_BERSALIN 0.391 53 JL_KH DAHLAN 0.562* 39 PUS_CIJAGRA_LAMA 0.581* 54 JL_LENGKONGKECIL 0.513* 40 KLINIK/LAB 0.442 55 JL_LENGKONGBESAR 0.639* 41 RS_MUHAMADIYAH 0.394 56 JL_GURAME 0.405 V JALAN 57 JL_ASIAAFRIKA 0.600* 42 JL_DALEMKAUM 0.676* 58 JL_TURANGGA 0.400 43 JL_GATOTSUBROTO 0.423 59 JL_SUKARNOHATTA 0.464 44 JL_PALASARI 0.545* 60 JL_PELAJARPEJUANG 0.524* 45 JL_CIKAWAO 0.431 61 JL_KLININGAN 0.521* 46 JL_TALAGABODAS 0.465 62 JL_MASKUMAMBANG 0.563* 47 JL_MARTANEGARA 0.563* 63 JL_REOG 0.583* 48 JL_AYANI 0.481 VI LAIN-LAIN
49 JL_KARAPITAN 0.536* 64 LUAS TANAH 0.498
50 JL_BURANGRANG 0.465 65 LEBAR JALAN 0.550*
51 JL_SADAKELING 0.539* 66 LEBAR DEPAN 0.514*
Sebanyak 44 variabel mempunyai R2 diatas 50 %, ditandai dengan (*). Hasil seleksi pengaruh masing-masing variabel model dengan jarak resiprokal terhadap nilai tanah ditunjukkan pada tabel III.14. Sebanyak 31 variabel mempunyai R2 diatas 50 %, ditandai dengan (*)
Tabel III.14 Hasil analisis determinasi variabel dengan jarak resiprokal
No Variabel R2 No Variabel R2
I PUSAT PERBELANJAAN 34 UNIV_LANGLANGBUANA 0,28
1 BSM 0.72* IV FASILITAS KESEHATAN 2 ALUN_ALUN 0,84* 35 PUS_LENGKONG 0,04 3 KOSAMBI 0,11 36 PUS_SURYALAYA 0,75* II SEKOLAH 37 PUS_CIJAGRA_BARU 0,21 4 SD_SURYALAYA 0,84* 38 RS_BERSALIN 0,96* 5 SD_CIJAGRA_VI 0,02 39 PUS_CIJAGRA_LAMA 0,23 6 SMPN_28 0,83* 40 KLINIK/LAB 0,29 7 SEKOLAH 0,87* 41 RS_MUHAMADIYAH 0,89* 8 SMUN_8 0,82* V JALAN 9 SMKN_3 0,84* 42 JL_DALEMKAUM 0,13 10 SMKN_8 0,82* 43 JL_GATOTSUBROTO 0,43 11 SMPN_13 0,08 44 JL_PALASARI 0,84* 12 SMEA_BINAWARGA 0,79* 45 JL_CIKAWAO 0,44 13 SMKN_2 0,90* 46 JL_TALAGABODAS 0,07
14 SDN_PUTRACO 0,80* 47 JL_MARTANEGARA 0,01 15 SDN_PELITA 0,84* 48 JL_AYANI 0,21 16 SD_BUAHBATU 0,70* 49 JL_KARAPITAN 0,32 17 YAY_KEBANGSAAN 0,50 50 JL_BURANGRANG 0,24 18 SD_TERANG 0,14 51 JL_SADAKELING 0,11 19 SDN_TURANGGA_2 0,01 52 JL_BUAHBATU 0,78* 20 SDN_TURANGGA_1 0,17 53 JL_KHDAHLAN 0,80* 21 SDN_HALIMUN 0,76* 54 JL_LENGKONGKECIL 0,14 22 YPPM 0,71* 55 JL_LENGKONGBESAR 0,17 23 SD_BPI 0,41 56 JL_GURAME 0,84* 24 SDN 0,02 57 JL_ASIAAFRIKA 0,33 25 SMP_YPM 0,33 58 JL_TURANGGA 0,42 26 YAY_TAMSIS 0,78* 59 JL_SUKARNOHATTA 0,35 27 SMP 0,24 60 JL_PELAJARPEJUANG 0,80* 28 SD_NILEM 0,84* 61 JL_KLININGAN 0,02 29 SD_LENGKONGKECIL 0,32 62 JL_MASKUMAMBANG 0,83* 30 SMAN_7 0,11 63 JL_REOG 0,04
III PERGURUAN TINGGI VI LAIN-LAIN
31 STIE_NAS 0,92* 64 LUAS TANAH 0,78*
32 UNPAS_1 0,49 65 LEBAR JALAN 0,71*
33 UNPAS_2 0,60* 66 LEBAR DEPAN 0,77*
Tahap selanjutnya adalah penentuan model jaringan syaraf tiruan. Jaringan syaraf tiruan yang digunakan pada penelitian ini menggunakan jenis multi layer perceptron. Jaringan terdiri dari lapisan masukan dengan jumlah node sesuai banyaknya variabel. Sebuah lapisan tersembunyi dan sebuah lapisan keluaran dengan 1 node. Fungsi aktivasi yang digunakan adalah fungsi sigmoid biner. Lapisan input menerima masukan dari variabel bebas nilai tanah. Sebelum dijadikan input untuk JST, data variabel tersebut harus ditransformasikan terlebih dulu karena range keluaran fungsi aktivasi sigmoid berkisar antara 0 (nol) dan 1 (satu). Tetapi akan lebih baik jika data tersebut ditransformasikan ke interval yang lebih kecil (Siang, 2005). Hal ini disebabkan karena nilai fungsi asimtotik tidak pernah mencapai 0 atau 1, oleh karena itu data variabel nilai tanah akan ditransformasikan pada interval 0,1 sampai 0,9. Proses transformasi data tersebut menggunakan persamaan II.13.
Lapisan keluaran pada jaringan syaraf tiruan hanya mempunyai satu node. Nilai node tersebut merupakan prediksi nilai tanah model jaringan syaraf tiruan. Setelah proses penentuan variabel dan model jaringan, kemudian dilakukan pengolahan data menggunakan software MatLab. Secara garis besar pengolahan data menggunakan metode JST dalam program komputer terdapat dua tahap komputasi yaitu:
Pada tahap ini proses dimulai dengan memasukkan pola-pola belajar ke dalam jaringan. Dengan menggunakan pola-pola ini jaringan akan mengubah-ubah bobot yang menjadi penghubung antara node. Satu periode dimana seluruh pola belajar telah diproses disebut 1 (satu) iterasi. Pada setiap 1 iterasi dilakukan evaluasi terhadap keluaran jaringan. Tahap ini berlangsung pada beberapa iterasi dan berhenti setelah jaringan menemukan bobot yang sesuai dimana suatu keadaan yang diinginkan telah terpenuhi. Selanjutnya bobot ini menjadi knowledge base(dasar pengetahuan) pada tahap pengenalan.
Pada tahap ini digunakan 140 data sampel nilai tanah.
b. Tahap Pengenalan
Pada tahap ini dilakukan pengenalan terhadap suatu pola masukan dengan menggunakan bobot hasil tahap belajar. Tahap pengenalan dilakukan dengan menerapkan model terhadap 30 data uji. Akurasi model JST hasil tahap belajar dan pengenalan dapat dilihat pada tabel III.15
Tabel III.15 Akurasi model JST
Uraian Jarak Asli Jarak Resiprokal
RMS Model 4.261 0,00 R2 Model 0,99 1,00 RMS Uji 675.494 1.197.900 R2 Uji 0,41 0,01 RMS Semua data 283.790 503.240 R2 Semua data 0,87 0,63
Validasi model ditujukan untuk mengetahui seberapa akurat model terpilih untuk memprediksi nilai tanah di wilayah penelitian. Validasi dilakukan dengan menerapkan model terhadap 30 data uji. Hasil validasi model dapat dilihat pada table III.16
Tabel III.16 Hasil validasi model JST
No Uraian Data Validasi Batasan
1 PRD 1,018 0,98 < x < 1,03
