GDL

LAND VALUATION METHOD USING SPATIAL ANALYSIS AND ARTIFICIAL NEURAL NETWORK

Master Theses from JBPTITBPP / 2012-06-08 17:33:45
Oleh : Diddy Wahvudi Imawan-NIM: 25105033, S2 - Geodetic Engineering
Dibuat : 2007-02-00, dengan 8 file

Keyword : Land Value, Spatial Analysis, Regression Method , Artificial Neural Network Method
Kepala Subjek : geodetic
Nomor Panggil (DDC) : T 526.98 IMA

Abstrak:



Penilaian tanah adalah salah satu kegiatan yang paling utama di Kantor Pelayanan Pajak Bumi dan Bangunan (PBB). Metode penilaian yang tepat untuk menghasilkan nilai. tanah yang akurat dapat meningkatkan obyektifitas data dan selanjutnya dapat mengoptimalkan penerimaan PBB Berta dapat menekan jumlah pengajuan keberatan oleh wajib pajak. Metode penilaian tanah yang telah banyak digunakan adalah menggunakan analisis regresi. Metode regresi lebih ditujukan untuk memodelkan permasalahan yang bersifat linier. Karakteristik sistem nilai tanah mempunyai kecenderungan tidak linier dan dipengaruhi banyak variabel yang masing-masing variabel saling mempengaruhi satu dengan yang lainnya. Dalam penelitian ini diusulkan suatu metode penilaian tanah menggunakan analisis spasial dan jaringan syaraf tiruan (JST). Metode JST memiliki kelebihan bersifat adaptif dan dapat digunakan untuk merepresentasikan sistem yang bersifat linier dan tidak linier secara simultan. Variabel lokasi digunakan sebagai variabel utama dalam model nilai tanah. mengingat bahwa variabel lokasi adalah variabel yang sangat signifikan dalam sistem nilai tanah. Berdasarkan analisis uji multikolinier, semua variabel yang digunakan mempunyai nilai multikolinier di atas 10% sehingga terbukti tidak memenuhi syarat untuk dimodelkan .menggunakan metode regresi. Nilai kesalahan Root Mean Square (RMS) hasil pemodelan nilai tanah menggunakan metode regresi dan . JST berturut-turut sebesar Rp.375.656,00/m2 dan Rp.149.320,00/m2. Hal ini menunjukan bahwa pemodelan nilai tanah menggunakan metode JST memiliki akurasi yang lebih tinggi. Nilai perbedaan harga prediksi metode JST sebesar 0,996 menunjukan bahwa hasil pemodelan menggunakan metode ini mempunyai nilai yang mendekati nilai tanah sesuai dengan kenyataan di lapangan. Berdasarkan analisis secara visual terhadap peta nilai tanah, hasil pemodelan menggunakan metode JST menunjukan bahwa variabel-variabel yang digunakan terlihat mempengaruhi secara lebih nyata dibandingkan dengan hasil dari metode regresi. Selairi itu nilai tanah hasil pemodelan menggunakan JST memiliki variasi nilai tanah yang relatif seragam terhadap nilai tanah di sekitarnya dibandingkan dengan hasil pemodelan menggunakan metode regresi. Nilai tanah yang relatif seragam terhadap nilai tanah di sekitarnya adalah lebih mendekati kenyataan di lapangan dan dapat meminimalkan terjadinya pengajuan keberatan akibat adanya perbedaan nilai tanah yang kontras antara dua bidang tanah yang bersebelahan. Disimpulkan bahwa metode JST dapat digunakan sebagai alternatif metode penilaian tanah untuk memperbaiki metode regresi yang telah banyak digunakan.

Deskripsi Alternatif :

Abstract:



The aim of this study is to develop the land valuation method using spatial analysis and artificial neural network. The purpose of land valuation is to provide a credible and reliable land value at a given point in time. Multiple regression analysis (MRA) is the most widely used method for model calibration. It evaluates the linear relationship between a dependent (response) variable and several independent (predictor) variables, and estimates parameters for the independent variables based on a mathematical model. However, since the multicolinear value of the MRA parameters exceeds 10%, this method can not model land valuation problem precisely. ANN (artificial neural network) in the other hand can calibrate models that consist of both linear and nonlinear term simultaneously. Comparison of ANN and MRA approaches gives the land value modeling RMS (root mean square) error of Rp 149.320,00/m2 for the ANN method and Rp 375.650,00/m2 for the MRA method. Furthermore, the price-related differential (PRD) of land value modeling using ANN is 0,996. This PRD is close to 1,00, indicating that the land value estimation is neither regressive nor progressive. The land value modeling using spatial analysis and artificial neural network is a promising method for the land valuation activities.

Copyrights : Copyright (c) 2007 by Faculty of Civil and Environmental Engineering (FTSL). Information Dissemination Right @2008 ITB Central Library, Jl. Ganesha 10 Bandung,40132, Indonesia. Verbatim copying and distribution of this entire article is permitted by author to ITB Central Library in any medium, provided this notice is preserved.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTITBPP
Organisasi	S2 - Geodetic Engineering
Nama Kontak	Drs. Mahmudin, SIP.
Alamat	Jl. Ganesha 10
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	62-22-2509118, 2500089
Fax	62-22-2500089
E-mail Administrator	digilib@lib.itb.ac.id
E-mail CKO	digilib@lib.itb.ac.id