51 Bab III Metodologi Penelitian Pada bab ini akan diuraikan secara rinci metodologi yang dipergunakan dalam penelitian ini, mencakup metode pengumpulan data, metode pengolahan data (data primer dan data sekunder), serta metode analisis data. Selain itu, kerangka analisis penelitian juga akan disajikan dalam bab ini. III.1 Metode Penelitian Metode penelitian merupakan sebuah proses dan cara ilmiah yang digunakan untuk mengumpulkan, menganalisis, menafsirkan data yang diperlukan untuk menjawab pertanyaan penelitian dengan tujuan tertentu seperti yang telah dirumuskan dalam rumusan masalah dan tujuan penelitian. Menurut Sugiyono (2013), kaidah ilmiah merupakan rangkaian penelitian yang didasarkan pada ciri – ciri keilmuan yaitu rasional, empiris, dan sistematis. Sementara itu, data yang diperoleh melalui penelitian tersebut merupakan data yang bersifat empiris yang memiliki kriteria valid dan bersifat reliabel dan obyektif. Secara umum, metode penelitian dapat diklasifikasikan berdasarkan tujuan serta tingkat kealamiahan lokasi objek penelitian. Berdasarkan tujuannya, penelitian terbagi menjadi tiga kategori utama: (1) penelitian dasar (basic research), yang bertujuan untuk mengembangkan teori dan ilmu pengetahuan; (2) penelitian terapan (applied research), yang berfokus pada penerapan teori untuk menyelesaikan permasalahan nyata; dan (3) penelitian pengembangan (research and development), yang bertujuan untuk merancang serta memperkuat alat dan produk yang digunakan dalam pembelajaran dan pendidikan. Sementara itu, jika dikategorikan berdasarkan tingkat kealamiahannya, metode penelitian dapat dibagi menjadi tiga jenis: (1) metode penelitian eksperimen, yang dilakukan dalam lingkungan yang sangat terkontrol untuk menguji pengaruh suatu perlakuan tertentu; (2) metode penelitian survei, yang digunakan untuk mengumpulkan data dari lokasi yang bersifat alami, bukan dalam lingkungan tertutup; dan (3) metode penelitian naturalistik atau kualitatif, yang dilakukan di lingkungan alami dengan pendekatan emic, yaitu berdasarkan perspektif sumber data, bukan dari sudut 52 pandang peneliti. Dengan begitu, berdasarkan jenis – jenis penelitian tersebut, dapat dikelompokan yang termasuk kedalam metode penelitian kuantitatif adalah penelitian eksperimen dan penelitian berbasis survey. Sedangkan jenis metode penelitian kualitatif adalah metode naturalistic. Penelitian dasar umumnya memanfaatkan metode eksperimen dan pendekatan kualitatif, sementara penelitian terapan menggunakan kombinasi eksperimen dan survei. Di sisi lain, riset dan pengembangan (R&D) memiliki fleksibilitas dalam menggunakan survei, pendekatan kualitatif, dan eksperimen dalam proses investigasinya (Sugiyono, 2013). Jenis metode penelitian yang dilakukan dalam studi ini adalah merupakan bagian dari penelitian terapan (applied research) dengan menggunakan metode eskperimen dalam mengevaluasi dampak perubahan zonasi ruang sebagai akibat dari adanya pembangunan TOD di Kota Bekasi terhadap harga lahan dan properti disekitar kawasan tersebut dengan menggunakan metode analisis yang telah ditentukan untuk menjawab rumusan masalah penelitian. Sehingga dapat dikatakan bahwa metode penelitian yang akan digunakan dala metode penelitian ini merupakan metode penelitian kuantitatif. Menurut Creswell & Creswell (2018), metode penelitian kuantitatif merupakan pendekatan untuk menguji teori dan meihat hubungan antara variabel tersebut. Setiap variabel ini dapat diukur dengan menggunakan instrument tertentu dan dianalisis menggunakan prosedur statistik. III.2 Metode Pengumpulan Data Penelitian terkait evaluasi dampak perubahan zonasi ruang terhadap harga lahan dan properti di sekitar area TOD Kota Bekasi ini mencoba menganalisis bagaimana perubahan zonasi ruang memiliki dampak terhadap harga lahan dan properti khususnya di sekitar area TOD berdasarkan atribut/variabel yang telah ditetapkan, dimana wilayah yang didelineasikan untuk dilakukan analisis adalah Kota Bekasi. Dalam penelitian ini, wilayah TOD di Kota Bekasi digunakan sebagai lokasi studi. Namun, analisis yang dilakukan tidak berfokus pada TOD itu sendiri, melainkan pada dampak perubahan zonasi ruang terhadap harga lahan dan properti di kawasan tersebut. Perubahan kebijakan tata ruang yang terjadi di sekitar area TOD 53 berpotensi memengaruhi nilai lahan dan pola penggunaan lahan, mengingat wilayah ini mengalami peningkatan aksesibilitas serta pengembangan infrastruktur secara signifikan. Ruang lingkup waktu yang digunakan dalam penelitian ini adalah tahun 2017 hingga 2024. Rentang waktu ini dipilih karena pada rentang masa ini merupakan masa proses pembangunan LRT Jabodebek sampai dengan masa beroperasi nya, dimana dalam rentang waktu tersebut juga mulai dilakukan pembangunan TOD yang terintegrasi dengan stasiun LRT Jabodebek. Metode pengumpulan data yang dilakukan dalam studi ini adalah pengumpulan data yang bersumber dari data sekunder. Hal ini dikarenakan sebagian besar data tersebut telah disediakan oleh Konsultan Jasa Penilai Publik (KJPP) Rengganis, Hamid, dan Rekan (RHR). Selain itu, data – data lain yang dikumpulkan bersumber dari dokumen dinas tata ruang Kota Bekasi, website pemerintah lainnya, scrapping data dari google maps yang kemudian diolah menggunakan distance to nearest hub pada aplikasi Quantum GIS (QGIS). Untuk menjawab rumusan masalah untuk mengevaluasi dampak perubahan zonasi ruang terhadap harga lahan dan properti di sekitar area TOD Kota Bekasi, digunakan metode analisis Regression Discontinuity Design (RDD) dan regresi linear berganda. Dalam penelitian ini, RDD digunakan untuk menilai bagaimana perubahan zonasi ruang berdampak pada harga lahan atau properti. Dalam hal ini, yang dimaksud dengan perubahan zonasi adalah proses perubahan atau penyesuaian terhadap peraturan zonasi yang mengatur penggunaan lahan di suatu wilayah, dari zona kawasan perumahan dan komersial menjadi zona campuran, yang dalam hal ini adalah sebagai akibat adanya pembangunan TOD di kota Bekasi. Jika terdapat kebijakan zonasi baru yang diterapkan dengan ketentuan jarak tertentu dari titik pusat TOD, "jarak ke pusat TOD" dapat ditetapkan sebagai indeks kontinu atau running variable. Properti yang berada di dalam radius tertentu dari pusat TOD dapat dianggap sebagai area yang terpengaruh oleh kebijakan ini (memenuhi kriteria) sementara yang berada di luar radius dianggap tidak terpengaruh (tidak memenuhi kriteria). Properti yang berada di dalam insiden radius dan properti yang tepat di luar radius tertentu dari pusat TOD dapat didefinisikan sebagai area yang memenuhi kriteria atau area terpengaruh oleh kebijakan. RDD kemudian 54 membantu mengukur dampak kebijakan ini pada harga lahan dengan membandingkan properti yang tepat berada di kedua sisi batas zona. Pada bagian proses analisis ini, hal yang penting untuk ditetapkan adalah titik batas (cutoff) dari perlakuan kebijakan (treatment) dan yang tidak mendapatkan perlakuan kebijakan (control). Berdasarkan Peraturan Menteri ATR/BPN Nomor 16 Tahun 2017 tentang Pedoman Pengembangan Kawasan Berorientasi Transit, jarak radius yang ditetapkan untuk kawasan TOD di Indonesia adalah sejauh 400 hingga 800 meter. Jarak ini didasarkan pada prinsip keterjangkauan berjalan kaki, yang menyatakan bahwa jarak tersebut ideal agar masyarakat dapat mengakses fasilitas transit dengan nyaman dalam waktu sekitar 5 hingga 10 menit berjalan kaki. Selain itu, penentuan radius TOD tersebut bertujuan untuk mengintegrasikan penggunaan lahan dengan sistem transportasi publik, sehingga mendorong mobilitas berkelanjutan dan mengurangi ketergantungan pada kendaraan pribadi. Dalam penelitian ini, untuk menentukan titik cutoff, digunakan jarak radius dari masing – masing kawasan TOD yang masuk ke dalam delineasi penelitian. Radius kawasan dihitung dari titik tengah atau centroid terhadap batas kawasan built up TOD yang mencakup TOD Bekasi Timur (radius TOD 1000 meter), TOD Bekasi Barat (radius TOD 1000 meter), TOD Cikunir 1 (radius TOD 550 meter), TOD Cikunir 2 (radius TOD 850 meter), dan TOD Jaticempaka (radius TOD 500 meter). Dengan demikian, batas cutoff yang digunakan sebagai proxy perubahan zonasi ruang adalah pada batas radius dari kawasan built up sejauh 500 – 1000 meter. Definisi operasional dari data sekunder yang digunakan disajikan pada tabel III.1 di bawah ini. 55 Tabel III. 1 Definisi Operasional Data Dependen dan Independen No Variabel Kriteria Definisi Indikator Tahun Bentuk Perolehan Data Sumber Data Teknik Pengolahan Data Variabel Dependen 1 Y1 Harga Lahan dan Properti per m 2 Harga transaksi lahan pada setiap titik observasi juta rupiah 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Data harga lahan dan properti per m 2 disesuaikan dengan Indeks Harga Properti Komersial dan Residensial Q3 202 Variabel Independen 2 X1 Kondisi Lahan Kondisi lahan pada setiap titik observasi 1 = terbangun 0 = tidak terbangun 2017 - 2024 Data nominal KJPP RHR Transformasi ke bilangan biner (dummy variabel) 3 X2 Luas Lahan Luas area lahan pada titik observasi m 2 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR - 4 X3 Lebar Jalan Depan Lebar jalan depan pada setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR - 5 X4 Jarak ke TOD terdekat Jarak ke TOD terdekat, yang dihitung berdasarkan titik meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Distance to nearest hub QGIS 56 No Variabel Kriteria Definisi Indikator Tahun Bentuk Perolehan Data Sumber Data Teknik Pengolahan Data centroid kawasan dari setiap titik observasi 6 X5 Jarak ke Gerbang Tol terdekat Jarak ke gerbang tol terdekat dari setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Distance to nearest hub QGIS 7 X6 Jarak ke stasiun kereta terdekat Jarak ke stasiun kereta terdekat dari setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) Scrapping dari google maps Distance to nearest hub QGIS 8 X7 Jarak ke pemberhentian bis terdekat Jarak ke pemberhentian bis terdekat dari setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) Scrapping dari google maps Distance to nearest hub QGIS 9 X8 Jarak ke Jalan Utama Jarak dari titik observasi ke jalan utama meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Distance to nearest hub QGIS 10 X9 Jarak ke CBD Jarak dari setiap titik observasi ke pusat kota yang menjadi pusat kegiatan ekonomi dan komersial utama. Dalam hal ini yang menjadi titik pusat kota adalah Bekasi meter 2017 - 2024 QGIS - Titik (Data Rasio) Scrapping dari google maps Distance to nearest hub QGIS 57 No Variabel Kriteria Definisi Indikator Tahun Bentuk Perolehan Data Sumber Data Teknik Pengolahan Data Central Bussiness District. 11 X10 Jarak ke pusat perbelanjaan terdekat Jarak ke pusat perbelanjaan dari setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Distance to nearest hub QGIS 12 X11 Jarak ke SD terdekat Jarak ke SD terdekat dari setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Distance to nearest hub QGIS 13 X12 Jarak ke SMP terdekat Jarak ke SMP terdekat dari setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Distance to nearest hub QGIS 14 X13 Jarak ke SMA terdekat Jarak ke SMA terdekat dari setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Distance to nearest hub QGIS 15 X14 Jarak ke RTH terdekat Jarak ke taman kota terdekat dari setiap titik observasi meter 2017 - 2024 QGIS - Titik (Data Rasio) KJPP RHR Distance to nearest hub QGIS 16 X15 Zona Kawasan Permukiman Lokasi titik observasi yang berada pada zona kawasan permukiman R2, R3, R4 1 = kawasan permukiman 0 = bukan kawasan permukiman 2017 - 2024 Data nominal Dokumen dan Peta Rencana Detail Tata Ruang Kota Bekasi Lat lon location QGIS, Transformasi ke bilangan biner (variabel dummy) 58 No Variabel Kriteria Definisi Indikator Tahun Bentuk Perolehan Data Sumber Data Teknik Pengolahan Data 17 X16 Zona Kawasan Perdagangan dan Jasa Lokasi titik observasi yang berada pada zona kawasan perdagangan dan jasa 1 = kawasan perdagangan dan jasa 0 = bukan kawasan perdagangan dan jasa 2017 - 2024 Data nominal Dokumen dan Peta Rencana Detail Tata Ruang Kota Bekasi Lat lon location QGIS, Transformasi ke bilangan biner (variabel dummy) 18 X17 Zona Kawasan Campuran Lokasi titik observasi yang berada pada zona kawasan Campuran 1 = kawasan campuran 0 = bukan kawasan campuran 2017 - 2024 Data nominal Dokumen dan Peta Rencana Detail Tata Ruang Kota Bekasi Lat lon location QGIS, Transformasi ke bilangan biner (variabel dummy) 59 III.3 Metode Pengolahan Data Metode pengolahan merupakan sebuah proses yang dilakukan untuk mengubah data mentah menjadi sebuah data yang dapat dimanfaatkan dan memberikan informasi yang bermanfaat. Adapun tahapan dalam pengolahan data dalam penelitian ini antara lain sebagai berikut: a. Pembersihan data. Data yang telah dikumpulkan berdasarkan metode pengumpulan data seperti yang telah dijelaskan pada bagian sebelumnya, kemudian akan dilakukan pembersihan data (cleaning data). Cleaning data bertujuan untuk mengetahui mana data yang relevan atau tidak valid. Langkah cleaning data ini penting untuk memastikan keakuratan dan kehandalan data yang akan digunakan dalam analisis selanjutnya. Proses cleaning data antara lain menghapus data yang tidak relevan atau tidak valid, menangani nilai yang hilang atau tidak lengkap, serta menyelesaikan duplikasi atau inkonsistensi pada data yang telah dikumpulkan. b. Transformasi data. Data yang telah dilakukan cleaning tersebut kemudian dilakukan transformasi untuk memenuhi asumsi dasar model ekonometrik yaitu BLUE (Best, Linear, Unbiassed Estimator). Transformasi tersebut dapat dilakukan dengan teknik normalisasi data, standarisasi variabel, atau transformasi logaritmik jika data tidak terdistribusi dengan normal. Data yang telah ditransformasi sesuai dengan asumsi dasar model ekonometrik tersebut kemudian dilakukan pengolahan data dengan menggunakan aplikasi Stata 16. Setelah model ekonometrik diterapkan dan didapatkan hasil dari pengolahan data, selanjutnya adalah melihat variabel atau atribut apa saja yang memiliki kontribusi relative terhadap pembentukan harga rumah. Setelah mengetahui atribut/variabel apa saja yang memiliki kontribusi relative terhadap pembentukan harga rumah berdasarkan model ekonometrik hedonic pricing, langkah selanjutnya adalah melakukan proyeksi atas harga rumah berdasarkan model awal dari model ekonometrik tersebut. Penyusunan model untuk proyeksi dilakukan dengan menggunakan atribut atau variabel yang memiliki pengaruh signifikan dalam pembentuk harga rumah. Proyeksi harga rumah nantinya 60 akan dilakukan dengan menggunakan metode machine learning dengan menggunakan algoritma dari pustaka python. III.4 Metode Analisis Data Metode analisis yang digunakan dalam penelitian ini adalah analisis konten melalui literature review, near analysis, analisis Regression Discontinuity Design (RDD), dan analisis linear berganda. Dalam proses analisis data, baik analisis menggunakan Regression Discontinuity Design (RDD) dan Model Hedonic Pricing dengan analisis regresi linier berganda digunakan software STATA 16 sebagai alat analisis metode tersebut. Berikut merupakan penjelasan dari masing – masing metode analisis yang digunakan dalam penelitian ini. III.4.1 Analisis Konten (Literature review) Analisis konten merupakan suatu metode penelitian yang sistematis dan fleksibel untuk menganalisis sebuah data. Metode ini melibatkan pengurangan data dengan cara mengkategorikan informasi yang relevan ke dalam kerangka kategori yang telah ditentukan sebelumnya. Tujuan dari analisis konten adalah untuk memberikan interpretasi data yang lebih mendalam melalui identifikasi pola, tema, atau makna tertentu dalam teks (Schreier, 2012). Secara umum, analisis konten didefinisikan sebagai analisis karakteristik pesan yang sistematis, obyektif, dan kuantitatif. Hal ini mencakup pemeriksaan yang cermat terhadap interaksi manusia; analisis penggambaran karakter dalam iklan TV, film, dan novel; maupun investigasi berbasis komputer terhadap penggunaan kata dalam siaran pers dan pidato politik (Lac, 2016). Menurut Schreirer (2012), ciri utama analisis konten meliputi empat aspek penting. Pertama, sifatnya yang sistematis, yaitu dilakukan secara terstruktur dengan mengikuti tahapan yang jelas dan terencana. Kedua, fleksibilitasnya, di mana pendekatan ini dapat disesuaikan dengan kebutuhan penelitian, baik menggunakan pendekatan induktif (berdasarkan data yang ditemukan) maupun deduktif (berdasarkan teori yang telah ada). Ketiga, pengurangan data, yaitu proses memfokuskan pada elemen-elemen yang paling relevan sehingga informasi yang dihasilkan menjadi lebih terorganisasi dan bermakna. Terakhir, reliabilitas, yang mengacu pada pentingnya keandalan hasil melalui transparansi dalam proses 61 analisis serta memungkinkan pengulangan analisis oleh peneliti lain. Pada perkembangannnya, analisis konten banyak digunakan dalam penelitian ilmu sosial dan humaniora. Analisis konten menjadi alat yang fleksibel untuk memahami bagaimana pesan disusun, disampaikan, dan diterima oleh audiens dalam berbagai bentuk komunikasi, baik tradisional maupun digital. Oleh karena itu, kualitas hasil analisis sangat bergantung pada ketelitian dalam memilih sampel, membuat kategori, dan menginterpretasi data (Krippendorf, 2004). Dalam penelitian ini, analisis konten digunakan untuk menjawab sasaran penelitian yang pertama, yaitu, teridentifikasinya faktor – faktor yang memengaruhi harga lahan dan properti di sekitar area TOD Kota Bekasi. Data atau literatur yang digunakan untuk analisis konten dalam penelitian ini bersumber dari buku teks dan juga studi – studi terdahulu, baik berupa artikel, skripsi, dan thesis yang memiliki topik pembahasan yang berkaitan. Hal utama yang menjadi dasar dalam analisis konten adalah bahwa proses analisis dilakukan berdasarkan langkah-langkah yang terstruktur untuk memastikan hasil yang konsisten dan dapat direproduksi dengan cara melakukan pengulangan untuk mencari pola umum dalam sebuah data atau literatur. Schreirer (2012) dalam buku nya mengenai qualitative content analysis in practice, menjelaskan tahapan – tahapan dalam melakukan analisis konten, antara lain: a. Menentukan Fokus Langkah pertama dalam analisis konten adalah mengidentifikasi tujuan analisis konten dan area yang ingin dilakukan penelitian. Fokus menentukan aspek spesifik dari data yang akan dianalisis, menghindari analisis yang terlalu luas atau tidak relevan. b. Membangun kerangka kategori Dalam tahap ini melibatkan pengembangan kategori awal yang relevan berdasarkan teori, literatur, atau data awal. Kategori dapat bersifat deduktif (berdasarkan teori) atau induktif (berdasarkan data). Dalam tahap ini kategori ditentukan berdasarkan sampling yang ada dari literatur terdahulu. 62 c. Sampling dan Pengkategorian Pada tahapan ini dibuat sebuah kategori atau variabel yang akan dianalisis dan juga menyusun instrument coding baik secara manual atau perangkat lunak untuk memastikan pengkodean dilakukan secara sistematis. d. Merevisi kategori Setelah proses koding, kategori awal direvisi berdasarkan temuan baru yang muncul dari data. Revisi ini memastikan kategori mencakup semua aspek penting tanpa mengabaikan elemen yang relevan. Revisi memastikan bahwa analisis tidak terbatas pada kerangka awal yang mungkin tidak mencakup semua data yang relevan. e. Menganalisis temuan Langkah terakhir adalah menyusun hasil analisis berdasarkan kategori yang sudah dibuat. Data yang telah dikategorikan dianalisis untuk menemukan pola, hubungan, atau tema yang relevan dengan tujuan penelitian. Pada tahap ini, data yang telah dikategorikan dijadikan dasar untuk menyusun kesimpulan atau interpretasi, sering kali dengan mengaitkannya pada teori yang digunakan dalam penelitian. Tahapan dan pendekatan ini bertujuan untuk memastikan bahwa analisis konten dilakukan secara sistematis untuk menghasilkan data yang dapat diandalkan untuk menjawab tujuan penelitian. Meskipun demikian, dalam realita penerapannya, tahapan analisis konten tidak selalu berurutan seperti tahapan di atas, akan tetapi desain dari analisis konten mencakup pengulangan proses tertentu untuk mencapai hasil yang diinginkan. III.4.2 Near Analysis Near Analysis adalah fungsi dalam Sistem Informasi Geografis (SIG) yang dirancang untuk mengukur jarak spasial terdekat antara satu objek geografis (fitur input) dengan objek lain pada lapisan atau kelas yang berbeda (fitur referensi) dengan memberikan output informasi jarak linear terdekat. Selain jarak, near analysis juga menyediakan informasi tambahan seperti identitas fitur referensi terdekat, misalnya ID, nama, atau atribut spesifik lainnya (ESRI 2024). Near analysis termasuk kedalam salah satu teknik proximity analysis berbasis fitur yang 63 bertujuan untuk mengukur kedekatan spasial antara fitur – fitur geografis berdasarkan jenis geometry nya.