Perpustakaan Digital ITB

Informasi harga tanah di masa depan dibutuhkan untuk memberikan informasi terukur bagi keputusan perencanaan strategis dan kebutuhan jangka panjang lainnya terkait dengan pendanaan, pemberian kredit dan investasi. Penelitian ini dilakukan untuk mendapatkan informasi harga tanah di masa depan melalui pemodelan prediksi harga tanah. Pemodelan dilakukan dengan menggunakan pendekatan Geographically Weighted Regression (GWR) yang mampu menggambarkan heterogenitas yang terjadi pada suatu wilayah dan Compound interest model (CIM) yang merupakan model untuk memprediksi harga tanah dimasa depan berdasarkan tingkat suku bunga. GWR dikembangkan dengan menerapkan algoritme adaptif individual bandwidth dengan interpolasi Inverse distance weighting (IDW) sehingga setiap titik memiliki bandwidth optimum yang menghasilnya error terkecil (GWRi). CIM digunakan dengan faktor makro ekonomi, yaitu suku bunga yang diprediksi menggunakan moving average. Kedua model tersebut kemudian diintegrasikan (GWRi-CIM) sehingga prediksi harga tanah di masa depan dapat diperoleh. Penelitian ini menggunakan 11 variabel spasial yang memberi pengaruh signifikan terhadap harga tanah di Bandung Timur. Kesebelas variabel tersebut adalah variabel fasilitas keamanan, fasilitas kesehatan, fasilitas niaga, fasilitas pendidikan dasar, fasilitas pendidikan tinggi, terminal, gerbang tol, jalan, topografi, lembaga pemasyarakatan, dan kemiringan. Selama periode studi tahun 2007-2020, fenomena perubahan ekonomi merupakan fenomena yang lebih dominan daripada fenomena perubahan spasial dalam mendorong harga tanah di Bandung Timur. Kebaruan dari penelitian ini terletak pada pengembangan algoritme adaptif individual bandwidth untuk penentuan optimum bandwidth pada setiap titik (GWRi). Pengembangan algoritme GWRi, meningkatkan kemampuan GWR dari besaran error Rp129.944/m2 menjadi Rp612/m2. Kebaruan lainnya, yaitu integrasi antara model GWRi dan CIM. Integrasi dilakukan menggunakan faktor kenaikan harga di masa depan akibat perubahan spasial dari model GWRi dan kenaikan harga di masa depan akibat kondisi ekonomi dari model CIM. Integrasi model GWRi dan CIM (GWRi-CIM) meningkatkan tingkat akurasi sebesar 70% lebih baik dibandingkan dengan model menggunakan GWRi dan 10% lebih baik dibandingkan dengan model menggunakan CIM.