Klasifikasi terbimbing Citra Ikonos untuk identifikasi jenis atap bangunan bagi kepentingan Pajak Bumi dan Bangunan :: Studi kasus di Kota Yogyakarta dan Kota Semarang

SEJATI, Satriyono, Ir. Djurdjani, MS.,M.Eng

2004 | Tesis | S2 Teknik Geomatika

Pajak Bumi dan Bangunan (PBB) tidak seluruhnya bersifat self assessment, pengisian SPOP dan LSPOP PBB sebagian dipercayakan kepada Wajib Pajak. Kantor Pelayanan Pajak Bumi dan Bangunan (KPPBB) melakukan pemeriksaan, penilaian dan penetapan atas objek pajak yang didaftarkan. Sehingga timbul pertanyaan sejauh mana objektifitas pengisian SPOP dan LSPOP yang dilakukan oleh Wajib Pajak. Untuk mendapatkan kondisi yang benar, sebagai acuan pembanding dilakukan pengecekan dilapangan setiap objek yang didaftarkan. Sumber daya yang dimiliki KPPBB sangat terbatas sehingga sangat sulit dilakukan pengecekan lapangan untuk semua objek pajak yang didaftarkan. Dilain pihak wajib pajak perlu kepastian dan keadilan terutama berkaitan dengan pengisian data obyek pajak dengan Office assessment. Kondisi ini perlu dicari jalan keluar yang efisien dan bisa diterima oleh wajib pajak maupun KPPBB. Mengingat jenis atap bangunan merupakan salah satu komponen penilaian dalam LSPOP yang ikut menentukan besarnya pajak, maka keakuratan pengisian data jenis atap merupakan hal yang penting. Diharapkan dengan pemanfaatan klasifikasi terbimbing citra IKONOS untuk identifikasi jenis atap bangunan dapat digunakan sebagai data acuan pembanding guna mengatasi kondisi tersebut. Penelitian dilakukan diwilayah Kecamatan Semarang Tengah dan Malioboro Yogyakarta. Tahap penelitian dibagi menjadi dua. yaitu tahap pengolahan citra dan tahap analisis. Tahap pengolahan citra tidak dilakukan koreksi geometric dengan tujuan nilai piksel tidak berubah karena proses resampling. Data hasil survei lapangan digunakan untuk pembuatan training area dan uji klasifikasi. Algoritma klasifikasi digunakan Maximum Likelihood. Hasil dari klasifikasi dianalisis menggunakan error matrik untuk mengetahui overall accuracy yang diperlukan dalam uji Short (1982). Uji ketelitian klasifikasi mengacu pada kaidah Short (1982) yaitu ketelitian minimum 85% pada selang kepercayaan 95%. Untuk mengetahui seberapa baik hasil klasifikasi dapat digunakan untuk update jenis atap dalam data atribut SISMIOP PBB dilakukan pembandingan hasil klasifikasi terhadap data hasil survei lapangan dan jenis atap dalam data atribut SISMIOP PBB. Hasil penelitian menunjukkan bahwa ketelitian minimum klasifikasi daerah Semarang Tengah adalah 72.31% dan daerah Malioboro adalah 78.05%. Ketelitian ini masih dibawah ketelitian minimum yang disyaratkan Short (1982). Tetapi jika dilihat ketelitian minimum perkelas atap bangunan, kelas genteng biasa baru di Semarang Tengah mempunyai nilai 89.72%. Di Malioboro kelas genteng beton biru dan genteng biasa lama masing-masing mempunyai ketelitian minimum 96.95% dan 85.61% sehingga kelas atap tersebut memenuhi kaidah Short (1982). Walaupun ketelitian minimum keseluruhan dibawah ketelitian minimum yang disyaratkan Short, pembandingan hasil klasifikasi menunjukkan bahwa lebih banyak informasi yang dapat digunakan untuk update jenis atap dalam data atribut SISMIOP PBB daripada informasi yang salah.

The PBB (Property Tax) administration applies a self-assessment system, but in the implementation this administration partially uses the official-assessment system. The property tax data updating is carried out by the tax payers themselves, while the KPPBB (property tax office) handles the verification, valuation, and determination of property tax object reported by the tax payers. In order to get the accurate result of the data updating, KPPBB verified those data by conducting field surveys to the reported objects. Because of the human resources limitation in the KPPBB, the coverage of the data verification is also limited, while the accuracy of each object is needed to services to the tax payers. The efficient solution of these matters is the use of the IKONOS satellite image. Supervised classification of the IKONOS image can be used to identify types of building roof used as a part of property tax object. The objective of this research is to measure the accuracy of data updating result of the property tax object using the IKONOS. Semarang Central and Malioboro regions are chosen as study areas. This research is divided into two phases, they are image processing phase and data analyzing phase. In order to prevent the changed pixel-value because of resampling process, the image processing phase was not included the geometric correction. The data obtained from the field survey was used to create training areas and a classification test, while the Maximum Likelihood is used as the classification algorithm. The result of this classification was analyzed by generating the matrix error to obtain the overall accuracy needed in the Short Test (1982). The classification accuracy test based on the Short Theory (1982) resulted in 85% minimum accuracy at the 95% confidential level. To measure the accuracy of the classification result that can be used in the data updating of building roof-class, the result of the image processing was compared with the data get from the field survey and the attribute data from the SISMIOP (Property Tax Information and Management System). The result of this research shows that the minimum classification accuracy in Central Semarang region is 72.31%, while in Malioboro region is 78.05%, which are below the minimum accuracy required in the Short Theory (1982). But the comparison of data the image processing for each roof class with the data obtained from the classification test indicates that the new clay-roof class in the Central Semarang region has an 89.72% accuracy. In Malioboro region, the blue concrete roof and the old clay-roof indicates a 96.95% and 85.61% accuracy respectively, which is over the minimum accuracy required in the Short Theory. Although the minimum overall accuracy of the classification is below the minimum accuracy of Short Theory, the comparison of classification result indicates that there are more information can be used in the data updating of roof class in the SISMIOP than which is not.

Kata Kunci : Citra Ikonos,Identifikasi Jenis Atap Bangunan,Pajak Bumi dan Bangunan, classification, IKONOS, property tax, image processing