Aplikasi model jaringan syaraf tiruan dalam penilaian rumah tinggal di Yogyakarta

SURYOPUTRANTO, Eko, Prof.Dr. Eduardus Tandelilin, MBA

2005 | Tesis | Magister Ekonomika Pembangunan

Penelitian ini bertujuan untuk mengimplementasikan metode Jaringan Syaraf Tiruan (JST) dalam membuat model yang mampu memprediksi harga properti rumah tinggal di Yogyakarta berdasarkan atribut fisik, lokasi geografis dan aksesibilitasnya. Tujuan lain penelitian ini adalah membandingkan kinerja model Analisis Regresi Berganda (ARB) dan JST dalam memprediksi harga rumah tinggal. Perbandingan antara kedua model dilakukan menggunakan berbagai spesifikasi model, ukuran data sampel yang bervariasi dan beragam kriteria evaluasi. Meski pada beberapa penelitian sebelumnya model JST biasanya terkendala kebutuhan data masukan yang banyak. Hasil penelitian ini menunjukkan bahwa pada berbagai ukuran data sampel, ternyata model JST mampu melampaui kinerja model ARB. Model JST terbukti secara empiris memiliki keunggulan mampu mengatasi adanya interaksi non linier antarvariabel dan dalam melakukan prediksi. Kelemahan utama JST adalah karakteristik ‘black-box’ sehingga model tidak mampu memberi banyak penjelasan. Berdasarkan data sampel, determinan utama yang mempengaruhi nilai rumah tinggal di Yogyakarta meliputi luas bangunan, luas tanah, lebar halaman depan, lebar jalan depan, jarak ke fasilitas publik/komersial, jarak ke universitas/PT, jarak ke pusat perbelanjaan, jarak ke jalan arteri dan lokasi geografis dari properti

This study employs the Artificial Neural Network (ANN) technique to build a model for predicting private residential property prices in Yogyakarta using their attributes i.e. physical, geographical location and accessibilities. Other purpose of this study is to compare predictive performance of Multiple Regression Analysis (MRA) and ANN for residential housing sales. Multiple comparisons are made between the two models, using different functional model specifications, data sample size and evaluation criteria. Research support evidence that based on criteria selected, ANN performs better than MRA in any sample size, although previous studies have achieved different conclusions. Results show that an ANN method has an advantage in its ability to map complicated non-linear relationship between variables and has a good predict power. However, the “black-box” characteristic of the ANN is a main limitation as it lacks explanatory capabilities. The empirical results suggest that building size, land size, frontage width, front road width, distance to commercial/public facilities, distance to university, distance to shopping centre, distance to main road line and geographical location are considered the major determinants of the residential property price in Yogyakarta.

Kata Kunci : Determinan Harga Rumah tinggal,Prediksi Harga Properti Rumah,Jaringan Syaraf Tiruan,Prediksi Harga Rumah, Artificial Neural Network (ANN), Multiple Regression Analysis (MRA), Residential Property Prices, Property Price Determinants, Yogyakarta