Pembuatan model zona nilai tanah PBB menggunakan metode Artificial Neural Network dan Trend Surface Analysis

SOEHENDI, U'uk, Ir. Waljiyanto, M.Sc

2007 | Tesis | S2 Teknik Geomatika

Pajak Bumi dan Bangunan (PBB) merupakan pajak obyektif yang pengenaan pajaknya didasarkan pada Nilai Jual Obyek Pajak (NJOP) obyek PBB yaitu bumi dan/atau bangunan. Sistem penilaian massal diaplikasikan untuk menghitung NJOP obyek pajak standar. Nilai bangunan dihitung berdasarkan Daftar Biaya Komponen Bangunan (DBKB) dengan bantuan komputer sedangkan nilai tanah dihitung berdasarkan Nilai Indikasi Rata-rata (NIR) yang terdapat dalam setiap Zona Nilai Tanah (ZNT). Penetapan NIR dan pembuatan ZNT sampai saat ini masih dilakukan secara manual oleh tenaga fungsional PBB. Penelitian ini bertujuan untuk membuat model ZNT dengan mempertimbangkan aspek spasial bidang tanah dalam pembentukan modelnya. Metode yang digunakan untuk membentuk model nilai tanah adalah Artificial Neural Network (ANN) dan Trend Surface Analysis (TSA). Penelitian ini mengambil studi kasus Kelurahan Caturtunggal, Kecamatan Depok, Sleman. Data sampel transaksi jual beli yang digunakan dalam penelitian ini berjumlah 222 harga transaksi yang dibagi menjadi dua yaitu 174 data-latih untuk membuat model dan 48 data-uji untuk menguji kinerja model. Pembuatan model nilai tanah dilakukan dengan dua tahapan pekerjaan yaitu pembuatan model penilaian tanah menggunakan ANN yang dilanjutkan dengan interpolasi TSA-Universal Kriging. Metode ANN digunakan untuk memperoleh estimasi nilai tanah di setiap centroid bidang tanah berdasarkan variabel bebas, sedangkan metode TSA digunakan untuk memperoleh prediksi nilai tanah dalam satuan luas meter persegi berdasarkan estimasi nilai tanah di centroid bidang. Hasil penelitian menunjukkan bahwa model ANN terbaik dicapai dengan variabel bebas jarak ke CBD, jarak ke perguruan tinggi terdekat dan jarak ke jalan utama terdekat. Jumlah node lapis tersembunyi yang optimal untuk model ini adalah 9 (sembilan) node. Algoritma ANN model terbaik digunakan untuk mengestimasi nilai tanah di centroid persil yang dilanjutkan dengan interpolasi Universal Kriging dan mendapatkan hasil akhir nilai tanah per meter persegi. Hasil pengujian statistik menunjukkan bahwa estimasi nilai tanah antara metode ANN dan ANN-TSA berbeda secara signifikan untuk bidang tanah yang luas. Pengujian menggunakan Sales Ratio Analysis diperoleh hasil bahwa estimasi nilai hasil pemodelan ANN dan TSA masih masuk dalam batas toleransi. Hasil pengujian statistik menunjukkan bahwa NIR hasil pemodelan tidak berbeda secara signifikan terhadap nilai pasar tanah, tetapi terhadap NIR yang diterapkan Kantor Pajak Bumi dan Bangunan terdapat perbedaan yang signifikan.

Land and building tax (PBB) is an objective tax, that the tax bill is based on the sale of tax object (NJOP). Mass appraisal system is applied to assess common tax object. The property improvement value is calculated from the building component cost list (DBKB) using computer assistance, while land value is based on the average of the indication value (NIR) at each land value zone (ZNT). Recently, the average of the indication value and land value zone is still determined manually by tax officer. The objective of this research is to construct land value zone through a land value model considering parcel spatial aspect. Artificial Neural Network (ANN) and Trend Surface Analysis (TSA) is used as the main method to build the model. Kelurahan Caturtunggal, Kecamatan Depok, Sleman regency was chosen as the case study. The amount of data sample in this research is 222 property sales, which is divided into two categories that is 174 data-train to build the model and 48 data-test to measure model performance respectively. Land value modeling was constructed through two main steps: build land value model using ANN and continued by TSA-Universal Kriging interpolation. ANN method was used as a tool to generate estimated land value at each parcel centroid based on its independent variables, while TSA method was used as a tool to acquire land value on meter square unit. The analysis result of the research shows that the best performance of ANN model achieved by using distance to central business district, distance to university and distance to main road as independent variables. The optimum amount of node on hidden layer for this model is 9 (nine) nodes. The best model of ANN algorithm is applied to predict land value at parcel centroid and continued with Universal Kriging interpolation resulting land value on meter square unit. The statistic testing shows that estimated land value from ANN and ANN-TSA method differ significantly on large parcel. The result of Sales Ratio Analysis shows that estimated land value generated from the model is within acceptable tolerance. Statistical testing lead to conclusion that the difference of estimated land value to the market value is not significant, but significant to the sale of tax object.

Kata Kunci : Zona Nilai tanah PBB,Artificial Neural Network,Trend Surface Analysis