Estimasi harga rumah tinggal di Kota Medan :: Perbandingan antara model hedonic price dan jaringan syaraf tiruan

SIREGAR, Ohmen S.O, Drs. M. Edhie Purnawan, M.A

2008 | Tesis | S2 Magister Ekonomika Pembangunan

Estimasi harga rumah yang akurat penting buat calon pembeli rumah, developer, investor, penilai dan petugas pajak. Model Hedonic Price adalah model yang umum digunakan untuk mengestimasi harga rumah meskipun secara ekonometri dan statistik memiliki kelemahan. Kelemahan-kelemahan tersebut telah diketahui dan beberapa dapat dikoreksi melalui tindakan perbaikan dan penyesuaian. Akan tetapi hal-hal yang mendasar seperti masalah multikolinieritas, ketidaknormalan, data yang outlier dan pemilihan bentuk fungsi yang benar tetap menjadi hambatan dalam penggunaan Model Hedonic untuk penilaian massal. Model Jaringan Syaraf Tiruan ditawarkan sebagai alternatif solusi untuk mengatasi semua masalah tersebut, khususnya apabila pola data menunjukkan tidak linier. Masalah dalam penggunaan Jaringan Syaraf Tiruan adalah menentukan jumlah layar tersembunyi dan jumlah node yang optimal pada layar tersembunyi untuk setiap model dan setiap kasus. Satu-satunya metode yang dapat digunakan adalah melalui trial and error. Tujuan dari penelitian ini adalah membandingkan secara empiris kemampuan estimasi Model Hedonic dan Jaringan Syaraf Tiruan. Data sebanyak 150 rumah di komplek perumahan di Kota Medan, Sumatera Utara dikumpulkan melalui metode purposive sampling. Sesuai dengan standar analisis praktis, data dibagi atas 3 kelompok, yaitu kelompok data pelatihan/pembentukan model (90 data), kelompok data pengujian 1 (30 data) dan kelompok data pengujian 2 (30 data). Kelompok data pengujian 2 memiliki karakteristik data yang berbeda dengan kelompok data pelatihan dan pengujian 1. Variabel bebas/input yang digunakan ada 8 variabel (luas tanah, luas bangunan, jumlah kamar, lebar jalan komplek, jarak ke pusat kota, jarak ke ring road, arsitektur dan lokasi geografis) dan harga rumah digunakan sebagai variabel tak bebas/target. Penelitian ini menggunakan model semi-log untuk regresi Hedonic. Setelah melakukan simulasi dengan jumlah node yang berubah-ubah, Jaringan Syaraf Tiruan menggunakan 12 node pada lapisan tersembunyi. Menggunakan kriteria evaluasi (R2, RMSE, MAPE dan FE), kinerja JST lebih baik dibandingkan Model Hedonic apabila kelompok data pengujian memiliki karakteristik yang sama dengan kelompok data pelatihan. Akan tetapi kinerja Model Hedonic lebih baik dari JST jika kelompok data pengujian memiliki karaktersitik data yang berbeda dengan kelompok data pelatihan. Meskipun kinerja JST lebih baik daripada Model Hedonic, penggunaan JST dalam penilaian massal untuk mengestimasi harga rumah untuk kepentingan pajak akan tetap menyebabkan masalah karena kesulitan petugas pajak untuk menjelaskan proses perhitungan kepada wajib pajak yang keberatan. Akan tetapi tidak menjadi masalah bagi perusahaan swasta seperti bank dan perusahaan untuk menggunakan JST dalam mengestimasi harga rumah.

An accurate estimation on the house price is important to prospective homeowners, developers, investors, appraisers and tax assessors. The hedonic price models have been commonly used to estimate house price despite its econometric and statistical weaknesses. These weaknesses are well recognized and some of them have been corrected through various refinements and adjustments. However basic issues of multicolinearity, non-normality of most variables, inclusion of outliers, non linearities and the choice of functional forms are still handicap in using hedonic price models for mass appraisal. The artificial neural network model has been offered as a possible solution to many of these problems, especially when the data patterns show non-linearity. The problem of using artificial neural network was to determined the number of hidden layers and the optimal number of nodes to use in each hidden layer for each of the models for each of the cases. The only method available to do this is through trial and error. The objective of this research is to empirically compare the estimate power of the hedonic model with an artificial neural network model on house price estimation. A sample of 150 houses in housing complex in Medan, North Sumatera is collected through purposive sampling method. In accordance to standard analytical practice, the sample size was divided on random basis into 3 sets, namely the training set (90 data), the testing set 1 (30 data) and the testing set 2 (30 data). The testing set 2 has different characteristic with the training set and the testing set 1. Eight attributes were used as independent/input variables (Land size, building size, number of bedrooms, wide of complex road, distance to CDB, distance to ring road, Architecture, and geographical location) and the selling price was used as the dependent/target variable. This research employed the semi-log model in hedonic regression. After running different tests and modifying the number of neurons, the artficial neural network was formed with 12 nodes in the hidden layer. Using the evaluation criteria (R2, RMSE, MAPE,and FE), The ANN performs better than the hedonic model if the testing set has the same characteristic with training set. But if the testing set has the different characteristic with the traning set, the hedonic model perfoms better than ANN. Although the ANN perform better than the hedonic, ANN aplication to mass appraisal for estimation house price for tax purpose may still have problem because of the difficulties any tax administrator would have to explain the result to their disgruntled taxprayer. But it is not a problem for private companies like Bank and insurance company to use ANN for estimation house price.

Kata Kunci : Model hedonic price,Jaringan syaraf tiruan,Harga rumah, hedonic pice model, artificial neural network, house price