Perbandingan nilai tanah menggunakan model analisis regresi berganda dan jaringan syaraf tiruan di Kelurahan Way Lunik, Ketapang dan Way Laga Kota Bandar Lampung

DEWI, Citra, Ir. Hadiman, M.Sc

2009 | Tesis | S2 Teknik Geomatika

Model penilaian tanah secara masal yang direkomendasikan oleh IAAO antara lain Model Analisis Regresi Berganda (ARB) dan Model Jaringan Syaraf Tiruan (JST). Karakteristik nilai tanah cenderung tidak linier dan mempunyai multikolinieritas yang tinggi, metode penilaian tanah dengan model analisis regresi berganda dimungkinkan kurang dapat mewakili kenyataan di lapangan secara akurat, oleh karena itu diperlukan suatu metode penilaian tanah yang digunakan untuk meningkatkan kualitas hasil prediksi nilai tanah yang lebih dapat mewakili kenyataan di lapangan. Metode JST berusaha mengenali pola hubungan linier dan non linier antara variabel bebas dengan variabel terikat melalui proses pembelajaran iteratif. Berdasarkan penjelasan tersebut mendorong penulis untuk melakukan penelitian perbandingan nilai tanah menggunakan ARB dan JST jika diterapkan pada lokasi Kelurahan Way Lunik, Ketapang dan Way Laga Kota Bandar Lampung. Jumlah data sampel transaksi jual beli yang digunakan sebanyak 114, terdiri dari 100 sampel untuk pembentukan model dan 14 sampel untuk data uji. Variabel bebas pada ke dua model adalah lebar jalan di depan persil (LJ), jarak ke jalan utama (JJU), jarak ke rel kereta api (JRKA), jarak ke lokasi industri (JI) dan jarak ke pelabuhan Panjang (JPP). Pemodelan nilai tanah yang digunakan pada metode ARB adalah model lin-log, sedangkan pada metode JST adalah model algoritma pelatihan backpropagation. Besarnya pengaruh variabel bebas terhadap nilai tanah model JST lebih baik dibandingkan ARB dilihat dari nilai R2 model JST sebesar 98.3% dan R2 model ARB sebesar 90.1%. Model JST memiliki tingkat akurasi lebih baik dibandingkan ARB dilihat dari nilai COV model JST sebesar 10.1 % dan nilai COV model ARB sebesar 50.2 %. Model JST memiliki tingkat keseragaman yang lebih baik dibandingkan model ARB dilihat dari nilai COD model JST sebesar 7.2% dan nilai COD model ARB sebesar 35.3%. Model JST memiliki estimasi nilai tanah mendekati sebenarnya dibandingkan dengan model ARB, dilihat dari nilai PRD model JST sebesar 1.00 dan nilai PRD model ARB sebesar 1.07. Hasil perbandingan estimasi nilai tanah model ARB dan JST terhadap data sampel menunjukkan bahwa estimasi nilai tanah model JST lebih mendekati nilai tanah (nilai transaksi) data sampel.

Land assesment model are recommended by IAAO, such as Multiple Regression Analysis (MRA) and Artificial Neural Network (ANN). The characteristics of land value is not linier and high multicolinierity, thence methods of land assessment using MRA might resulting less accuracy. Therefore land ANN method to improve the predicted value quality to be more accurate is required. ANN method could identify the patterns and relationships between linier and non linier independent variables to the dependent variables through the learning process iteratif. The previous explanation encourage the authors to comparison use MRA and ANN, when applied in Kelurahan Way Lunik, Ketapang and Way Laga Bandar Lampung. The data sample number of this research is 114, which is devided into two categories that are 100 data train to build the model and 14 data test to the test model. The independent variables for both models which are in factoring the land value are the road width in front of persil, the distance to the main road, the distance to the railway, the distance to the location of industry, the distance to the port Panjang. The modelling results of MRA method is lin-log, while the modeling results of ANN is backpropagation. The influence of independent variables to the land value in ANN model is better than MRA model. This can be seen in R2 value ANN model is 98.3% and the R2 value MRA model is 90.1%. The accuracy of ANN model is higher than MRA model. This can be seen in COV value ANN model is 10.1% and COV value MRA model is 50.2%. The dispersion of ANN model is higher than MRA model. This can be seen in COD value ANN method is 7.2% and value COD MRA method is 35.3%. The estimation land value of ANN model is closer to the actual value than estimation land value of MRA model. This can be seen in PRD value ANN method is 1.00 and the value of PRD MRA model is 1.07. The comparison result of land value estimation using the MRA and JST shows that the ANN land value estimation is closer to the sample data.

Kata Kunci : Analisis regresi berganda (ARB),Jaringan saraf tiruan (JST),Backpropagation, Multiple Regression Analysis (MRA), Artificial Neural Network (ANN), Backpropagation