PENENTUAN NILAI TANAH KAWASAN WISATA PANTAI SENGGIGI

Rina Surayya Famaldiana, Bapak Prof. Dr. Tri Widodo, M.Ec.Dev

2012 | Tesis | S2 Magister Ek.Pembangunan

Perkembangan pariwisata di Indonesia dari tahun ke tahun sangat pesat. Salah satu kawasan wisata di Indonesia yang paling diminati adalah kawasan wisata Pantai Senggigi. Pemerintah dan Swasta melakukan pembangunan dan investasi di sepanjang kawasan wisata Pantai Senggigi, akibatnya permintaan tanah meningkat dan diikuti dengan meningkatnya nilai tanah di kawasan tersebut. Dalam pembentukan basis data pertanahan yang dilakukan Badan Pertanahan Nasional (BPN), nilai tanah pada suatu kawasan harus dilakukan pembaruan setiap tahun agar diperoleh nilai tanah yang sesuai dengan kondisi di lapangan. Pada kawasan yang cukup luas, penilaian tanah untuk tujuan basis data pertanahan dapat dilakukan dengan membuat model nilai tanah menggunakan analisis regresi berganda (multiple regression analysis). Penelitian ini bertujuan untuk menentukan nilai tanah di kawasan wisata Pantai Senggigi menggunakan analisis regresi berganda (model regresi linear dan model regresi semilog). Dalam penelitian ini, variabel-variabel yang digunakan adalah nilai tanah, letak tanah, jenis hak atas tanah, akses jalan dan jarak bidang tanah ke pantai. Alat analisis yang digunakan dalam penelitian ini adalah model ekonometrik yang diestimasi menggunakan metoda OLS. Dari hasil estimasi model dilakukan evaluasi berdasarkan 3 kriteria, yaitu kriteria a priori ekonomi, kriteria statistik, dan kriteria ekonometrika. Pemilihan bentuk fungsi model regresi dilakukan dengan uji MWD dan dari model terpilih dilakukan perhitungan terhadap tingkat akurasi dan keseragaman estimasi nilai tanah yang dihasilkan oleh model. Dari analisis hasil pengolahan data, model regresi terbaik diantara 2 model regresi yang digunakan (model regresi linear dan model regresi semilog) dalam menentukan nilai tanah di kawasan wisata Pantai Senggigi adalah model regresi semilog. Kemampuan model regresi semilog dalam menjelaskan nilai tanah adalah sebesar 49,53 persen. Nilai tanah terendah yang dihasilkan model adalah Rp153.000 per meter persegi, sedangkan nilai tanah tertinggi sebesar Rp927.000 per meter persegi.

Tourism in Indonesia is growing rapidly from year to year. One of the most popular tourism spot in Indonesia is Senggigi beach. The local government with private sector have made a partnership to develop and invest along Senggigi beach area, increasing the demand for landside and followed by the rising value of the land in that area. The establishment of land database made by the National Land Agency (BPN) stated that land value in an area should be updated annually in order to obtain the matching value between the database and the existing value. On a fairly wide area, the land assessment for database matter could be done by creating land value model using multiple regression analysis. ABSTRACT This study aims to determine the land value in Senggigi beach area using multiple regression analysis (linear regression model and semi log regression model). In this study, the variables used are land value, land position, land rights, land accessibility to the roads and land distance to the beach. Analysis tool used in this research is econometric models whic is estimated by applying OLS. Evaluation of the estimation model results using 3 criteria, namely an economic priori, statistical criteria, and econometric criteria. Researcher apply MWD test to select the best model and apply a calculations of the COV and PRD to determine the level of accuracy and uniformity selected model. From the analysis of data processing, the best regression model between the two regression models were used for determining land value in Senggigi beach area is a semi log regression model. The ability of model to explain the land value equal to 49.53 percent. The lowest land values obtained from the model is Rp153.000 each squared metre and the highest land values is Rp927.000 each squared metre.

Kata Kunci : Nilai tanah, regresi berganda, basis data pertanahan