Penerapan Metode Hedonic Price Modeling dan Model Kota LOD 1 dalam Penilaian Tanah dan Properti sebagai Dasar Pengenaan Pajak

Annisa Nasywa Atsilah; Trias Aditya

doi:10.22146/jgise.90776

Penerapan Metode Hedonic Price Modeling dan Model Kota LOD 1 dalam Penilaian Tanah dan Properti sebagai Dasar Pengenaan Pajak

https://doi.org/10.22146/jgise.90776

Annisa Nasywa Atsilah^(1*), Trias Aditya⁽²⁾

(1) Departemen Teknik Geodesi, Universitas Gadjah Mada
(2) Departemen Teknik Geodesi, Universitas Gadjah Mada
(*) Corresponding Author

Abstract

Meningkatnya harga properti di kawasan perkotaan dipengaruhi oleh pesatnya urbanisasi di kawasan perkotaan. Pola spasial terkait nilai tanah dan properti yang kompleks akibat pembangunan gedung-gedung tinggi belum dipahami dengan baik. Secara umum, penilaian tanah dan properti dipengaruhi oleh aspek lokasi, lingkungan, dan fisik. Pembangunan yang terus berkembang menyebabkan perubahan spasial yang signifikan dalam dimensi vertikal. Faktor 2D yang saat ini digunakan tidak dapat mewakili perubahan informasi spasial pada dimensi vertikal. Oleh karena itu, penting untuk memperhitungkan faktor 3D dalam proses penilaian tanah dan properti. Penelitian ini bertujuan untuk menganalisis faktor 3D pada penilaian tanah dan properti sebagai dasar penentuan pajak dengan menerapkan metode Hedonic Price Modeling (HPM). Metode HPM dikembangkan untuk penilaian tanah dan properti 3D menggunakan regresi berganda dengan pembelajaran mesin (machine learning). Hasil dari penelitian, menunjukkan bahwa penambahan faktor 3D pada model memiliki pengaruh yang signifikan terhadap nilai tanah dan properti. Hal ini didukung oleh hasil validasi menggunakan uji independen t, yang menunjukkan bahwa tidak terdapat perbedaan secara signifikan antara rata-rata nilai pasar dan Nilai Jual Objek Pajak (NJOP). Selain itu, penyajian model kota LoD 1, dinilai efektif dalam menggambarkan pola distribusi spasial terkait klasifikasi Pajak Bumi dan Bangunan (PBB) yang tersebar di area studi. Pola yang tergambar dalam model kota tersebut dapat mempermudah pemangku kepentingan dalam memahami tren PBB dalam konteks spasial, sekaligus memudahkan dalam pengambilan keputusan terkait kebijakan pajak dan perencanaan kota.

Keywords

HPM, Regresi berganda, Pembelajaran mesin, PBB, Model kota LoD 1

Full Text:

PDF

References

Adair, A., McGreal, S., Smyth, A., Cooper, J., & Ryley, T. (2000). House prices and accessibility: The testing of relationships within the Belfast Urban Area. Housing Studies, 15(5), 699–716. https://doi.org/10.1080/02673030050134565

Aristalindra, F., Santosa, P. B., Diyono, Subaryono. (2020). Evaluasi Pemanfaatan Citra Tegak Satelit Resolusi Tinggi untuk Percepatan Pembuatan Peta Blok Pajak Bumi dan Bangunan (PBB-P2) secara Partisipatif di Desa Triharjo, Kabupaten Bantul, DIY. Journal of Geospastial Information Science and Engineering, Vol 3 No 1 (2020). https://doi.org/10.22146/jgise.55788

Astrisele, A. & Santosa, P. B. (2019). Estimating Land Value Change Post Land Consolidation of Gadingsari Village, Bantul Regency, Special Region of Yogyakarta, Indonesia. Journal of Geospatial Information Science and Engineering, Vol. 2 No. 2 (2019). https://doi.org/10.22146/jgise.51309

Borde, S., Rane, A., Shende, G., & Shetty, S. (2017). Real Estate Investment Advising Using Machine Learning. International Research Journal of Engineering and Technology(IRJET), 4(3), 1821–1825. https://irjet.net/archives/V4/i3/IRJET-V4I3499.pdf

Bourassa, S. C., & Hoesli, M. (2022). Hedonic, residual, and matching methods for residential land valuation. Journal of Housing Economics, 58(PA), 101870. https://doi.org/10.1016/j.jhe.2022.101870

Eckert, J. K., Gloudemans, R. J., & Almy, R. R. (1990). Property Appraisal and Assessment Administration. International Association of Assessing Officers.

Freeman, M., I., Herriges, J. A., & Kling, C. L. (2010). The Measurement of Environmental and Resource Values: Theory and Methods. Routledge: Abingdo.

Guercke, R., Götzelmann, T., Brenner, C., & Sester, M. (2011). Aggregation of LoD 1 building models as an optimization problem. ISPRS Journal of Photogrammetry and Remote Sensing, 66(2), 209–222. https://doi.org/10.1016/j.isprsjprs.2010.10.006

Hasyim, A. F., Munawar, B., & Ma’arif, M. (2021). Penggunaan Media Video Untuk Meningkatkan Pemahaman Karakteristik Arus Searah Dan Bolak-Balik Pada Peserta didik MAN 1 Pandeglang. Jurnal Pendidikan, 9(1), 5–24.

Ismail, S. (2022). Pengaruh Penggunaan Model Pembelajaran Berbasis Proyek “Project Based Learning” Terhadap Hasil Belajar Fisika Peserta Didik Kelas X IPA SMA Negeri 35 Halmahera Selatan Pada Konsep Gerak Lurus”. Jurnal Ilmiah Wahana Pendidikan, 8(5), 256–259. https://doi.org/10.5281/zenodo.6466594

Ja’afar, N. S., Mohamad, J., & Ismail, S. (2021). Machine learning for property price prediction and price valuation: A systematic literature review. In Planning Malaysia (Vol. 19, Issue 3, pp. 411–422). Malaysian Institute Of Planners. https://doi.org/10.21837/PM.V19I17.1018

Jafary, P., Shojaei, D., Rajabifard, A., & Ngo, T. (2022). A Framework to Integrate BIM with Artificial Intelligence and Machine Learning-Based Property Valuation Methods. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 10(4/W2-2022), 129–136. https://doi.org/10.5194/isprs-annals-X-4-W2-2022-129-2022

Jim, C. Y., & Chen, W. Y. (2006). Impacts of urban environmental elements on residential housing prices in Guangzhou (China). Landscape and Urban Planning, 78(4), 422–434. https://doi.org/10.1016/j.landurbplan.2005.12.003

Kamalov, F., Gurrib, I., & Rajab, K. (2021). Financial Forecasting with Machine Learning: Price Vs Return. Journal of Computer Science, 17(3). https://doi.org/10.3844/jcssp.2021.251.264

Kara, A., van Oosterom, P., Çağdaş, V., Işıkdağ, Ü., & Lemmen, C. (2020). 3 Dimensional data research for property valuation in the context of the LADM Valuation Information Model. Land Use Policy, 98(August 2019), 104179. https://doi.org/10.1016/j.landusepol.2019.104179

Kolbe, T. H., Gröger, G., & Plümer, L. (2005). CityGML: Interoperable access to 3D city models. Geo-Information for Disaster Management, January, 883–899. https://doi.org/10.1007/3-540-27468-5_63

Kwame, A.-D., & Yu, S. L. (2010). Shopping Centres and the Price of Proximate Residential Properties. Prres, January, 1–37.

Li, R. (2019). Developing a 4D Property Valuation Model Based on Geospatial Data At City Scale (Xi’an, China). University of Twente.

Li, X., Chen, W. Y., & Hin Ting Cho, F. (2020). 3-D spatial hedonic modelling: Environmental impacts of polluted urban river in a high-rise apartment market. Landscape and Urban Planning, 203(May), 103883. https://doi.org/10.1016/j.landurbplan.2020.103883

Sander, H. A., & Polasky, S. (2009). The value of views and open space: Estimates from a hedonic pricing model for Ramsey County, Minnesota, USA. Land Use Policy, 26(3), 837–845. https://doi.org/10.1016/j.landusepol.2008.10.009

Schumann, H., & Müller, W. (2000). Visualisierung—Grundlagen und Allgemeine Methoden. Springer Verlag, Berlin.

Setianingsih, S. T., & Nelmiawati, N. (2020). Penyerapan Informasi Masyarakat Terhadap Media Informasi Dinas Kominfo Kota Batam Studi Kasus Pembuatan Kartu Pencari Kerja Online. Journal of Applied Multimedia and Networking, 4(1), 15–23. https://doi.org/10.30871/jamn.v4i1.1635

Sutawijaya, A. (2004). Analisis Faktor-Faktor Yang Mempengaruhi Nilai Tanah Sebagai Dasar Penilaian Nilai Jual Obyek Pajak (Njop) Pbb Di Kota Semarang. Ekonomi Pembangunan, 9(1), 65–78.

Yamani, S. El, Ettarid, M., & Hajji, R. (2019). Building information modeling potential for an enhanced real estate valuation approach based on the hedonic method. WIT Transactions on the Built Environment, 192, 305–316. https://doi.org/10.2495/BIM190261

Yamani, S. El, Hajji, R., Nys, G. A., Ettarid, M., & Billen, R. (2021). 3D Variables Requirements for Property Valuation Modeling Based on the Integration of Bim and Cim. Sustainability (Switzerland), 13(5), 1–22. https://doi.org/10.3390/su13052814

Ying, Y., Koeva, M., Kuffer, M., Asiama, K. O., Li, X., & Zevenbergen, J. (2021). Making the third dimension (3d) explicit in hedonic price modelling: A case study of Xi’an, China. Land, 10(1), 1–26. https://doi.org/10.3390/land10010024

Zegras, C., & Jiang, S. (2013). Sustaining Mass Transit Through Land Value Taxation: Prospects for Chicago. Massachusetts Institute of Technology Department of Urban Studies and Planning, February. https://www.researchgate.net/publication/272747659

Zhang, S. (2014). Research on the price of subdistricts in Shanghai based on hedonic price model (in Chinese). Fudan University.

DOI: https://doi.org/10.22146/jgise.90776