peta bidang tanah kecamatan lengkong 20 - · pdf filematlab 7.0 digunakan untuk melakukan...
TRANSCRIPT
19
BAB III
APLIKASI METODE GWR
Dalam penelitian ini dilakukan penilaian tanah pada studi kasus yaitu wilayah
Kecamatan Lengkong, Kota Bandung. Posisi Kecamatan Lengkong di Kota
Bandung dapat dilihat pada Gambar 3.1. Kecamatan Lengkong mempunyai luas
sekitar 5.92 Km2, berpenduduk sekitar 69751 jiwa, terdiri dari tujuh kelurahan
yaitu Cijagra, Turangga, Lingkar Selatan, Malabar, Burangrang, Cikawao dan
Paledang (BPS, 2006).
Gambar 3.1 : Batas Administrasi Kecamatan di Kota Bandung
Kecamatan Lengkong dibatasi oleh empat kecamatan lain yaitu Kecamatan Sumur
Bandung di Utara, Kecamatan Batu Nunggal di Timur, Kecamatan Bandung
Kidul di Selatan dan Kecamatan Regol di Barat seperti pada Gambar 3.2. Selain
itu kecamatan ini pun memiliki sekitar 14983 bidang tanah objek pajak yang akan
dinilai dalam penelitian ini.
20
Gambar 3.2 : Posisi Geografis Kecamatan Lengkong dan Kelurahan-Kelurahan Yang Ada
3.1 Data Masukan dan Peralatan
Data masukan yang digunakan dalam penelitian ini diperoleh dari data salah satu
tesis S2 Program Studi Teknik Geodesi Bidang Administrasi Pertanahan
(Wahyudi, 2007), oleh karena itu semua data dikategorikan ke dalam jenis data
tersier. Data tersebut adalah:
1. Peta Bidang Tanah Kecamatan Lengkong
Data ini berupa peta Kecamatan Lengkong yang dibuat oleh Dinas PBB
dalam format digital (Gambar 3.3). Data yang ada merupakan data tahun
2006. Di dalam data ini tidak hanya terdapat data blok dan bidang tanah
21
saja, tapi juga terdapat data lain seperti jaringan jalan, jaringan sungai,
lokasi fasilitas publik, dan sebagainya.
Gambar 3.3 : Peta Bidang Tanah Kecamatan Lengkong
2. Data Penjualan dan Penawaran Bidang Tanah
Data ini merupakan data penjualan dan penawaran bidang tanah di wilayah
Kecamatan Lengkong pada kurun waktu 2005-2006. Data penjualan
diperoleh dari laporan Pejabat Pembuat Akta Tanah (PPAT)/Notaris,
sedangkan data penawaran diperoleh dari iklan penawaran di media massa
Koran Pikiran Rakyat serta wawancara langsung pada pemilik tanah. Total
terkumpul 133 data penjualan dan penawaran yang dapat dipergunakan
sebagai data sampel dan data untuk validasi dalam proses pemodelan baik
regresi linier maupun GWR. Data penjualan dan penawaran tersebut dapat
dilihat secara lengkap pada Lampiran A.
Dari data-data tersebut dapat dilakukan pemodelan nilai tanah untuk seluruh
wilayah Kecamatan Lengkong, namun dikarenakan semua data berada dalam
format digital maka diperlukan peralatan tambahan berupa perangkat keras dan
perangkat lunak untuk memproses data. Peralatan yang digunakan adalah:
1. Perangkat Keras
Laptop ASUS A8Sc. Spesifikasi:
a. Processor Intel® Core™2 Duo CPU T7500 @ 2.20GHz (2 CPUs)
b. L1 cache 32 KB L2 cache 4096 KB
c. Memory 1024 MB
d. Monitor Default, Mode 1280x800 with 32 bit color depth
22
e. Video Card NVIDIA GeForce 8400M G 128 MB
f. Hard Disk SATA ST9120822AS 120 GB
2. Perangkat Lunak
a. Sistem Operasi Microsoft Windows XP Professional Service Pack 2.
b. MapInfo Professional 9.0 digunakan untuk membuka data peta bidang
tanah Kecamatan Lengkong, mengidentifikasi bidang tanah dan
variabel-variabel lokasi, mengekstrak titik centroid dari bidang tanah,
serta mengukur jarak dari variabel lokasi ke bidang tanah maupun
antar bidang tanah.
c. Microsoft Excel 2007 digunakan untuk menyimpan basis data,
melakukan proses regresi linier, menghitung standar deviasi dan
koefisien korelasi, serta membuat gambar dan tabel data.
d. MATLAB 7.0 digunakan untuk melakukan proses GWR.
e. Microsoft Notepad digunakan untuk membuat input file untuk script
program GWR di perangkat lunak MATLAB 7.0.
f. Surfer 8.0 digunakan untuk plotting hasil akhir pemodelan berupa peta
nilai tanah.
g. Microsoft Word 2007 digunakan untuk melakukan pengetikan laporan
penelitian.
3.2 Tahapan Pekerjaan
Langkah pertama yang dilakukan dalam proses pemodelan nilai tanah ini adalah
pendefinisian data masukan. Tujuan pendefinisian ini adalah untuk mengambil
data-data tertentu saja yang diperlukan dalam proses penghitungan baik dengan
metode regresi linier maupun dengan metode GWR. Dari data masukan tersebut
didefinisikan item-item yang terkandung dalam data, tipe item, dan deskripsi dari
item tersebut. Dari peta bidang tanah Kecamatan Lengkong diperoleh hasil
pendefinisian seperti pada Tabel 3.1 sedangkan hasil pendefinisian data masukan
harga penjualan dan penawaran bidang tanah Kecamatan Lengkong dapat dilihat
pada Tabel 3.2.
23
No. Item Jenis Keterangan
1. NOP Numerik Nomor Objek Pajak bidang tanah
2. X Numerik Absis centroid bidang tanah
3. Y Numerik Ordinat centroid bidang tanah
4. Pemilik Teks Nama pemilik bidang tanah
5. Tipe Teks Penggunaan bidang tanah
Tabel 3.1 : Pendefinisian Peta Bidang Tanah Kecamatan Lengkong
No. Item Jenis Keterangan
1. NOP Numerik Nomor Objek Pajak bidang tanah
2. X Numerik Absis centroid bidang tanah
3. Y Numerik Ordinat centroid bidang tanah
4. Harga Numerik Harga jual/penawaran bidang tanah
5. Luas Numerik Luas bidang tanah yang dijual
6. Tanggal Tanggal Tanggal transaksi
Tabel 3.2 : Pendefinisian Data Penjualan dan Penawaran Bidang Tanah
Langkah kedua adalah penentuan variabel independen pembentuk nilai tanah.
Sebagaimana telah disimpulkan dari banyak penelitian, faktor utama pembentuk
nilai tanah adalah lokasi (Atack, 1998) ; (Hariadi, 2003). Faktor lokasi tersebut
kemudian diinterpretasikan sebagai aksesibilitas suatu lokasi bidang tanah
terhadap berbagai fasilitas publik yang dianggap dapat menunjang kebutuhan si
pemilik bidang tanah itu.
Dalam penelitian ini, digunakan tiga belas variabel pembentuk nilai tanah berupa
jarak lokasi bidang tanah ke fasilitas-fasilitas publik yang dapat diidentifikasi dari
peta bidang tanah Kecamatan Lengkong. Variabel tersebut adalah jarak lokasi
bidang tanah ke fasilitas pusat perdagangan, kantor pemerintahan, jalan, sekolah,
universitas, kesehatan, tempat ibadah, sungai, hotel, bank, taman, kuburan dan
tempat olahraga. Jarak yang digunakan adalah jarak langsung antar centroid
bidang (Lihat Gambar 3.4).
Untuk menghitung jarak tersebut,
tipe. Bidang tanah yang mempunyai tipe pusat perdagangan
atau jenis variabel lainnya diambil
seluruh bidang tanah diambil juga untuk kemudian dilakukan penghitungan
dengan Rumus 3.1.
Langkah ketiga adalah penyusunan data untuk
untuk proses regresi linier maupun GWR.
harga tanah per m2. Harga tersebut didapat dari pembagian
Luas. Kolom-kolom data selanjutnya diisi dengan jarak antara bidang tersebut
dengan variabel-variabel pembentuk nilai tanah.
Dalam penelitian ini digunakan empat set data, yaitu data asli, penyesuaian
dan penyesuaian+. Deskripsi dari data
1. Data asli adalah data penawaran dan penjualan bidang tanah yang sama
persis dengan h
wawancara pemilik tanah.
2. Data penyesuaian adalah data asli
berdasarkan aturan Surat Edaran Direktur Jenderal Pajak Nomor SE
55/PJ.6/1999 tanggal 31 Agustus 1999
Penentuan Nilai Indikasi Rata
dilakukan karena data berasal dari kurun waktu 2005
Gambar 3.4 : Jarak Langsung Antar Centroid
Untuk menghitung jarak tersebut, bidang tanah diidentifikasi berdasarkan
tipe. Bidang tanah yang mempunyai tipe pusat perdagangan, pusat pemerintahan
atau jenis variabel lainnya diambil item X dan Y-nya. Kemudian
seluruh bidang tanah diambil juga untuk kemudian dilakukan penghitungan
...........................
adalah penyusunan data untuk masukan proses pemodelan b
untuk proses regresi linier maupun GWR. Kolom pertama dari data diisi dengan
. Harga tersebut didapat dari pembagian item
kolom data selanjutnya diisi dengan jarak antara bidang tersebut
iabel pembentuk nilai tanah.
Dalam penelitian ini digunakan empat set data, yaitu data asli, penyesuaian
Deskripsi dari data-data tersebut yaitu:
Data asli adalah data penawaran dan penjualan bidang tanah yang sama
persis dengan hasil catatan PPAT maupun iklan penawaran serta hasil
pemilik tanah.
Data penyesuaian adalah data asli dengan modifikasi berupa penyesuaian
berdasarkan aturan Surat Edaran Direktur Jenderal Pajak Nomor SE
55/PJ.6/1999 tanggal 31 Agustus 1999 tentang Petunjuk Teknis Analisa
Penentuan Nilai Indikasi Rata-rata seperti terlihat pada Tabel
dilakukan karena data berasal dari kurun waktu 2005-2006 sedangkan nilai
24
bidang tanah diidentifikasi berdasarkan item
, pusat pemerintahan
nya. Kemudian item X dan Y
seluruh bidang tanah diambil juga untuk kemudian dilakukan penghitungan
........................... (3.1)
proses pemodelan baik
Kolom pertama dari data diisi dengan
item Harga oleh item
kolom data selanjutnya diisi dengan jarak antara bidang tersebut
Dalam penelitian ini digunakan empat set data, yaitu data asli, penyesuaian, asli+
Data asli adalah data penawaran dan penjualan bidang tanah yang sama
asil catatan PPAT maupun iklan penawaran serta hasil
dengan modifikasi berupa penyesuaian
berdasarkan aturan Surat Edaran Direktur Jenderal Pajak Nomor SE-
tentang Petunjuk Teknis Analisa
seperti terlihat pada Tabel 3.3. Hal ini
2006 sedangkan nilai
25
tanah merupakan nilai yang dinamis sehingga data tersebut perlu
disesuaikan ke dalam suatu waku tertentu. Dalam penelitian ini semua data
disesuaikan ke nilai pada bulan Desember tahun 2006.
No. Waktu Transaksi Penyesuaian
1.
2.
3.
4.
5.
6.
7.
8
1-3 Bulan
3-6 Bulan
6-9 Bulan
9-12 Bulan
1-2 Tahun
2-3 Tahun
3-6 Tahun
>6 Tahun
2%
3%
4%
5%
12%
20%
28%
57%
Tabel 3.3 : Penyesuaian waktu transaksi. Sumber SE-55/PJ.6/1999
Untuk melakukan penyesuaian, item Harga per m2 pada kolom data
ditambahkan dengan persentase penyesuaian. Persentase tersebut didapat
dari perbedaan item Tanggal dengan bulan Desember 2006.
3. Data asli+ dan data penyesuaian+ adalah data asli dan data penyesuaian
dengan pengurangan sebagian data yang memiliki harga tanah per m2 yang
sangat jauh berbeda dibandingkan dengan data lainnya. Data ini
diperkirakan merupakan anomali data yang disebabkan oleh subjektivitas
dalam penilaian tanah baik oleh pembeli maupun penjual. Pengurangan
data dimaksudkan untuk mengetahui sejauh mana sensitivitas kedua
metode terhadap data yang dianggap blunder.
Contoh set data yang dijadikan data masukan persamaan ditunjukan pada Tabel
3.4.
Tabel 3.4 : Data Masukan
26
Langkah keempat adalah proses regresi baik regresi linier maupun GWR. Proses
tersebut dilakukan dengan data masukan yang sudah terbentuk dari langkah-
langkah sebelumnya.
3.2.1 Pemodelan Regresi Linier
Proses pemodelan dengan metode regresi linier diperlihatkan pada Gambar 3.5.
Gambar 3.5 : Proses Regresi Linier
Penjelasan dari Gambar 3.5 adalah sebagai berikut:
1. Proses regresi linier diawali melalui pembuatan persamaan pengamatan
dengan data masukan berupa data sampel nilai tanah dan variabel-variabel
pembentuk nilai tanah yang sudah dihitung. Contoh persamaan yang
terbentuk adalah:
Nilai Tanah = Pusat Perdagangan*β1 + Pusat Pemerintahan*β2 + … + βn
Contoh:
914411 = 415.711* β1 +622.043* β2 + … + βn
913028 = 365.834* β1 +732.192* β2 + … + βn
Dan seterusnya.
Pembuatan Persamaan Pengamatan
Inversi Matriks
Matriks Pengamatan
Parameter Regresi
Menghitung Ulang Nilai Tanah Sampel
Uji Korelasi dan RMS
Menghitung Semua Nilai Tanah
Model Nilai Tanah
27
Pada proses ini terbentuk persamaan sejumlah data sampel yaitu 133 untuk
data asli & penyesuaian serta 129 untuk data asli+ & penyesuaian+.
2. Proses tersebut kemudian dilanjutkan dengan pembuatan matriks
pengamatan berdasarkan pengamatan yang dibentuk. Matriks-matriks
tersebut adalah matriks variabel dependent (Y) yaitu variabel nilai tanah
dan matriks variabel independent (X) pembentuk nilai tanah berupa jarak
terpendek suatu bidang tanah terhadap ketiga belas variabel lokasi.
Matriks variabel dependent berukuran “jumlah sampel x 1” sedangkan
matriks variabel independent berukuran “jumlah sampel x (jumlah variabel
+ jumlah konstanta)”.
� � T914411913028U V berukuran 133 x 1 atau 129 x 1
� � W415.711 622.043 365.834 732.192 U U X Y berukuran 133 x 14 atau 129 x 14
3. Selanjutnya dilakukan proses inversi matriks. Proses ini merupakan proses
least-square dengan penyelesaian menggunakan rumus 2.5.
4. Hasil dari inversi matriks tersebut adalah parameter berupa besaran
variabel pembentuk nilai tanah yaitu matriks berukuran “(jumlah
parameter + jumlah konstanta) x 1”.
� �
��������������>826.2228452>304.3291572>255.6015453>263.8402805>1533.485535>520.0408869>921.965206890.0626729987.0017309>1831.649672>1549.629272263.27295932538.9583363379.299 ��
������������
berukuran 14 x 1
28
5. Langkah satu sampai dengan langkah empat di atas diulangi kembali untuk
semua set data lainnya sehingga dari hasil penghitungan didapat empat set
parameter berupa tiga belas parameter besaran variabel dan satu parameter
konstanta. Nilai parameter untuk masing-masing set data hasil dari
pemodelan dengan metode regresi linier ini adalah:
No. Parameter Data Asli Data
Penyesuaian Data Asli+ Data Penyesuaian+
1 Pusat Perdagangan -826.2228452 -681.0544311 -463.4854192 -313.7664294
2 Pemerintahan -304.3291572 -300.1503659 395.000 406.6042347
3 Jalan -255.6015453 -282.8835577 -1173.198274 -1214.699233
4 Sekolah -263.8402805 -449.0783388 -1518.031824 -1739.767111
5 Universitas -1533.485535 -1526.806793 1906.510473 1966.38774
6 Kesehatan -520.0408869 -638.9114012 637.646844 539.7311314
7 Tempat Ibadah -921.965206 -838.4183853 786.9468813 907.1027511
8 Sungai 890.0626729 871.4300166 462.8692602 456.0061405
9 Hotel 987.0017309 1115.699776 745.3589379 875.9520821
10 Bank -1831.649672 -1892.371151 93.35317014 72.939
11 Taman -1549.629272 -1631.283939 1047.293549 1000.600321
12 Kuburan 263.2729593 232.4153592 1238.982658 1224.180864
13 Olahraga 2538.958 2483.660 -2359.281 -2496.450
Konstanta 3363379.299 3495577.979 883488.921 978445.1665
Tabel 3.5 : Parameter Regresi Linier Untuk Semua Set Data
6. Parameter-parameter tersebut kemudian digunakan untuk menghitung
ulang nilai tanah pada data sampel. Hasil penghitungan ulang data sampel
tersebut kemudian dibandingkan dengan data sampel asli untuk diuji
koefisien korelasi, RMSe, dan untuk pembentukan model residu nilai
tanah. Hasil hitungan ulang dapat dilihat pada Lampiran A. Koefisien
Korelasi dan RMSe dapat dilihat pada Tabel 3.6
Metode Data Korelasi RMSe
Regresi Linier
Asli 0.062 2966347.308
Asli+ 0.261 936644.011
Penyesuaian 0.065 3006398.972
Penyesuaian+ 0.277 933094.074
Tabel 3.6 : Koefisien Korelasi dan RMSe Hasil Pemodelan Regresi Linier
29
7. Setelah itu parameter-parameter yang dihasilkan di atas juga digunakan
untuk menghitung nilai tanah yang belum diketahui. Setelah semua nilai
tanah dihitung, nilai-nilai tanah tersebut kemudian dikumpulkan untuk
menjadi model nilai tanah untuk satu Kecamatan Lengkong. Dari proses
regresi linier ini terbentuk empat model nilai tanah dan empat model
residu nilai tanah untuk masing-masing set data. Semua model tersebut
dapat dilihat pada Lampiran C.
3.2.2 Pemodelan GWR
Untuk metode GWR, proses pemodelannya diperlihatkan pada Gambar 3.6 dan
Gambar 3.7.
Gambar 3.6 : Penentuan Bandwith Optimum Pada GWR
Penjelasan dari Gambar 3.6 adalah sebagai berikut:
1. Bagian pertama dari metode GWR adalah penghitungan bandwith yang
paling optimum berdasarkan data sampel.
2. Proses ini diawali melalui penentuan bandwith awal. Nilai bandwith
mempunyai rentang dari jumlah minimum yang diperlukan untuk
Penentuan Bandwith
Matriks Pengamatan
Pembuatan Persamaan Pengamatan
Matriks Bobot
Inversi Matriks
Parameter Regresi
Menghitung Ulang Nilai Tanah Sampel
Uji Cross Validation
Bandwith Optimum
Sudah Semua
Bandwith?
Sudah Semua
Sampel?
Tidak
Ya
Tidak
Ya
30
memecahkan parameter sampai jumlah semua data sampel (14 sampai
133). Melalui proses ini bandwith tersebut akan dicoba dimasukan satu-
satu ke dalam hitungan sehingga dapat diketahui bandwith yang akan
menghasilkan model yang optimum.
3. Selanjutnya dilakukan pembuatan persamaan pengamatan dengan data
masukan berupa data sampel nilai tanah dan variabel-variabel pembentuk
nilai tanah yang sudah dihitung. Contoh persamaan yang terbentuk adalah:
Nilai Tanah = Pusat Perdagangan*β1 + Pusat Pemerintahan*β2 + … + βn
Contoh:
914411 = 415.711* β1 +622.043* β2 + … + βn
913028 = 365.834* β1 +732.192* β2 + … + βn
Dan seterusnya.
Pada proses ini terbentuk persamaan sejumlah data sampel yaitu 133 untuk
data asli & penyesuaian serta 129 untuk data asli+ & penyesuaian+.
4. Proses tersebut kemudian dilanjutkan dengan pembuatan matriks
pengamatan berdasarkan pengamatan yang dibentuk. Matriks-matriks
tersebut adalah matriks variabel dependent (Y) yaitu variabel nilai tanah
dan matriks variabel independent (X) pembentuk nilai tanah berupa jarak
terpendek suatu bidang tanah terhadap ketiga belas variabel lokasi.
Matriks variabel dependent berukuran “jumlah sampel x 1” sedangkan
matriks variabel independent berukuran “jumlah sampel x (jumlah variabel
+ jumlah konstanta)”.
� � T914411913028U V berukuran 133 x 1 atau 129 x 1
� � W415.711 622.043 365.834 732.192 U U X Y berukuran 133 x 14 atau 129 x 14
Setelah itu dibentuk pula matriks bobot berukuran “jumlah sampel x
jumlah sampel”. Isi bobot tergantung dari jenis fungsi yang dipakai.
Namun karena kebanyakan fungsi bobot berupa fungsi dari jarak dan
bandwith, maka sebelumnya diukur dulu jarak antar bidang yang akan
dicari nilainya dan bidang yang menjadi data sampel.
31
E � ;0.9200U00.910U
000.99UX < berukuran 133 x133 atau 129 x 129
5. Selanjutnya dilakukan proses inversi matriks. Proses ini merupakan proses
least-square dengan penyelesaian menggunakan rumus 2.13.
6. Hasil dari inversi matriks tersebut adalah parameter berupa besaran
variabel pembentuk nilai tanah yaitu matriks berukuran “jumlah parameter
x 1”. Dari hasil penghitungan didapat empat belas parameter berupa tiga
belas parameter besaran variabel dan satu parameter konstanta. Dengan
parameter yang dihasilkan nilai tanah data sampel dihitung kembali.
Kemudian proses diulangi kembali dari pembuatan persamaan pengamatan
sampai semua nilai tanah data sampel sudah dihitung ulang.
7. Setelah semua sampel sudah dihitung ulang pada satu bandwith kemudian
dilakukan uji Cross Validation yaitu penghitungan kembali semua nilai
tanah data sampel dengan penggunaan bandwith yang berbeda. Bandwith
yang dapat menghasilkan nilai tanah hasil hitungan dengan korelasi dan
Root Mean Square error (RMSe) yang paling baik dibandingkan nilai
tanah sampel dijadikan bandwith tetap untuk penghitungan metode GWR.
Bandwith tetap untuk semua kombinasi metode GWR, tipe bobot dan set
data diperlihatkan pada Tabel 3.7.
Metode Bobot Data Bandwith Optimum
GWR Gauss Asli 127
Asli+ 129
Penyesuaian 127
Penyesuaian+ 129
Bisquare Asli 127
Asli+ 129
Penyesuaian 127
Penyesuaian+ 129
Tabel 3.7 : Bandwith Optimum Untuk Metode GWR
Setelah bandwith optimum diperoleh, selanjutnya dilakukan penghitungan nilai
tanah untuk bidang yang belum diketahui nilainya. Proses ini diperlihatkan pada
Gambar 3.7. Proses tersebut berisi penghitungan seluruh nilai tanah. Pada
32
prinsipnya hal yang dilakukan sama dengan hal yang dilakukan pada proses di
Gambar 3.6 namun bandwith yang digunakan sudah tetap dan tidak perlu diulangi
lagi untuk semua rentang bandwith. Proses ini hanya diulangi untuk setiap bidang
tanah yang akan dinilai. Hal tersebut disebabkan pada metode GWR, setiap nilai
yang dicari memiliki parameter regresi tersendiri yang sifatnya unik. Pada proses
ini diperoleh masing-masing 14850 set parameter untuk setiap set data.
Gambar 3.7 : Penghitungan Nilai Tanah Pada GWR
3.2.3 Uji Korelasi dan RMSe
Langkah keempat dari tahapan pekerjaan adalah pencarian kombinasi set data,
metode dan jenis bobot yang paling baik untuk memodelkan keseluruhan nilai
tanah se-kecamatan. Seluruh hasil penghitungan kembali nilai tanah pada data
sampel dikumpulkan. Dari dua metode (regresi linier dan GWR), empat set data
(asli, penyesuaian, asli+ dan penyesuaian+) dan dua jenis bobot (Gauss dan Bi-
square) diperoleh dua belas kombinasi yang menghasilkan dua belas hasil. Hasil
Bandwith Optimum
Matriks Pengamatan
Pembuatan Persamaan Pengamatan
Matriks Bobot
Inversi Matriks
Parameter Regresi
Sudah Semua Nilai?
Menghitung Semua Nilai Tanah
Model Nilai Tanah
Tidak
Ya
33
penghitungan kembali nilai tanah pada data sampel tersebut kemudian
dibandingkan dengan nilai tanah asli pada data sampel dengan pengujian koefisien
korelasi dan RMSe. Nilai koefisisen korelasi dan RMSe dari kedua belas
kombinasi tersebut yang dapat dilihat pada Tabel 3.8 kemudian digunakan sebagai
dasar untuk analisis kehandalan metode GWR dibandingkan metode regresi linier
Metode Bobot Data Korelasi RMSe
Regresi Linier
Asli 0.062 2966347.308
Asli+ 0.261 936644.011
Penyesuaian 0.065 3006398.972
Penyesuaian+ 0.277 933094.074
GWR Gauss Asli 0.224 2139894.973
Asli+ 0.300 822535.674
Penyesuaian 0.209 2175108.187
Penyesuaian+ 0.320 834580.414
Bisquare Asli 0.232 2143931.401
Asli+ 0.300 822535.393
Penyesuaian 0.219 2179120.104
Penyesuaian+ 0.320 834579.690 Tabel 3.8 : Koefisien Korelasi dan RMSe Hasil Seluruh Pemodelan
3.3 Hasil Akhir
Hasil akhir dari pemodelan ini berupa model berbentuk peta nilai tanah
Kecamatan Lengkong. Hasil yang dipetakan merupakan hasil pemodelan dari dua
belas kombinasi terdiri dari kombinasi empat set data dengan dua metode regresi
serta dua fungsi bobot. Selain itu juga diperoleh hasil berupa model residu nilai
tanah. Model residu ini dapat digunakan untuk analisis kualitas data sampel nilai
tanah. Salah satu model nilai tanah dan model residu dapat dilihat pada Gambar
3.8 dan Gambar 3.9. Model nilai tanah dan residu sebelas kombinasi lainnya dapat
dilihat pada Lampiran C.
34
Gambar 3.8 : Model nilai tanah Kecamatan Lengkong, Kota Bandung
menggunakan metode GWR, bobot bisquare, data asli+
Gambar 3.9: Model residu nilai tanah Kecamatan Lengkong, Kota Bandung
menggunakan metode GWR, bobot bisquare, data asli+