pengembangan aplikasi penilaian tanah massal …
TRANSCRIPT
PENGEMBANGAN APLIKASI PENILAIAN TANAH MASSAL
BERDASARKAN JARINGAN SYARAF TIRUAN BERBASIS
GRAPHICAL USER INTERFACE UNTUK PEMBUATAN
PETA ZONA NILAI TANAH
(Studi di Desa Trihanggo, Kecamatan Gamping, Kabupaten Sleman)
SKRIPSI
Diajukan Sebagai Salah Satu Syarat
Untuk Memperoleh Sebutan Sarjana Terapan di Bidang Pertanahan
Pada Program Studi Diploma IV Pertanahan
Disusun Oleh:
BAGONG FERY SAMODRA
NIM. 12212682
KEMENTERIAN AGRARIA DAN TATA RUANG/
BADAN PERTANAHAN NASIONAL
SEKOLAH TINGGI PERTANAHAN NASIONAL
YOGYAKARTA
2016
viii
DAFTAR ISI
HALAMAN JUDUL ……………………….…………………………… i
HALAMAN PENGESAHAN …………………….…………………….. ii
HALAMAN PERNYATAAN KEASLIAN SKRIPSI ………………….. iii
HALAMAN MOTTO …………………………………………………… iv
HALAMAN PERSEMBAHAN ………………………………………… v
KATA PENGANTAR …………………………………………………... vi
DAFTAR ISI ……………………….…………………………………… viii
DAFTAR TABEL ……………………….……………………………… x
DAFTAR GAMBAR ……………………….…………………………… xi
DAFTAR LAMPIRAN …………………………………………………. xiii
INTISARI ……………………………………………………………….. xiv
ABSTRACT …………………………………………………………….. xv
BAB I. PENDAHULUAN ……………………….……………………… 1
1.1. Latar Belakang Penelitian ……………………….……………... 1
1.2. Rumusan Permasalahan ……………………….……………….. 3
1.3. Tujuan dan Manfaat Penelitian ……………………….………... 4
1.4. Keaslian Penelitian ……………………….……………………. 5
BAB II. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN ….. 12
2.1. Tinjauan Pustaka ……………………….……………………….
2.1.1. Konsep Dasar Penilaian Tanah ……………………….…….
2.1.1.1. Konsep Bidang Tanah, Harga Tanah, Nilai Tanah dan
Zona Nilai Tanah (ZNT) ………………………..………
2.1.1.2. Faktor-faktor yang Mempengaruhi Nilai Tanah ………..
2.1.1.3. Pendekatan dalam Penilaian Tanah (Land Valuation
Approach) ……………………….……………………...
2.1.2. Pengembangan Aplikasi Penilaian Tanah Massal …...……..
2.1.2.1. Jaringan Syaraf Tiruan ……………………….…………
2.1.2.2. Algoritma Backpropagation …………………….……...
2.1.2.3. Matrix Laboratory (Matlab) ……………………….…...
2.1.2.4. Graphical User Interface Development Environment
(GUIDE) ……………………….……………………….
12
12
12
14
16
17
17
21
26
29
2.2. Landasan Teori ………………………………………………… 39
2.3. Kerangka Pemikiran ……………………….…………………... 42
2.4. Pertanyaan Penelitian ……………………….…………………. 45
Halaman
ix
BAB III. METODE PENELITIAN ……………………………………... 46
3.1. Format Penelitian ……………………….……………………… 46
3.2. Lokasi Penelitian ……………………….……………………… 47
3.3. Populasi, Sampel dan Teknik Pengambilan Sampel …………… 48
3.4. Jenis Data, Teknik Pengumpulan, dan Sumber Data …………... 50
3.5. Variabel Penelitian dan Definisi Operasionalnya ……………… 51
3.6. Teknik Penelitian dan Pengembangan ……………………….…
3.6.1. Persiapan Data untuk Keperluan Pengujian Aplikasi ………
3.6.2. Penyesuaian Harga Tanah Terhadap Waktu Transaksi …….
3.6.3. Uji Statistik Data Sampel …………………………………..
3.6.4. Penyiapan Algoritma Jaringan Syaraf Tiruan ………………
3.6.5. Kerangka Pengembangan Aplikasi Penilaian Tanah Massal..
3.6.6. Pembuatan Peta Zona Nilai Tanah …………………………
60
60
63
64
65
70
72
3.7. Alat dan Bahan ………………………………………………… 75
BAB IV. GAMBARAN UMUM WILAYAH PENELITIAN ………….. 76
4.1. Pembagian Wilayah Administratif dan Kondisi Topografis …... 76
4.2. Kependudukan …………………………………………………. 78
4.3. Sarana dan Prasarana …………………………………………... 79
BAB V. PERANCANGAN DESAIN DAN PEMROGRAMAN
APLIKASI ANNAVAL ………………………………………..
83
5.1. Perancangan Desain Graphical User Interface ………………... 83
5.2. Penulisan Kode Program ………………………………………. 91
BAB VI. PENGUJIAN APLIKASI ANNAVAL ……………………….. 104
6.1. Persiapan Data …………………………………………………. 104
6.2. Seleksi Data ……………………………………………………. 112
6.3. Simulasi Penilaian Tanah Massal Menggunakan ANNAVAL ...
6.3.1. Klasifikasi Data …………………………………………….
6.3.2. Konversi Data ………………………………………………
6.3.3. Simulasi Penghitungan Nilai Tanah Semua Bidang ………..
6.3.4. Uji Validasi Nilai Tanah Hasil Hitungan Aplikasi …………
114
114
117
118
125
6.4. Penilaian Kelayakan Aplikasi ANNAVAL ……………………. 127
BAB VII. PENUTUP ……………………………………………………. 131
7.1. Kesimpulan …………………………………………………….. 131
7.2. Saran …………………………………………………………… 131
DAFTAR PUSTAKA ……………………….…………………………... 133
LAMPIRAN ……………………….……………………………………. 137
Halaman
xv
ABSTRACT
One form of Automated Valuation Models (AVM) in mass land valuation
is Artificial Neural Network (ANN) model. However, ANN model provided in the
form of algorithm is too complex to be implemented in Land Office. Therefore, this
study aims to develop application of mass land valuation based on neural network
using Graphical User Interface (GUI) for easy use and accurate land mass
assessment in parcel based to produce ZNT map.
This research using Research and Development method. Data were
collected using interviews, direct observations and literature study methods.
Sampling was done by multistage random sampling method, by choosing 102
sample parcels which have been traded or on dealing process. The variables
considered to affect land value are (1) the extent of the land (LTH); (2) the width
of the field (LD); (3) the shapes (BT); (4) land use (PGT); (5) the location (LH); (6)
the status of ownership (SH); (7) road function (FJ); (8) distance to arterial road
(JA); (9) distance to collector road (JK); and (10) distance to health facilities (JRS).
ANN algorithm used as the basis for the development of applications of was
backpropagation gradient descent, while the software used for GUI development
was Matlab.
The result of this research is an application of mass land valuation, referred
as ANNAVAL (Artificial Neural Network for Mass Valuation). ANNAVAL
testing was done by mass land assessment using 6 different parameter setting
conditions. Validation test showed that land value in Condition 5 has the smallest
transforming factor, which is 13.2%. Validation test was done by comparing land
value obtained from ANNAVAL calculation with land value from validation result
in the same parcels.
This study is expected to provide useful software for Land Offices to
perform parcel based – mass land valuation, that can be easily and quickly operated;
besides provide accurate land value datas for ZNT map.
Keyword: models, applications, land valuation, land value, artificial neural
network, matlab
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Penelitian
Penilaian tanah merupakan salah satu kegiatan penting yang menjadi tugas
pokok dan fungsi Kementerian Agraria dan Tata Ruang (KATR)/Badan Pertanahan
Nasional (BPN). Dasar hukum pelaksanaan kegiatan penilaian tanah di lingkup
kerja Kementerian ATR/BPN tertulis di dalam Peraturan Presiden Nomor 17 Tahun
2015 tentang Kementerian Agraria dan Tata Ruang. Kegiatan penilaian tanah
menurut Peraturan Presiden Nomor 17 Tahun 2015 Pasal 21 berada di bawah
kewenangan Direktorat Jenderal Pengadaan Tanah. Pasal 22 di dalam peraturan
yang sama menyebutkan bahwa Direktorat Jenderal Pengadaan Tanah mempunyai
tugas yang terkait dengan penilaian tanah, diantaranya adalah (a) perumusan dan
pelaksanaan kebijakan di bidang penilaian tanah; (b) penyusunan norma, standar,
prosedur, dan kriteria di bidang penilaian tanah; (c) pemberian bimbingan teknis
dan supervisi di bidang penilaian tanah; serta (d) pelaksanaan evaluasi dan
pelaporan di bidang penilaian tanah. Hasil kegiatan penilaian tanah berupa
informasi nilai tanah yang dituangkan ke dalam Peta Zona Nilai Tanah (Peta ZNT).
Salah satu bentuk pemanfaatan informasi nilai tanah di dalam Peta ZNT
yaitu seharusnya dapat diterapkan sebagai dasar penetapan NJOP dan NPOP.
Undang-Undang Nomor 28 Tahun 2009 tentang Pajak Daerah dan Retribusi Daerah
Pasal 79 ayat (1) menyebutkan bahwa NJOP digunakan sebagai dasar dalam
penetapan besarnya PBB, sedangkan di dalam Pasal 87 ayat (1) menyebutkan
2
bahwa pengenaan BPHTB didasarkan pada NPOP. Oleh karena itu, informasi nilai
tanah berkaitan secara tidak langsung terhadap besarnya nilai PBB dan BPHTB.
Peta ZNT sampai saat ini belum sepenuhnya digunakan sebagai sumber
informasi nilai tanah di dalam penetapan NJOP dan NPOP untuk keperluan
penghitungan besaran nilai PBB dan BPHTB. Hal tersebut menyebabkan terjadinya
income potential loss terhadap penerimaan negara (Sudirman et al., 2013). Kendala
yang ditemui dalam pelaksanaan hal tersebut adalah informasi nilai tanah yang ada
di dalam Peta ZNT belum akurat karena belum menggambarkan kondisi nilai pasar
yang senyatanya di lapangan (Estimiyarti, 2012). Salah satu bentuk kekurang-
akuratan informasi nilai tanah pada Peta ZNT adalah tidak adanya perbedaan nilai
di antara bidang-bidang tanah dalam satu bentangan meskipun lokasi dan
aksesibilitas antarbidang tersebut berbeda (Yulianto, 2015). Kekurang-akuratan
informasi nilai tanah menurut Sudirman et al. (2013) disebabkan setidaknya oleh 2
(dua) faktor, yaitu (a) penilaian tanah oleh Kementerian ATR/BPN masih berbasis
bentang; (b) kurangnya keterampilan aparatur kantor pertanahan di dalam penilaian
tanah.
Salah satu cara di dalam mengatasi kekurang-akuratan informasi nilai tanah
adalah melalui pemanfaatan teknologi informasi. Pemanfaatan teknologi informasi
untuk penilaian tanah berupa Automated Valuation Models (AVM). AVM
merupakan suatu metode yang digunakan di dalam penilaian tanah dengan
menggunakan pemodelan matematika yang dikombinasikan dengan suatu basis
data (www.investopedia.com). Penilaian tanah menggunakan AVM dapat
dilakukan berbasis pada bidang tanah, bukan lagi berbasis bentang, dengan cepat
3
dan mudah karena sudah berbasis komputer. Beberapa contoh AVM yang sering
digunakan di dalam proses penilaian tanah massal diantaranya adalah model
Jaringan Syaraf Tiruan (JST), Analisis Regresi Berganda, dan Structural Equation
Model.
Salah satu penelitian tentang AVM yaitu penelitian Yulianto (2015) tentang
pemanfaatan JST untuk penilaian tanah massal berbasis bidang. Yulianto
menjelaskan bahwa JST dapat digunakan untuk memodelkan penilaian tanah
massal berbasis bidang serta memiliki tingkat akurasi yang baik sehingga estimasi
nilai tanah yang dihasilkan oleh model JST cukup akurat. Hasil penelitian tersebut
berupa model JST yang masih dalam bentuk algoritma. Yulianto menambahkan
bahwa tahapan JST dalam bentuk algoritma masih relatif rumit. Oleh karena itu,
perlu dikembangkan suatu aplikasi yang berbasis graphical user interface (GUI).
Pengembangan aplikasi penilaian tanah massal berbasis GUI di dalam
penelitian ini merupakan bentuk penyempurnaan dari algoritma JST hasil penelitian
Yulianto tersebut. Aplikasi penilaian tanah massal berbasis GUI diharapkan mampu
menyederhanakan tahapan-tahapan algoritma model JST sehingga dapat digunakan
dengan mudah khususnya oleh kalangan praktisi di lingkungan kerja Kantor
Pertanahan. Pemanfaatan aplikasi diharapkan membuat pekerjaan menjadi lebih
cepat, efektif dan efisien (Mondayana, 2013, dalam Yudhistira, 2014).
1.2. Rumusan Permasalahan
Informasi nilai tanah yang tertuang di dalam Peta ZNT saat ini dapat
dikatakan masih kurang akurat karena belum mencerminkan kondisi nilai tanah
senyatanya di lapangan. Sudirman et al. (2013) menjelaskan bahwa metode
4
penilaian tanah massal yang berbasis bentang dan kurangnya keterampilan aparatur
Kantor Pertanahan mengenai penilaian tanah massal dianggap sebagai penyebab
dari kekurang-akuratan informasi nilai tanah yang ada dalam peta ZNT.
Kondisi kekurang-akuratan informasi nilai tanah dicoba diselesaikan
menggunakan penilaian tanah massal secara otomatis berbasis komputer yang
dikenal sebagai Automated Valuation Models (AVM). Salah satu teknik AVM
adalah model jaringan syaraf tiruan (JST). Salah satu penelitian mengenai AVM
adalah penelitian Yulianto (2015) yang menghasilkan algoritma penilaian tanah
massal berdasarkan JST yang mampu menghasilkan nilai bidang-bidang tanah yang
akurat secara mudah dan cepat.
Persoalan utama yang dihadapi di dalam penggunaan model JST, terutama
dalam bentuk algoritma, relatif masih terlalu rumit untuk diterapkan dalam kegiatan
praktis di Kantor Pertanahan. Persoalan tersebut dicoba untuk diselesaikan dengan
membuat suatu GUI terhadap algoritma JST yang sudah ada menjadi suatu aplikasi
penilaian tanah massal. Langkah tersebut sebagai upaya memudahkan kalangan
praktisi di Kantor Pertanahan untuk dapat menggunakan JST yang sudah dikemas
dalam suatu aplikasi berbasis GUI walaupun tidak memahami JST secara
substansial.
1.3. Tujuan dan Manfaat Penelitian
1. Tujuan Penelitian
Penelitian ini bertujuan untuk mengembangkan aplikasi penilaian tanah
massal berdasarkan JST berbasis GUI agar lebih mudah digunakan di dalam
5
kegiatan penilaian tanah massal serta dapat menghasilkan nilai tanah massal
berbasis bidang yang akurat dalam rangka pembuatan Peta ZNT.
2. Manfaat Penelitian
Hasil penelitian ini diharapkan dapat bermanfaat:
a. Secara teoritis, sebagai bentuk sumbangan terhadap ilmu pengetahuan
pertanahan dalam hal pemanfaatan teknologi informasi yang terkait dengan
penilaian tanah massal yang dikemas dalam suatu aplikasi berdasarkan JST
berbasis GUI;
b. Secara praktis, hasil penelitian ini diharapkan mampu menyediakan
perangkat lunak yang berguna bagi Kantor Pertanahan berupa aplikasi yang
dapat digunakan untuk penilaian tanah massal berbasis bidang secara mudah
dan cepat serta menghasilkan informasi nilai tanah yang akurat dalam rangka
penyediaan Peta ZNT.
1.4. Keaslian Penelitian
Metode yang digunakan untuk melakukan uji keaslian penelitian yaitu
dengan membandingkan suatu penelitian dengan penelitian-penelitian serupa
lainnya yang telah dilakukan oleh peneliti-peneliti sebelumnya. Proses
perbandingan dilakukan dengan mengidentifikasi nama peneliti, judul penelitian,
tahun penelitian, lokasi penelitian, tujuan penelitian, dan metode penelitian.
Penelitian oleh Samodra (2016) ini berjudul “Pengembangan Aplikasi
Penilaian Tanah Massal Berdasarkan Jaringan Syaraf Tiruan Berbasis Graphical
User Interface untuk Pembuatan Peta Zona Nilai Tanah (Studi di Desa Trihanggo,
6
Kecamatan Gamping, Kabupaten Sleman)”. Penelitian ini merupakan
pengembangan dari hasil penelitian Yulianto (2015) yang menghasilkan suatu
algoritma jaringan syaraf tiruan (JST) untuk keperluan penilaian tanah massal.
Algoritma tersebut melalui penelitian ini dikembangkan lebih lanjut dengan
menambahkan graphical user interface (GUI) sehingga menghasilkan suatu
aplikasi penilaian tanah massal yang lebih mudah digunakan oleh para pengguna
khususnya aparatur di lingkungan kerja Kantor Pertanahan. Data-data yang
digunakan untuk simulasi penilaian tanah massal diambil di Desa Trihanggo,
Kecamatan Gamping, Kabupaten Sleman. Tujuan dari penelitian ini adalah
menyediakan suatu aplikasi sehingga proses penilaian tanah massal dapat dilakukan
dengan mudah dan cepat serta menghasilkan nilai tanah massal berbasis bidang
yang akurat. Metode penelitian yang digunakan adalah Research and Development.
Karakteristik penelitian ini selanjutnya dibandingkan dengan karakteristik
penelitian sebelumnya untuk mengetahui perbedaan antarpenelitian. Hasil
perbandingan tersebut adalah sebagai berikut:
1. Penelitian Suprianto (2004) yang berjudul “Penerapan Jaringan Syaraf Tiruan
untuk Memprediksi Harga Saham”. Penelitian tersebut bertujuan untuk
mengimplementasikan cara kerja dari algoritma jaringan syaraf tiruan untuk
memprediksi harga saham sehingga diharapkan dapat menghasilkan perkiraan
nilai saham yang akurat di masa yang akan datang. Metode penelitian yang
digunakan adalah pendekatan kuantitatif. Perbedaan utama dibandingkan
dengan penelitian ini terletak pada (a) tahun penelitian; (b) tujuan penelitian; (c)
metode penelitian; dan (d) hasil penelitian.
7
2. Penelitian Iqbal (2005) yang berjudul “Penerapan Metode Jaringan Syaraf
Tiruan untuk Pendugaan Jenis Kelamin Ikan: Studi Kasus Ikan Koi”. Penelitian
tersebut bertujuan mendesain dan mengimplementasikan sebuah sistem yang
mampu melakukan metode pemilahan jenis kelamin ikan Koi (Cyprinus carpio)
melalui penerapan metode jaringan syaraf tiruan. Metode penelitian yang
digunakan adalah pendekatan kuantitatif. Perbedaan utama dibandingkan
dengan penelitian ini terletak pada (a) tahun penelitian; (b) tujuan penelitian; (c)
metode penelitian dan (d) hasil penelitian.
3. Penelitian Sitinjak (2008) dengan judul “Simulasi Pengenalan Kelainan Jantung
dengan Menggunakan Metode Jaringan Syaraf Tiruan”. Penelitian tersebut
bertujuan untuk (a) mengetahui jenis-jenis kelainan jantung; serta (b) membuat
suatu model simulasi untuk mendeteksi beberapa jenis kelainan jantung dengan
menggunakan metode jaringan syaraf tiruan. Metode penelitian yang digunakan
adalah pendekatan kuantitatif. Perbedaan utama dibandingkan dengan penelitian
ini terletak pada (a) tahun penelitian; (b) tujuan penelitian; (c) metode penelitian;
serta (d) hasil penelitian.
4. Penelitian Purnamasari (2013) dengan judul “Implementasi Jaringan Syaraf
Tiruan Backpropagation sebagai Sistem Deteksi Penyakit Tuberculosis (TBC)”.
Tujuan dari penelitian tersebut adalah (a) merancang suatu sistem yang dapat
mendeteksi penyakit TBC secara dini supaya pasien mendapat pengobatan
sedini mungkin dengan menggunakan jaringan syaraf tiruan backpropagation;
(b) mengetahui tingkat akurasi sistem dalam mendeteksi penyakit TBC; dan (c)
menentukan arsitektur jaringan yang optimal untuk JST dalam mendeteksi
8
penyakit TBC. Metode penelitian yang digunakan adalah pendekatan kuantitatif.
Perbedaan utama dengan penelitian ini terletak pada (a) tahun penelitian; (b)
tujuan penelitian; (c) metode penelitian; dan (d) hasil penelitian.
5. Penelitian Yulianto (2015) dengan judul “Pemodelan Nilai Tanah Menggunakan
Jaringan Syaraf Tiruan di Desa Trihanggo, Kecamatan Gamping, Kabupaten
Sleman, Daerah Istimewa Yogyakarta.” Penelitian tersebut bertujuan untuk
mengetahui (a) tahapan-tahapan pemodelan nilai tanah menggunakan jaringan
syaraf tiruan; serta (b) mengetahui hasil analisis pemodelan nilai tanah
menggunakan jaringan syaraf tiruan. Metode penelitian yang digunakan adalah
pendekatan kuantitatif. Perbedaan utama dibandingkan dengan penelitian ini
terletak pada (a) tahun penelitian; (b) tujuan penelitian; (c) metode penelitian;
serta (d) hasil penelitian.
Perbedaan karakteristik antara penelitian ini dengan penelitian terdahulu
secara ringkas dapat dilihat pada Tabel 1. Berdasarkan data yang disajikan pada
Tabel 1, peneliti berkeyakinan bahwa perbedaan yang ada antara penelitian ini
dengan penelitian terdahulu dapat menjamin keaslian dari penelitian ini sehingga
dapat menghasilkan suatu manfaat penelitian yang baru.
9
Tabel 1. Keaslian Penelitian
No. Nama/Tahun/Judul Tujuan Metode Hasil 1 Edy Suprianto,
Skripsi UKI 2004,
Penerapan Jaringan Syaraf
Tiruan untuk Memprediksi
Harga Saham.
Mengimplementasikan
cara kerja dari algoritma
jaringan syaraf tiruan
untuk memprediksi harga
saham sehingga
diharapkan dapat
menghasilkan perkiraan
nilai saham yang akurat di
masa yang akan datang.
Kuantitatif Hasil simulasi oleh jaringan syaraf tiruan dengan target
error sebesar 0,1 (10%) pada PT. Telkom, PT. Sampoerna,
dan PT. Astra, menghasilkan nilai MSE masing-masing
sebesar 34830,753888, 4726,619695, dan 4232,93251. Jika
menggunakan tingkat error yang lebih kecil maka MSE
hasil peramalan dari Jaringan Syaraf Tiruan akan semakin
kecil. Pada target error pengenalan pola sebesar 0,01 (1%)
pada ketiga perusahaan yang sama, MSE yang dihasilkan
masing-masing sebesar 3484,774633, 472,755513, dan
422,9713267. Hal ini berarti semakin kecil target error
yang diinginkan, berarti akan semakin kecil penyimpangan
hasil ramalan dengan hasil yang diinginkan, sehingga
ketepatan model peramalan hasil pelatihan jaringan akan
semakin tinggi.
2 Muhammad Iqbal,
Skripsi IPB 2005,
Penerapan Metode Jaringan
Syaraf Tiruan untuk
Pendugaan Jenis Kelamin
Ikan: Studi Kasus Ikan Koi.
Mendesain dan
mengimplementasikan
sebuah sistem yang
mampu melakukan
metode pemilahan jenis
kelamin ikan Koi
(Cyprinus carpio) melalui
penerapan metode
jaringan syaraf tiruan.
Kuantitatif Tingkat akurasi terbaik yang diperoleh adalah 100% pada
saat pelatihan baik pada ikan jantan maupun ikan betina
sedangkan tingkat akurasi terbaik yang diperoleh pada saat
validasi adalah 70%. Pada ikan jantan laju pembelajaran
yang memberikan hasil validasi terbaik adalah learning rate
0,9 dengan iterasi maksimum 10.000 kali dan jumlah
neuron tersembunyi sebanyak 39 buah, sedangkan pada
ikan betina didapatkan nilai laju pembelajaran sebesar 0,3
dengan jumlah neuron tersembunyi sebanyak 39 buah dan
iterasi maksimum sebanyak 10.000 kali.
Tabel 1.1. Lanjutan
Tabel 1. (bersambung)
10
Tabel 1. (lanjutan)
No. Nama/Tahun/Judul Tujuan Metode Hasil 3 Hermanto Sitinjak,
Skripsi UI 2008,
Simulasi Pengenalan Kelainan
Jantung dengan Menggunakan
Metode Jaringan Syaraf Tiruan
1. mengetahui jenis-jenis
kelainan jantung;
2. membuat suatu model
simulasi untuk
mendeteksi beberapa
jenis kelainan jantung
dengan menggunakan
metode jaringan syaraf
tiruan.
Kuantitatif Metode pelatihan Jaringan Syaraf Tiruan yang dibuat ini
menggunakan fungsi traingdx yang terdapat pada Neural
Network Toolbox MATLAB. Adapun penggunaan fungsi
traingdx ini karena waktu pelatihannya lebih cepat.
Berdasarkan hasil pengujian pengenalan beberapa sampel
kelainan jantung diperoleh akurasi rata-rata sebesar 82.2%
dalam mengenali tiga jenis kelainan jantung tersebut.
4 Ratnaningtyas Widyani
Purnamasari,
Skripsi UNNES 2013,
Implementasi Jaringan Syaraf
Tiruan Backpropagation
sebagai Sistem Deteksi
Penyakit Tuberculosis (TBC).
1. merancang suatu sistem
untuk mendeteksi
penyakit TBC supaya
pasien mendapat
pengobatan sedini
mungkin menggunakan
jaringan syaraf tiruan
backpropagation;
2. mengetahui tingkat
akurasi sistem dalam
mendeteksi penyakit
TBC; dan
3. menentukan arsitektur
jaringan yang optimal
untuk JST dalam
mendeteksi penyakit
TBC.
Kuantitatif hasil pengujian sistem diperoleh tingkat akurasi sistem
dalam mendeteksi penyakit Tuberculosis (TBC) sebesar
100%. Arsitektur jaringan yang paling baik digunakan
dalam proses mendeteksi penyakit TBC adalah dengan
variasi jumlah iterasi 1000, toleransi 0,001, learning rate 0,5
dan banyaknya neuron hidden layer 100. Arsitektur
jaringan tersebut menghasilkan MSE sebesar 0,00144
dengan waktu training 11 detik
Tabel 1. (bersambung)
Tabel 1.1. Lanjutan
11
Tabel 1. (lanjutan)
No. Nama/Tahun/Judul Tujuan Metode Hasil 5 Catur Yulianto,
Skripsi STPN 2015,
Pemodelan Nilai Tanah
Menggunakan Jaringan Syaraf
Tiruan di Desa Trihanggo,
Kecamatan Gamping,
Kabupaten Sleman, Daerah
Istimewa Yogyakarta
1. Mengetahui tahapan-
tahapan pemodelan nilai
tanah menggunakan
jaringan syaraf tiruan;
2. Mengetahui hasil
analisis pemodelan nilai
tanah menggunakan
jaringan syaraf tiruan.
Pendekatan
kuantitatif dengan
metode survei
1. Model JST terbaik berdasarkan variabel menurut persepsi
masyarakat yaitu algoritma pelatihan Resilent
Backpropagation sedangkan model JST terbaik
berdasarkan variabel menurut analisis statistika yaitu
algoritma pelatihan One Step Secant.
2. Evaluasi model nilai tanah menggunakan Jaringan Syaraf
Tiruan dengan algoritma pelatihan Resilent
Backpropagation memiliki nilai Coefficient of Variation
(COV) sebesar 12,17%, nilai Coefficient of Dispersion
(COD) sebesar 14,41% dan nilai Price Related
Differential (PRD) sebesar 1,00 sedangkan evaluasi
model nilai tanah menggunakan Jaringan Syaraf Tiruan
dengan algoritma pelatihan One Step Secant memiliki
nilai Coefficient of Variation (COV) sebesar 15,74%, nilai
Coefficient of Dispersion (COD) sebesar 17,68% dan nilai
Price Related Differential (PRD) sebesar 1,02.
6 Bagong Fery Samodra,
Penelitian 2016,
Pengembangan Aplikasi
Penilaian Tanah Massal
Berdasarkan Jaringan Syaraf
Tiruan Berbasis Graphical
User Interface untuk
Pembuatan Peta Zona Nilai
Tanah (Studi Di Desa
Trihanggo, Kecamatan
Gamping, Kabupaten Sleman)
mengembangkan aplikasi
penilaian tanah massal
berdasarkan JST berbasis
GUI yang mudah
digunakan dalam
melakukan penilaian
tanah massal serta dapat
menghasilkan nilai tanah
massal berbasis bidang
yang akurat dalam rangka
pembuatan Peta ZNT
Research and
Development
Aplikasi penilaian tanah massal berdasarkan jaringan syaraf
tiruan berbasis graphical user interface
Sumber: hasil analisis data sekunder
Tabel 1.1. Lanjutan
131
BAB VII
PENUTUP
7.1. Kesimpulan
Kesimpulan yang dapat diambil dari penelitian ini adalah:
1. Aplikasi penilaian tanah massal berdasarkan Jaringan Syaraf Tiruan (JST)
berbasis Graphical User Interface (GUI) yang disebut ANNAVAL sebagai hasil
tindak lanjut dari penelitian Yulianto (2015), telah memenuhi syarat untuk
penilaian tanah massal dengan catatan, yaitu: (a) menggunakan algoritma JST
backpropagation gradien descent; dan (b) menghasilkan nilai transforming
factor sebesar 13,2% pada uji validasi nilai tanah hasil penghitungan
menggunakan aplikasi.
2. Aplikasi penilaian tanah massal hasil penelitian ini dapat mempercepat dan
mempermudah penghitungan nilai tanah massal di Desa Trihanggo yang
memiliki karakteristik wilayah sebagai berikut: (a) letaknya berada pada
pinggiran kota (Kota Sleman dan Kota Yogyakarta); (b) daerahnya dilewati oleh
jalan arteri (Jalan Lingkar); (c) perekonomian tidak didominasi oleh usaha
pertanian, melainkan usaha jasa dan perdagangan; dan (d) dominasi usaha jasa
dan perdagangan menyebabkan peningkatan kebutuhan akan tanah yang ditandai
dengan banyaknya transaksi jual beli tanah.
7.2. Saran
Aplikasi ANNAVAL diharapkan mampu memberikan kontribusi dalam
rangka memudahkan kerja Kantor Pertanahan di dalam melakukan penilaian tanah
132
massal sebagai dasar penyediaan Peta Zona Nilai Tanah dengan beberapa
pertimbangan sebagai berikut:
1. Perlu penelitian dan pengembangan lebih lanjut berupa perbaikan aplikasi
ANNAVAL dengan cara penambahan algoritma jaringan syaraf tiruan yang
digunakan agar dapat menambah variasi hitungan nilai tanah;
2. Perlu penelitian lebih lanjut mengenai berapa batas nilai transforming factor
yang diperbolehkan agar nilai tanah hitungan aplikasi ANNAVAL tidak
overvalued atau undervalued;
3. Perlu penelitian lebih lanjut terkait efektifitas aplikasi ANNAVAL ini untuk
penghitungan nilai tanah massal pada wilayah atau daerah yang mempunyai
karakteristik yang berbeda dibandingkan dengan Desa Trihanggo.
133
DAFTAR PUSTAKA
Direktorat Penilaian Tanah. (2015). Petunjuk Teknis Pelaksanaan Penilaian Tanah.
Kementerian Agraria dan Tata Ruang/Badan Pertanahan Nasional, Jakarta.
Dwipraja, Arie Satya. (2015). “Pembuatan Aplikasi Penghitungan Hasil
Pengukuran Kadastral Secara Terrestrial Berbasis Android”. Skripsi,
Sekolah Tinggi Pertanahan Nasional, Yogyakarta.
Fitriyanto, Aris. (2011). “Analisis Faktor-faktor yang Mempengaruhi Nilai Tanah
di Kecamatan Wedi Kabupaten Klaten”. Thesis, Universitas Sebelas Maret,
Surakarta.
Hermit, Herman. (2009). Teknik Penaksiran Harga Tanah Perkotaan: Teori dan
Praktek Penilaian Tanah. Mandar Maju, Bandung.
Hidayati, Wahyu dan Budi Harjanto. (2003). Konsep Dasar Penilaian Properti.
BPFE-Yogyakarta, Yogyakarta.
Iqbal, Muhammad. (2005). “Penerapan Metode Jaringan Syaraf Tiruan untuk
Pendugaan Jenis Kelamin Ikan: Studi Kasus Ikan Koi”. Skripsi, Institut
Pertanian Bogor, Bogor.
Kainda. (2010). “Pemodelan Nilai Tanah di Kawasan Bayangan (Shadow Zone)
(Studi Kasus di Kelurahan Bausasran, Kec. Danurejan, Kota Yogyakarta)”.
Jurnal Bhumi Nomor 3 Tahun 2, September 2010, Hal:133-144.
Kusumadewi, Sri. (2004). Membangun Jaringan Syaraf Tiruan Menggunakan
Matlab & Excel Link. Graha Ilmu, Yogyakarta.
Nasution dan Thomas. (2008). Buku Panduan Membuat Tesis, Skripsi, Disertasi
dan Makalah. Bumi Aksara, Jakarta.
Nurgiantoro, Burhan. dkk. (2009). Statistik Terapan Untuk Penelitian Ilmu-Ilmu
Sosial. Gadjah Mada University Press, Yogyakarta.
Paulus, Erick dan Yessica Nataliani. (2007). Cepat Mahir GUI Matlab. Penerbit
Andi, Yogyakarta.
Prahasta, Eddy. (2009). Sistem Informasi Geografis: Konsep-Konsep Dasar.
Penerbit Informatika, Bandung.
Purnamasari, Ratnaningtyas Widyani. (2013). “Implementasi Jaringan Syaraf
Tiruan Backpropagation sebagai Sistem Deteksi Penyakit Tuberculosis
(TBC)”. Skripsi, Universitas Negeri Semarang, Semarang.
134
Rohmad. (2015). “Desain dan Analisis Kendali Sistem Suspensi Menggunakan PID
dan Logika Fuzzy dengan Simulink Matlab”. Skripsi, Universitas Negeri
Semarang.
Siang, Jong Jek. (2005). Jaringan Syaraf Tiruan & Pemrogramannya
Menggunakan Matlab. Penerbit Andi, Yogyakarta.
Sitinjak, Hermanto. (2008). “Simulasi Pengenalan Kelainan Jantung dengan
Menggunakan Metode Jaringan Syaraf Tiruan”. Skripsi, Universitas
Indonesia, Jakarta.
Sudirman, Senthot. dkk. (2013). “Pengadaan dan Rasionalitas Peta Zona Nilai
Tanah BPN RI beserta Prospek Pemanfaatannya sebagai Peta Tunggal
untuk berbagai Kepentingan Fiskal di Kota Pekalongan”. Laporan
Penelitian Strategis Dosen, Sekolah Tinggi Pertanahan Nasional,
Yogyakarta.
Sugiharto, Aris. (2006). Pemrograman GUI dengan Matlab. Penerbit Andi,
Yogyakarta.
Sugiyono. (2010). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Alfabeta,
Bandung.
________. (2013). Statistika untuk Penelitian. Alfabeta, Bandung.
Suprianto, Edy. (2004). “Penerapan Jaringan Syaraf Tiruan untuk Memprediksi
Harga Saham”. Skripsi, Universitas Komputer Indonesia, Bandung.
Sutawijaya, Adrian. (2004). “Analisis Faktor-Faktor yang Mempengaruhi Nilai
Tanah Sebagai Dasar Penilaian Nilai Jual Obyek Pajak (NJOP) PBB di Kota
Semarang”. Jurnal Ekonomi Pembangunan Vol. 9 No. 1, Juni 2004 Hal: 65-
78.
Suyudi, Bambang. (2011). “Penentuan Model Nilai Tanah untuk Penetapan Harga
Dasar Tanah di Kabupaten Klaten, Propinsi Jawa Tengah”. Jurnal Bhumi
Nomor 5 Tahun 3, September 2011, Hal:1-12.
Syarifah, Aulia. (2015). “Pemanfaatan Naive Bayes untuk Merespon Emosi dari
Kalimat Berbahasa Indonesia”. Skripsi, Universitas Negeri Semarang.
Taniredja, Tukiran dan Hidayati Mustafidah. (2012). Penelitian Kuantitatif
(Sebuah Pengantar). Alfabeta, Bandung.
Trihendradi. (2011). Langkah Mudah Melakukan Analisis Statistik Menggunakan
SPSS 19. Penerbit Andi, Yogyakarta.
135
Utama, Agung Mulya. (2009). “Pembuatan Peta Zona Nilai Tanah dengan Metode
Quality Rating Value Estimation (QRVE) (Studi di Dusun Patran Desa
Banyuraden Kecamatan Gamping Kabupaten Sleman)”. Skripsi, Sekolah
Tinggi Pertanahan Nasional, Yogyakarta.
Widodo, Prabowo Pujdo. dkk. (2013). Penerapan Data Mining dengan Matlab.
Rekayasa Sains, Bandung.
Yudhistira, Muhammad Irfan. (2014). “Aplikasi Android untuk Penilaian Tanah
(Pengujian Aplikasi di Desa Nogotirto, Kecamatan Gamping, Kabupaten
Sleman)”. Skripsi, Sekolah Tinggi Pertanahan Nasional, Yogyakarta.
Yulianto, Catur. (2015). “Pemodelan Nilai Tanah Menggunakan Jaringan Syaraf
Tiruan di Desa Trihanggo Kecamatan Gamping Kabupaten Sleman Daerah
Istimewa Yogyakarta”. Skripsi, Sekolah Tinggi Pertanahan Nasional,
Yogyakarta.
Yunus, Hadi Sabari. (2010). Metodologi Penelitian Wilayah Kontemporer. Pustaka
Pelajar, Yogyakarta.
Peraturan Perundang-undangan
Undang-Undang Republik Indonesia Nomor 5 Tahun 1960 tentang Peraturan Dasar
Pokok-pokok Agraria.
Undang-Undang Republik Indonesia Nomor 28 Tahun 2009 tentang Pajak Daerah
dan Retribusi Daerah.
Peraturan Pemerintah Republik Indonesia Nomor 13 Tahun 2010 tentang Jenis dan
Tarif Atas Jenis Penerimaan Negara Bukan Pajak yang Berlaku Pada Badan
Pertanahan Nasional.
Peraturan Presiden Republik Indonesia Nomor 10 Tahun 2006 tentang Badan
Pertanahan Nasional.
Peraturan Presiden Republik Indonesia Nomor 7 Tahun 2015 tentang Kementerian
Agraria dan Tata Ruang.
Peraturan Gubernur Provinsi Daerah Ibu Kota Jakarta Nomor 265 Tahun 2014
tentang Penetapan Nilai Jual Obyek Pajak Bumi dan Bangunan Perdesaan dan
Perkotaan.
136
Internet
www.investopedia.com/terms/a/automated-valuation-model.asp, diakses tanggal
20 April 2016, pukul 06.00 WIB.
(www.transiskom.com/2015/07/pengertian-cli-dan-gui.html, diakses tanggal 20
April 2016, pukul 06.05 WIB)