Dampak Faktor Greening Terhadap Nilai Pa
FINESTA Vol. 1, No. 2, (2013) 53-60
53
Dampak Faktor Greening Terhadap Nilai Pasar Rumah
Tinggal Di Surabaya
Hansel William Ongkowijaya dan Njo Anastasia
Program Manajemen Keuangan, Program Studi Manajemen
Fakultas Ekonomi, Universitas Kristen Petra
Jl. Siwalankerto 121-131, Surabaya
E-mail: hansel.william.o@gmail.com ; anas@petra.ac.id
Abstrak— Dengan dunia semakin peka terhadap lingkungan,
Indonesia juga turut berpartisipasi, salah satunya dengan green
home. Green home merupakan rumah yang bijak dalam
menggunakan lahan, efisien dan efektif dalam penggunaan energi
maupun dalam menggunakan air, memperhatikan konservasi
material sumber daya alam serta sehat dan aman bagi penghuni
rumah. Penelitian ini bertujuan untuk menganalisa seberapa besar
pengaruh faktor greening, faktor aksesbilitas, dan faktor fisik
terhadap nilai pasar rumah tinggal di Surabaya dengan
menggunakan metode uji regresi linear berganda. Sampel yang
digunakan adalah perumahan CitraRaya dan Graha Famili selama
periode April 2012 - April 2013. Dari hasil penelitian diperoleh
bahwa secara parsial hanya luas tanah, jumlah kamar tidur, dan
arah hadap utara yang berpengaruh signifikan terhadap nilai pasar
rumah tinggal. Namun secara bersama-sama, faktor greening,
faktor aksesbilitas, dan faktor fisik berpengaruh terhadap nilai
pasar rumah tinggal.
Kata Kunci— rumah, penilaian, faktor greening, faktor
aksesbilitas dan faktor fisik
Abstract—With the world’s concerned to the environment,
Indonesia also participated with green home. Green home is a
home that wise in the use of land, efficient and effective in the use
of energy, as well as in the use of water. Furthermore, pay
attention to the material conservation of natural resources as well
as healthier and safer for occupants of the house. This research
aims to analyze the influence of greening factors, accessbility
factors, and physical factors against residential market value in
surabaya by used multiple linear regression method. Samples taken
in this research were CitraRaya and Graha Famili housing during
the period from April 2012 to April 2013. The result shows that
partially land area, number of bedrooms, and the direction
towards the north significantly influence the residential market
value. Overall, greening factors, accessbility factors and physical
factors have significant effect to residential market value.
Keywords: Home, Appraisal, Greening Factors, Accessbility
Factors, and Physical Factors
1. PENDAHULUAN
SELAMA kurun waktu 10 tahun terakhir konsumsi
energi di sektor rumah tangga tumbuh rata-rata 1,4% per
tahun dari 272 juta satuan barel minyak (SBM) di tahun
1999 menjadi 315 juta SBM di tahun 2009. Pertumbuhan
konsumsi tersebut terkait dengan pertumbuhan penduduk,
peningkatan daya beli masyarakat dan peningkatan akses
terhadap energi (Kementrian Energi dan Sumber Daya
Mineral, 2010). Dengan kenaikan penggunaan energi secara
terus menerus, Indonesia semakin peka terhadap
keberlangsungan bumi ini. Indonesia juga menyadari
diperlukan adanya peraturan maupun lembaga yang
memberikan pendidikan kepada masyarakat untuk lebih
hijau terhadap bangunan-bangunan yang ada. Salah satunya
adalah Green Building Council Indonesia (GBCI), lembaga
mandiri dan nirlaba yang berkomitmen penuh terhadap
green buildings. Selain itu, GBCI memberikan pendidikan
kepada masyarakat dalam mengaplikasikan praktik-praktik
peduli lingkungan. Di Indonesia, terdapat beberapa
pengembang yang sudah memperoleh penghargaan terkait
dengan pengembangan green building , diantaranya adalah
PT. Intiland Development Tbk dan PT. Ciputra Property
Tbk. Kedua developer ini juga mengembangkan proyek
green building di Surabaya, yaitu di perumahan CitraRaya
dan Graha Famili.
Menurut Italiano (2005) sebagai co-founder U.S. Green
Building Council (USGBC), “Green Buildings should be
rated higher and worth more because of benefits of green
buildings: operational efficiency, marketability, and
occupant satisfication” (dalam “assigning value to green
building ”, 2005).
Untuk membangun green buildings tidak mudah dan
murah. Jangka waktu yang diperlukan untuk mendapatkan
sertifikat Leadership in Energy and Environmental Design
(LEED) menjadi salah satu aspek yang menjadi penghalang,
karena hal itu meningkatkan biaya yang dikeluarkan
(Schindler & Udall, 2008).
Dari penelitian sebelumnya mengenai dampak going
green terhadap harga rumah tinggal di Frisco dan
McKinney, Dallas, Amerika Serikat sejak tahun 2002
hingga 2009. Aroul (2009) menunjukkan bahwa terdapat
hubungan yang signifikan antara greenness dan harga
properti rumah tinggal. Selain itu, ditemukan juga hubungan
yang signifikan antara greenness di Frisco dengan
penambahan nilai properti rumah tinggal. Addae-Dappah &
Chieh (2011) melakukan penelitian dampak pemberian ecolabeling di Singapore. Hasilnya menunjukkan bahwa
pemberian eco-labeling memberikan nilai tambah pada
harga rumah tinggal di Singapore.
Penelitian lainnya menyebutkan bahwa aksesbilitas juga
berpengaruh signifikan terhadap harga rumah tinggal. Yang
dilakukan oleh Burinskiene, Rudzkiene dan Venckauskaite
(2011) yang menunjukkan bahwa kualitas lingkungan
hidup, kedekatan dengan pusat kota dan memiliki area hijau
yang besar mempunyai pengaruh positif terhadap harga real
estate di kota Vilnius. Akan tetapi, jarak antara rumah
tinggal dengan sekolah dan rumah sakit memiliki pengaruh
negatif yang cukup signifikan terhadap harga real estate di
kota Vilnius. Penelitian yang dilakukan oleh Ondrina
(2013) juga menunjukkan bahwa aksesbilitas jarak antara
rumah tinggal dengan shopping center memiliki pengaruh
negatif terhadap harga rumah. Hasil penelitian tersebut
didukung dengan teori von Thunen yang mengatakan
semakin dekat properti dengan fasilitas umum, semakin
tinggi harga properti tersebut (dalam Sasuki & Box, 2003).
FINESTA Vol. 1, No. 2, (2013) 53-60
Fanning (2005) mengatakan bahwa nilai dari suatu
properti ditentukan oleh faktor fisik, legal, dan lokasi.
Faktor fisik biasanya terdiri dari luas tanah, luas bangunan,
jumlah kamar tidur, usia bangunan. Pada umumnya, faktorfaktor tersebut memiliki pengaruh yang positif terhadap
harga jual suatu rumah, meskipun besar pengaruhnya dapat
bervariasi di setiap daerah (Sirmans et.al, 2006).
Pada penelitian ini, penulis memilih dua pengembang
besar yang ada di Surabaya, yaitu PT. Intiland Development
Tbk dan PT. Ciputra Property Tbk. Hal ini disebabkan
karena telah menjadi anggota dari GBCI. Proyek-proyek
yang dikerjakan juga menunjukkan bahwa kedua
pengembang ini peduli terhadap lingkungan. Contohnya
adalah pada cluster golf terlihat lebih hijau dibandingkan
dengan cluster non-golf. Adanya banyak penghijauan di
sepanjang jalan di perumahan Citra Raya dan Graha Famili.
Berdasarkan uraian di atas, penulis menjadi tertarik untuk
melakukan penelitian terkait faktor greening pada rumah
tinggal yang dikembangkan oleh kedua pengembang
tersebut.
2. TEORI PENUNJANG
Rumah ramah lingkungan merupakan rumah yang bijak
dalam menggunakan lahan, efisien dan efektif dalam
penggunaan energi maupun dalam menggunakan air,
memperhatikan konservasi material sumber daya alam serta
sehat dan aman bagi penghuni rumah. Perawatan rumah
yang ramah lingkungan dan aman juga merupakan faktor
penting, karena keberlanjutan dari rumah ramah lingkungan
harus disertai dengan perilaku ramah lingkungan oleh
penghuninya. Pemahaman konsep akan rumah ramah
lingkungan merupakan faktor utama yang harus
diprioritaskan untuk menghindari kesalahpahaman akan
anggapan bahwa rumah ramah lingkungan atau green home
merupakan rumah yang memerlukan biaya perawatan yang
tinggi ataupun merupakan rumah yang hanya memiliki
banyak lahan hijau (GBCI, 2011).
Penilaian adalah suatu rangkuman metode dan teknik
penilaian, dimana seorang penilai menerapkannya pada
material yang nyata dalam suatu kerangka kerja proses
penilaian untuk mencapai suatu kesimpulan nilai. Nilai
diciptakan dari faktor fisik, sosial, ekonomi, dan politik
yang berlaku atasnya (Fisher, 1991).
Menurut Fanning (2005), nilai atas suatu properti
ditentukan oleh beberapa faktor, yaitu: faktor fisik, legal,
dan lokasi. Namun pada penelitian ini hanya digunakan
faktor fisik dan faktor lokasi.
a. Faktor Fisik
Faktor fisik dapat dibagi menjadi fitur alamiah dan fitur
buatan manusia. Yang termasuk di dalam fitur alamiah
adalah fitur geologis, yang menjadi kendala terbesar
dalam menentukan potensi kegunaan atas suatu tempat.
Lahan properti juga termasuk fasilitas alam seperti
pemandangan asri dan sungai. Sedangkan fitur buatan
manusia biasanya berwujud, seperti kapling tanah, luas
tanah, tampak depan, kualitas konstruksi (Fanning,
2005). Luas tanah merupakan faktor penting penentu
harga properti, dimana luas yang semakin besar,
semakin berpengaruh signifikan terhadap harga properti.
(Hodgkins,1982, p. 75).
54
b. Faktor Lokasi
Lokasi menentukan jenis dan penggunaan lahan yang
paling sesuai di suatu daerah. Fitur statis dan dinamis
yang menentukan faktor lokasi. Yang termasuk fitur
statis adalah keterkaitan dan perhimpunan penggunaan
tanah. Keterkaitan ditunjukkan dengan pergerakan
masyarakat, barang, jasa, komunikasi dari dan ke lokasi
properti. Kelompok penggunaan tanah ditunjukkan
dengan pengembangan di area lokasi dan penggunaan
tanah saling berhubungan dan mendukung satu sama
lain. Faktor dinamis merupakan perubahan dari waktu ke
waktu dan arah pola pertumbuhan penggunaan tanah.
Sedangkan dari sisi aksesbilitasnya, von Thunen (1966)
juga mengatakan bahwa semakin dekat properti dengan
fasilitas umum, semakin tinggi harga properti tersebut.
Penelitian ini menambahkan faktor greening dikarenakan
adanya trend perkembangan pengembangan properti yang
mengarah ke konsep green di beberapa negara termasuk
Indonesia. Di Indonesia, GBCI (2011) menerbitkan standar
Greenship yang dibagi menjadi enam kategori, yaitu:
a. Tepat guna lahan (Appropriate Site Development /ASD)
Variabel yang terdapat di dalam kategori tepat guna
lahan adalah area hijau, infrastruktur pendukung,
aksesbilitas
komunitas,
pengendalian
hama,
transportasi umum, dan penanganan air limpas hujan.
Akan tetapi, kategori ini lebih memberikan nilai
tambah pada area hijau. Tujuannya adalah agar dapat
meningkatkan
fungsi
alamiah
tanaman
dan
meningkatkan kenyamanan dan kesehatan fisik serta
psikis penghuni.
b. Konservasi dan efisiensi energi (Energy Efficiency and
Conservation /EEC)
Variabel yang digunakan adalah sub meteran,
pencahayaan buatan, pengkondisian udara, reduksi
panas, dan sumber energi terbarukan. Namun, variabel
utamanya adalah sumber energi terbarukan. Tujuannya
adalah agar mengurangi ketidakberlanjutan energi nonterbarukan.
c. Konservasi air (Water Conservation /WAC)
Variabel yang digunakan ini adalah alat keluaran hemat
air, penggunaan air hujan, irigasi hemat air. Tujuannya
adalah agar menghemat penggunaan air dari teknologi
alat keluaran air.
d. Siklus dan sumber material (Material Resources and
Cycle/MRC)
Variabel yang digunakan adalah refrigeran bukan
perusak ozon, penggunaan material lama, material dari
sumber ramah lingkungan, kayu bersertifikat, material
prefabrikasi, material lokal, dan pemilahan sampah.
Tujuannya adalah agar menghindari penipisan lapisan
ozon dan mengurangi sisa aktifitas konstruksi.
e. Kesehatan dan kenyamanan dalam ruang ( Indoor
Health and Comforth /IHC)
Variabel yang digunakan pada kategori ini adalah
sirkulasi udara bersih, memaksimalkan pencahayaan
alami, dan tingkat akustik. Akan tetapi, nilai tambah
difokuskan kepada variabel sirkulasi udara bersih.
Tujuannya adalah agar mempertahankan kebutuhan
laju udara sehingga kesehatan dan produktivitas
penghuni dapat terpelihara, serta menghemat energi.
FINESTA Vol. 1, No. 2, (2013) 53-60
f. Manajemen lingkungan bangunan (Building and
Environment Management/BEM)
Variabel yang digunakan adalah aktivitas ramah
lingkungan, panduan bangunan rumah, keamanan,
desain dan konstruksi berkelanjutan, inovasi, dan
desain rumah tumbuh. Variabel utamanya adalah
desain dan konstruksi berkelanjutan. Tujuannya adalah
agar menjaga kualitas lingkungan dan daya dukung
lingkungan akibat pembangunan rumah.
3. METODOLOGI PENELITIAN
Dalam penelitian ini, penelitian bersifat penelitian
eksplanasi, menjelaskan bagaimana pengaruh faktor
greening, faktor aksesbilitas, dan faktor fisik terhadap nilai
rumah tinggal. Penelitian eksplanasi dikenal sebagai
penelitian yang bertujuan untuk memberikan eksplanasi,
yaitu mengungkapkan pengaruh antar 2 atau lebih konsep
atau variabel dari suatu fenomena sosial. (Hamidi, 2007, p.
13). Selain itu, digunakan data-data numerik sehingga dapat
digolongkan sebagai penelitian yang bersifat kuantitatif.
Menurut Sugiyono (2009, p. 61), populasi adalah wilayah
generalisasi yang terdiri atas obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian
ditarik kesimpulannya. Dalam penelitian ini, populasi yang
digunakan adalah harga transaksi dari seluruh rumah tinggal
yang dikembangkan oleh PT. Intiland Development Tbk
dan PT. Ciputra Property Tbk di Surabaya di perumahan
Citra Raya dan Graha Famili.
Menurut Sekaran (2006), sampel adalah sebagian dari
populasi. Teknik pengambilan sampel adalah menggunakan
teknik purposive sampling yaitu dengan cara memilih
sampel yang sesuai dengan tujuan penelitian, sehingga
sampel tersebut dapat mewakili karakteristik populasinya
(Nursalam, 2008). Dalam penelitian ini, kriteria
pengambilan sampel adalah sebagai berikut:
1. Terjadi transaksi pembelian rumah tinggal dalam satu
tahun terakhir dari April 2012 hingga April 2013 yang
dikembangkan oleh pengembang-pengembang besar
yang ada di Surabaya, yaitu PT. Intiland Development
Tbk dan PT. Ciputra Property Tbk.
2. Pemilik rumah bersedia untuk mengisi kuesioner.
Sampel yang diperoleh berdasarkan kriteria di atas adalah
sebesar 45 sampel.
Metode pengumpulan data yang digunakan adalah:
a. Penyebaran Kuesioner
Menurut Nazir (2011), kuesioner adalah sebuah set
pertanyaan yang berhubungan dengan masalah
55
penelitian, dan tiap pertanyaan merupakan jawaban
yang mempunyai makna dalam menguji hipotesis.
b. Wawancara
Wawancara merupakan teknik pengumpulan data yang
dilakukan melalui tatap muka dan tanya jawab
langsung antara pengumpul data maupun peneliti
terhadap nara sumber atau sumber data.
c. Studi Literatur
Melakukan pengumpulan data-data teoritis dengan
mempelajari penelitian-penelitian sebelumnya dan
artikel-artikel pendukung yang dapat digunakan sebagai
landasan dalam menentukan prinsip-prinsip dalam
penelitian.
Untuk memudahkan pengertian dan menghindari
kesalahan penelitian, maka perlu didefinisikan variabelvariabel yang ada di dalam penelitian ini, diantaranya:
1. Konsep
: Faktor Greening
Definisi Operasional : Rumah ramah lingkungan yang
memenuhi standar greenship berdasarkan pedoman dari
GBCI.
Indikator Empirik
:
-Area Hijau
Apabila luas area hijau dibagi dengan luas tanah hasilnya
diantara 0-15%, diberi kode 1. Apabila hasil bagi luas
area hijau dengan luas tanah diantara 16-30%, diberi kode
2. Apabila hasil bagi luas area hijau dengan luas tanah
lebih dari 30%, diberi kode 3.
-Teknologi
Tolak ukur untuk variabel teknologi adalah menggunakan
pemanas air tenaga surya yang tidak mengkonsumsi
energi listrik (solar heat) atau menggunakan AC Inverter .
Apabila sampel menggunakan salah satu dari kedua
teknologi tersebut atau keduanya, diberi kode 1. Apabila
sampel tidak menggunakan kedua teknologi tersebut,
diberi kode 0.
2 Konsep
: Faktor Aksesbilitas
Definisi Operasional : Jarak lokasi dari rumah menuju
fasilitas umum di sekitar rumah tinggal.
Indikator Empirik
:
- Jarak tempuh antara rumah tinggal dengan shopping
center dengan satuan meter (m).
- Jarak tempuh antar rumah tinggal dengan rumah sakit
dengan satuan meter (m).
- Jarak tempuh antara rumah tinggal dengan sekolah
dengan satuan meter (m).
3 Konsep
: Faktor Fisik
Definisi Operasional : Kondisi fisik yang terbagi
menjadi fitur alamiah dan fitur buatan manusia.
Indikator Empirik
: - Luas Tanah dengan satuan
meter persegi (m2).
- Jumlah Kamar Tidur dengan satuan unit.
- Arah Hadap menggunakan dummy variabel.
Tabel 3.1 Variabel Arah Hadap Dummy
Dummy
Selatan
0
0
0
0
Utara
1
0
0
0
Timur
0
1
0
0
Barat
0
0
1
0
Barat Daya
0
0
0
1
FINESTA Vol. 1, No. 2, (2013) 53-60
- Cluster dibagi menjadi 2. Apabila termasuk cluster golf
diberi kode 0 dan apabila termasuk cluster non-golf
diberi kode 1.
4 Konsep
: Nilai Pasar Rumah Tinggal
Definisi Operasional : Harga transaksi saat pembelian.
Indikator Empirik
: Satuan yang digunakan adalah
Rupiah.
Urutan Teknik Analisa Data adalah sebagai berikut:
1. Dilakukan uji dengan model regresi untuk memperoleh
nilai residual.
2. Dilakukan uji deskriptif boxplot untuk mengetahui
ringkasan distribusi sampel yang disajikan secara grafis
yang menggambarkan bentuk distribusi data ( skewness),
ukuran tendensi sentral dan ukuran penyebaran data
pengamatan dengan bantuan alat SPSS 17.
3. Uji Asumsi Klasik
Setelah dilakukan uji deskriptif boxplot, dilakukanlah uji
asumsi klasik. Adapun asumsi yang digunakan adalah:
a. Uji Normalitas
Uji normalitas adalah uji kenormalan distribusi data.
Tujuannya adalah untuk menguji apakah dalam model
regresi, variabel terikat dan variabel independennya
memiliki distribusi normal atau tidak. Model regresi yang
baik adalah model yang memiliki distribusi data normal
atau mendekati normal (Ghozali, 2009). Metode untuk
mendeteksi apakah residual berdistribusi normal atau
tidak adalah dengan dilakukan Kolmogorov Smirnov,
data dinyatakan berdistribusi normal bila signifikansi >
0.05, dengan hipotesa sebagai berikut:
Ho: α < 5%, berarti data tidak berdistribusi normal.
H1: α > 5%, berarti data berdistribusi normal.
Syarat-syarat mengenai penolakan dan penerimaan
hipotesis:
1. p-value < α (5%), maka tolak Ho
2. p-value > α (5%), maka terima H1
b. Uji Autokorelasi
Uji autokorelasi adalah korelasi antara anggota
serangkaian observasi yang diurutkan menurut waktu dan
ruang. Salah satu asumsi penting adalah variabel
gangguan pada periode tertentu berkorelasi dengan
variabel lain, dengan kata lain variabel gangguan tidak
random.
Berdasarkan konsep tersebut, maka uji
autokolerasi sangat penting untuk dilakukan. Menurut
Ghozali (2009) untuk menguji apakah hasil estimasi
model regresi mengandung korelasi atau tidak, maka
dilakukanlah Uji Durbin Watson dengan kriteria sebagai
berikut:
0 < d < dL
= ada autokorelasi negatif.
d L ≤ d ≤ dU
= tidak dapat ditarik kesimpulan.
4-dL < DW < 4 = ada autokorelasi positif.
4- dU ≤ d ≤ 4- dL = tidak dapat ditarik kesimpulan.
dU ≤ d ≤ 4-dU
= tidak ada autokorelasi positif atau
negatif.
c. Uji Multikolinearitas
Menurut Santoso (2000), multikolinearitas berarti adanya
korelasi linier antara satu atau lebih variabel bebas.
Model regresi yang baik seharusnya tidak terjadi korelasi
antara variabel bebas. Pengujian multikolinearitas
dilakukan dengan melihat nilai VIF dan korelasi variabel
bebas Jika nilai VIF dibawah 10 maka tidak terjadi
problem multikolinearitas. Sedangkan hasil pengujian
nilai tolerance juga menunjukkan tidak ada variabel
56
bebas yang nilainya kurang dari 0,10 yang berarti tidak
ada korelasi antar variabel bebas yang nilainya lebih dari
95%. Hal ini berarti tidak terjadi multikolinearitas
(Ghozali, 2009).
d. Uji Heterokedastisitas
Heterokedastisitas adalah kondisi dimana terjadi
ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain dengan cara melihat ada tidaknya
pola tertentu pada grafik plot antara nilai prediksi variabel
terkait dengan residualnya. Bila varian dari residual
pengamatan ke pengamatan yang lain itu tetap maka
disebut homokedastisitas dan jika berbeda disebut
Heterokedastisitas.
Menurut Ghozali (2009), gejala
heterokedastisitas dapat diuji dengan uji glejzer yaitu
dengan meregresi nilai absolut residual terhadap variabel
bebas. Heterokedastisitas tidak terjadi apabila tidak
satupun variabel bebas signifikan secara statistik
mempengaruhi nilai variabel terikat nilai Ut (Absolut dari
nilai residual yang dihasilkan dari proses regresi). Hal ini
terlihat dari probabilitas signifikansinya diatas 5 %.
Ho: α < 5%, berarti terkena heterokedastisitas.
H1: α > 5%, berarti tidak terkena heterokedastisitas.
Syarat-syarat mengenai penolakan dan penerimaan
hipotesis:
1. p-value < α (5%), berarti terkena heterokedastisitas.
2. p-value > α (5%), berarti tidak terkena
heterokedastisitas.
4. Uji Hipotesis
Alat analisa data yang digunakan pada penelitian ini
adalah regresi logit. Analisa regresi digunakan untuk
mengetahui pengaruh antara variabel independent dengan
variabel dependent dengan menggunakan model regresi
sebagai berikut:
y = α + β1X1,1 + β2X1,2 + β3X2,1 + β4X2,2 + β5X2,3 + β6X3,1
+ β7X3,2 + β8X3,3 + β9X3,4 + β10X3,5 + β11X3,6 + β12X3,7 + ε
Keterangan:
y = nilai transaksi rumah tinggal
α = konstanta
X1,1 = Area hijau
X1,2 = Teknologi
X2,1 = Jarak antara rumah tinggal dan shopping center
X2,2 = Jarak antara rumah tinggal dan rumah sakit
X2,3 = Jarak antara rumah tinggal dan sekolah
X3,1 = Luas tanah
X3,2 = Jumlah kamar tidur
X3,3 = Arah hadap utara
X3,4 = Arah hadap timur
X3,5 = Arah hadap barat
X3,6 = Arah hadap barat daya
X3,7 = Cluster
ε = error
a. Uji F
Uji F berfungsi untuk mengetahui apakah terdapat
pengaruh signifikansi antara variabel bebas secara
bersama-sama terhadap variabel tergantungnya dengan
level of significance (α) 5% atau confidence interval
sebesar 95% dan degree of freedom (df) = k/(k-n-1)
dimana n adalah jumlah observasi dan k adalah jumlah
variabel termasuk intersep. Ho diterima apabila
signifikansi Fhitung lebih lebih besar daripada α = 5%.
Sebaliknya, H1 diterima apabila signifikansi Fhitung lebih
lebih kecil daripada α = 5%.
FINESTA Vol. 1, No. 2, (2013) 53-60
Rumusan hipotesis:
Ho : b1,b2,….,b12 = 0, berarti variabel area hijau,
teknologi, jarak antara rumah dengan shopping
center , jarak antara rumah dengan rumah sakit, jarak
antara rumah dengan sekolah, luas tanah, jumlah
kamar tidur, arah hadap, cluster secara bersama-sama
tidak berpengaruh signifikan terhadap nilai transaksi
rumah tinggal.
H1 : b1,b2,…,b12 ≠ 0, berarti variabel area hijau,
teknologi, jarak antara rumah dengan shopping
center , jarak antara rumah dengan rumah sakit, jarak
antara rumah dengan sekolah, luas tanah, jumlah
kamar tidur, arah hadap, cluster secara bersama-sama
berpengaruh signifikan terhadap nilai transaksi
rumah tinggal.
b. Uji t
Uji t berfungsi untuk menguji koefisien regresi secara
parsial dari variabel-variabel bebasnya. Untuk
menentukan nilai ttabel maka ditentukan level of
significance (α) 5% atau confidence interval sebesar 95%
dengan degree of freedom (df) = (n-k-1) dimana n adalah
jumlah observasi dan k adalah jumlah variabel termasuk
intersep. Ho diterima apabila signifikansi t hitung lebih lebih
besar daripada α = 5%. Sebaliknya, H1 diterima apabila
signifikansi thitung lebih lebih kecil daripada α = 5%.
Rumusan hipotesis:
Ho : bi = 0, berarti variabel bebas (area hijau, teknologi,
jarak antara rumah dengan shopping center , jarak
antara rumah dengan rumah sakit, jarak antara
rumah dengan sekolah, luas tanah, jumlah kamar
tidur, arah hadap, cluster ) secara partial tidak
berpengaruh signifikan terhadap nilai transaksi
rumah tinggal.
H1 : bi ≠ 0, berarti variabel bebas (area hijau, teknologi,
jarak antara rumah dengan shopping center , jarak
antara rumah dengan rumah sakit, jarak antara
rumah dengan sekolah, luas tanah, jumlah kamar
tidur, arah hadap, cluster ) secara partial berpengaruh
signifikan terhadap nilai transaksi rumah tinggal.
Koefisien determinasi (R2) digunakan untuk mengetahui
seberapa besar hubungan dari beberapa variabel dalam
pengertian yang lebih jelas dan juga menjelaskan
seberapa besar perubahan atau variasi suatu variabel bisa
dijelaskan oleh perubahan atau variasi pada variabel yang
lain (Santosa dan Ashari, 2005:125). Adjusted R square
adalah variasi dari variabel dependent yang dapat
dijelaskan oleh variabel independent. Untuk variabel
independent lebih dari dua sebaiknya melihat adjusted R
square (Santoso, 2000). Pada penelitian ini, penulis
menggunakan nilai adjusted R square.
4. ANALISA DAN PEMBAHASAN
Uji Deskriptif (Boxplot)
Setelah diketahui nilai residual dari model regresi, maka
dilakukan uji deskriptif (boxplot), sebagai berikut :
57
Dari hasil boxplot, dapat diketahui bahwa data responden
nomor 7, 11, 32, 33,35, dan 38 merupakan data outliers.
Namun dari enam data outliers, data responden nomor 32
merupakan data ekstrem, sehingga perlu dikeluarkan
(Nachmias dan .Guerrero, 2011).
Uji Asumsi Klasik
Setelah data ke 32 dikeluarkan, maka dilakukan ulang.
Kemudian melakukan uji asumsi klasik. Hasil output
menunjukkan sebagai berikut:
a. Uji Normalitas
Untuk pembuktian uji normalitas dapat kita lihat dengan
analisa statistik, yaitu uji Kolmogorov-Smirnov. Berikut
hasil uji Kolmogorov-Smirnov:
Tabel 4.1 Uji Kolmogorov-Smirnov
Kolmogorov-Smirnov Z
.899
Asymp. Sig. (2-tailed)
.395
Dengan menggunakan nilai α = 5%, nilai asymp Sig (2tailed ) adalah sebesar 0,395, sehingga p > α maka hasil data
mengikuti distribusi normal.
b. Uji Autokorelasi
Tabel 4.5 Uji Durbin Watson
Durbin-Watson
2,134
Dari hasil uji Durbin-Watson diatas dapat dilihat
bahwa nilainya sebesar 2,134. Dengan k = 12, n = 44,
diperoleh nilai du = 2,225 dan dl = 0,938. Nilai DW
sebesar 2,134 tersebut berada ditengah-tengan nilai du
dan dl, maka dapat diartikan dalam model regresi ini
tidak terdapat autokorelasi.
c. Uji Multikolinearitas dan Uji Heterokedastisitas
Tabel 4.6 Uji Multikolinearitas Dan Heterokedastisitas
Tolerance
VIF
Sig. Uji Glejser
(Constant)
AreaHijau
Teknologi
Jarak Mall
Rumah Sakit
Sekolah
Luas Tanah
0,448
0,699
0,496
0,441
0,467
0,259
2,232
1,430
2,017
2,266
2,139
3,866
0,730
0.702
0,760
0,815
0,175
0,673
0,084
Jumlah Kamar Tidur
0,341
2,933
0,904
Utara
Timur
Barat
0,613
0,633
0,686
1,630
1,581
1,457
0,115
0,178
0,327
Barat Daya
0,425
2,355
0,795
FINESTA Vol. 1, No. 2, (2013) 53-60
Cluster
0,661
1,512
58
0,479
Berdasarkan pada nilai tolerance dan VIF terlihat bahwa
tidak ada nilai tolerance di bawah 0,1 (nilai tolerance
berkisar antara 0,259 sampai 0,699), begitu juga dengan
nilai VIF tidak ada yang di atas 10 (nilai VIF berkisar antara
1,430 sampai 3,866). Jadi sudah terbukti bahwa tidak
terdapat gejala multikoliniearitas.
Dari hasil Uji Glejser, dapat dilihat bahwa signifikan
variabel independen tidak ada yang dibawah atau lebih kecil
dari
0,05
yang
berarti
tidak
terjadi
gejala
heteroskedastisitas.
Uji Hipotesa
a. Uji F
Tabel 4.7 Uji Statistik F
F
Sig.
Regression
43,409
0,000a
Berdasar tabel diatas diperoleh nilai signifikansi sebesar
0,000 dan lebih kecil dari α = 5% maka dapat disimpulkan
bahwa variabel area hijau, teknologi, jarak antara rumah
dengan shopping center , jarak antara rumah dengan rumah
sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah
kamar tidur, arah hadap utara, arah hadap timur, arah hadap
barat, arah hadap barat daya, cluster secara bersama-sama
berpengaruh signifikan terhadap nilai pasar rumah tinggal di
Surabaya.
Tabel 4.8 Koefisien Determinasi
R
R Square
Adjusted R Square
0,972a
0,944
0,922
Dari tabel 4.8 terlihat bahwa nilai koefisien determinasi
sebesar 0,922 berarti sebanyak 92,2% variasi atau
perubahan dalam nilai pasar rumah tinggal di Surabaya bisa
dijelaskan oleh variasi atau perubahan area hijau, teknologi,
jarak antara rumah dengan shopping center , jarak antara
rumah dengan rumah sakit, jarak antara rumah dengan
sekolah, luas tanah, jumlah kamar tidur, arah hadap utara,
arah hadap timur, arah hadap barat, arah hadap barat daya,
cluster , sedangkan 7,8% disebabkan oleh hal-hal yang lain
di luar model.
b. Uji t
Tabel 4.9 Uji Statistik t
B
t
Sig.
(Constant)
-2157673537,737
-1,076 0,290
AreaHijau
-16570142,699
-0,033 0,974
Teknologi
-719511987,729
-1,165 0,253
Jarak Mall
271,646
0,003
0,998
Rumah Sakit
131255,228
0,911
0,369
Sekolah
11539,397
0,163
0,872
Luas Tanah
26341152,488
14,023 0,000
Jumlah Kamar -1052433193,425
-2,789 0,009
Tidur
Utara
1471687954,806
2,376
0,024
Timur
183785206,141
0,266
0,792
Barat
844080985,451
0,453
0,654
Barat Daya
3589972238,810
1,516
0,140
Cluster
950800567,889
1,154
0,257
Dari semua variabel yang diregresikan, hanya tiga
variabel yang signifikan, yaitu luas tanah, jumlah kamar
tidur, dan arah hadap utara. Hal ini terlihat dari
signifikansinya yang sebesar 0,000, 0,009, dan 0,024, dimana
tingkat signifikansinya lebih kecil dari α = 5%. Namun,
variabel cluster , teknologi, area hijau, jarak antara rumah
tinggal dengan shopping center , jarak antara rumah tinggal
dengan rumah sakit, jarak antara rumah tinggal dengan
sekolah, arah hadap timur, arah hadap barat, arah hadap barat
daya memiliki tingkat signifikansinya lebih besar dari α =
5%. Dapat disimpulkan bahwa secara parsial, variabel luas
tanah, jumlah kamar tidur, dan arah hadap utara berpengaruh
signifikan terhadap nilai pasar rumah tinggal di Surabaya.
Dari tabel coefficients diatas, model regresi yang dapat
dibentuk adalah sebagai berikut:
Y = -2157673537,737 – 16570142,699 area hijau –
719511987,729 teknologi + 271,646 jarak rumah ke
shopping center + 131255,228 jarak rumah ke rumah sakit +
11539,397 jarak rumah ke sekolah + 26341152,488 luas
tanah – 1052433193,425 jumlah kamar tidur +
1471687954,806 arah hadap utara + 183785206,141 arah
hadap timur + 844080985,451 arah hadap barat +
3589972238,810 arah hadap barat daya + 950800567,889
cluster
Dalam pengujian regresi linear berganda yang telah
dilakukan, dapat disimpulkan bahwa variabel area hijau,
teknologi, jarak antara rumah dengan shopping center , jarak
antara rumah dengan rumah sakit, jarak antara rumah dengan
sekolah, luas tanah, jumlah kamar tidur, arah hadap utara,
arah hadap timur, arah hadap barat, arah hadap barat daya,
cluster dengan sekolah secara bersama-sama berpengaruh
signifikan terhadap nilai pasar rumah tinggal di Surabaya.
Apabila dilihat secara parsial, variabel luas tanah, jumlah
kamar tidur, dan arah hadap utara memiliki pengaruh
signifikan terhadap nilai pasar rumah tinggal di Surabaya.
Dimana luas tanah dan arah hadap utara memiliki pengaruh
positif dan jumlah kamar tidur memiliki pengaruh negatif.
Namun, variabel cluster , teknologi, area hijau, jarak antara
rumah tinggal dengan shopping center , jarak antara rumah
tinggal dengan rumah sakit, jarak antara rumah tinggal
dengan sekolah, arah hadap timur, arah hadap barat, arah
hadap barat daya tidak memiliki pengaruh signifikan
terhadap nilai pasar rumah tinggal.
Hasil dari penelitian ini sesuai dengan penelitian oleh
Sirmans, MacDonald, Macpherson, dan Zietz (2006) dan
Njo, Fransisca, dan Muliadihardjo (2004) yang mengatakan
luas tanah memiliki pengaruh positif terhadap nilai rumah.
Hal ini disebabkan karena semakin besar luas tanah, makan
semakin tinggi pula nilai pasar rumah tinggal. Penelitian
yang dilakukan oleh Sirmans, MacDonald, Macpherson, dan
Zietz (2006) juga mengatakan bahwa jumlah kamar tidur
memiliki pengaruh positif terhadap nilai rumah, sedangkan
didapati hasil regresi yang berlawanan dengan penelitian
tersebut. Hal ini disebabkan karena banyak sampel yang
memiliki luas bangunan kecil, namun memiliki jumlah
kamar tidur yang banyak, sehingga mengurangi nilai pasar
rumah tinggal tersebut. Arah hadap utara memiliki pengaruh
positif disebabkan oleh 14 dari 45 responden memiliki
rumah dengan arah hadap utara sebab tidak berhadapan
langsung dengan matahari, sedangkan arah hadap timur dan
barat masing-masing sebesar 7 dan 1. Rumah yang
menghadap timur atau barat lebih panas dibandingkan rumah
yang menghadap utara atau selatan sebab berhadapan
langsung dengan sinar matahari. Range harga properti pada
cluster golf dimulai dari Rp 1.000.000.000 hingga Rp
29.000.000.000, sedangkan pada cluster non-golf dimulai
dari Rp 900.000.000 hingga Rp 18.000.000.000.
FINESTA Vol. 1, No. 2, (2013) 53-60
Pada variabel teknologi dan area hijau tidak berpengaruh
signifikan terhadap nilai pasar rumah tinggal. Hal ini
disebabkan karena teknologi tidak sesuai untuk mewakili
unsur hijau pada rumah tinggal, dan solar heat sendiri
membutuhkan biaya investasi yang lebih tinggi dibandingkan
menggunakan mesin pemanas air dengan bahan bakar gas.
Juga solar heat membutuhkan tempat yang besar di bagian
atap, jadi lebih sesuai untuk rumah yang memiliki luasan
atap yang dapat menanggung beban solar heat tersebut.
Selain itu, solar heat maupun AC Inverter merupakan faktor
pendukung untuk dinyatakan sebagai rumah ramah
lingkungan sehingga tidak berdampak secara langsung
terhadap nilai pasar rumah tinggal, namun berdampak secara
langsung terhadap biaya maintenance. Dalam hal area hijau,
apabila semakin besar area hijau pada suatu rumah maka
menyebabkan luas bangunan semakin berkurang dan apabila
luas bangunan semakin berkurang maka nilai bangunan
rumah tersebut akan menurun. Hasil penelitian ini berbeda
dengan hasil penelitian oleh Aroul (2009) menunjukkan
bahwa terdapat hubungan yang signifikan antara greenness
dan harga properti rumah tinggal dan oleh Burinskiene,
Rudzkiene dan Venckauskaite (2011) yang menunjukkan
bahwa semakin besar area hijau akan memberikan pengaruh
terhadap harga real estate.
Ada juga penelitian lainnya yang menyebutkan bahwa
aksesbilitas berpengaruh signifikan terhadap harga rumah
tinggal. Penelitian tersebut dilakukan oleh Burinskiene,
Rudzkiene dan Venckauskaite (2011), Ondrina (2013). Hasil
penelitian tersebut didukung dengan teori von Thunen yang
mengatakan semakin dekat properti dengan fasilitas umum,
semakin tinggi harga properti tersebut. Namun pada
penelitian yang dilakukan oleh penulis, faktor aksesbilitas
tidak berpengaruh signifikan terhadap nilai pasar rumah
tinggal. Hal ini disebabkan perumahan Citra Raya dan Graha
Famili sudah dikelilingi oleh fasilitas umum seperti adanya
Pakuwon Trade Center, Rumah Sakit Mitra Keluarga, dan
SMA Ciputra.
5. KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan pengujian statistik yang dilakukan untuk
mengetahui pengaruh area hijau, teknologi, jarak antara
rumah dengan shopping center , jarak antara rumah dengan
rumah sakit, jarak antara rumah dengan sekolah, luas tanah,
jumlah kamar tidur, arah hadap, cluster terhadap nilai pasar
rumah tinggal di perumahan Citra Raya dan Graha Famili
selama periode April 2012-April 2013, maka didapatkan
kesimpulan sebagai berikut:
1) Faktor greening, faktor aksesbilitas, dan faktor fisik
secara bersama-sama berpengaruh signifikan terhadap
nilai pasar rumah tinggal di Surabaya.
2) Secara parsial, terdapa tiga variabel yang berpengaruh
signifikan terhadap nilai pasar rumah tinggal di Surabaya,
yaitu variabel luas tanah, jumlah kamar tidur, dan arah
hadap utara.
Saran
1) Untuk penelitian selanjutnya diharapkan menambahkan
data responden, sehingga mendapatkan hasil yang lebih
baik. Data yang minim tersebut disebabkan karena
59
terbatasnya waktu untuk penyebaran kuesioner kepada
responden.
2) Menambah variabel green yang sesuai dengan standar
GBCI. Contohnya melihat seberapa besar sirkulasi udara
di satu rumah dengan menghitung luas ventilasi
dibandingkan dengan luas tanah.
3) Mempersiapkan waktu lebih banyak lagi untuk
penyebaran kuesioner.
DAFTAR PUSTAKA
Addae-Dapaah, K., & Chieh S.J. (2011). Green Mark Certification:
Does the Market Understand? . Josre, 3(1), 182.
Aroul, R.R. (2009). Going green – impact on residential property
values. The University of Texas, Texas, United States.
Assigning Value to Green Buildings. (2005). Building Operating
Management, 34-38.
Burinskiene, M., Rudzkiene, V., & Venckauskaite, J. (2011).
Effects of quality of life on the price of real estate in vilnius city.
International Journal of Strategic Property Management, 15(3):
295-311. doi:10.3846/1648715X.2011.617857
Fanning, S.F. (2005). Market Analysis for Real Estate. United
States of America: Appraisal Institute.
Fisher, J. D., & Mueller, P. (1991). The Languange of Real Estate
Appraisal. United States: DearbornTM Real Estate Education.
Ghozali, I. (2009). Ekonometrika Teori, Konsep dan Aplikasi
dengan SPSS 17. Semarang: Penerbit UNDIP.
Green Building Council Indonesia. (2011). Greenship Home.
Indonesia: Author.
Hamidi. (2007). Metode Penelitian dan Teori Komunikasi. Malang:
UMM Press.
Hodgkinson, & Allan, A.J. (1982). Handbook of Building
Structure. Chicago: The Dryden Press.
Nazir. (2011). Metode Penelitian. Jakarta: Ghalia Indonesia.
Njo, A., Fransisca, & Muliadihardjo. (2004). Penilaian Properti di
Surabaya Pada Perumahan Pakuwon Indah, Graha Famili, dan
CitraRaya. Jurnal Dimensi Teknik Arsitektur, 31(1), 63-67
Nursalam. (2008). Konsep & Metode Keperawatan 2 nd Edition.
Jakarta: Salemba Medika.
Ondrina, E. (2013). Analysis Of Factors Affecting The House
Prices in Pekanbaru City. University of Riau, Riau, Indonesia.
Indonesia. Kementrian Energi dan Sumber Daya Mineral. (2010).
Indonesia Energy Outlook 2010. Indonesia: Auhor.
Santosa dan Ashari, Purbaya Budi. (2005). Analisa statistik dengan
Microsoft Excel & SPSS. Yogyakarta: Andi.
Santoso, Singgih. (2000). Buku latihan SPSS statistik parametrik.
Jakarta: PT. Elex Media Komputindo.
Sasuki, Y. & Box, P. (2003). Agent-Based Verification of von
Thünen's Location Theory. Journal of Artificial Societies and
Social
SimulatioN,
6(2).
Retrieved
from
http://jasss.soc.surrey.ac.uk/6/2/9.html
FINESTA Vol. 1, No. 2, (2013) 53-60
Schindler, A. & Udall, R. (2008). “LEED is broken; let’s fix it”,
working
paper,
26
October,
available
at:
www.grist.org/comments/soapbox/2005/10/26/leed/index1
Sekaran, U. (2006). Metodologi Penelitian Untuk Bisnis. Jakarta:
Salemba Empat.
Sirmans, G. S., MacDonald, L., Macpherson, D.A., & Zietz E.N.
(2006). The Value of Housing Characteristics: A Meta Analysis.
Journal of Real Estate Finance and Economics, 33, 215-240.
Sugiyono. (2009). Statistika Untuk Penelitian. Bandung: Alfabet.
von Thunen. (1966). Isolated State. Paris: Pergamon Press.
60
53
Dampak Faktor Greening Terhadap Nilai Pasar Rumah
Tinggal Di Surabaya
Hansel William Ongkowijaya dan Njo Anastasia
Program Manajemen Keuangan, Program Studi Manajemen
Fakultas Ekonomi, Universitas Kristen Petra
Jl. Siwalankerto 121-131, Surabaya
E-mail: hansel.william.o@gmail.com ; anas@petra.ac.id
Abstrak— Dengan dunia semakin peka terhadap lingkungan,
Indonesia juga turut berpartisipasi, salah satunya dengan green
home. Green home merupakan rumah yang bijak dalam
menggunakan lahan, efisien dan efektif dalam penggunaan energi
maupun dalam menggunakan air, memperhatikan konservasi
material sumber daya alam serta sehat dan aman bagi penghuni
rumah. Penelitian ini bertujuan untuk menganalisa seberapa besar
pengaruh faktor greening, faktor aksesbilitas, dan faktor fisik
terhadap nilai pasar rumah tinggal di Surabaya dengan
menggunakan metode uji regresi linear berganda. Sampel yang
digunakan adalah perumahan CitraRaya dan Graha Famili selama
periode April 2012 - April 2013. Dari hasil penelitian diperoleh
bahwa secara parsial hanya luas tanah, jumlah kamar tidur, dan
arah hadap utara yang berpengaruh signifikan terhadap nilai pasar
rumah tinggal. Namun secara bersama-sama, faktor greening,
faktor aksesbilitas, dan faktor fisik berpengaruh terhadap nilai
pasar rumah tinggal.
Kata Kunci— rumah, penilaian, faktor greening, faktor
aksesbilitas dan faktor fisik
Abstract—With the world’s concerned to the environment,
Indonesia also participated with green home. Green home is a
home that wise in the use of land, efficient and effective in the use
of energy, as well as in the use of water. Furthermore, pay
attention to the material conservation of natural resources as well
as healthier and safer for occupants of the house. This research
aims to analyze the influence of greening factors, accessbility
factors, and physical factors against residential market value in
surabaya by used multiple linear regression method. Samples taken
in this research were CitraRaya and Graha Famili housing during
the period from April 2012 to April 2013. The result shows that
partially land area, number of bedrooms, and the direction
towards the north significantly influence the residential market
value. Overall, greening factors, accessbility factors and physical
factors have significant effect to residential market value.
Keywords: Home, Appraisal, Greening Factors, Accessbility
Factors, and Physical Factors
1. PENDAHULUAN
SELAMA kurun waktu 10 tahun terakhir konsumsi
energi di sektor rumah tangga tumbuh rata-rata 1,4% per
tahun dari 272 juta satuan barel minyak (SBM) di tahun
1999 menjadi 315 juta SBM di tahun 2009. Pertumbuhan
konsumsi tersebut terkait dengan pertumbuhan penduduk,
peningkatan daya beli masyarakat dan peningkatan akses
terhadap energi (Kementrian Energi dan Sumber Daya
Mineral, 2010). Dengan kenaikan penggunaan energi secara
terus menerus, Indonesia semakin peka terhadap
keberlangsungan bumi ini. Indonesia juga menyadari
diperlukan adanya peraturan maupun lembaga yang
memberikan pendidikan kepada masyarakat untuk lebih
hijau terhadap bangunan-bangunan yang ada. Salah satunya
adalah Green Building Council Indonesia (GBCI), lembaga
mandiri dan nirlaba yang berkomitmen penuh terhadap
green buildings. Selain itu, GBCI memberikan pendidikan
kepada masyarakat dalam mengaplikasikan praktik-praktik
peduli lingkungan. Di Indonesia, terdapat beberapa
pengembang yang sudah memperoleh penghargaan terkait
dengan pengembangan green building , diantaranya adalah
PT. Intiland Development Tbk dan PT. Ciputra Property
Tbk. Kedua developer ini juga mengembangkan proyek
green building di Surabaya, yaitu di perumahan CitraRaya
dan Graha Famili.
Menurut Italiano (2005) sebagai co-founder U.S. Green
Building Council (USGBC), “Green Buildings should be
rated higher and worth more because of benefits of green
buildings: operational efficiency, marketability, and
occupant satisfication” (dalam “assigning value to green
building ”, 2005).
Untuk membangun green buildings tidak mudah dan
murah. Jangka waktu yang diperlukan untuk mendapatkan
sertifikat Leadership in Energy and Environmental Design
(LEED) menjadi salah satu aspek yang menjadi penghalang,
karena hal itu meningkatkan biaya yang dikeluarkan
(Schindler & Udall, 2008).
Dari penelitian sebelumnya mengenai dampak going
green terhadap harga rumah tinggal di Frisco dan
McKinney, Dallas, Amerika Serikat sejak tahun 2002
hingga 2009. Aroul (2009) menunjukkan bahwa terdapat
hubungan yang signifikan antara greenness dan harga
properti rumah tinggal. Selain itu, ditemukan juga hubungan
yang signifikan antara greenness di Frisco dengan
penambahan nilai properti rumah tinggal. Addae-Dappah &
Chieh (2011) melakukan penelitian dampak pemberian ecolabeling di Singapore. Hasilnya menunjukkan bahwa
pemberian eco-labeling memberikan nilai tambah pada
harga rumah tinggal di Singapore.
Penelitian lainnya menyebutkan bahwa aksesbilitas juga
berpengaruh signifikan terhadap harga rumah tinggal. Yang
dilakukan oleh Burinskiene, Rudzkiene dan Venckauskaite
(2011) yang menunjukkan bahwa kualitas lingkungan
hidup, kedekatan dengan pusat kota dan memiliki area hijau
yang besar mempunyai pengaruh positif terhadap harga real
estate di kota Vilnius. Akan tetapi, jarak antara rumah
tinggal dengan sekolah dan rumah sakit memiliki pengaruh
negatif yang cukup signifikan terhadap harga real estate di
kota Vilnius. Penelitian yang dilakukan oleh Ondrina
(2013) juga menunjukkan bahwa aksesbilitas jarak antara
rumah tinggal dengan shopping center memiliki pengaruh
negatif terhadap harga rumah. Hasil penelitian tersebut
didukung dengan teori von Thunen yang mengatakan
semakin dekat properti dengan fasilitas umum, semakin
tinggi harga properti tersebut (dalam Sasuki & Box, 2003).
FINESTA Vol. 1, No. 2, (2013) 53-60
Fanning (2005) mengatakan bahwa nilai dari suatu
properti ditentukan oleh faktor fisik, legal, dan lokasi.
Faktor fisik biasanya terdiri dari luas tanah, luas bangunan,
jumlah kamar tidur, usia bangunan. Pada umumnya, faktorfaktor tersebut memiliki pengaruh yang positif terhadap
harga jual suatu rumah, meskipun besar pengaruhnya dapat
bervariasi di setiap daerah (Sirmans et.al, 2006).
Pada penelitian ini, penulis memilih dua pengembang
besar yang ada di Surabaya, yaitu PT. Intiland Development
Tbk dan PT. Ciputra Property Tbk. Hal ini disebabkan
karena telah menjadi anggota dari GBCI. Proyek-proyek
yang dikerjakan juga menunjukkan bahwa kedua
pengembang ini peduli terhadap lingkungan. Contohnya
adalah pada cluster golf terlihat lebih hijau dibandingkan
dengan cluster non-golf. Adanya banyak penghijauan di
sepanjang jalan di perumahan Citra Raya dan Graha Famili.
Berdasarkan uraian di atas, penulis menjadi tertarik untuk
melakukan penelitian terkait faktor greening pada rumah
tinggal yang dikembangkan oleh kedua pengembang
tersebut.
2. TEORI PENUNJANG
Rumah ramah lingkungan merupakan rumah yang bijak
dalam menggunakan lahan, efisien dan efektif dalam
penggunaan energi maupun dalam menggunakan air,
memperhatikan konservasi material sumber daya alam serta
sehat dan aman bagi penghuni rumah. Perawatan rumah
yang ramah lingkungan dan aman juga merupakan faktor
penting, karena keberlanjutan dari rumah ramah lingkungan
harus disertai dengan perilaku ramah lingkungan oleh
penghuninya. Pemahaman konsep akan rumah ramah
lingkungan merupakan faktor utama yang harus
diprioritaskan untuk menghindari kesalahpahaman akan
anggapan bahwa rumah ramah lingkungan atau green home
merupakan rumah yang memerlukan biaya perawatan yang
tinggi ataupun merupakan rumah yang hanya memiliki
banyak lahan hijau (GBCI, 2011).
Penilaian adalah suatu rangkuman metode dan teknik
penilaian, dimana seorang penilai menerapkannya pada
material yang nyata dalam suatu kerangka kerja proses
penilaian untuk mencapai suatu kesimpulan nilai. Nilai
diciptakan dari faktor fisik, sosial, ekonomi, dan politik
yang berlaku atasnya (Fisher, 1991).
Menurut Fanning (2005), nilai atas suatu properti
ditentukan oleh beberapa faktor, yaitu: faktor fisik, legal,
dan lokasi. Namun pada penelitian ini hanya digunakan
faktor fisik dan faktor lokasi.
a. Faktor Fisik
Faktor fisik dapat dibagi menjadi fitur alamiah dan fitur
buatan manusia. Yang termasuk di dalam fitur alamiah
adalah fitur geologis, yang menjadi kendala terbesar
dalam menentukan potensi kegunaan atas suatu tempat.
Lahan properti juga termasuk fasilitas alam seperti
pemandangan asri dan sungai. Sedangkan fitur buatan
manusia biasanya berwujud, seperti kapling tanah, luas
tanah, tampak depan, kualitas konstruksi (Fanning,
2005). Luas tanah merupakan faktor penting penentu
harga properti, dimana luas yang semakin besar,
semakin berpengaruh signifikan terhadap harga properti.
(Hodgkins,1982, p. 75).
54
b. Faktor Lokasi
Lokasi menentukan jenis dan penggunaan lahan yang
paling sesuai di suatu daerah. Fitur statis dan dinamis
yang menentukan faktor lokasi. Yang termasuk fitur
statis adalah keterkaitan dan perhimpunan penggunaan
tanah. Keterkaitan ditunjukkan dengan pergerakan
masyarakat, barang, jasa, komunikasi dari dan ke lokasi
properti. Kelompok penggunaan tanah ditunjukkan
dengan pengembangan di area lokasi dan penggunaan
tanah saling berhubungan dan mendukung satu sama
lain. Faktor dinamis merupakan perubahan dari waktu ke
waktu dan arah pola pertumbuhan penggunaan tanah.
Sedangkan dari sisi aksesbilitasnya, von Thunen (1966)
juga mengatakan bahwa semakin dekat properti dengan
fasilitas umum, semakin tinggi harga properti tersebut.
Penelitian ini menambahkan faktor greening dikarenakan
adanya trend perkembangan pengembangan properti yang
mengarah ke konsep green di beberapa negara termasuk
Indonesia. Di Indonesia, GBCI (2011) menerbitkan standar
Greenship yang dibagi menjadi enam kategori, yaitu:
a. Tepat guna lahan (Appropriate Site Development /ASD)
Variabel yang terdapat di dalam kategori tepat guna
lahan adalah area hijau, infrastruktur pendukung,
aksesbilitas
komunitas,
pengendalian
hama,
transportasi umum, dan penanganan air limpas hujan.
Akan tetapi, kategori ini lebih memberikan nilai
tambah pada area hijau. Tujuannya adalah agar dapat
meningkatkan
fungsi
alamiah
tanaman
dan
meningkatkan kenyamanan dan kesehatan fisik serta
psikis penghuni.
b. Konservasi dan efisiensi energi (Energy Efficiency and
Conservation /EEC)
Variabel yang digunakan adalah sub meteran,
pencahayaan buatan, pengkondisian udara, reduksi
panas, dan sumber energi terbarukan. Namun, variabel
utamanya adalah sumber energi terbarukan. Tujuannya
adalah agar mengurangi ketidakberlanjutan energi nonterbarukan.
c. Konservasi air (Water Conservation /WAC)
Variabel yang digunakan ini adalah alat keluaran hemat
air, penggunaan air hujan, irigasi hemat air. Tujuannya
adalah agar menghemat penggunaan air dari teknologi
alat keluaran air.
d. Siklus dan sumber material (Material Resources and
Cycle/MRC)
Variabel yang digunakan adalah refrigeran bukan
perusak ozon, penggunaan material lama, material dari
sumber ramah lingkungan, kayu bersertifikat, material
prefabrikasi, material lokal, dan pemilahan sampah.
Tujuannya adalah agar menghindari penipisan lapisan
ozon dan mengurangi sisa aktifitas konstruksi.
e. Kesehatan dan kenyamanan dalam ruang ( Indoor
Health and Comforth /IHC)
Variabel yang digunakan pada kategori ini adalah
sirkulasi udara bersih, memaksimalkan pencahayaan
alami, dan tingkat akustik. Akan tetapi, nilai tambah
difokuskan kepada variabel sirkulasi udara bersih.
Tujuannya adalah agar mempertahankan kebutuhan
laju udara sehingga kesehatan dan produktivitas
penghuni dapat terpelihara, serta menghemat energi.
FINESTA Vol. 1, No. 2, (2013) 53-60
f. Manajemen lingkungan bangunan (Building and
Environment Management/BEM)
Variabel yang digunakan adalah aktivitas ramah
lingkungan, panduan bangunan rumah, keamanan,
desain dan konstruksi berkelanjutan, inovasi, dan
desain rumah tumbuh. Variabel utamanya adalah
desain dan konstruksi berkelanjutan. Tujuannya adalah
agar menjaga kualitas lingkungan dan daya dukung
lingkungan akibat pembangunan rumah.
3. METODOLOGI PENELITIAN
Dalam penelitian ini, penelitian bersifat penelitian
eksplanasi, menjelaskan bagaimana pengaruh faktor
greening, faktor aksesbilitas, dan faktor fisik terhadap nilai
rumah tinggal. Penelitian eksplanasi dikenal sebagai
penelitian yang bertujuan untuk memberikan eksplanasi,
yaitu mengungkapkan pengaruh antar 2 atau lebih konsep
atau variabel dari suatu fenomena sosial. (Hamidi, 2007, p.
13). Selain itu, digunakan data-data numerik sehingga dapat
digolongkan sebagai penelitian yang bersifat kuantitatif.
Menurut Sugiyono (2009, p. 61), populasi adalah wilayah
generalisasi yang terdiri atas obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian
ditarik kesimpulannya. Dalam penelitian ini, populasi yang
digunakan adalah harga transaksi dari seluruh rumah tinggal
yang dikembangkan oleh PT. Intiland Development Tbk
dan PT. Ciputra Property Tbk di Surabaya di perumahan
Citra Raya dan Graha Famili.
Menurut Sekaran (2006), sampel adalah sebagian dari
populasi. Teknik pengambilan sampel adalah menggunakan
teknik purposive sampling yaitu dengan cara memilih
sampel yang sesuai dengan tujuan penelitian, sehingga
sampel tersebut dapat mewakili karakteristik populasinya
(Nursalam, 2008). Dalam penelitian ini, kriteria
pengambilan sampel adalah sebagai berikut:
1. Terjadi transaksi pembelian rumah tinggal dalam satu
tahun terakhir dari April 2012 hingga April 2013 yang
dikembangkan oleh pengembang-pengembang besar
yang ada di Surabaya, yaitu PT. Intiland Development
Tbk dan PT. Ciputra Property Tbk.
2. Pemilik rumah bersedia untuk mengisi kuesioner.
Sampel yang diperoleh berdasarkan kriteria di atas adalah
sebesar 45 sampel.
Metode pengumpulan data yang digunakan adalah:
a. Penyebaran Kuesioner
Menurut Nazir (2011), kuesioner adalah sebuah set
pertanyaan yang berhubungan dengan masalah
55
penelitian, dan tiap pertanyaan merupakan jawaban
yang mempunyai makna dalam menguji hipotesis.
b. Wawancara
Wawancara merupakan teknik pengumpulan data yang
dilakukan melalui tatap muka dan tanya jawab
langsung antara pengumpul data maupun peneliti
terhadap nara sumber atau sumber data.
c. Studi Literatur
Melakukan pengumpulan data-data teoritis dengan
mempelajari penelitian-penelitian sebelumnya dan
artikel-artikel pendukung yang dapat digunakan sebagai
landasan dalam menentukan prinsip-prinsip dalam
penelitian.
Untuk memudahkan pengertian dan menghindari
kesalahan penelitian, maka perlu didefinisikan variabelvariabel yang ada di dalam penelitian ini, diantaranya:
1. Konsep
: Faktor Greening
Definisi Operasional : Rumah ramah lingkungan yang
memenuhi standar greenship berdasarkan pedoman dari
GBCI.
Indikator Empirik
:
-Area Hijau
Apabila luas area hijau dibagi dengan luas tanah hasilnya
diantara 0-15%, diberi kode 1. Apabila hasil bagi luas
area hijau dengan luas tanah diantara 16-30%, diberi kode
2. Apabila hasil bagi luas area hijau dengan luas tanah
lebih dari 30%, diberi kode 3.
-Teknologi
Tolak ukur untuk variabel teknologi adalah menggunakan
pemanas air tenaga surya yang tidak mengkonsumsi
energi listrik (solar heat) atau menggunakan AC Inverter .
Apabila sampel menggunakan salah satu dari kedua
teknologi tersebut atau keduanya, diberi kode 1. Apabila
sampel tidak menggunakan kedua teknologi tersebut,
diberi kode 0.
2 Konsep
: Faktor Aksesbilitas
Definisi Operasional : Jarak lokasi dari rumah menuju
fasilitas umum di sekitar rumah tinggal.
Indikator Empirik
:
- Jarak tempuh antara rumah tinggal dengan shopping
center dengan satuan meter (m).
- Jarak tempuh antar rumah tinggal dengan rumah sakit
dengan satuan meter (m).
- Jarak tempuh antara rumah tinggal dengan sekolah
dengan satuan meter (m).
3 Konsep
: Faktor Fisik
Definisi Operasional : Kondisi fisik yang terbagi
menjadi fitur alamiah dan fitur buatan manusia.
Indikator Empirik
: - Luas Tanah dengan satuan
meter persegi (m2).
- Jumlah Kamar Tidur dengan satuan unit.
- Arah Hadap menggunakan dummy variabel.
Tabel 3.1 Variabel Arah Hadap Dummy
Dummy
Selatan
0
0
0
0
Utara
1
0
0
0
Timur
0
1
0
0
Barat
0
0
1
0
Barat Daya
0
0
0
1
FINESTA Vol. 1, No. 2, (2013) 53-60
- Cluster dibagi menjadi 2. Apabila termasuk cluster golf
diberi kode 0 dan apabila termasuk cluster non-golf
diberi kode 1.
4 Konsep
: Nilai Pasar Rumah Tinggal
Definisi Operasional : Harga transaksi saat pembelian.
Indikator Empirik
: Satuan yang digunakan adalah
Rupiah.
Urutan Teknik Analisa Data adalah sebagai berikut:
1. Dilakukan uji dengan model regresi untuk memperoleh
nilai residual.
2. Dilakukan uji deskriptif boxplot untuk mengetahui
ringkasan distribusi sampel yang disajikan secara grafis
yang menggambarkan bentuk distribusi data ( skewness),
ukuran tendensi sentral dan ukuran penyebaran data
pengamatan dengan bantuan alat SPSS 17.
3. Uji Asumsi Klasik
Setelah dilakukan uji deskriptif boxplot, dilakukanlah uji
asumsi klasik. Adapun asumsi yang digunakan adalah:
a. Uji Normalitas
Uji normalitas adalah uji kenormalan distribusi data.
Tujuannya adalah untuk menguji apakah dalam model
regresi, variabel terikat dan variabel independennya
memiliki distribusi normal atau tidak. Model regresi yang
baik adalah model yang memiliki distribusi data normal
atau mendekati normal (Ghozali, 2009). Metode untuk
mendeteksi apakah residual berdistribusi normal atau
tidak adalah dengan dilakukan Kolmogorov Smirnov,
data dinyatakan berdistribusi normal bila signifikansi >
0.05, dengan hipotesa sebagai berikut:
Ho: α < 5%, berarti data tidak berdistribusi normal.
H1: α > 5%, berarti data berdistribusi normal.
Syarat-syarat mengenai penolakan dan penerimaan
hipotesis:
1. p-value < α (5%), maka tolak Ho
2. p-value > α (5%), maka terima H1
b. Uji Autokorelasi
Uji autokorelasi adalah korelasi antara anggota
serangkaian observasi yang diurutkan menurut waktu dan
ruang. Salah satu asumsi penting adalah variabel
gangguan pada periode tertentu berkorelasi dengan
variabel lain, dengan kata lain variabel gangguan tidak
random.
Berdasarkan konsep tersebut, maka uji
autokolerasi sangat penting untuk dilakukan. Menurut
Ghozali (2009) untuk menguji apakah hasil estimasi
model regresi mengandung korelasi atau tidak, maka
dilakukanlah Uji Durbin Watson dengan kriteria sebagai
berikut:
0 < d < dL
= ada autokorelasi negatif.
d L ≤ d ≤ dU
= tidak dapat ditarik kesimpulan.
4-dL < DW < 4 = ada autokorelasi positif.
4- dU ≤ d ≤ 4- dL = tidak dapat ditarik kesimpulan.
dU ≤ d ≤ 4-dU
= tidak ada autokorelasi positif atau
negatif.
c. Uji Multikolinearitas
Menurut Santoso (2000), multikolinearitas berarti adanya
korelasi linier antara satu atau lebih variabel bebas.
Model regresi yang baik seharusnya tidak terjadi korelasi
antara variabel bebas. Pengujian multikolinearitas
dilakukan dengan melihat nilai VIF dan korelasi variabel
bebas Jika nilai VIF dibawah 10 maka tidak terjadi
problem multikolinearitas. Sedangkan hasil pengujian
nilai tolerance juga menunjukkan tidak ada variabel
56
bebas yang nilainya kurang dari 0,10 yang berarti tidak
ada korelasi antar variabel bebas yang nilainya lebih dari
95%. Hal ini berarti tidak terjadi multikolinearitas
(Ghozali, 2009).
d. Uji Heterokedastisitas
Heterokedastisitas adalah kondisi dimana terjadi
ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain dengan cara melihat ada tidaknya
pola tertentu pada grafik plot antara nilai prediksi variabel
terkait dengan residualnya. Bila varian dari residual
pengamatan ke pengamatan yang lain itu tetap maka
disebut homokedastisitas dan jika berbeda disebut
Heterokedastisitas.
Menurut Ghozali (2009), gejala
heterokedastisitas dapat diuji dengan uji glejzer yaitu
dengan meregresi nilai absolut residual terhadap variabel
bebas. Heterokedastisitas tidak terjadi apabila tidak
satupun variabel bebas signifikan secara statistik
mempengaruhi nilai variabel terikat nilai Ut (Absolut dari
nilai residual yang dihasilkan dari proses regresi). Hal ini
terlihat dari probabilitas signifikansinya diatas 5 %.
Ho: α < 5%, berarti terkena heterokedastisitas.
H1: α > 5%, berarti tidak terkena heterokedastisitas.
Syarat-syarat mengenai penolakan dan penerimaan
hipotesis:
1. p-value < α (5%), berarti terkena heterokedastisitas.
2. p-value > α (5%), berarti tidak terkena
heterokedastisitas.
4. Uji Hipotesis
Alat analisa data yang digunakan pada penelitian ini
adalah regresi logit. Analisa regresi digunakan untuk
mengetahui pengaruh antara variabel independent dengan
variabel dependent dengan menggunakan model regresi
sebagai berikut:
y = α + β1X1,1 + β2X1,2 + β3X2,1 + β4X2,2 + β5X2,3 + β6X3,1
+ β7X3,2 + β8X3,3 + β9X3,4 + β10X3,5 + β11X3,6 + β12X3,7 + ε
Keterangan:
y = nilai transaksi rumah tinggal
α = konstanta
X1,1 = Area hijau
X1,2 = Teknologi
X2,1 = Jarak antara rumah tinggal dan shopping center
X2,2 = Jarak antara rumah tinggal dan rumah sakit
X2,3 = Jarak antara rumah tinggal dan sekolah
X3,1 = Luas tanah
X3,2 = Jumlah kamar tidur
X3,3 = Arah hadap utara
X3,4 = Arah hadap timur
X3,5 = Arah hadap barat
X3,6 = Arah hadap barat daya
X3,7 = Cluster
ε = error
a. Uji F
Uji F berfungsi untuk mengetahui apakah terdapat
pengaruh signifikansi antara variabel bebas secara
bersama-sama terhadap variabel tergantungnya dengan
level of significance (α) 5% atau confidence interval
sebesar 95% dan degree of freedom (df) = k/(k-n-1)
dimana n adalah jumlah observasi dan k adalah jumlah
variabel termasuk intersep. Ho diterima apabila
signifikansi Fhitung lebih lebih besar daripada α = 5%.
Sebaliknya, H1 diterima apabila signifikansi Fhitung lebih
lebih kecil daripada α = 5%.
FINESTA Vol. 1, No. 2, (2013) 53-60
Rumusan hipotesis:
Ho : b1,b2,….,b12 = 0, berarti variabel area hijau,
teknologi, jarak antara rumah dengan shopping
center , jarak antara rumah dengan rumah sakit, jarak
antara rumah dengan sekolah, luas tanah, jumlah
kamar tidur, arah hadap, cluster secara bersama-sama
tidak berpengaruh signifikan terhadap nilai transaksi
rumah tinggal.
H1 : b1,b2,…,b12 ≠ 0, berarti variabel area hijau,
teknologi, jarak antara rumah dengan shopping
center , jarak antara rumah dengan rumah sakit, jarak
antara rumah dengan sekolah, luas tanah, jumlah
kamar tidur, arah hadap, cluster secara bersama-sama
berpengaruh signifikan terhadap nilai transaksi
rumah tinggal.
b. Uji t
Uji t berfungsi untuk menguji koefisien regresi secara
parsial dari variabel-variabel bebasnya. Untuk
menentukan nilai ttabel maka ditentukan level of
significance (α) 5% atau confidence interval sebesar 95%
dengan degree of freedom (df) = (n-k-1) dimana n adalah
jumlah observasi dan k adalah jumlah variabel termasuk
intersep. Ho diterima apabila signifikansi t hitung lebih lebih
besar daripada α = 5%. Sebaliknya, H1 diterima apabila
signifikansi thitung lebih lebih kecil daripada α = 5%.
Rumusan hipotesis:
Ho : bi = 0, berarti variabel bebas (area hijau, teknologi,
jarak antara rumah dengan shopping center , jarak
antara rumah dengan rumah sakit, jarak antara
rumah dengan sekolah, luas tanah, jumlah kamar
tidur, arah hadap, cluster ) secara partial tidak
berpengaruh signifikan terhadap nilai transaksi
rumah tinggal.
H1 : bi ≠ 0, berarti variabel bebas (area hijau, teknologi,
jarak antara rumah dengan shopping center , jarak
antara rumah dengan rumah sakit, jarak antara
rumah dengan sekolah, luas tanah, jumlah kamar
tidur, arah hadap, cluster ) secara partial berpengaruh
signifikan terhadap nilai transaksi rumah tinggal.
Koefisien determinasi (R2) digunakan untuk mengetahui
seberapa besar hubungan dari beberapa variabel dalam
pengertian yang lebih jelas dan juga menjelaskan
seberapa besar perubahan atau variasi suatu variabel bisa
dijelaskan oleh perubahan atau variasi pada variabel yang
lain (Santosa dan Ashari, 2005:125). Adjusted R square
adalah variasi dari variabel dependent yang dapat
dijelaskan oleh variabel independent. Untuk variabel
independent lebih dari dua sebaiknya melihat adjusted R
square (Santoso, 2000). Pada penelitian ini, penulis
menggunakan nilai adjusted R square.
4. ANALISA DAN PEMBAHASAN
Uji Deskriptif (Boxplot)
Setelah diketahui nilai residual dari model regresi, maka
dilakukan uji deskriptif (boxplot), sebagai berikut :
57
Dari hasil boxplot, dapat diketahui bahwa data responden
nomor 7, 11, 32, 33,35, dan 38 merupakan data outliers.
Namun dari enam data outliers, data responden nomor 32
merupakan data ekstrem, sehingga perlu dikeluarkan
(Nachmias dan .Guerrero, 2011).
Uji Asumsi Klasik
Setelah data ke 32 dikeluarkan, maka dilakukan ulang.
Kemudian melakukan uji asumsi klasik. Hasil output
menunjukkan sebagai berikut:
a. Uji Normalitas
Untuk pembuktian uji normalitas dapat kita lihat dengan
analisa statistik, yaitu uji Kolmogorov-Smirnov. Berikut
hasil uji Kolmogorov-Smirnov:
Tabel 4.1 Uji Kolmogorov-Smirnov
Kolmogorov-Smirnov Z
.899
Asymp. Sig. (2-tailed)
.395
Dengan menggunakan nilai α = 5%, nilai asymp Sig (2tailed ) adalah sebesar 0,395, sehingga p > α maka hasil data
mengikuti distribusi normal.
b. Uji Autokorelasi
Tabel 4.5 Uji Durbin Watson
Durbin-Watson
2,134
Dari hasil uji Durbin-Watson diatas dapat dilihat
bahwa nilainya sebesar 2,134. Dengan k = 12, n = 44,
diperoleh nilai du = 2,225 dan dl = 0,938. Nilai DW
sebesar 2,134 tersebut berada ditengah-tengan nilai du
dan dl, maka dapat diartikan dalam model regresi ini
tidak terdapat autokorelasi.
c. Uji Multikolinearitas dan Uji Heterokedastisitas
Tabel 4.6 Uji Multikolinearitas Dan Heterokedastisitas
Tolerance
VIF
Sig. Uji Glejser
(Constant)
AreaHijau
Teknologi
Jarak Mall
Rumah Sakit
Sekolah
Luas Tanah
0,448
0,699
0,496
0,441
0,467
0,259
2,232
1,430
2,017
2,266
2,139
3,866
0,730
0.702
0,760
0,815
0,175
0,673
0,084
Jumlah Kamar Tidur
0,341
2,933
0,904
Utara
Timur
Barat
0,613
0,633
0,686
1,630
1,581
1,457
0,115
0,178
0,327
Barat Daya
0,425
2,355
0,795
FINESTA Vol. 1, No. 2, (2013) 53-60
Cluster
0,661
1,512
58
0,479
Berdasarkan pada nilai tolerance dan VIF terlihat bahwa
tidak ada nilai tolerance di bawah 0,1 (nilai tolerance
berkisar antara 0,259 sampai 0,699), begitu juga dengan
nilai VIF tidak ada yang di atas 10 (nilai VIF berkisar antara
1,430 sampai 3,866). Jadi sudah terbukti bahwa tidak
terdapat gejala multikoliniearitas.
Dari hasil Uji Glejser, dapat dilihat bahwa signifikan
variabel independen tidak ada yang dibawah atau lebih kecil
dari
0,05
yang
berarti
tidak
terjadi
gejala
heteroskedastisitas.
Uji Hipotesa
a. Uji F
Tabel 4.7 Uji Statistik F
F
Sig.
Regression
43,409
0,000a
Berdasar tabel diatas diperoleh nilai signifikansi sebesar
0,000 dan lebih kecil dari α = 5% maka dapat disimpulkan
bahwa variabel area hijau, teknologi, jarak antara rumah
dengan shopping center , jarak antara rumah dengan rumah
sakit, jarak antara rumah dengan sekolah, luas tanah, jumlah
kamar tidur, arah hadap utara, arah hadap timur, arah hadap
barat, arah hadap barat daya, cluster secara bersama-sama
berpengaruh signifikan terhadap nilai pasar rumah tinggal di
Surabaya.
Tabel 4.8 Koefisien Determinasi
R
R Square
Adjusted R Square
0,972a
0,944
0,922
Dari tabel 4.8 terlihat bahwa nilai koefisien determinasi
sebesar 0,922 berarti sebanyak 92,2% variasi atau
perubahan dalam nilai pasar rumah tinggal di Surabaya bisa
dijelaskan oleh variasi atau perubahan area hijau, teknologi,
jarak antara rumah dengan shopping center , jarak antara
rumah dengan rumah sakit, jarak antara rumah dengan
sekolah, luas tanah, jumlah kamar tidur, arah hadap utara,
arah hadap timur, arah hadap barat, arah hadap barat daya,
cluster , sedangkan 7,8% disebabkan oleh hal-hal yang lain
di luar model.
b. Uji t
Tabel 4.9 Uji Statistik t
B
t
Sig.
(Constant)
-2157673537,737
-1,076 0,290
AreaHijau
-16570142,699
-0,033 0,974
Teknologi
-719511987,729
-1,165 0,253
Jarak Mall
271,646
0,003
0,998
Rumah Sakit
131255,228
0,911
0,369
Sekolah
11539,397
0,163
0,872
Luas Tanah
26341152,488
14,023 0,000
Jumlah Kamar -1052433193,425
-2,789 0,009
Tidur
Utara
1471687954,806
2,376
0,024
Timur
183785206,141
0,266
0,792
Barat
844080985,451
0,453
0,654
Barat Daya
3589972238,810
1,516
0,140
Cluster
950800567,889
1,154
0,257
Dari semua variabel yang diregresikan, hanya tiga
variabel yang signifikan, yaitu luas tanah, jumlah kamar
tidur, dan arah hadap utara. Hal ini terlihat dari
signifikansinya yang sebesar 0,000, 0,009, dan 0,024, dimana
tingkat signifikansinya lebih kecil dari α = 5%. Namun,
variabel cluster , teknologi, area hijau, jarak antara rumah
tinggal dengan shopping center , jarak antara rumah tinggal
dengan rumah sakit, jarak antara rumah tinggal dengan
sekolah, arah hadap timur, arah hadap barat, arah hadap barat
daya memiliki tingkat signifikansinya lebih besar dari α =
5%. Dapat disimpulkan bahwa secara parsial, variabel luas
tanah, jumlah kamar tidur, dan arah hadap utara berpengaruh
signifikan terhadap nilai pasar rumah tinggal di Surabaya.
Dari tabel coefficients diatas, model regresi yang dapat
dibentuk adalah sebagai berikut:
Y = -2157673537,737 – 16570142,699 area hijau –
719511987,729 teknologi + 271,646 jarak rumah ke
shopping center + 131255,228 jarak rumah ke rumah sakit +
11539,397 jarak rumah ke sekolah + 26341152,488 luas
tanah – 1052433193,425 jumlah kamar tidur +
1471687954,806 arah hadap utara + 183785206,141 arah
hadap timur + 844080985,451 arah hadap barat +
3589972238,810 arah hadap barat daya + 950800567,889
cluster
Dalam pengujian regresi linear berganda yang telah
dilakukan, dapat disimpulkan bahwa variabel area hijau,
teknologi, jarak antara rumah dengan shopping center , jarak
antara rumah dengan rumah sakit, jarak antara rumah dengan
sekolah, luas tanah, jumlah kamar tidur, arah hadap utara,
arah hadap timur, arah hadap barat, arah hadap barat daya,
cluster dengan sekolah secara bersama-sama berpengaruh
signifikan terhadap nilai pasar rumah tinggal di Surabaya.
Apabila dilihat secara parsial, variabel luas tanah, jumlah
kamar tidur, dan arah hadap utara memiliki pengaruh
signifikan terhadap nilai pasar rumah tinggal di Surabaya.
Dimana luas tanah dan arah hadap utara memiliki pengaruh
positif dan jumlah kamar tidur memiliki pengaruh negatif.
Namun, variabel cluster , teknologi, area hijau, jarak antara
rumah tinggal dengan shopping center , jarak antara rumah
tinggal dengan rumah sakit, jarak antara rumah tinggal
dengan sekolah, arah hadap timur, arah hadap barat, arah
hadap barat daya tidak memiliki pengaruh signifikan
terhadap nilai pasar rumah tinggal.
Hasil dari penelitian ini sesuai dengan penelitian oleh
Sirmans, MacDonald, Macpherson, dan Zietz (2006) dan
Njo, Fransisca, dan Muliadihardjo (2004) yang mengatakan
luas tanah memiliki pengaruh positif terhadap nilai rumah.
Hal ini disebabkan karena semakin besar luas tanah, makan
semakin tinggi pula nilai pasar rumah tinggal. Penelitian
yang dilakukan oleh Sirmans, MacDonald, Macpherson, dan
Zietz (2006) juga mengatakan bahwa jumlah kamar tidur
memiliki pengaruh positif terhadap nilai rumah, sedangkan
didapati hasil regresi yang berlawanan dengan penelitian
tersebut. Hal ini disebabkan karena banyak sampel yang
memiliki luas bangunan kecil, namun memiliki jumlah
kamar tidur yang banyak, sehingga mengurangi nilai pasar
rumah tinggal tersebut. Arah hadap utara memiliki pengaruh
positif disebabkan oleh 14 dari 45 responden memiliki
rumah dengan arah hadap utara sebab tidak berhadapan
langsung dengan matahari, sedangkan arah hadap timur dan
barat masing-masing sebesar 7 dan 1. Rumah yang
menghadap timur atau barat lebih panas dibandingkan rumah
yang menghadap utara atau selatan sebab berhadapan
langsung dengan sinar matahari. Range harga properti pada
cluster golf dimulai dari Rp 1.000.000.000 hingga Rp
29.000.000.000, sedangkan pada cluster non-golf dimulai
dari Rp 900.000.000 hingga Rp 18.000.000.000.
FINESTA Vol. 1, No. 2, (2013) 53-60
Pada variabel teknologi dan area hijau tidak berpengaruh
signifikan terhadap nilai pasar rumah tinggal. Hal ini
disebabkan karena teknologi tidak sesuai untuk mewakili
unsur hijau pada rumah tinggal, dan solar heat sendiri
membutuhkan biaya investasi yang lebih tinggi dibandingkan
menggunakan mesin pemanas air dengan bahan bakar gas.
Juga solar heat membutuhkan tempat yang besar di bagian
atap, jadi lebih sesuai untuk rumah yang memiliki luasan
atap yang dapat menanggung beban solar heat tersebut.
Selain itu, solar heat maupun AC Inverter merupakan faktor
pendukung untuk dinyatakan sebagai rumah ramah
lingkungan sehingga tidak berdampak secara langsung
terhadap nilai pasar rumah tinggal, namun berdampak secara
langsung terhadap biaya maintenance. Dalam hal area hijau,
apabila semakin besar area hijau pada suatu rumah maka
menyebabkan luas bangunan semakin berkurang dan apabila
luas bangunan semakin berkurang maka nilai bangunan
rumah tersebut akan menurun. Hasil penelitian ini berbeda
dengan hasil penelitian oleh Aroul (2009) menunjukkan
bahwa terdapat hubungan yang signifikan antara greenness
dan harga properti rumah tinggal dan oleh Burinskiene,
Rudzkiene dan Venckauskaite (2011) yang menunjukkan
bahwa semakin besar area hijau akan memberikan pengaruh
terhadap harga real estate.
Ada juga penelitian lainnya yang menyebutkan bahwa
aksesbilitas berpengaruh signifikan terhadap harga rumah
tinggal. Penelitian tersebut dilakukan oleh Burinskiene,
Rudzkiene dan Venckauskaite (2011), Ondrina (2013). Hasil
penelitian tersebut didukung dengan teori von Thunen yang
mengatakan semakin dekat properti dengan fasilitas umum,
semakin tinggi harga properti tersebut. Namun pada
penelitian yang dilakukan oleh penulis, faktor aksesbilitas
tidak berpengaruh signifikan terhadap nilai pasar rumah
tinggal. Hal ini disebabkan perumahan Citra Raya dan Graha
Famili sudah dikelilingi oleh fasilitas umum seperti adanya
Pakuwon Trade Center, Rumah Sakit Mitra Keluarga, dan
SMA Ciputra.
5. KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan pengujian statistik yang dilakukan untuk
mengetahui pengaruh area hijau, teknologi, jarak antara
rumah dengan shopping center , jarak antara rumah dengan
rumah sakit, jarak antara rumah dengan sekolah, luas tanah,
jumlah kamar tidur, arah hadap, cluster terhadap nilai pasar
rumah tinggal di perumahan Citra Raya dan Graha Famili
selama periode April 2012-April 2013, maka didapatkan
kesimpulan sebagai berikut:
1) Faktor greening, faktor aksesbilitas, dan faktor fisik
secara bersama-sama berpengaruh signifikan terhadap
nilai pasar rumah tinggal di Surabaya.
2) Secara parsial, terdapa tiga variabel yang berpengaruh
signifikan terhadap nilai pasar rumah tinggal di Surabaya,
yaitu variabel luas tanah, jumlah kamar tidur, dan arah
hadap utara.
Saran
1) Untuk penelitian selanjutnya diharapkan menambahkan
data responden, sehingga mendapatkan hasil yang lebih
baik. Data yang minim tersebut disebabkan karena
59
terbatasnya waktu untuk penyebaran kuesioner kepada
responden.
2) Menambah variabel green yang sesuai dengan standar
GBCI. Contohnya melihat seberapa besar sirkulasi udara
di satu rumah dengan menghitung luas ventilasi
dibandingkan dengan luas tanah.
3) Mempersiapkan waktu lebih banyak lagi untuk
penyebaran kuesioner.
DAFTAR PUSTAKA
Addae-Dapaah, K., & Chieh S.J. (2011). Green Mark Certification:
Does the Market Understand? . Josre, 3(1), 182.
Aroul, R.R. (2009). Going green – impact on residential property
values. The University of Texas, Texas, United States.
Assigning Value to Green Buildings. (2005). Building Operating
Management, 34-38.
Burinskiene, M., Rudzkiene, V., & Venckauskaite, J. (2011).
Effects of quality of life on the price of real estate in vilnius city.
International Journal of Strategic Property Management, 15(3):
295-311. doi:10.3846/1648715X.2011.617857
Fanning, S.F. (2005). Market Analysis for Real Estate. United
States of America: Appraisal Institute.
Fisher, J. D., & Mueller, P. (1991). The Languange of Real Estate
Appraisal. United States: DearbornTM Real Estate Education.
Ghozali, I. (2009). Ekonometrika Teori, Konsep dan Aplikasi
dengan SPSS 17. Semarang: Penerbit UNDIP.
Green Building Council Indonesia. (2011). Greenship Home.
Indonesia: Author.
Hamidi. (2007). Metode Penelitian dan Teori Komunikasi. Malang:
UMM Press.
Hodgkinson, & Allan, A.J. (1982). Handbook of Building
Structure. Chicago: The Dryden Press.
Nazir. (2011). Metode Penelitian. Jakarta: Ghalia Indonesia.
Njo, A., Fransisca, & Muliadihardjo. (2004). Penilaian Properti di
Surabaya Pada Perumahan Pakuwon Indah, Graha Famili, dan
CitraRaya. Jurnal Dimensi Teknik Arsitektur, 31(1), 63-67
Nursalam. (2008). Konsep & Metode Keperawatan 2 nd Edition.
Jakarta: Salemba Medika.
Ondrina, E. (2013). Analysis Of Factors Affecting The House
Prices in Pekanbaru City. University of Riau, Riau, Indonesia.
Indonesia. Kementrian Energi dan Sumber Daya Mineral. (2010).
Indonesia Energy Outlook 2010. Indonesia: Auhor.
Santosa dan Ashari, Purbaya Budi. (2005). Analisa statistik dengan
Microsoft Excel & SPSS. Yogyakarta: Andi.
Santoso, Singgih. (2000). Buku latihan SPSS statistik parametrik.
Jakarta: PT. Elex Media Komputindo.
Sasuki, Y. & Box, P. (2003). Agent-Based Verification of von
Thünen's Location Theory. Journal of Artificial Societies and
Social
SimulatioN,
6(2).
Retrieved
from
http://jasss.soc.surrey.ac.uk/6/2/9.html
FINESTA Vol. 1, No. 2, (2013) 53-60
Schindler, A. & Udall, R. (2008). “LEED is broken; let’s fix it”,
working
paper,
26
October,
available
at:
www.grist.org/comments/soapbox/2005/10/26/leed/index1
Sekaran, U. (2006). Metodologi Penelitian Untuk Bisnis. Jakarta:
Salemba Empat.
Sirmans, G. S., MacDonald, L., Macpherson, D.A., & Zietz E.N.
(2006). The Value of Housing Characteristics: A Meta Analysis.
Journal of Real Estate Finance and Economics, 33, 215-240.
Sugiyono. (2009). Statistika Untuk Penelitian. Bandung: Alfabet.
von Thunen. (1966). Isolated State. Paris: Pergamon Press.
60