19

BAB III

APLIKASI METODE GWR

Dalam penelitian ini dilakukan penilaian tanah pada studi kasus yaitu wilayah

Kecamatan Lengkong, Kota Bandung. Posisi Kecamatan Lengkong di Kota

Bandung dapat dilihat pada Gambar 3.1. Kecamatan Lengkong mempunyai luas

sekitar 5.92 Km2, berpenduduk sekitar 69751 jiwa, terdiri dari tujuh kelurahan

yaitu Cijagra, Turangga, Lingkar Selatan, Malabar, Burangrang, Cikawao dan

Paledang (BPS, 2006).

Gambar 3.1 : Batas Administrasi Kecamatan di Kota Bandung

Kecamatan Lengkong dibatasi oleh empat kecamatan lain yaitu Kecamatan Sumur

Bandung di Utara, Kecamatan Batu Nunggal di Timur, Kecamatan Bandung

Kidul di Selatan dan Kecamatan Regol di Barat seperti pada Gambar 3.2. Selain

itu kecamatan ini pun memiliki sekitar 14983 bidang tanah objek pajak yang akan

dinilai dalam penelitian ini.

20

Gambar 3.2 : Posisi Geografis Kecamatan Lengkong dan Kelurahan-Kelurahan Yang Ada

3.1 Data Masukan dan Peralatan

Data masukan yang digunakan dalam penelitian ini diperoleh dari data salah satu

tesis S2 Program Studi Teknik Geodesi Bidang Administrasi Pertanahan

(Wahyudi, 2007), oleh karena itu semua data dikategorikan ke dalam jenis data

tersier. Data tersebut adalah:

1. Peta Bidang Tanah Kecamatan Lengkong

Data ini berupa peta Kecamatan Lengkong yang dibuat oleh Dinas PBB

dalam format digital (Gambar 3.3). Data yang ada merupakan data tahun

2006. Di dalam data ini tidak hanya terdapat data blok dan bidang tanah

21

saja, tapi juga terdapat data lain seperti jaringan jalan, jaringan sungai,

lokasi fasilitas publik, dan sebagainya.

Gambar 3.3 : Peta Bidang Tanah Kecamatan Lengkong

2. Data Penjualan dan Penawaran Bidang Tanah

Data ini merupakan data penjualan dan penawaran bidang tanah di wilayah

Kecamatan Lengkong pada kurun waktu 2005-2006. Data penjualan

diperoleh dari laporan Pejabat Pembuat Akta Tanah (PPAT)/Notaris,

sedangkan data penawaran diperoleh dari iklan penawaran di media massa

Koran Pikiran Rakyat serta wawancara langsung pada pemilik tanah. Total

terkumpul 133 data penjualan dan penawaran yang dapat dipergunakan

sebagai data sampel dan data untuk validasi dalam proses pemodelan baik

regresi linier maupun GWR. Data penjualan dan penawaran tersebut dapat

dilihat secara lengkap pada Lampiran A.

Dari data-data tersebut dapat dilakukan pemodelan nilai tanah untuk seluruh

wilayah Kecamatan Lengkong, namun dikarenakan semua data berada dalam

format digital maka diperlukan peralatan tambahan berupa perangkat keras dan

perangkat lunak untuk memproses data. Peralatan yang digunakan adalah:

1. Perangkat Keras

Laptop ASUS A8Sc. Spesifikasi:

a. Processor Intel® Core™2 Duo CPU T7500 @ 2.20GHz (2 CPUs)

b. L1 cache 32 KB L2 cache 4096 KB

c. Memory 1024 MB

d. Monitor Default, Mode 1280x800 with 32 bit color depth

22

e. Video Card NVIDIA GeForce 8400M G 128 MB

f. Hard Disk SATA ST9120822AS 120 GB

2. Perangkat Lunak

a. Sistem Operasi Microsoft Windows XP Professional Service Pack 2.

b. MapInfo Professional 9.0 digunakan untuk membuka data peta bidang

tanah Kecamatan Lengkong, mengidentifikasi bidang tanah dan

variabel-variabel lokasi, mengekstrak titik centroid dari bidang tanah,

serta mengukur jarak dari variabel lokasi ke bidang tanah maupun

antar bidang tanah.

c. Microsoft Excel 2007 digunakan untuk menyimpan basis data,

melakukan proses regresi linier, menghitung standar deviasi dan

koefisien korelasi, serta membuat gambar dan tabel data.

d. MATLAB 7.0 digunakan untuk melakukan proses GWR.

e. Microsoft Notepad digunakan untuk membuat input file untuk script

program GWR di perangkat lunak MATLAB 7.0.

f. Surfer 8.0 digunakan untuk plotting hasil akhir pemodelan berupa peta

nilai tanah.

g. Microsoft Word 2007 digunakan untuk melakukan pengetikan laporan

penelitian.

3.2 Tahapan Pekerjaan

Langkah pertama yang dilakukan dalam proses pemodelan nilai tanah ini adalah

pendefinisian data masukan. Tujuan pendefinisian ini adalah untuk mengambil

data-data tertentu saja yang diperlukan dalam proses penghitungan baik dengan

metode regresi linier maupun dengan metode GWR. Dari data masukan tersebut

didefinisikan item-item yang terkandung dalam data, tipe item, dan deskripsi dari

item tersebut. Dari peta bidang tanah Kecamatan Lengkong diperoleh hasil

pendefinisian seperti pada Tabel 3.1 sedangkan hasil pendefinisian data masukan

harga penjualan dan penawaran bidang tanah Kecamatan Lengkong dapat dilihat

pada Tabel 3.2.

23

No. Item Jenis Keterangan

1. NOP Numerik Nomor Objek Pajak bidang tanah

2. X Numerik Absis centroid bidang tanah

3. Y Numerik Ordinat centroid bidang tanah

4. Pemilik Teks Nama pemilik bidang tanah

5. Tipe Teks Penggunaan bidang tanah

Tabel 3.1 : Pendefinisian Peta Bidang Tanah Kecamatan Lengkong

No. Item Jenis Keterangan

1. NOP Numerik Nomor Objek Pajak bidang tanah

2. X Numerik Absis centroid bidang tanah

3. Y Numerik Ordinat centroid bidang tanah

4. Harga Numerik Harga jual/penawaran bidang tanah

5. Luas Numerik Luas bidang tanah yang dijual

6. Tanggal Tanggal Tanggal transaksi

Tabel 3.2 : Pendefinisian Data Penjualan dan Penawaran Bidang Tanah

Langkah kedua adalah penentuan variabel independen pembentuk nilai tanah.

Sebagaimana telah disimpulkan dari banyak penelitian, faktor utama pembentuk

nilai tanah adalah lokasi (Atack, 1998) ; (Hariadi, 2003). Faktor lokasi tersebut

kemudian diinterpretasikan sebagai aksesibilitas suatu lokasi bidang tanah

terhadap berbagai fasilitas publik yang dianggap dapat menunjang kebutuhan si

pemilik bidang tanah itu.

Dalam penelitian ini, digunakan tiga belas variabel pembentuk nilai tanah berupa

jarak lokasi bidang tanah ke fasilitas-fasilitas publik yang dapat diidentifikasi dari

peta bidang tanah Kecamatan Lengkong. Variabel tersebut adalah jarak lokasi

bidang tanah ke fasilitas pusat perdagangan, kantor pemerintahan, jalan, sekolah,

universitas, kesehatan, tempat ibadah, sungai, hotel, bank, taman, kuburan dan

tempat olahraga. Jarak yang digunakan adalah jarak langsung antar centroid

bidang (Lihat Gambar 3.4).

Untuk menghitung jarak tersebut,

tipe. Bidang tanah yang mempunyai tipe pusat perdagangan

atau jenis variabel lainnya diambil

seluruh bidang tanah diambil juga untuk kemudian dilakukan penghitungan

dengan Rumus 3.1.

Langkah ketiga adalah penyusunan data untuk

untuk proses regresi linier maupun GWR.

harga tanah per m2. Harga tersebut didapat dari pembagian

Luas. Kolom-kolom data selanjutnya diisi dengan jarak antara bidang tersebut

dengan variabel-variabel pembentuk nilai tanah.

Dalam penelitian ini digunakan empat set data, yaitu data asli, penyesuaian

dan penyesuaian+. Deskripsi dari data

1. Data asli adalah data penawaran dan penjualan bidang tanah yang sama

persis dengan h

wawancara pemilik tanah.

2. Data penyesuaian adalah data asli

berdasarkan aturan Surat Edaran Direktur Jenderal Pajak Nomor SE

55/PJ.6/1999 tanggal 31 Agustus 1999

Penentuan Nilai Indikasi Rata

dilakukan karena data berasal dari kurun waktu 2005

Gambar 3.4 : Jarak Langsung Antar Centroid

Untuk menghitung jarak tersebut, bidang tanah diidentifikasi berdasarkan

tipe. Bidang tanah yang mempunyai tipe pusat perdagangan, pusat pemerintahan

atau jenis variabel lainnya diambil item X dan Y-nya. Kemudian

seluruh bidang tanah diambil juga untuk kemudian dilakukan penghitungan

...........................

adalah penyusunan data untuk masukan proses pemodelan b

untuk proses regresi linier maupun GWR. Kolom pertama dari data diisi dengan

. Harga tersebut didapat dari pembagian item

kolom data selanjutnya diisi dengan jarak antara bidang tersebut

iabel pembentuk nilai tanah.

Dalam penelitian ini digunakan empat set data, yaitu data asli, penyesuaian

Deskripsi dari data-data tersebut yaitu:

Data asli adalah data penawaran dan penjualan bidang tanah yang sama

persis dengan hasil catatan PPAT maupun iklan penawaran serta hasil

pemilik tanah.

Data penyesuaian adalah data asli dengan modifikasi berupa penyesuaian

berdasarkan aturan Surat Edaran Direktur Jenderal Pajak Nomor SE

55/PJ.6/1999 tanggal 31 Agustus 1999 tentang Petunjuk Teknis Analisa

Penentuan Nilai Indikasi Rata-rata seperti terlihat pada Tabel

dilakukan karena data berasal dari kurun waktu 2005-2006 sedangkan nilai

24

bidang tanah diidentifikasi berdasarkan item

, pusat pemerintahan

nya. Kemudian item X dan Y

seluruh bidang tanah diambil juga untuk kemudian dilakukan penghitungan

........................... (3.1)

proses pemodelan baik

Kolom pertama dari data diisi dengan

item Harga oleh item

kolom data selanjutnya diisi dengan jarak antara bidang tersebut

Dalam penelitian ini digunakan empat set data, yaitu data asli, penyesuaian, asli+

Data asli adalah data penawaran dan penjualan bidang tanah yang sama

asil catatan PPAT maupun iklan penawaran serta hasil

dengan modifikasi berupa penyesuaian

berdasarkan aturan Surat Edaran Direktur Jenderal Pajak Nomor SE-

tentang Petunjuk Teknis Analisa

seperti terlihat pada Tabel 3.3. Hal ini

2006 sedangkan nilai

25

tanah merupakan nilai yang dinamis sehingga data tersebut perlu

disesuaikan ke dalam suatu waku tertentu. Dalam penelitian ini semua data

disesuaikan ke nilai pada bulan Desember tahun 2006.

No. Waktu Transaksi Penyesuaian

1.

2.

3.

4.

5.

6.

7.

8

1-3 Bulan

3-6 Bulan

6-9 Bulan

9-12 Bulan

1-2 Tahun

2-3 Tahun

3-6 Tahun

>6 Tahun

2%

3%

4%

5%

12%

20%

28%

57%

Tabel 3.3 : Penyesuaian waktu transaksi. Sumber SE-55/PJ.6/1999

Untuk melakukan penyesuaian, item Harga per m2 pada kolom data

ditambahkan dengan persentase penyesuaian. Persentase tersebut didapat

dari perbedaan item Tanggal dengan bulan Desember 2006.

3. Data asli+ dan data penyesuaian+ adalah data asli dan data penyesuaian

dengan pengurangan sebagian data yang memiliki harga tanah per m2 yang

sangat jauh berbeda dibandingkan dengan data lainnya. Data ini

diperkirakan merupakan anomali data yang disebabkan oleh subjektivitas

dalam penilaian tanah baik oleh pembeli maupun penjual. Pengurangan

data dimaksudkan untuk mengetahui sejauh mana sensitivitas kedua

metode terhadap data yang dianggap blunder.

Contoh set data yang dijadikan data masukan persamaan ditunjukan pada Tabel

3.4.

Tabel 3.4 : Data Masukan

26

Langkah keempat adalah proses regresi baik regresi linier maupun GWR. Proses

tersebut dilakukan dengan data masukan yang sudah terbentuk dari langkah-

langkah sebelumnya.

3.2.1 Pemodelan Regresi Linier

Proses pemodelan dengan metode regresi linier diperlihatkan pada Gambar 3.5.

Gambar 3.5 : Proses Regresi Linier

Penjelasan dari Gambar 3.5 adalah sebagai berikut:

1. Proses regresi linier diawali melalui pembuatan persamaan pengamatan

dengan data masukan berupa data sampel nilai tanah dan variabel-variabel

pembentuk nilai tanah yang sudah dihitung. Contoh persamaan yang

terbentuk adalah:

Nilai Tanah = Pusat Perdagangan*β1 + Pusat Pemerintahan*β2 + … + βn

Contoh:

914411 = 415.711* β1 +622.043* β2 + … + βn

913028 = 365.834* β1 +732.192* β2 + … + βn

Dan seterusnya.

Pembuatan Persamaan Pengamatan

Inversi Matriks

Matriks Pengamatan

Parameter Regresi

Menghitung Ulang Nilai Tanah Sampel

Uji Korelasi dan RMS

Menghitung Semua Nilai Tanah

Model Nilai Tanah

27

Pada proses ini terbentuk persamaan sejumlah data sampel yaitu 133 untuk

data asli & penyesuaian serta 129 untuk data asli+ & penyesuaian+.

2. Proses tersebut kemudian dilanjutkan dengan pembuatan matriks

pengamatan berdasarkan pengamatan yang dibentuk. Matriks-matriks

tersebut adalah matriks variabel dependent (Y) yaitu variabel nilai tanah

dan matriks variabel independent (X) pembentuk nilai tanah berupa jarak

terpendek suatu bidang tanah terhadap ketiga belas variabel lokasi.

Matriks variabel dependent berukuran “jumlah sampel x 1” sedangkan

matriks variabel independent berukuran “jumlah sampel x (jumlah variabel

+ jumlah konstanta)”.

� � T914411913028U V berukuran 133 x 1 atau 129 x 1

� � W415.711 622.043 365.834 732.192 U U X Y berukuran 133 x 14 atau 129 x 14

3. Selanjutnya dilakukan proses inversi matriks. Proses ini merupakan proses

least-square dengan penyelesaian menggunakan rumus 2.5.

4. Hasil dari inversi matriks tersebut adalah parameter berupa besaran

variabel pembentuk nilai tanah yaitu matriks berukuran “(jumlah

parameter + jumlah konstanta) x 1”.

� �

��������������>826.2228452>304.3291572>255.6015453>263.8402805>1533.485535>520.0408869>921.965206890.0626729987.0017309>1831.649672>1549.629272263.27295932538.9583363379.299 ��

������������

berukuran 14 x 1

28

5. Langkah satu sampai dengan langkah empat di atas diulangi kembali untuk

semua set data lainnya sehingga dari hasil penghitungan didapat empat set

parameter berupa tiga belas parameter besaran variabel dan satu parameter

konstanta. Nilai parameter untuk masing-masing set data hasil dari

pemodelan dengan metode regresi linier ini adalah:

No. Parameter Data Asli Data

Penyesuaian Data Asli+ Data Penyesuaian+

1 Pusat Perdagangan -826.2228452 -681.0544311 -463.4854192 -313.7664294

2 Pemerintahan -304.3291572 -300.1503659 395.000 406.6042347

3 Jalan -255.6015453 -282.8835577 -1173.198274 -1214.699233

4 Sekolah -263.8402805 -449.0783388 -1518.031824 -1739.767111

5 Universitas -1533.485535 -1526.806793 1906.510473 1966.38774

6 Kesehatan -520.0408869 -638.9114012 637.646844 539.7311314

7 Tempat Ibadah -921.965206 -838.4183853 786.9468813 907.1027511

8 Sungai 890.0626729 871.4300166 462.8692602 456.0061405

9 Hotel 987.0017309 1115.699776 745.3589379 875.9520821

10 Bank -1831.649672 -1892.371151 93.35317014 72.939

11 Taman -1549.629272 -1631.283939 1047.293549 1000.600321

12 Kuburan 263.2729593 232.4153592 1238.982658 1224.180864

13 Olahraga 2538.958 2483.660 -2359.281 -2496.450

Konstanta 3363379.299 3495577.979 883488.921 978445.1665

Tabel 3.5 : Parameter Regresi Linier Untuk Semua Set Data

6. Parameter-parameter tersebut kemudian digunakan untuk menghitung

ulang nilai tanah pada data sampel. Hasil penghitungan ulang data sampel

tersebut kemudian dibandingkan dengan data sampel asli untuk diuji

koefisien korelasi, RMSe, dan untuk pembentukan model residu nilai

tanah. Hasil hitungan ulang dapat dilihat pada Lampiran A. Koefisien

Korelasi dan RMSe dapat dilihat pada Tabel 3.6

Metode Data Korelasi RMSe

Regresi Linier

Asli 0.062 2966347.308

Asli+ 0.261 936644.011

Penyesuaian 0.065 3006398.972

Penyesuaian+ 0.277 933094.074

Tabel 3.6 : Koefisien Korelasi dan RMSe Hasil Pemodelan Regresi Linier

29

7. Setelah itu parameter-parameter yang dihasilkan di atas juga digunakan

untuk menghitung nilai tanah yang belum diketahui. Setelah semua nilai

tanah dihitung, nilai-nilai tanah tersebut kemudian dikumpulkan untuk

menjadi model nilai tanah untuk satu Kecamatan Lengkong. Dari proses

regresi linier ini terbentuk empat model nilai tanah dan empat model

residu nilai tanah untuk masing-masing set data. Semua model tersebut

dapat dilihat pada Lampiran C.

3.2.2 Pemodelan GWR

Untuk metode GWR, proses pemodelannya diperlihatkan pada Gambar 3.6 dan

Gambar 3.7.

Gambar 3.6 : Penentuan Bandwith Optimum Pada GWR

Penjelasan dari Gambar 3.6 adalah sebagai berikut:

1. Bagian pertama dari metode GWR adalah penghitungan bandwith yang

paling optimum berdasarkan data sampel.

2. Proses ini diawali melalui penentuan bandwith awal. Nilai bandwith

mempunyai rentang dari jumlah minimum yang diperlukan untuk

Penentuan Bandwith

Matriks Pengamatan

Pembuatan Persamaan Pengamatan

Matriks Bobot

Inversi Matriks

Parameter Regresi

Menghitung Ulang Nilai Tanah Sampel

Uji Cross Validation

Bandwith Optimum

Sudah Semua

Bandwith?

Sudah Semua

Sampel?

Tidak

Ya

Tidak

Ya

30

memecahkan parameter sampai jumlah semua data sampel (14 sampai

133). Melalui proses ini bandwith tersebut akan dicoba dimasukan satu-

satu ke dalam hitungan sehingga dapat diketahui bandwith yang akan

menghasilkan model yang optimum.

3. Selanjutnya dilakukan pembuatan persamaan pengamatan dengan data

masukan berupa data sampel nilai tanah dan variabel-variabel pembentuk

nilai tanah yang sudah dihitung. Contoh persamaan yang terbentuk adalah:

Nilai Tanah = Pusat Perdagangan*β1 + Pusat Pemerintahan*β2 + … + βn

Contoh:

914411 = 415.711* β1 +622.043* β2 + … + βn

913028 = 365.834* β1 +732.192* β2 + … + βn

Dan seterusnya.

Pada proses ini terbentuk persamaan sejumlah data sampel yaitu 133 untuk

data asli & penyesuaian serta 129 untuk data asli+ & penyesuaian+.

4. Proses tersebut kemudian dilanjutkan dengan pembuatan matriks

pengamatan berdasarkan pengamatan yang dibentuk. Matriks-matriks

tersebut adalah matriks variabel dependent (Y) yaitu variabel nilai tanah

dan matriks variabel independent (X) pembentuk nilai tanah berupa jarak

terpendek suatu bidang tanah terhadap ketiga belas variabel lokasi.

Matriks variabel dependent berukuran “jumlah sampel x 1” sedangkan

matriks variabel independent berukuran “jumlah sampel x (jumlah variabel

+ jumlah konstanta)”.

� � T914411913028U V berukuran 133 x 1 atau 129 x 1

� � W415.711 622.043 365.834 732.192 U U X Y berukuran 133 x 14 atau 129 x 14

Setelah itu dibentuk pula matriks bobot berukuran “jumlah sampel x

jumlah sampel”. Isi bobot tergantung dari jenis fungsi yang dipakai.

Namun karena kebanyakan fungsi bobot berupa fungsi dari jarak dan

bandwith, maka sebelumnya diukur dulu jarak antar bidang yang akan

dicari nilainya dan bidang yang menjadi data sampel.

31

E � ;0.9200U00.910U

000.99UX < berukuran 133 x133 atau 129 x 129

5. Selanjutnya dilakukan proses inversi matriks. Proses ini merupakan proses

least-square dengan penyelesaian menggunakan rumus 2.13.

6. Hasil dari inversi matriks tersebut adalah parameter berupa besaran

variabel pembentuk nilai tanah yaitu matriks berukuran “jumlah parameter

x 1”. Dari hasil penghitungan didapat empat belas parameter berupa tiga

belas parameter besaran variabel dan satu parameter konstanta. Dengan

parameter yang dihasilkan nilai tanah data sampel dihitung kembali.

Kemudian proses diulangi kembali dari pembuatan persamaan pengamatan

sampai semua nilai tanah data sampel sudah dihitung ulang.

7. Setelah semua sampel sudah dihitung ulang pada satu bandwith kemudian

dilakukan uji Cross Validation yaitu penghitungan kembali semua nilai

tanah data sampel dengan penggunaan bandwith yang berbeda. Bandwith

yang dapat menghasilkan nilai tanah hasil hitungan dengan korelasi dan

Root Mean Square error (RMSe) yang paling baik dibandingkan nilai

tanah sampel dijadikan bandwith tetap untuk penghitungan metode GWR.

Bandwith tetap untuk semua kombinasi metode GWR, tipe bobot dan set

data diperlihatkan pada Tabel 3.7.

Metode Bobot Data Bandwith Optimum

GWR Gauss Asli 127

Asli+ 129

Penyesuaian 127

Penyesuaian+ 129

Bisquare Asli 127

Asli+ 129

Penyesuaian 127

Penyesuaian+ 129

Tabel 3.7 : Bandwith Optimum Untuk Metode GWR

Setelah bandwith optimum diperoleh, selanjutnya dilakukan penghitungan nilai

tanah untuk bidang yang belum diketahui nilainya. Proses ini diperlihatkan pada

Gambar 3.7. Proses tersebut berisi penghitungan seluruh nilai tanah. Pada

32

prinsipnya hal yang dilakukan sama dengan hal yang dilakukan pada proses di

Gambar 3.6 namun bandwith yang digunakan sudah tetap dan tidak perlu diulangi

lagi untuk semua rentang bandwith. Proses ini hanya diulangi untuk setiap bidang

tanah yang akan dinilai. Hal tersebut disebabkan pada metode GWR, setiap nilai

yang dicari memiliki parameter regresi tersendiri yang sifatnya unik. Pada proses

ini diperoleh masing-masing 14850 set parameter untuk setiap set data.

Gambar 3.7 : Penghitungan Nilai Tanah Pada GWR

3.2.3 Uji Korelasi dan RMSe

Langkah keempat dari tahapan pekerjaan adalah pencarian kombinasi set data,

metode dan jenis bobot yang paling baik untuk memodelkan keseluruhan nilai

tanah se-kecamatan. Seluruh hasil penghitungan kembali nilai tanah pada data

sampel dikumpulkan. Dari dua metode (regresi linier dan GWR), empat set data

(asli, penyesuaian, asli+ dan penyesuaian+) dan dua jenis bobot (Gauss dan Bi-

square) diperoleh dua belas kombinasi yang menghasilkan dua belas hasil. Hasil

Bandwith Optimum

Matriks Pengamatan

Pembuatan Persamaan Pengamatan

Matriks Bobot

Inversi Matriks

Parameter Regresi

Sudah Semua Nilai?

Menghitung Semua Nilai Tanah

Model Nilai Tanah

Tidak

Ya

33

penghitungan kembali nilai tanah pada data sampel tersebut kemudian

dibandingkan dengan nilai tanah asli pada data sampel dengan pengujian koefisien

korelasi dan RMSe. Nilai koefisisen korelasi dan RMSe dari kedua belas

kombinasi tersebut yang dapat dilihat pada Tabel 3.8 kemudian digunakan sebagai

dasar untuk analisis kehandalan metode GWR dibandingkan metode regresi linier

Metode Bobot Data Korelasi RMSe

Regresi Linier

Asli 0.062 2966347.308

Asli+ 0.261 936644.011

Penyesuaian 0.065 3006398.972

Penyesuaian+ 0.277 933094.074

GWR Gauss Asli 0.224 2139894.973

Asli+ 0.300 822535.674

Penyesuaian 0.209 2175108.187

Penyesuaian+ 0.320 834580.414

Bisquare Asli 0.232 2143931.401

Asli+ 0.300 822535.393

Penyesuaian 0.219 2179120.104

Penyesuaian+ 0.320 834579.690 Tabel 3.8 : Koefisien Korelasi dan RMSe Hasil Seluruh Pemodelan

3.3 Hasil Akhir

Hasil akhir dari pemodelan ini berupa model berbentuk peta nilai tanah

Kecamatan Lengkong. Hasil yang dipetakan merupakan hasil pemodelan dari dua

belas kombinasi terdiri dari kombinasi empat set data dengan dua metode regresi

serta dua fungsi bobot. Selain itu juga diperoleh hasil berupa model residu nilai

tanah. Model residu ini dapat digunakan untuk analisis kualitas data sampel nilai

tanah. Salah satu model nilai tanah dan model residu dapat dilihat pada Gambar

3.8 dan Gambar 3.9. Model nilai tanah dan residu sebelas kombinasi lainnya dapat

dilihat pada Lampiran C.

34

Gambar 3.8 : Model nilai tanah Kecamatan Lengkong, Kota Bandung

menggunakan metode GWR, bobot bisquare, data asli+

Gambar 3.9: Model residu nilai tanah Kecamatan Lengkong, Kota Bandung

menggunakan metode GWR, bobot bisquare, data asli+