Pemasukan Penerimaan Negara Bukan Pajak (PNBP) Aset di KPKNL Yogyakarta sebagian besar melalui penjualan Barang Milik Negara (BMN yang dihapuskan dan pemanfaatan BMN berupa sewa. Di antara keduanya, pemanfaatan BMN berupa sewa menyumbang penerimaan terbesar. Salah satu permohonan sewa yang paling sering dimohonkan oleh kuasa pengguna barang adalah permohonan sewa ruang untuk penempatan mesin Anjungan Tunai Mandiri (ATM). Dalam proses tindak lanjut atas permohonan tersebut ada satu tahapan yang signifikan yaitu tahapan penilaian. Untuk mendukung proses penilaian tersebut perlu kiranya dibuat alat bantu berupa Daftar Komponen Penilaian Sewa BMN Untuk Penempatan Mesin ATM sebagaimana diatur dalam Keputusan Direktur Jenderal Kekayaan Negara Nomor 182/KN/2020 tentang Penyusunan, Penetapan, dan Penggunaan Daftar Komponen Penilaian Sewa BMN untuk Penempatan Mesin ATM.

Daftar Komponen Penilaian Sewa BMN Untuk Penempatan Mesin ATM dihasilkan melalui sebuah analisis statistik untuk tujuan penilaian properti yang merupakan perpaduan dari teori ekonomi, matematika ekonomi, statistika ekonomi, dan matematika statistika yang disebut ekonometrika. Model yang digunakan adalah regresi linear dari variabel-variabel yang mempengaruhi nilai sewa tersebut. Untuk menghasilkan model tersebut diperlukan survei terhadap sewa yang pernah terjadi kemudian dirinci dan dilakukan identifikasi atas variabel-variabel tersebut sehingga lolos uji asumsi klasik dalam regresi yaitu uji normalitas, uji linearitas, uji heteroskedasitas, uji multikolineritas, dan uji autokorelasi.

Untuk penyusunan model tersebut KPKNL Yogyakarta telah melakukan survei terhadap 92 ATM milik Bank BNI dan Bank Mandiri di wilayah Provinsi Daerah Istimewa Yogyakarta. Identifikasi variabel yang mempengaruhi menurut pengamatan adalah sebagai berikut :

1. Variabel dependen, yaitu : Nilai, yang merupakan nilai sewa lahan untuk penempatan mesin ATM.

2. Variabel independen, yaitu :

a. Jarak ke pusat aktivitas ekonomi (CBD)

variabel ini merupakan jarak data imajiner yang diperoleh dari perhitungan koordinat objek sewa ATM dan koordinat pusat aktivitas ekonomi/CBD dalam satuan kilometer

b. Periode sewa (TAHUN)

Variabel ini adalah jumlah tahun lamanya waktu sewa buat penempatan mesin ATM

c. Lebar jalan depan (ROW)

Variable ini merupakan lebar jalan yang melintas di depan lahan buat penempatan mesin ATM. Lebar jalan diukur dengan satuan meter

d. Peruntukan sekitar (PERKANTORAN)

Merupakan peruntukan kawasan di sekitar lahan/ruang untuk penempatan mesin ATM. Keberadaan mesin ATM yang menjadi obyek penelitian berada di kawasan Perkantoran dan Pertokoan / Komersial sehingga operasionalisasi veriabelnya Perkantoran =1, Komersial = 0

e. Jenis jalan depan (ARTERI & KOLEKTOR)

Jenis jalan berdasarkan fungsinya dibagi menjadi 3 macam yaitu :

- Jalan Arteri : Jalan yang mengubungkan antar pusat kegiatan nasional atau antara pusat kegiatan nasional dengan pusat kegiatan wilayah, lebar minimal 11 meter.

- Jalan Kolektor adalah jalan yang menghubungkan antara pusat kegiatan nasional dengan pusat kegiatan lokal atau antar pusat kegiatan wilayah atau antara pusat kegiatan wilayah dengan pusat kegiatan lokal, lebar minimal jalan 9 meter.

- Jalan Lokal adalah Jalan yang menghubungkan secara berdaya guna pusat kegiatan nasional dengan pusat kegiatan lingkungan, pusat kegiatan wilayah dengan pusat kegiatan lingkungan, antarpusat kegiatan lokal, atau pusat kegiatan lokal dengan pusat kegiatan lingkungan, serta antarpusat kegiatan lingkungan . Jalan di desaian dengan lebar minimal 7,5meter.

f. Objek sewa (TB)

Merupakan jenis objek sewa yang disewa, apabila objek tanah yang disewa berupa tanah/lahan maka bangunan untuk penempatan mesin ATM dibangun oleh perbankan. Operasionalisasi variabelnya Tanah = 1 Bangunan = 0

g. Jenis ruang ATM.

Jenis ruang ATM dapat berupa single atau galeri. Jenis ruang ATM Galeri meliputi semua objek sewa yang ditempati lebih dari satu ATM baik dari Bank yang sama ataupun beda. Operasionalisasi variabelnya ATM Galeri =1 ATM Single =0

Untuk mengidentifikasi dan menguji faktor-faktor yang mempengaruhi nilai sewa lahan untuk ATM di KPKNL Yogyakarta, digunakan analisis regresi linear berganda. Model yang digunakan dalam penelitian ini adalah :

NILAI = C + β1CBD + β2TAHUN+ β3ROW+ β4PERKANTORAN+ β5ARTERI+ β6KOLEKTOR+ β7TB+ β8TIPE

Dimana :

NILAI = Nilai sewa lahan untuk penempatan mesin ATM (Rp).

C = Intercept yang menunjukan tingkat konstanta dari Y

β = Slope yang menunjukkan arah gerak dari Y

CBD = Jarak Objek sewa ke CBD (Kilometer)

TAHUN = Jangka waktu sewa (Tahun).

ROW = Lebar jalan depan (Meter)

PERKANTORAN = Peruntukan sekitar halaman Perkantoran =0, Komersial = 1

ARTERI = jenis jalan arteri =1

KOLEKTOR = Jenis jalan kolektor= 1, jenis jalan Lokal = 0

TB = Jenis obyek sewa Tanah =0, Bangunan = 1

TIPE = Jenis ruang ATM Tunggal =0 Galeri = 1

Dari 92 sampel yang ada kemudian diuji melalui asumsi klasik dengan bantuan aplikasi eviews dihasilkan 72 data yang lulus Uji Normalitas, Uji Linearitas, Uji Heteroskedasitas, Uji Multikolineritas, dan Uji Autokorelasi dengan hasil sebagai berikut :

1. Uji Normalitas

Dinyatakan lulus jika nilai Jarque-Bera atau probability > 0,05. Nilai Jarque-Bera 0,4 dan probability 0,8 lebih besar dari 0,05 sehingga data dalam distribusi normal.

2. Uji Linearitas

Berdasarkan Uji Ramsey RESET Test Nilai probailitas > 0,05 sehingga data lulus uji linearitas.

3. Uji Heteroskedastisitas

Berdasarkah hasil Uji heteroskedastisitas dengan uji white dihasilkan nilai probabilitas 0,8, sehingga dinyatakan lulus karena nilai probabilitas > 0,05.

4. Uji Multikolineritas

Dinyatakan lulus Multikolineritas jika nilai Centered VIF < 10 dan berdasarkan hasil uji Multikolineritas dihasilkan nilai Centered VIF semua variabel <10 sehingga dinyatakan lulus uji Multikolineritas.

5. Uji Autokorelasi

5

Uji Autokorelasi dilakukan dengan Breusch-Godfrey Serial Correlation LM Test dan dinyatakan lulus jika Probabilitas Chi-Square > 0,05. Berdasarkan uji tersebut dihasilkan Probability Chi-Square 0,4855 sehingga dinyatakan lulus karena lebih besar dari 0,05.

Setelah lulus Uji Asumsi klasik maka persamaan linear berganda tersebut bisa digunakan sebagai bentuk permodelan. Adapun olah statistik data dihasilkan dengan aplikasi eviews dihasilkan seperti berikut :

Berdasarkan tabel diatas maka persamaan regresinya adalah :

NILAI = 16798382 - 1036494CBD + 1005240TAHUN - 228.560,1ROW + 2933944PERKANTORAN + 699206,1ARTERI – 2643761KOLEKTOR – 1937624TB + 1343511TIPE.

Interprestasi dari persamaan regresi tersebut adalah sebagai berikut :

a. C = 16798382 artinya bahwa nilai sewa lahan untuk peletakan mesin ATM dalam setahun tanpa dipengaruhi variabel apa pun adalah sebesar Rp16.798.382,00;

b. - 1036494CBD artinya bahwa setiap bertambah 1 km jarak objek sewa dari jarak CBD maka nilai sewa berkurang sejumlah Rp1.036.494,00;

c. + 1005240TAHUN artinya setiap jangka waktu sewa bertambah 1 tahun maka nilai sewa bertambah Rp1.005.240,00;

d. – 228560,1ROW artinya setiap penambahan lebar jalan depan lokasi ATM 1 meter maka nilai sewa berkurang sekita Rp228.560,10;

e. +2933944PERKANTORAN artinya bahwa jika peruntukan sekitar objek sewa untuk perkantoran nilai sewa tidak bertambah, sedangkan jika peruntukan sekitar objek sewa untuk komersial bertambah Rp2.933.944,00;

f. + 699206,1 ARTERI artinya jika objek sewa berada di jalan arteri maka nilai sewa bertambah Rp699.206,10;

g. -2463761 KOLEKTOR artinya jika objek sewa berada di jalan kolektor maka nilai sewa berkurang Rp2.643.761,00 dan jika berada di jalan lokal nilai sewa tidak terpengaruh;

h. - 1937624TB artinya jika objek sewa berupa tanah kosong maka nilai sewa berkurang sejumlah Rp1.937.624,00;

i. + 1343511TIPE artinya jika jenis ruang ATM berupa galeri maka nilai sewa bertambah Rp1.343.511,00 sedangkan jika jenis ruang ATM berbentuk tunggal maka berpengaruh pada nilai sewa.

Berdasarkan hasil penelitian tersebut maka dapat dibentuk Daftar Komponen Penilaian Sewa BMN Untuk Penempatan Mesin ATM Propinsi Daerah Istimewa Yogyakarta sebagai berikut :

Untuk menguji hasil Permodelan tersebut maka perlu membandingkan hasil perhitungan permodelan dengan hasil perhitungan menggunakan perbandingan data pasar yang biasa digunakan selama ini, jika selisihnya jauh maka perlu dicari variabel lain yang kiranya berpengaruh pada nilai sewa tersebut untuk ditambahkan di permodelan. (trijendra)