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.
Berdasarkan Uji Ramsey
RESET Test Nilai probailitas > 0,05 sehingga data lulus uji linearitas.
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.
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 :
Konstanta |
|
16.798.382,00 |
Probabilitas 0,0000 |
|
No |
Nama Variabel |
Arah Pengaruh |
Besaran (Rp) |
Keterangan |
1 |
Jarak
ke pusat aktifitas ekonomi (CBD) |
Negatif |
103.649,40 |
Probabilitas
0,6896 |
2 |
Periode
sewa |
Positif |
1.005.240,00 |
Probabilitas 0,3788 |
3 |
Lebar
Jalan Depan |
Negatif |
228.560,10 |
Probabilitas 0,5168 |
4 |
Peruntukan
Sekitar |
|
|
|
|
Komersial |
Positif |
2.933.944,00 |
Probabilitas 0,1895 |
|
Perkantoran |
Positif |
0,00 |
Variabel Referensi |
5 |
Jenis
Jalan |
|
|
|
|
Arteri |
Positif |
699.206,10 |
Probabilitas 0,8577 |
|
Kolektor |
Negatif |
2.643.761,00 |
Probabilitas 0,2320 |
|
Lokal |
Positif |
0,00 |
Variabel Referensi |
6 |
Objek
sewa |
|
|
|
|
Tanah
Kosong |
Negatif |
1.937.624,00 |
Probabilitas 0,3564 |
|
Bangunan |
Positif |
0,00 |
Variabel Referensi |
7 |
Jenis
Ruang |
|
|
|
|
ATM
Galeri |
Negatif |
1.343.511,00 |
Probabilitas 0.4829 |
|
ATM
Tunggal |
Positif |
0,00 |
Variabel Referensi |
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)