1 / 51

Ir. Nasiruddin Mahmud, SSi, MSc

ANALISIS PASAR PROPERTI . METODE RISET PASAR DAN APLIKASINYA. Ir. Nasiruddin Mahmud, SSi, MSc. Agenda :. Memahami metode riset pasar Ukuran skala data Beberapa model kuantitiatif dalam analisis pasar Aplikasi model kuantitatif Tugas. Tipe Metodologi Penelitian Pasar Properti.

garrick
Download Presentation

Ir. Nasiruddin Mahmud, SSi, MSc

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ANALISIS PASAR PROPERTI METODE RISET PASAR DAN APLIKASINYA Ir. Nasiruddin Mahmud, SSi, MSc

  2. Agenda : Memahami metode riset pasar Ukuran skala data Beberapa model kuantitiatif dalam analisis pasar Aplikasi model kuantitatif Tugas

  3. Tipe Metodologi Penelitian Pasar Properti

  4. Riset Kualitatif • Menghasilkan : • Persepsi terhadap suatu produk • Preferensi dan persyaratan • Kecenderungan untuk membeli • Tipe: • Focus groups, tediri dari 6 – 12 orang dipandu seorang moderator bertujuan membahas sikap, persepsi, dan pendapat masing masing peserta secara terfokus. Kelompok yang lebih kecil (2 – 3 peserta) disebut mini group discussion • One-on-one, in-depth interviews, wawancara terarah terhadap seorang responden secara mendalam • Experience interviews, wawancara terarah yang dilakukan terhadap seorang ahli atau yang berpengalaman tentang kasus tertentu secara mendalam

  5. Contoh Riset Kualitatif(Focus Group Discussion) • Studi kasus : preferensi konsumen terhadap townhouse kelas atas di Jakarta Barat • Identifikasi target responden: • Umur 35 – 45 dan 46 - 60 • Entrepreneurs and professionals • Kelompok etnis : Indonesians and Chinese Indonesians

  6. Riset Kuantitatif • Hasil dari metode kuantitatif : • Ukuran pasar • Proyeksi performa dari proyek • Kecenderungan preferensi pasar • Tipe : • Riset dan analisis data primer • Riset dan analisis data sekunder

  7. Riset dan Analisis Data Primer • Survey Proyek Pesaing • Profil of Existing Pesaing: lokasi, ukuran, development mix, harga sewa/jual, cara pembayaran, take up/sales rate, occupancy rate, profiel pembeli/penyewa, fasilitas • Identifikasi Pesaing baru : lokasi, ukuran, progres konstruksi, perkiraan masuk pasart. • Survey primer permintaan/ konsumen : persepsi, preferensi konsumen

  8. Riset dan Analisis Data Primer Kuesioner survey Kelompok Pendapatan Masyarakat di Tangerang

  9. Riset dan Analisis Data Sekunder Digunakan untuk menganalisis data ekonomi dan kependudukan sebagai pembangkit permintaan properti

  10. Ukuran Skala Data

  11. Sifat dan Asumsi Skala Data

  12. Klasifikasi Jenis Ukuran Skala Data

  13. Beberapa Model Kuantitatif dalam Analisis Pasar Properti Rata-rata Bergerak Linier Korelasi Regresi (Sederhana dan Berganda) Multi Dimensional Scalling (MDS) Tabulasi Silang Dsb (Cluster, Factor, Time Series, Simulation)

  14. Rata – rata Bergerak Linier • Metode yang mudah digunakan untuk proyeksi • Efektif dan efisien untuk data time series yang stabil • Bergerak : setiap muncul nilai data baru, nilai rata-rata baru dihitung dengan membuang nilai data yang paling lama dan memasukkan nilai data yang paling baru • Langkah perhitungan : • Tentukan jumlah periode yang akan dirata - ratakan ( 3 bulan, 6 bulan, dsb) • Menghitung rata-rata berdasarkan jumlah periode yang ditentukan ( 3 bulan, dsb) • Formula : • MA1 t+ 1 = (Dt + D t-1 + …+D t-n+1)/n • dimana n adalah jumlah periode • Dt : data pada periode t • Menghitung rata-rata dari rata-rata bergerak yang telah dihitung sebelumnya dgn jumlah periode yang sama • Formula : • MA2 t+ 1 = (MA1 t + MA1 t-1 + …+MA1 t-n+1)/n • Rata-rata bergerak ini (MA2 t+1) digunakan untuk proyeksi semua periode ke depan • Proyeksi diperbaiki jika terdapat data baru

  15. Proyeksi Pertumbuhan Wisatawan di Bali ?

  16. Korelasi Analisis korelasi adalah alat statitisik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lain. Digunakan untuk menganalisis apakah ada hubungan atau korelasi diantara dua variabel yang diamati, sekaligus menghitung seberapa kuat korelasi tersebut (positif /negatif) Nilai korelasi (r) berada pada : -1 < r < 1 Sangat lemah : 0 ≤ I r I ≤ 0,2 Lemah : 0,2 ≤ I r I ≤ 0,4 Moderat : 0,4 ≤ I r I ≤ 0,7 Kuat : 0,7 ≤ I r I ≤ 0,9 Sangat kuat : 0,9 ≤ I r I ≤ 1

  17. Penerapan Model Regresi Ekonomi Resiko Investasi Pertumbuhan Ekonomi Tren Penjualan Motor Perilaku Konsumen Sosial, Politik Kelompok Pemilih Partai Politik Menentukan Garis Kemiskinan Kebutuhan Fasilitas Pendidikan Properti Penilaian Massal (Pajak) Penetapan Target Pasar Harga sewa/jual Permintaan Apartemen

  18. Model Regresi

  19. Sejarah Analisis Regresi James Galton menciptakan Analisis Regresi tahun 1885 ketika dia mencoba memprediksi tinggi badan seseorang berdasarkan tinggi badan orang tuanya.

  20. Galton menemukan bahwa anak- anak yang dilahirkan dari orangtua berbadan tinggi akan memiliki tinggi badan lebih pendek, sedangkan anak yang lahir dari orangtua yang pendek akan lebih tinggi dibanding kan orangtuanya. Dua kelompok anak- anak tersebut dianalisis menggunakan “regresi” berdasarkan rata- rata tinggi badan seluruh anak.

  21. Pengertian Model Regresi Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel terikat dan variabel bebas Jenis Model Regresi : • Regresi linier sederhana • Regresi linier berganda • Regresi sederhana non linier (kuadratik, hiperbola, loglog (doble log), semilog) • Regresi linier dengan variabel bebas dummy • Regresi dengan variabel terikat dummy

  22. Istilah dalam Model Regresi: - Variabel terikat : variabel yang nilainya tergantung pada variabel lainnya (bebas) - Variabel bebas : variabel yang nilainya tidak tergantung pada variabel lain - R (korelasi) : derajat hubungan linier antara satu variabel dengan variabel lainnya - R2 (koefisien determinasi) : menunjukan seberapa besar variabel terikat dipengaruhi oleh variabel bebas, sisanya dipengaruhi oleh faktor lainnya di luar model (menunjukkan akurasi model) - Adj R2 : R2 yang sudah disesuaikan dengan banyaknya variabel bebas k dan jumlah data n - Standar error : perbedaan antara nilai data/observasi dengan nilai estimasi - Koefisien regresi : nilai

  23. Langkah- langkah dalam Analisis Regresi 1. Eksplorasi atau menelusuri data dan menghilangkan outher (pencilan) 2. Menspesifikkan model yang digunakan : Menentukan variabel bebas yang akan digunakan 3. Mengkalibrasi model yang digunakan : Proses pemodelan dan pengujian 4. Menginterpretasi Hasil

  24. Eksplorasi & Pembersihan Data Apakah ada pola yang memperlihatkan hubungan antar variebel ? Karena ‘nilai ekstrim’ sangat berpengaruh terhadap nilai rata- rata, maka sering kali menghilangkan / tidak memakai nilai ekstrim.

  25. Menspesifikkan Model • Variabel Terikat : • Harga Jual • Variabel Bebas : • Luas bangunan • Umur • Lokasi • Kondisi bangunan • Ukuran Lot/luas • Kualitas • Kenyamanan Teori mengenai faktor pembentuk harga jual rumah

  26. Kalibarasi Model Memeriksa linieritas dari model Menaksir nilai parameter (konstanta dan koefisien regresi) model regresi Standar error (simpangan baku) dari nilai parameter Ukuran goodness of fit (R2) -> akurasi model regresi -> seberapa dekat garis regresi yang terestimasi dengan data Uji t : mengetahui apakah koefisien regresi signifikan atau tidak

  27. Model Regresi Linier Sederhana Variabel bebas berjumlah satu Variabel terikat : interval, rasio Variabel bebas : interval, rasio, ordinal, nominal Yi = β1 + β2 Xi + ui ; i = 1, 2, 3, … N (banyaknya obeservasi)

  28. Menaksir Parameter dalam Model Regresi Linier Sederhana Y i = β1 + β2 Xi + µi Metode yang digunakan untuk mencapai penyimpangan / error yang minimum adalah metode kuadrat terkecil (ordinary least square) Menaksir β1, β2 sehingga ∑ µi2 minimum -> menggunakan turunan Y µi Y =b1 + b2 X + µ µi : penyimpangan/perbedaan antara nilai aktual (data) dengan garis regresi (nilai taksiran) µi2 : jarak penyimpangan/perbedaan antara nilai aktual (data) dengan garis regresi (nilai taksiran) X

  29. Aplikasi Model Regresi Linier Sederhana dalam Analisis Harga Tanah & Analisis Permintaan Properti Menentukan harga tanah (variabel terikat) berdasarkan faktor luas tanah (variabel bebas) Menentukan permintaan kamar hotel diJakarta (variabel terikat) berdasarkan faktor pertumbuhan ekonomi (variabel bebas)

  30. Model Regresi Linier Berganda Variabel bebas berjumlah lebih dari satu variabel terikat : interval, rasio variabel bebas : interval, rasio, ordinal, nominal Y i = β0 + β1 X1i + β2 X2i + …. + βk Xki + ui ; i= 1, 2, 3, … N (banyaknya obeservasi) Asumsi Model Regresi Linier Berganda : Tidak ada korelasi antar variabel bebas yang sempurna (autokorelasi) Tidak ada hubungan linier/fungsi linier antar variabel bebas (kolinieritas) Menaksir koefisien regresi (metode kuadrat terkecil) dengan menggunakan matrik

  31. Variabel bebas yang berpengaruh terhadap variabel terikat bukan hanya satu variabel. Misalnya harga jual rumah, bukan hanya ditentukan oleh ukuran bangunan, tetapi juga variabel lainnya seperti lokasi, view, umur bangunan, kualitas, fasilitas Roof Type Swimming Pool Exterior Wall Type Effective Age Quality Heat/Ac Type Lot Size Actual Age Garage Location View

  32. Persamaan Regresi Y=mx+b Y = b0 + b1 X1 + b2 X2 + . . . + bK XK Software Statistika : SPSS

  33. Model Regresi Linier dengan Variabel Bebas Dummy Variabel bebasnya merupakan data kategori / kualitatif (nominal) Mengkuantitatifkan data kualitatif (misal : jenis kelamian, pekerjaan, jenis properti, dsb) Varibel kategorik yang berharga nol atau satu disebut variabel dummy Variabel dummy dapat digunakan untuk regresi linier sederhana maupun berganda sebagai variabel bebas Dalam regresi linier berganda, variabel bebasnya dapat merupakan kombinasi variabel dummy dan numerik

  34. Regresi dengan satu variabel kualitatif, 2 kategori misal : (jenis kelamin : pria & wanita) Regresi dengan kategori lebih dua (view : taman, kolam renang, jalan) Regresi dengan beberapa variabel kualitatif (misal : ukuran kota dan jenis properti) Jumlah variabel dummy = jumlah kategori – 1 Misalnya kategorinya kota dan desa ( 2 kategori), maka variabel dummynya 1 variabel D 2 : 1 : komersial 0 : residensial D 3 : 1 : kota besar 0 : kota sedang

  35. Aplikasi Model Regresi Linier dengan Variabel Bebas Dummy dalam Harga Jual Penentuan harga unit kondominium (variabel terikat berdasarkan faktor luas bangunan, jumlah kamar, ketinggian lantai, lokasi, view, kualitas bangunan (variabel bebas) Luas bangunan, jumlah kamar, ketinggian lantai : skala data rasio Lokasi, view, kualitas bangunan : skala data nominal Penentuan harga tanah (variabel terikat ) berdasarkan faktor luas tanah, letak, view, image lingkungan (variabel bebas) Luas tanah : skala data rasio Letak, view, image lingkungan : skala data nominal

  36. Kurang Menarik Derived Stimulus Configuration Euclidean distance model 2 1 Dimension 2 0 -1 Mahal Murah -2 -1 0 1 2 Dimension 1 Menarik Multi Dimensional Scalling Merupakan prosedur yang digunakan untuk menggambarkan persepsi dan preferensi konsumen dalam sebuah display visual. MDS mengelompokkan obyek berdasarkan pada kesamaan MDS didasarkan pada perbandingan obyek (produk, jasa, merek), baik dalam dimensi objektif maupun subyektif. Dimensi obyektif merupakan karakteristik fisik obyek yang dapat dilihat yang dapat digunakan sebagai perbandingan, misalnya warna, ukuran, lokasi. Dimensi subyektif berkaitan dengan penilaian subyektif terhadap fitur suatuobyekseperti kualitas, harga

  37. Tabulasi Silang Menunjukkan distribusi frekuensi antar variabel yang dihubung-hubungkan untuk diketahui jumlah frekuensinya sesuai dengan variabel – variabel yang dihubungkan secara silang

  38. Model Statitistika dan Penerapannya dalam Analisis Pasar Properti

  39. Model Statitstik dan Ukuran Skala Data

  40. Contoh Aplikasi Model untuk Analisis Pasar Properti a. Contoh Aplikasi Model untuk Analisa Permintaan Rata-rata Bergerak Linier Proyeksi Permintaan Tahunan Ruang Perkantoran di Jakarta

  41. Regresi Linier • Perkiraan permintaan ruang perkantoran di CBD Jakarta Model dapat dibuat lebih kompleks dengan memasukkan beberapa variabel (berganda)

  42. Proyeksi Permintaan Ruang Perkantoran di CBD Jakarta

  43. b. Contoh Aplikasi Model untuk Analisa Harga (Perbandingan Pasar) Analisis Korelasi • Analisis Komparatif

  44. Analisis Posisi Pasar Properti di CBD Jakarta 20,000,000 18,000,000 14 3 16,000,000 14,000,000 7 10 12 5 1 13 12,000,000 11 9 Discounted Asking Price (Rp psm.) SUBJECT 10,000,000 6 2 8 8,000,000 4 6,000,000 4,000,000 2,000,000 - 0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50 5.00 Weighted Score Harga Jual = Rp.15 million psm.

  45. Model harga : Regresi Berganda Variabel yang berpengaruh terhadap harga berjumlah lebih dari 1, bisa variabel kategori (data nominal) maupun numerik (data rasio) Sering menggunakan variabel dummy Harga rumah : f (lokasi, luas bangunan, luas tanah) lokasi merupakan variabel dummy Harga ruko : f (luas bangunan, lokasi, frontage) lokasi (misal nama perumahan), dan frontage (menghadap jalan raya, tidak)merupakan variabel dummy Harga kondominium : f (luas bangunan, tinggi lantai, view) view (lapangan golf, taman, dsb) merupakan variabel dummy

  46. Analisa Regresi Bergandavariabel dummy : 4. Tampilan Output Kesesuaian model Signifikansi model Signifikan jika nilainya < 0.05 Signifikansi variable Signifikan jika nilainya < 0.05

  47. c. Contoh Aplikasi Model untuk Posisi Produk Multi Dimesional Scalling (Contoh Ruko Ancol) VARIABEL Lokasi : Sangat strategis 1 2 3 4 5 tidak strategis Aksesibilitas Sangat mudah 1 2 3 4 5 sulit Developer Developer besar 1 2 3 4 5 developer kecil Kualitas bangunan Sangat baik 1 2 3 4 5 kurang baik Fasilitas Sangat lengkap 1 2 3 4 5 tidak ada fasilitas Kualitas jalan lingkungan Sangat baik 1 2 3 4 5 kurang buruk Konsep pengembangan Mix used development 1 2 3 4 5 sendiri-sendiri Harga Jual Sangat murah 1 2 3 4 5 sangat mahal Tingkat Penjualan tinggi 1 2 3 4 5 rendah

  48. Kurang Menarik Derived Stimulus Configuration Euclidean distance model 2 Pluit Lake Side Bukit Golf Mediterania Palazzo Office Park 1 Lindeteves Dimension 2 : Kemasan Produk Kelapa Gading Square 0 Mangga Dua Square Lodan Center Mahkota Ancol CBD Pluit -1 -2 Kurang strategis -2 -1 0 1 2 Dimension 1 : Lokasi Menarik Lokasi Kemasan Produk Dimensi 1 terdiri dari faktor lokasi dan akesibilitas Dimensi 2 meliputi faktor kualitas bangunan, fasilitas, kualitas jalan lingkungan, dan konsep pengembangan. • Terdapat empat kelompok persaingan ruko/rukan • Ruko/rukan yang berada dalam satu kelompok bersaing langsung satu sama lain. Sementara ruko/rukan yang tidak berada dalam satu kelompok, bersaing secara tidak langsung. • ruko Mahkota Ancol, Lodan Center, Mangga Dua Square bersaing secara langsung. Kelompok ini memiliki keunggulan dalam hal lokasi dan kemasan produk.

  49. d. Contoh Aplikasi Model untuk Perilaku Konsumen (Tabulasi Silang) Tabulasi Silang Ukuran tanah vs jenis hunian

  50. TUGAS : 1. Buat analisis mengenai prospek pasar pusat perbelanjaan di DKI Jakarta hingga 5 tahun mendatang ( 3 – 5 lembar)

More Related