Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tesis ini membahas hubungan harga properti residensial dan kredit perbankan 14 provinsi di indonesia menggunakan pendekatan panel VAR. Penelitian ini menggunakan pendekatan Panel VAR dikarenakan berdasarkan kajian teoritis dan empiris, terdapat hubungan yang timbal balik atau kausalitas antara harga properti residensial dan kredit perbankan di mana model VAR merupakan alat analisis yang sangat berguna untuk estimasi adanya hubungan timbal balik di antara variabel-variabel ekonomi. Untuk data panel 14 Provinsi dan Pulau Jawa, memperlihatkan adanya hubungan satu arah antara Kredit Perbankan dengan Harga Properti Residensial, di mana kredit dipengaruhi oleh Harga Properti Residensial. Hasil estimasi Impulse Response Function (IRF) dan Variance Decomposition (VD) menunjukkan bahwa sampai periode ke 10, respon yang diberikan oleh variabel harga properti residensial terhafdap impulse yang diberikan kepada variabel kredit perbankan untuk Panel 14 provinsi dan pulau Jawa masing-masing hanya sebesar 0,8% dan 1,18%. Sebaliknya, sampai periode ke 10, impulse yang diberikan kepada variabel harga properti di 14 provinsi dan pulau Jawa mampu menjelaskan masing-masing 5,58% dan 14,60% fluktuasi variabel kredit perbankan. Untuk data panel Pulau Sumatera menunjukkan hasil yang sama di mana variabel kredit perbankan dipengaruhi oleh variabel harga properti residensial namun tingkat signifikansinya rendah. Untuk data panel Pulau Kalimantan, Sulawesi dan Bali bahkan memperlihatkan tidak adanya hubungan antara variabel kredit perbankan dan variabel harga properti residensial. Hasil ini memiliki implikasi di mana untuk tingkat nasional dan Jawa, kebijakan yang dikeluarkan yang berdampak mengurangi fluktuasi harga properti residensial akan menyebabkan dampak yang cukup besar kepada penyaluran kredit perbankan. Sementara untuk regional Sumatera, Kalimantan, Sulawesi dan Sumatera, fluktuasi harga properti dan perubahan kredit perbankan tidak mempunyai dampak yang signifikan karena perkembangan kredit dan harga properti residensial lebih disebabkan perubahan dalam variabel makroekonomi yaitu PDRB sehingga kebijakan yang lebih tepat adalah melalui upaya peningkatan pertumbuhan ekonomi regional. ......This Thesis discussed residential property price and banking credit relationships of 14 provinces in Indonesia using a panel VAR approach. This study uses a Panel VAR approach because based on theoritical and empirical study there is a reciprocal relationship or causality between residential property prices and banking credit in which teh VAR Model is a very useful analytical tool to estimate the existence of reciprocal relationship between economic variables. For panel data of 14 Provinces and Java Island, shows a one-way relationship between Banking Credit and Residential Property Prices, where credit is affected by Residential Property Price. The Impulse Response Function (IRF) and Variance Decomposition (VD) estimates show that up to the 10th period, the response given by the residential property price variable to the impulse given to the banking credit variable for Panel 14 of the provinces and the island of Java is only 0,8% and 1,18% respectively. Conversely, up to the 10th period, the impulse given to the property price variables in 14 provinces and the island of Java was able to explain about 5,58% and 14,60% the fluctuations in the banking credit variables. For Sumatra Island panel data shows the same result in which the variable of bank credit is influenced by residential property price variable but the level of significance is low. For panel data of Kalimantan Island, Sulawesi and Bali even showed no relation between banking credit variable and residential property price variable. These results have implications for which for the national and Java levels, the policies issued that have an impact on reducing fluctuations in residential property prices will have a substantial impact on bank lending. As for Sumatra, Kalimantan, Sulawesi and Sumatra regions, fluctuations in property prices and changes in bank lending do not have a significant impact as the development of credit and residential property prices is more due to changes in macroeconomic variables ie GRDP so that more appropriate policy is through increased regional economic growth.

Abstrak :
Pembangunan LRT Jabodebek menghabiskan anggaran lebih dari Rp 28 triliun. Pembangunan LRT ini dapat mempengaruhi elastisitas harga properti komersial dan perkantoran yang terletak disekitar stasiun LRT yang dapat menguntungkan pihak dari pemilik properti dengan LRT. Oleh karena itu dibuat sebuah model untuk mengetahui pengaruh dari pembangunan LRT terhadap harga properti komersial dan perkantoran serta karakteristik lainnya yang mempengaruhi. Model dibuat dengan analisis big data dalam mendapatkan data properti serta dilakukan pemetaan data properti terhadap stasiun LRT Jabodebek dikawasan Jakarta Selatan. Berdasarkan perhitungan yang dilakukan maka 13% dari properti komersial yang tersebar di Jakarta Selatan terletak dalam radius 1 km dari stasiun LRT dengan harga properti tertinggi sebesar Rp 133 juta. Hasil awal dari penelitian ini menunjukkan bahwa variabel yang mempengaruhi nilai properti adalah luas bangunan, jumlah ruang, kedekatan dengan rumah sakit dan properti yang berada di kawasan Rasuna Said dengan persamaan : LnHarga = 14,288 + 0,524 LnLuas-0,068 Rumahsakit-0,077 RasunaSaid + 0,032 LnRuang + %error. Berdasarkan persamaan tersebut maka dilakukan pembuatan prediksi model berdasarkan benchmarking dengan persamaan berikut : LnHarga = 13,4735 + 0,49383LnLuas-0,07200 Rumahsakit-0,08153 RasunaSaid + 0,03050 LnRuang + 0,4373LRT radius 0-300 +0,4175LRTradius300-600 +%error. ......LRTJabodebek built with estimated cost more than 29 trillion. This LRT project suspected has an effect on the elasticity of property prices for commercial and offices property located around LRT stations that can benefit the property owners by LRT development. Therefore a model was created to determine the effect of LRT development on the prices of commercial and office property and other influencing characteristics. The model was made by analysis of big data in obtaining property data and property data mapping was carried out against LRT Jabodebek stations in South Jakarta. Based on calculations, 13% of commercial and office property spread in South Jakarta is located within 1 km radius from the LRT station with the highest property price Rp 133 million. The results of this study show that the variables that affect property values are building area, number of spaces, proximity to hospitals and properties in the Rasuna Said area with the equation: Ln Price = 14,288 + 0,524 LnBuldingArea-0.068 Hospital-0.077 RasunaSaid + 0.032 LnNumberofRoom + %error. Based on these equations, a model prediction is made to input Proximity to LRT Station as a variable affected. The Prediction model are : LnPrice = 13,4735 + 0,49383Lnbuildingarea-0,07200 Hospital-0,08153 RasunaSaid + 0,03050 LnNumberofRoom + 0,4373LRT radius 0-300 +0,4175LRTradius300-600 +%error.